- 综合排序
- 最热优先
- 最新优先
AI Coding 4条铁律
AI Coding 时代, 程序员最该掌握的4条铁律 进入 AI coding 时代, 似乎人人都可以编程了, 但为什么还有人说 AI coding 不行呢? /s/nU7nwqgsKVgbJgqUXmJr2g AI Coding 时代，程序员最该掌握的 4 条铁律 ——来自15年经验的忠告 你是否也这样？ 让AI写代码，它给你200行，你实际只需要50行。 让AI重构，它把隔壁没问题的代码也改了。 让AI修bug，它越修越多…… 不是AI不行，是你没给它定规矩。 铁律一：先想清楚，再动手 "别猜。 没要的功能，别加 一次性用的代码，别抽象 不可能的错误，别处理 200行能解决，别写成300行 问问自己：资深工程师会觉得这太复杂吗？ 如果答案是yes，删。 铁律四：目标驱动，闭环验证 "说清楚啥算完成，别只说'让它能跑'" 好的任务描述： ❌ "修bug" ✅ "写个测试复现问题，然后让它通过" 复杂任务，分步骤，每个步骤有验证： 1.
27410编辑于 2026-07-10- 来自专栏CODING DevOps
测试工程师如何使用 CODING 进行测试管理
测试人员默认权限： [7b266864-e865-4f48-9d79-7d469ca74b82.png] --- 创建测试用例 在进入 CODING 的测试管理模块后，即可开始创建测试用例。 除了直接创建测试用例以外，CODING 的测试管理模块还支持从 Excel 和 TestLink 直接导入用例库，同时也支持从用例库直接导出 CSV 文件，方便测试工程师进行数据迁移。 [9ee93548-22af-4e4a-b0a2-564ead91f14f.png] 创建测试用例依次操作如下： 输入标题； 输入测试前置条件； 选择测试步骤类型并输入相应的测试步骤内容或文本用例内容； --- 创建测试计划 在项目首页点击测试计划图标进入测试计划列表页。CODING 测试管理中的测试计划可以与迭代管理相关联，方便项目负责人进行全局统筹。 --- 生成测试报告 CODING 测试管理可自动生成定制化的大师级测试报告，涵盖了测试结论、图表、工作分布、耗时等关键信息。
1.6K30发布于 2019-06-24 - 来自专栏CODING DevOps
测试工程师如何使用 CODING 进行测试管理
使用 CODING 进行测试管理视频演示： 测试人员权限设置 随着数字化转型浪潮的开始，越来越多的企业开始使用信息化的管理系统取代传统办公工具。 测试人员默认权限： 创建测试用例 在进入 CODING 的测试管理模块后，即可开始创建测试用例。 除了直接创建测试用例以外，CODING 的测试管理模块还支持从 Excel 和 TestLink 直接导入用例库，同时也支持从用例库直接导出 CSV 文件，方便测试工程师进行数据迁移。 创建测试计划 在项目首页点击测试计划图标进入测试计划列表页。CODING 测试管理中的测试计划可以与迭代管理相关联，方便项目负责人进行全局统筹。 生成测试报告 CODING 测试管理可自动生成定制化的大师级测试报告，涵盖了测试结论、图表、工作分布、耗时等关键信息。
1.7K30发布于 2019-09-16 Coding Day4
上一次计算后剩下的余数carry*10：因为我们在处理下一个位数（比如从个位到十位、十位到百位），所以之前的余数要放大10倍，才能和当前位组合成一个新的、完整的被除数举个例子：假设我们正在计算123÷4， 而且我们是从低位（个位）开始处理（当然实际代码可能倒过来，但原理一致）：第1步，处理个位3：上一轮没有余数，carry=0temp=0*10+3=33÷4=0，余3→商是0，余数3保留给下一位（十位）第 因为3是上次的余数，它实际上是“30”中的3（即3在十位上），我们要把3和当前的2（十位上的数）合并成真正的被除数3232÷4=8，余0→当前位商为8，余数0第3步，处理百位1：carry=0temp= 0*10+1=11÷4=0，余1最终结果是商为030（即30），余数为1，也就是123÷4=30...余3>但关键点在于：carry10是为了把上一次除法后剩下的余数，放到更高的位上去，和当前位组合成一个真正的多位数 for(inti=0;i<s.size();i++){if(s[i]=='/'){if(index1==-1)index1=i;elseindex2=i;}}stringyear=s.substr(0,4)
