AI人工智能

作为测试工程师，你是否也被这些问题困扰：写Web自动化脚本耗时费力，元素定位反复调试仍报错；非技术测试同学想做自动化测试，却被代码门槛拦住；传统自动化工具易被反爬检测，回归测试反复卡壳；多场景测试需切

在 AI 火热的当下，测试领域似乎总处于“被喊口号”的阶段。大家都在说 AI 能写测试，但实际落地时，往往生成的是一堆跑不通的废代码。 最近在 GitHub 上冲浪，发现了一个很有意思的项目 jeff

一、AI 编程的"野蛮生长"带来的问题 Claude Code 作为 Anthropic 推出的终端 AI 编程工具，它凭借强大的代码理解与生成能力，成为 2026 年最火 AI 编程工具之一，但原生

用 Claude Code 的人几乎都踩过这些坑： 想换模型 / API，必须手动改 ~/.claude/settings.json，容易改错、格式崩溃 多个供应商（Claude/GLM/DeepSe

最近后台收到很多测试同学的吐槽：跟风用了OpenClaw，结果要么跑不起来，要么生成的用例全是无效的，反而比手写脚本更耗时、部署完OpenClaw，团队用了半个月就搁置了，自动化落地彻底翻车。 不可否

最近 AI 圈有一份非常重要的研究报告。 Anthropic 在3月5号发布了一篇名为：《Labor market impacts of AI: A new measure and early evi

做测试的你，是不是也常陷入这些内耗：用例设计漏测边界场景，面试被问“如何设计高覆盖用例”卡壳；缺陷报告写得模糊，总被研发打回补充；排查Bug只知复现，不懂深挖根因，同类问题反复出现；时间不够时，不知道

最近飞书开源了自家官方 CLI 工具，简单来说，开源了一款飞书/Lark 开放平台命令行工具，它可以让人类和AI Agent 都能在终端中操作飞书。覆盖了消息、文档、多维表格、电子表格、日历、邮箱、任

当产品经理甩过来一份50页的需求文档，要求"这周把测试用例写完"时，你会怎么做？手动复制粘贴到Excel？还是让AI直接读图生成用例？ 随着AI技术的普及，OCR（光学字符识别）与LLM（大语言模型）

3月27号，智谱GLM-5.1，突然上线了！ 这次来得太快、太猛，距离GLM-5发布也才一个多月。 这次发布，官方公告很是低调，只有寥寥一句话： 别的没再多说，只是默默甩出Coding Evaluat

作为测试工程师，日常工作中难免会遇到这些痛点：Web应用测试要手动写脚本、调试Bug凭直觉瞎试、测试失败后逐个排查耗时费力、TDD流程难以坚持…… 其实，用好AI相关的测试Skill，就能轻松解决这些

先给大家同步一下 AI 进化社 的最新进展： 截至目前，AI 知识库已累计更新 80+ 篇原创图文教程、40+ 节项目实战视频教程，内容持续连载中。 当前正重点推进 AI 编程项目实战 板块，第一轮规

在前面，我们分享过什么是Agent Skills？ Agent Skills 的本质是一组 结构化的指令和资源，用于教会 AI 完成特定任务，让AI按照标准规则干活，是一套可复用的规则。 你可以把它理

最近后台被问得最多的问题： “AI 来了，公司大量裁员，我又不懂算法、不是技术岗，真被替代了怎么办？” 坦白说，大家对 AI 的理解，从根上就错了。 就像当年互联网席卷而来，你需要懂交换机原理吗？需要

📖 目录 什么是AI Skills? 为什么测试工程师需要AI Skills? 如何安装和使用Skills 推荐:测试与质量保障必备Skills 注意事项与Skill常见问题 小结 1. 什么是AI

这两个月，OpenClaw小龙虾彻底杀疯了，说它火爆全网都不为过。 要说OpenClaw，也确实神，网上各种养虾专业户上线：盯股市大盘、写工作周报、甚至修程序Bug...它能自动操作你的电脑，帮你干活

你大概率用过或听过Cursor、Trae、Qoder这类AI编程工具吧？其实它们本质上都是“模型包装商”——底层调用的是 Claude 或 GPT 的 API，然后在外面套上一层可视化的外壳。 而今天

最近科技圈的“小龙虾”特别火——也就是 OpenClaw。 但OpenClaw 的灵魂不在于模型本身，而在于其强大的 Skills（技能包） 生态，它就像一个万能工具箱，AI 遇到什么任务就掏什么工具

浏览器自动化一般主要靠代码框架、零代码工具和 AI 辅助工具实现，常用于功能测试、回归测试和跨浏览器兼容性测试。 常见的代码框架类工具： Playwright：微软开发，速度快，自动等待机制强，支持