AI人工智能

这两年，AI 测试 无疑是软件研发领域最炙手可热的赛道之一。 无论是中小研发团队，还是大型企业的技术部门，在AI大模型快速普及的浪潮下，几乎都有过这样的设想： 从 Demo 演示、技术炫技的角度来看，

先搞懂核心：Skills vs MCP 到底有啥区别？ 很多刚接触 Claude Code 的新手，第一步就容易栽在「Skills」和「MCP 服务器」的认知混淆上， 对比项 Skills MCP 服

在 AI 技术火热的当下，几乎所有大厂都将 AI 落地视为业务升级的核心抓手，但现实是，绝大多数企业的 AI 落地要么停留在 “试点好看、落地难行” 的阶段，要么投入大量资源却收效甚微。 今天我们就来

最近后台收到很多测试同学的提问：“现在AI测试工具这么火，一键生成用例、自动执行、甚至能定位bug，是不是以后就不用学Playwright、Pytest、Selenium这些框架了？” 说实话，这个问

过去两年，AI已经从"加分项"变成了"必选项"。 不只是大厂，二线公司、甚至传统行业的测试团队都在要求："能熟练使用AI工具提效"。 更关键的是，面试的玩法也变了。现在的技术面试早就跳出了 “考 AI

前段时间集中面了一批想转AI测试的同学。 说实话，面完我整个人都有点麻了。 这真的不是我要求苛刻，而是太多人看似冲着 AI 测试而来，实则连这个领域的门槛都没摸到，还抱着传统测试的老思路硬套，实在让人

说实话，刚开始用 Claude Code 的时候，我对它的终端界面挺满意的——简洁、干净、没有多余的东西。 但用了一段时间后，我发现一个问题：项目多了，时间久了，我不知道 Claude 在干什么。 它

说实话，2026年的AI编程工具市场，已经卷到让人眼花缭乱。 AI 编程几乎可以说，已进入到了全民生产时代，长上下文、代码工程、Agent 自动化、多模态理解全面成熟。每隔几周就有新模型发布，每家都宣

最近面试了一位有着五年软件测试经验的候选人。 简历上写着"熟练使用AI赋能自动化测试"，我心想这应该有料，就问了一个很实际的问题： 他张口就来： 我接着往下问： 小伙子当场就懵了，愣了半天说不出完整逻

微软开源markdown，多格式文件一键转换 不知道大家跟豆包、DeepSeek、ChatGPT这些AI对话的时候，有没有注意到—— AI返回给你的内容，复制到Word、PPT里，前面经常有一堆 #、

前天面试了一个有着五年经验的测试工程师。 简历上写得挺漂亮：熟练使用AI生成测试用例，用AI实现自动化测试。我心想，这哥们儿应该有点东西，就抛了一个真实的项目问题过去。 没想到，他的回答把我惊呆了。

五一节前，我面试了一位自称有六年软件测试工作经验的候选人。 聊到当下行业里大火的 AI 自动生成测试用例话题时，我抛出了一个核心问题：“现在很多公司都用 AI 批量生成功能测试用例，需求文档完整的情况

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