27610编辑于 2026-01-23To Run or Not to Run：AI Coding 不是多跑测试就更可靠
在很多 AI Coding 方案里，验证闭环几乎被默认等同于“让 Agent 跑测试”。 Agent 生成补丁后，执行单测，读取报错，继续修改，直到测试通过。 这个流程很像人类工程师的调试过程，也很容易被当成更高自动化等级的必要路径。 这个范式符合工程师的工作直觉。人写代码也不是一次写完就合入，而是边写边跑，边看错误，边修。 更现实的做法，是在 AI Coding 试点 PR 里补齐三类信息：本次变更意图、影响范围、验证证据。 这三类信息连起来以后，执行测试才不是盲跑。 对 AI Coding 来说，下一步要补的也不只是更强的执行工具，还包括更清楚的验证策略、更可解释的证据链，以及更适合企业研发流程的门禁设计。
24500编辑于 2026-07-08- 来自专栏霍格沃兹测试开发学社
AI Coding 质量治理：工程规范、代码评审与风险驱动测试
AI可以辅助完成大范围代码检索、调用关系梳理和潜在问题分析。在上述公开案例中，工程师借助AI排查复杂调用链，定位了10个较难通过常规人工阅读发现的性能隐患。这类方法可以应用到多个场景。 因此，更合理的分工是由工程师确定排查重点，AI扩大代码分析范围，再通过实际证据确认问题。对于测试开发工程师，这些分析结果同样具有价值。 更适合复杂系统的方式，是以业务风险为依据，由工程师确定测试范围与重点，再让AI完成代码分析、测试组合和步骤生成。1.测试范围识别：确定哪些接口受到影响首先根据代码变更和运行数据识别候选影响范围。 4.测试步骤生成：一次操作验证多个结果测试设计完成后，可以让AI进一步生成结构化测试步骤。例如，修改订单状态后，除了验证接口返回结果，还可以检查数据库状态、相关业务记录及下游服务的处理结果。 对于测试开发工程师来说，AICoding带来的工作变化不仅体现在测试脚本生成上。代码变更影响分析、风险驱动测试、AI辅助评审、自动化质量门禁和测试有效性评估，都会成为值得持续建设的工程能力。
35110编辑于 2026-10-09 AI软件工程：从vibe Coding 到 Spec Coding
每位老师的分享都充满着自己对AI时代软件工程的思考。从中，我们可以看到未来的可能，也可以看到当下的方向。在6位讲师的授权下，我们将当天每位老师的分享PPT做了汇总。大家赶紧点击链接下载保存收藏！
33520编辑于 2026-03-23A Network Panel for AI Coding Agents
AI coding agents are becoming more capable very quickly. In other words, AI coding agents need observability.Why Normal Proxy Tools Are Not Always Enough My Many AI coding agents are Node.js or native applications, and they do not always respect HTTP_PROXY or ccglass is an open-source local logging reverse proxy and web dashboard for AI coding agents. It gives the developer a network panel for AI coding agents.Supported Clients and Providers ccglass
25800编辑于 2026-06-16- 来自专栏宜达数字
测试工程师测试工程师
