移动端自动化，几年前聊这个话题，答案基本就一个，Appium。 现在不一样了。原生团队用系统自带的框架，更快也更稳。赶进度的团队拿 YAML 写低代码用例，十分钟就能跑起来。

AI 写代码已经越来越强了，那么代码写完之后，能不能把 UI 自测和回归也一起做了？ 当然可以。但你的token耗得起吗？

这两年想给 Web 自动化挑个工具，比以前要难了。 以前好办，无非在几个老框架里挑，挑来挑去最后无非也就 Playwright 和 Selenium 两派。现在打开任何一份工具清单，一半以上是带 AI

自动化用例显示通过，业务结果却不对，往往是因为断言只检查了“保存成功”等过程反馈，没有验证本次操作的对象和最终状态。本文以创建订单为例，拆解四种常见的“假通过”，给出断言设计方法。

四条路线都能跑测试，差别在四个更实际的地方：定位器从哪来、AI 参与哪一段、资产放在谁那儿、维护成本谁承担。一张对比表 + 五个决定性问题，并说清什么情况下不该选本地工具。

先聊一个做过压测的人多半踩过的坑。 压测压到一半，被测的系统还活得好好的，发起压测的那台机器先扛不住了。这时候报告上的数字看着挺像回事，其实测出来的不是系统的上限，是压测工具自己的上限...

事情是这样的，今年 Postman 官宣了一个新政策，2026 年 3 月起，免费版只能单人用了，团队协作必须掏钱。 虽然过去半年了，但还是经常有一堆人在问有什么替代品。 今天给大家推荐 15 款接口

盲测实验里，预注册的答案表把正控制判成「通过」，实测是「不通过」。原因：post25 确实已定案已发布，但仓库私有，匿名读者拿到 404。四个条件全部满足，却没有一个等于「第三方可达」。

大家好，我是狂师。 事情是这样的，最近群里在聊一个老话题，Agent 什么都行，一到「去网站上帮我看看」就歇菜。 页面是动态渲染的，curl 拿到一坨壳。数据要登录才能看，无头浏览器...

AI Agent 现在可以直接操控电脑，也能完成不少测试相关的任务。但长期回归测试，依靠 Agent完成肯定不靠谱，更实际的做法是通过 MCP调用自动化测试工具，既省token又能稳定回归。

Reqable作为国产抓包工具的顶流，在3.2版本支持了MCP调用，终于实现了与AI的对接。Reqable + AI Agent，无论是接口调试，网页测试，效率和可玩性都更高了。

本文旨在介绍精准测试模型原理与多维表格工程的应用，部分代码细节和算法释义参见相关文档，不在正文中推导&聚焦，相关同学有兴趣可以交流。

先讲三个场景。 场景一： 周三下午五点，产品经理丢来一份 58 页的需求文档："明天评审，辛苦把测试用例准备一下。" 你看着文档，心里清楚，一晚上能写出 30 条算不错了。 场景二： 周五的评审会上，

Apifox新版本上线，支持GitHub Enterprise Cloud数据驻留仓库连接；优化调试体验，如Base URL折叠搜索、异常查看实际请求、提升Dubbo导入性能.....

事情是这样的。 最近这一两年，我日常的活基本都交给 Claude Code 了。 让它帮我整理文件、写代码、查资料、做总结，凡是能交给它的我绝不动手。我自己一个很深的感受是，Agent 这种东西，你用

Rhino是字节自研全链路容量评估产品，致力于构建完整的全链路容量评估解决方案（覆盖：容量预估->资源准备->数据准备->容量验证->监控->分析->决策->处理反馈）。

本文探讨AI如何赋能测试工程师零代码开发实用工具，指出核心不是编程能力，而是清晰表达需求。通过Claude Code等原生Agent工具，测试人员只需描述场景（如生成合规测试数据），AI即可自动建项目

本文记录了一个完整的电商接口自动化测试项目从设计到落地的全过程，涵盖三层架构、Fixture 依赖注入、数据驱动和 Allure 报告等核心实践。基于 OpenCart 实战，17 条用例 100%

火山引擎AB测试推出的“广告投放AB实验”，可支撑企业快速、科学地验证不同投放策略的平均转化成本数据效果，并根据实验报告得到计划中不同素材、不同落地页、不同人群包、不同预算等变量到底哪种更好。