ci/cd

小小测试开发

Promptfoo 源码级解析：LLM 评估框架的核心设计与 CI/CD 集成实践传统软件测试有断言、有 mock、有覆盖率，但到了 LLM 应用这里，这套体系全失效了。LLM 的输出是自然语言，非确定性、非结构化；同一个 prompt 在不同模型、不同温度参数下能给出完全不同的回答。你没法写 assert response == "Hello"，也没法用 diff 工具比较两个对话。

GitHub Actions自动化运维实战，用CI/CD流水线实现测试、部署、安全扫描一体化目录一、一体化流水线设计思路二、实战配置：一体化 Workflow 模板三、关键运维避坑与实战技巧

菩提树下的打坐

CI 中的测试分层:让金字塔真正落地系列专栏:测试工程师每日一博 · Day 7 日期:2026-07-13 关键词:CI/CD 流水线、测试分层、GitHub Actions、Jenkins、测试金字塔、flaky 测试、并行执行阅读对象:已经写过单元/集成/接口/性能测试,但还没有把这些测试组织进 CI 流水线的工程师

这个需求做不了

Jenkins自动化构建与CI/CD流水线，并配置GitLab

CI/CD 与 GitHub Actions 入门JD 里常见"熟悉 CI/CD"、"了解 GitHub Actions"。CI/CD 说的是一套工程做法：代码提交后，用脚本自动做检查、测试、部署，减少漏步骤等问题。

第六篇：《GitLab CI 进阶：多环境部署与环境变量管理》在上一篇中，我们学会了如何用 .gitlab-ci.yml 定义基础的 CI 流水线。但在实际项目中，代码需要部署到开发（dev）、测试（staging）、生产（prod）等多个环境，每个环境有不同的配置（数据库地址、API 密钥、域名等）。如果为每个环境维护一份独立的 .gitlab-ci.yml，维护成本将不可接受。本文深入讲解 GitLab CI 的多环境部署策略：如何通过分支策略实现环境隔离、如何使用 rules 精细控制 Job 触发条件、如何通过 CI/CD 变量管理不同环境的配置，以及如何使

软件开发测试分层与CI/CD、沙箱使用完整指南在日常后端开发、流水线落地过程中，绝大多数人都会混淆单元测试、集成测试的边界，同时不清楚二者在CI/CD中的执行规则，以及沙箱环境的适用场景。本文基于实战经验，拆解四大独立核心知识单元，彻底厘清测试分层逻辑、落地规范与环境使用标准。

Next.js 15 企业级实战：从项目搭建到CI/CD全链路（App Router + Server Components + Turbopack）适用版本：Next.js 15.x | Node.js ≥20.x | React 19Next.js 15 于 2025 年底正式发布，带来了多项重要更新，以下是每个特性在企业场景中的实际价值分析。

CI/CD 流水线如何成为自动化发布负责人SEO 摘要：本文介绍 CI/CD 流水线如何取代传统发布负责人，自动完成代码变更构建、测试、生产发布、部署工件管理和自动回滚。文章重点讨论基于主干的开发、自动化生产发布、多个在途版本并行发布、不可变部署工件和 CI/CD 回滚机制，帮助团队提升持续交付效率与发布可靠性。

老谷子.AI原始技术

《Claude Code 工程化实战》第 21 讲 Headless 模式与 CI/CD 集成📌 本讲摘要前 20 讲我们学的所有扩展机制（SubAgent / Skills / Hooks / MCP / Tools）都是交互式——人在回路里、Claude 推理、人确认。本讲进入无人值守——Headless 模式：让 Claude Code 脱离人的实时操控、以守护进程般的姿态嵌入 CI/CD 流水线。3 个核心主题：Headless 模式基础（claude -p 非交互模式 + 守护进程）/ GitHub Actions 集成（自动 PR Review + 自动修复）/ 权限收窄（机器自治

基于GitLab CI/CD + Kubernetes的自动化部署平台搭建第一步：访问Harbor第二步：创建项目1. 登录后，点击"Projects"（项目）2. 点击"New Project"（新建项目）

Windows Python 打包实战：Nuitka 环境踩坑总结与 CI 自动化构建全指南环境检测（是否依靠 exe 运行）有些功能（如开机自启动）可能需要限制在依靠 exe 运行的情况，相信很多开发者第一反应就信手拈来 sys.executable 侦测：

千维百策666

AI 编码智能体平台如何提升研发效能：从 CI 修复到工程工作流自动化AI 编码智能体正在成为软件开发的重要组成部分。它们最直观的用途，是帮助开发人员更快地编写代码。但如果希望真正提升研发效能，编码智能体就不能只停留在“生成代码”这一层，而要进一步融入软件开发生命周期、CI/CD、测试验证、依赖升级和工程工作流自动化之中。

用Cursor智能编写Ansible/Terraform脚本，打通CI/CD链路在传统的开发运维流程中，编写Ansible/Terraform脚本以及打通CI/CD链路往往面临诸多挑战。手动编写脚本不仅复杂且耗时，容易因语法错误或逻辑问题导致部署失败，而CI/CD链路的打通过程同样繁琐，需要配置多个工具与流程，增加了开发运维的难度与成本。Cursor作为一种智能编写工具，能够根据用户需求自动生成Ansible/Terraform脚本代码，并通过其代码补全等功能显著提高编写效率与代码质量。同时，Cursor还简化了与CI/CD工具的集成过程，帮助用户快速打通链路。这一方法对于提升开发运

想你依然心痛

AtomCode 在 DevOps 场景中的实战：CI/CD 流水线脚本自动生成“如果你的执行力跟不上你的认知，那些无法落地的认知其实就是一种精神内耗。” 很多人以为“知道得多”就是进步，但如果知道却做不到，那些认知会变成自我批判的素材：“我都懂，为什么还是这样？”——从而产生羞耻和焦虑。真正的认知必须带来行动的改变，否则只是头脑中的概念垃圾。

Java项目部署-03-teamcity-cicd-docker镜像流水线方式部署在前面的章节中，我们介绍了手动部署和脚本化部署的方式。本文将详细介绍使用 TeamCity 2024.12.3 搭建 CI/CD 流水线，实现 Java 项目的自动化构建、测试和部署。

想你依然心痛

持续集成在嵌入式开发中的实践：GitLab CI与交叉编译——自动化构建、固件生成精力过度投放在别人身上时，就容易变得敏感、拧巴且内耗。注意力在哪，能量就流向哪。过度在意别人的言行，就会不停地猜测、比较、担忧，内心反复拉扯。这种内耗比体力劳动更累人。

江畔柳前堤

第14章：Docker 与 CI/CD本章目标：掌握 Docker 在 CI/CD 流水线中的应用，实现代码提交到自动部署的全流程自动化。📖 下一章：故障排查与面试题 —— 常见问题处理和面试准备

从零搭建 AI 代码审查服务：一份前端也能看懂的 Python 学习笔记一份写给前端开发者的 Python 小项目实战指南前几天，我搭了一套 AI 代码审查服务，用 Python + Flask 写了大概 200 行代码，实现了：当 GitLab 收到 MR 时，自动调用 AI 分析代码 diff，然后把审查意见贴回 MR 评论区。

# Docker 镜像瘦身实战：从 1.2G 到 80MB 的五个优化步骤一个 50 行的 Flask 应用打出 1.2G 的 Docker 镜像——这不是段子，是我第一次写 Dockerfile 的真实经历。