测试工作 常有功能测试、接口测试、UI自动化测试、性能测试、安全测试等。 功能测试是其他测试工作的基础，是培养测试用例设计能力和建立测试思维的关键阶段。 自动化测试主要包括接口自动化测试和UI自动化测试 性能测试主要指：用户访问量越大、数据量越多，软件产品的响应速度性能测试常用的工具有JMeter和Loadrunner。 安全测试是测试中的一个专项测试，一般都是有专门的安全测试人员进行测试,暴力破解、越权漏洞、命令注入、SQL注入、XSS、CSRF. 测试工程师路线 基础 作为一名测试人员肯定要了解计算机相关概念，基础的测试理论，以及前端的HTML、CSS、JS的语法规范用法等。 ；测试计划，测试方案，测试报告。
76020编辑于 2021-12-07 - 来自专栏腾讯云TVP
莱特兄弟与AI Coding
工具级 非核心内部工具 单元测试覆盖率 > 80%，人类审查关键路径 L3 生产级 面向用户的功能模块 必须通过“风洞测试”，且有完整可观测性 L4 核心级 这种“空中修发动机”的模式，在简单场景可行，在复杂系统中会指数级放大风险，而且，最终测试成为了AI Coding的最大瓶颈。 生成一个函数/组件，提供测试用例 人工审查代码与测试 L3 任务级 完成跨文件、多步骤开发任务 人工设定目标、验收标准、拒绝权 L4 系统级 持续维护特定子系统 建议：建立 AI Coding 的系统工程能力 设立“AI 代码集成工程师”角色：在组织中，由专人负责 AI 生成代码的集成规范、测试策略、审计流程——类似于航空公司的放行工程师。 建议：催生 AI Coding 的“无人机生态” 定义 Agent 协作协议：让专注代码生成的 AI、专注测试的 AI、专注部署的 AI 可以像可互换的部件一样协同工作。
36210编辑于 2026-04-28 我的AI Coding 流程
看架构师群里，大家讨论AI Coding 的问题，就我个人使用效果是非常好的，我0代码开发了2个半项目了，当然都是万行左右的单体服务，不算复杂大项目，简单总结一下我的使用流程吧；1、需求对齐与需求文档生成在 AI Coding的初始阶段，我会优先与AI进行全面、细致的需求同步，这是整个开发流程的基础，也是确保后续工作不偏离方向的关键。 我会与AI充分沟通，结合前期的需求文档和业务流程，分析该需求的技术难点、性能要求、可扩展性需求，进而确定合适的技术标准——包括编码规范、接口标准、测试标准、部署标准等；同时，与AI探讨各类中间件的适用性 4、明确开发职责，指定agent进入spec-kit流程模块拆分完成后，就进入了具体的开发执行阶段（我非常依赖spec-kit），首先需要明确开发职责，指定对应的agent负责具体模块的开发。 总结当前AI Coding 是很难完成复杂项目的，个人认为最好的方式就是，让人来完成复杂项目拆解，让AI去完成拆解后的相对简单一些的指定任务，现在大量公众号在宣传“许愿式”开发，感觉是太高估AI了，AI
1.2K20编辑于 2026-02-06- 来自专栏老张的求知思考世界
AI测试工程师，需要具备哪些技能？
从软件测试角度出发，则是找到尽可能贴近标准化场景，或者更易于标准化的场景，然后落地AI，比如：监控巡检、code diff、测试数据生成、测试脚本生成。 那么，该如何具备这些能力，转型为一名AI测试工程师呢？ 首先，在日常工作中落地AI，应该对AI相关的基础理论和技术原理有一定的了解。 比如：测试用例生成、测试数据对比、代码审查和评审、性能问题识别分析、AI驱动的自动化测试等场景。 先从局部开始，拿到结果和正向反馈，然后进一步扩大覆盖范围，最终达成AI TestOPS的目标。 从需求管理、项目管理，到测试用例、故障案例库沉淀，AI知识库都是AI深度融入工作场景的必经之路。 最后，则是基于轻量的技术项目和AI知识库，打造属于我们的AI测试平台。 通过已经落地实践的智能测试用例生成和测试数据对比等能力，结合AI知识库，再叠加工作流驱动的AI智能体能力，可以达成AI驱动的全链路测试覆盖，让测试团队具备AI TestOPS能力。
1.1K10编辑于 2025-10-10 - 来自专栏CODING DevOps
