测试

AI for Testing 提效实战·测试设计（四）：我拿一个真实需求，让 AI 陪我走完了整个测试设计（全程复盘）用 AI 做测试设计 ·（四）· 本篇是一次真实的「复盘」前三篇把方法拆完了：脑暴铺点、等价类 + 边界值、场景法 + 判定表。但有读者问我："真到一个需求砸过来，这些到底怎么配合？是一次问完，还是分几轮？AI 给的东西我信哪句？"

LLM 驱动的自动化测试系列（06）：移动端自动化（二）——DroidRun/Mobilerun 的角色级模型拆分Mobilerun（这个开源项目原名 DroidRun，仓库路径至今仍叫 droidrun，但 pip 包名、CLI 命令、文档站点已经全部改成了 mobilerun）的定位很直接：一个用 LLM Agent 控制 Android 和 iOS 设备的开源框架。它给 Agent 提供检查 UI 状态、理解截图、点击、滑动、输入文字、规划多步流程的移动端原生工具集，通过 CLI 或 Python API 调用。

为 MCP 写集成测试：mock stdio、断言 tool schema，防止升级后静默坏掉MCP Server 最烦人的故障不是「进程起不来」——那种很吵，你会立刻发现。真正危险的是静默损坏：升级 SDK 或依赖后，tool 改名、必填字段消失、枚举变松，客户端要到运行时才炸，而且不一定好猜。

测试通过但业务结果错误：断言应该怎么设计一条创建订单的自动化用例，运行报告显示“通过”。测试人员打开业务系统，却发现订单金额不对，状态也还停在“草稿”。回头看用例，它只检查了一件事：点击提交后，页面出现过“保存成功”。

开源项目第229期：e2e — 用自然语言写 E2E 测试，还能把 Agent 跑过的操作录成‘回放缓存‘免模型调用"Describe a goal in natural language and an agent drives the app to reach it. Check the result with locators and assertions in the same test."

LLM 自动化测试系列（05）：移动端自动化（一）——ARTEMIS 的双模式架构拆解Google 开源的 ARTEMIS，官方定位是一句话："让 AI 助手和测试套件像人一样操作真机"（Let AI assistants and test suites use real phones like a human）。它的核心场景是：给它一句自然语言指令，它就在一台真实或模拟的 Android 设备上完成跨应用的操作和验证——不是写死的 UI 自动化脚本，而是一个能自主规划、执行、验证的 Agent。

用测试夹具约束 Agent：给定失败用例，要求只输出最小 diff 的提示词套路「帮我修一下这个测试」是 Agent 上下文里最高危的句子之一。没有夹具、没有失败断言、没有路径白名单时，模型会倾向于：改生产代码 + 改测试 + 顺手重构，最后给你一个「全绿」但不可审的大补丁。

这个日增 1400 星的 E2E 框架说"第二次跑不调模型"，我改了按钮文案试了试用 agent 跑 E2E 测试这件事，我一直有个心病：它把测试代码的维护问题，换成了账单问题和玄学问题。传统录制回放（Selenium 那套）的痛点是脆——页面一改脚本就废。于是有人想，干脆让 agent 看着页面自己点，测试里只写"把商品加进购物车"这种自然语言。听起来很美，但两个新问题马上冒出来：每次跑测试都在调模型，50 个用例的套件每轮 PR 烧几万 token，花的钱买的还是同样的决策；而且同一个 prompt 今天走 A 路径明天走 B 路径，测试比被测代码还不稳定。

长安米粒贵

单元测试写了不少，为什么线上还是没信心？聊聊测试分层的 4 个误区很多项目都有这样的测试数据：但一到发布日，团队依然紧张。明明测试很多，为什么上线前还是没有信心？原因通常不是“测试写得不够多”，而是测试分布错了。

# 从 0 部署 Qwen3.8-27B：量化档位怎么选，终端配置怎么配2026 年 8 月 5 日，通义千问团队发布了 Qwen3.8-27B。这是一款稠密（Dense）原生视觉语言模型，Apache-2.0 协议开源，基于 Qwen3.5 架构演进，主打编码、专业工作、研究与长程 Agent 任务，原生支持图像与视频理解，上下文长度 262,144 tokens 并可扩展至 100 万 tokens。

AI for Testing 提效实战·测试设计（三）：让 AI 用场景法串起业务链路，多条件岔路口用判定表一次理清用 AI 做测试设计 ·（三）先说结论：等价类和边界值，测的是一个个"点"；场景法测的是一条条"路"。点都对，不代表路能走通。而路上总有几个"岔路口"——走哪条分支由好几个条件共同决定（会员？满减？有券？超限购？），条件一多，顺着流程想就漏组合。

测试过程模型与左移右移一句话：本页回答"测试在流程里放哪儿"——从 V/W 模型的阶段对齐，到敏捷的迭代内闭环，再到把质量活动推到需求阶段（左移）、**延伸到生产环境（右移）**的两次位移。

Playwright 裸写、Cypress、商业录制回放、本地 E2E 工具：四条路线的形状与代价说明：这篇里对 Playwright 与 Cypress 的描述来自它们的官方文档（附链接），TestDog 的部分来自项目文档与源码。我没有替任何一方编「用起来什么感觉」——选型最怕的就是拿别人的体感当自己的结论。

谷哥的小弟

网络连接测试命令Test-NetConnection使用Test-NetConnection测试TCP端口时，基本语法如下：其中，主机地址用于指定目标服务器，可以填写IP地址或主机名；-Port用于指定需要测试的TCP端口。

Agent 自动化测试：怎么给“会自己决策“的程序写测试本文是《AI Agent 生产化实战（OpenClaw 主线）》系列第 5 篇。前面四篇把 Agent 搭起来了、看得见了、也把成本压下来了——但还剩一个最要命的问题没解决：你怎么确认这次改动没有把之前修好的东西弄坏？传统后端的答案是单元测试，可这套答案在 Agent 上几乎全部失效：输入不再是确定的，输出不再是可断言的，同一段代码跑两次结果可能不同。本篇面向已经用上 CI、却对 Agent 改动"只敢人工点几下"的团队：基于 OpenClaw（2026-08 版）+ Vitest + 评测集方案，讲清

测试金字塔与自动化分层一句话：金字塔表达的是成本结构（越往上越慢、越贵、越脆），不是用例数量的 KPI——把它当比例指标考核，就是下一个被刷掉的数字。

LangSmith RAG 量化评估：从"感觉还行"到"数据说话"第八十五天学习笔记：用 LangSmith + openevals 给 RAG 应用做回归评估。对应代码：本目录 src/ 下的 build_dataset.mjs、evaluators.mjs、run_eval.mjs、rag_agent.mjs。

AI for Testing 提效实战·测试设计（一）：喂段需求给AI，30秒铺开测试点，防漏测的第一步用 AI 做测试设计 ·（一）做测试这些年，我最慌的时刻从来不是"写不完用例"，而是上线后冒出一个我压根没想到的场景——那种"这个点我当时怎么漏了"的后背发凉。

同一道 Excel 任务，四款 Agent 的公式、修改范围与缓存有何不同？把 Agent 返回的 XLSX 接进后续读取流程时，除了核对算式，还要知道文件里存的是公式、常量还是计算缓存。EvalDock 对同一道日期滚动求和任务的四份最终交付做了逐格比较：三款产品填满16个公式，WPS 灵犀只补后八格；三份完整公式交付的结果一致，缓存保存方式却不同。