一个 MCP server 能启动、不报错,跟它真的能用是两回事。每个工具是否接受你以为的参数,返回值是不是模型期望的结构,失败时究竟算工具…
代码的生产成本塌了。曾经要反复斟酌才动笔的东西,现在一句话就能批量产出。但能生成和能发布是两件事:需求是否真被实现、这次变更会不会波及别处、…
「集成测试要不要打桩」大概是测试团队里最容易反复吵、又最难吵出结论的问题。有人说必须全真,打桩就不叫集成测试;有人说外部服务不稳定,不打桩 …
一个用了半年 AI 编码助手的团队,冲刺末尾周四下午的看板长这样:「进行中」比从前瘦了,「代码评审」在动,唯独「待测试」那一列连续三个冲刺没…
「谁做的功能谁测」,在应用还小的时候是很好的分工。业务线一条条加、工程师一个个进来之后,裂缝出现了:新功能被认真测过,几个月前上线的功能却几…
某个电商健康平台要在次日零点开一场冬季闪购。营销排期就绪,业务方预计会有一次明显的流量抬升。测试同学打开压测工具,配了 3000 个虚拟用户…
模型榜单和基准评测拿走了几乎全部注意力,而团队为自己开发的智能体应用写的测试,几乎没人系统看过。一项经过同行评审的实证研究补上了这块空白:研…
运维领域流传很久的一个经验数字是:约 70% 的线上故障由对运行中系统的变更引起——二进制发布、配置推送、开关切换。既然如此,把监控资源集中…
一次失败、一次通过、最终绿灯。这是大多数启用自动重试的 CI 流水线每天产生的结果,也是最容易丢失信息的结果:失败的那次尝试在日志里被覆盖、…
一个表单通常用这样的值验过:一个普通姓名、一个真实存在的日期、一个放得下的数字。然后它遇到真实数据——有人粘贴的名字末尾带空格,有人所在国家…
中小型团队里,应用安全测试常常落在质量工程师身上;大公司有专门的安全团队负责设定和解释安全要求,但"确保这些要求真的被测过"这件事,往往仍由…
前端重构改了一个类名、挪了一个按钮,应用照常工作,一半选择器却不再匹配。传统做法是让人逐个改定位器,改完再跑一遍。运行时自愈提供了另一条路:…
检索增强生成(RAG)应用带来了一类传统软件测试覆盖不到的安全挑战:恶意指令可以经由文档、搜索结果等外部内容进入 AI 系统。这些指令可能操…
测试浏览器扩展,和测试一个网页不是同一件事。除了页面渲染,你可能还要准备扩展自己的存储数据、打开它的弹窗(popup)、选项页(option…