CodeGeeX Coding With AI Hackathon 正式启动
CodeGeeX 黑客松是国内首个围绕「AI 代码生成」开展的黑客松赛事。 2023 CodeGeeX 黑客松以「Coding with AI」为主题，由清华大学联合智谱AI大模型团队、腾讯云Cloudstudio.net和DoraHack赞助举办，此次黑客松设立多条赛道，设立丰厚大奖 赛题要求： 解决问题，并通过合理的测试，readme等介绍，完成find bug的要求，并达到赛事预期效果。需包括 demo 演示，以及可正常运行的代码。 赛道奖励： 第一名/第二名：PICO 4 VR 眼镜一副，Cloud Studio 高级年度会员 第三名：Cloud Studio 高级年度会员 赛事内容： 某经典算法问题求解; 问题故障排查. CloudStudio.net代码提交作品： 参赛者通过链接，打开开发空间，空间内置了赛事的参赛标准和作品项目的上传格式; 参赛者可以直接基于CloudStudio WebIDE进行编码; 参赛者通过仓库插件推送作品代码到 CODING
1.4K30编辑于 2022-12-31 - 来自专栏AI测试
继 Vibe Coding 之后，Vibe Testing 又是什么？对测试工程师意味着什么？
2AI理解并生成测试逻辑AI模型根据自然语言描述，结合对目标应用的理解，自动推断需要验证的点，生成可执行的测试脚本。 —云端AI测试平台，智能测试生成与自愈能力Mabl—低代码AI测试平台，自动探索应用并生成测试⚠️但我必须说句实话：VibeTesting不是银弹。 VibeTesting的测试脚本本质上是AI生成的，产品逻辑变化时，那套测试逻辑也需要同步更新。04｜对测试工程师意味着什么？会取代我们吗？ 这是最核心的问题，直接说结论：VibeTesting不会取代测试工程师，但它会重新定义你的工作方式。 测试工程师的角色在进化未来一个优秀的测试工程师，可能更像一个"AI测试策展人"——知道什么时候该用VibeTesting，什么时候必须用精确验证，如何评估AI生成测试的质量。
36610编辑于 2026-04-25 Strix：让 AI Agent 当渗透测试工程师
Strix：让AIAgent当渗透测试工程师Strix是一个开源的AI渗透测试工具。它像真实黑客一样动态运行你的代码、发现漏洞、用可执行的PoC验证漏洞——不是传统扫描器那种一抓一大把的误报。 定位很明确：给开发者和安全团队一个快速、准确的自动化安全测试方案。一、和传统扫描器的区别：验证，不是猜测传统漏洞扫描器的问题：跑一遍规则，报一堆疑似问题，大部分是误报。安全工程师要花大量时间人工确认。 /app-directory跑完后：每个验证过的漏洞带PoC和复现步骤一键生成AI安全补丁，直接提交为PR生成合规报告（SOC2ISO27001PCIDSS）CI/CD集成：GitHubActions每个 它把渗透测试从「几周的人工项目」变成「几小时带PoC的自动化流程」。合规提示：Strix会主动测试目标系统。只对你有所有权或有明确书面授权的目标使用，且保持在授权范围内。 未授权测试在大多数司法辖区违法。
59310编辑于 2026-08-24- 来自专栏AI Agent / 编码工具
AI coding别让模型自己判“通过”，让测试决定它能不能继续
模型说“我只改了测试”，和系统证明“它只改了测试”，是两件不同的事。 五、路由规则：测试失败不等于立即修，测试通过也不等于立即合并上面这条图最容易被写错的地方，是把路由简化为：测试通过就结束，测试失败就回到实现。这样确实能跑，但会埋下很多现实问题。 测试失败可能来自至少四类原因：实现错误、测试环境错误、测试本身过期、任务契约缺失。只有第一类适合自动修复。第二类需要环境恢复或重试；第三类需要测试所有者确认；第四类应直接升级需求澄清。 同样，测试通过也有至少三种含义：实现正确；测试覆盖不够；Agent改错了地方但没有触发已有测试。Review节点存在的意义，就是把“绿灯”放回任务契约和变更范围中解释。 至少应该测试以下几类行为：测试通过且review为accept时，图必须进入human_merge，不能再次调用实现节点。
