暂无搜索历史
有人关心每个人每天发了多少次请求,有人统计代码生成量,也有人开始要求团队把 AI 使用率做成指标。可当我们把视角从单次对话拉长,会发现一个更实际的问题:
Java 方面,虚拟线程在 Java 21(2023 年 9 月)中成为正式特性。JDK 24 通过 JEP 491 修复了一个关键的固定(pinning)问题...
Anthropic 在 2026 年 5 月底给 Claude Code 加了一个新功能:Dynamic Workflows。它还处在 research pre...
过去两年,很多人对 AI 编程的理解还停留在提升编码效率上,比如让 AI 补全一段代码、生成一个函数、解释一个报错、写几个单元测试。这些能力当然有价值,但如果只...
过去使用 AI 编程工具时,很多人的典型场景是这样的:遇到报错,把错误日志贴给 AI;要写函数,把输入输出描述给 AI;要补测试,让 AI 根据现有代码生成几个...
过去提到运维,很多人脑海里浮现的第一个画面,可能不是整洁的监控大屏,也不是自动化平台上的绿色状态,而是深夜突然响起的告警电话、群里不断刷新的故障消息、终端窗口里...
AI 编程工具正在快速进入日常开发流程。现在,开发者可以用自然语言让 AI 生成函数、补全逻辑、解释代码,甚至重构已有模块。过去需要手写的大量样板代码,如今几秒...
软件测试是一个反馈系统,它的价值不是证明自己执行了多少动作,而是帮助团队做出更明智的决策。理解有效反馈、CLEAR 原则和测试层级,能帮助我们重新看待质量、协作...
最近一段时间,我在工作和日常实践中持续使用 AI。刚开始时,我的关注点主要放在模型本身:哪个模型更强,哪个模型写代码更稳,哪个模型推理更准。但用得越多,我越明显...
AI 生成代码会引入一种很隐蔽的风险:代码看起来符合需求,单独运行也没问题,但一放进真实系统,就可能在集成点、边界数据和生产流量里失效。解决这类问题,靠的不是更...
软件测试正在从缺陷检测转向持续保障。到 2026 年,测试的核心价值不再只是发现 Bug,而是帮助组织量化风险、维护可靠性,并判断变更是否值得发布。基于风险的保...
过去两年,AI 辅助测试的讨论大多停留在用 ChatGPT 生成几条测试用例的层面。效果有限,因为聊天式工具只能凭人的文字描述去猜测系统行为,猜错了也无从验证。...
10x 工程师这个说法,最早可以追溯到 1968 年的一项研究。当时有人发现,程序员做同样的任务,效率差距可能非常大。后来也有人指出,这项研究本身并不严谨,但这...
这两年,AI 测试工具增长很快,几乎隔一段时间就会冒出一个新产品。对工程负责人来说,麻烦的地方不是工具太少,而是这些工具都在讲 AI、自动化、提效,实际工作方式...
无界重试和自动扩缩容会把轻微延迟放大成级联故障。API 可靠性必须有边界,并且要感知负载,才能避免重试风暴。
最近和几个测试同行吃饭,聊到一个现实直接的话题:AI 时代,测试工程师还能活多久?
很多 QA 团队都卡在同一个循环里:需求不断增加,代码已经发布,自动化脚本却还在补上一轮的债。
AI 生成代码的速度,已经超过了很多团队扩展测试覆盖的速度。覆盖率报告仍然是绿色,代码评审也没有明显报警,但真实风险却在变大。默认情况下,我们应该把 AI 生成...
真正值得记住的,不是完整过程,而是未来仍然有决策价值的经验。CLAUDE.md 和 claude-mem 也应该分工明确:CLAUDE.md 管稳定规则,cla...
AI 大模型的记忆有两个核心的要点。第一,Claude Code 需要长期记忆。因为会话是短期的,项目是长期的。没有长期记忆,Claude Code 每次新开会...
暂未填写学校和专业
暂未填写个人网址