37064编辑于 2026-07-19 - 来自专栏算法channel
铁粉巨献：我是如何从coding菜鸟，走向科大讯飞AI工程师的
：步入 AI 的大门。 到了3月份，每天的任务就是催老师赶紧给我买GPU啊，老师也受不了我了，忍到了4月份，搞了一块英伟达泰坦系列的GPU，我心里还满是气氛，给我这么低端的GPU, 我要传说中的1080，我去官网上查了一下价格 一面的时候，问了一些技术上的问题，感觉面试很水，也没问啥技术性问题，就问了问我做了什么项目，我巴拉巴拉，扯了一些，然后他顿了一些，其实我们是招一些做测试和安卓开发的人的，你愿意做测试吗？ 在此感谢微信公共号的各位，《算法channel》、《机器学习算法与自然语言处理》、《机器学习算法工程师》，也算是学习过程中的一种陪伴，没事我就经常刷刷，如果你也关注的话，希望能都点进去，点个赞啥的，这是对他们的一种鼓励与认可 以上就是我从一个coding菜鸟上升到机器学习菜鸟的经历，虽然不知道选择这个方向对不对，但是只要你站到风口就会进步不是吗？
1K40发布于 2018-06-04 CloudBase AI Coding 测试与实践：多智能编程助手的效率与体验对比
开发运维一体化： 全程使用 CloudBase AI Coding（IDE + CLI）进行开发、测试和部署，体验 AI 驱动的云原生开发新范式。 3. AI Coding 表现： AI Coding 迅速生成了完整的、包含 API 调用、参数构造和错误处理的 Node.js 代码片段。 功能点二：智能生成单元测试 场景： “任务提取”函数逻辑复杂，需要编写单元测试确保其在各种文本输入下的稳定性。 实现方式： 在函数文件上右键，选择“AI Coding: 生成单元测试”。 AI Coding 表现： AI 自动分析函数签名和内部逻辑，生成了包含正常情况、异常情况（如输入为空）和边界情况的完整 jest 测试用例模板。 解决的问题： 克服测试编写惰性： 自动化生成测试框架，让开发者更愿意投入时间完善测试，从而保障了项目质量。 提升测试覆盖率： AI 能够考虑到一些开发者容易忽略的边缘测试场景。
1.5K10编辑于 2025-08-29AI Coding⾮共识报告丨AI透镜系列研究
然而，AI正在颠覆这一核心定义，将编程从“Coding”这一动作，提升到“表达意图”和“实现愿景”的更高维度。 非共识01：AI Coding的最佳产品形态是什么？——本地 VS 云端非共识02：AI Coding产品选择什么模型？——自研 VS 第三方非共识03：AI Coding给用户的价值有多大？ ——提效 VS 降效非共识04：AI Coding产品理想付费模式是什么？——固定 VS 按需非共识05：大企业推进AI Coding应用的态度？ ——激进 VS 渐进非共识06：AI Coding对组织发展的影响？——裁员 VS 扩张非共识07：AI Coding的未来市场格局是怎样？ 后台回复“AI编程”，即可下载PDF版报告全文以下为《AI Coding⾮共识报告》全文：
3.1K91编辑于 2025-07-28AI+全能测试工程师的未来进化蓝图
随着AI大模型、生成式AI和智能体技术的爆发，传统测试工程师的角色正被深刻重构。 核心观点：未来的测试工程师不是被AI替代，而是不懂AI的测试工程师将被懂AI的“全能测试工程师”替代。 合成测试数据：全能测试工程师指令AI基于真实数据分布，生成满足GDPR要求的合成数据集，覆盖长尾场景。 工程师决策：工程师确认分析，标记为真实缺陷，AI自动生成修复建议并创建工单。在这种模式下，全能测试工程师的角色从脚本编写者转变为策略编排者、AI训练者（提供高质量的正负反馈样本）和最终裁决者。 结语：AI不会取代测试工程师，但会重新定义测试的价值。那些拥抱变化、主动将AI融入每一个测试环节的全能工程师，将在未来的智能化质量时代扮演不可替代的导航者角色。
66720编辑于 2026-05-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号