AI 测试工具收藏了几十篇,一篇没看?我建了个学习圈子,专治这种... - 狂师
哈喽,我是狂师。 今天正式介绍一个新东西,我新开了一个知识星球,叫 「AI 测开进化圈」,聚焦 AI 测试这一个方向。 先把建它的缘由讲一下。 学习路线、提效思路这些,我在 GitHub 和公众号上全部免费开放过,一分钱没收。但每天还是有很多人来问我问题,而且高度集中在三类。 AI 更新太快,跟不动
汇聚 V2EX、Hacker News、掘金等 IT 社区的热门讨论与精华内容。
哈喽,我是狂师。 今天正式介绍一个新东西,我新开了一个知识星球,叫 「AI 测开进化圈」,聚焦 AI 测试这一个方向。 先把建它的缘由讲一下。 学习路线、提效思路这些,我在 GitHub 和公众号上全部免费开放过,一分钱没收。但每天还是有很多人来问我问题,而且高度集中在三类。 AI 更新太快,跟不动
在用 AI 编程工具处理表格、公式、导入导出这类需求时,通用模型常见的问题是“知道大概,但不够准”。 比如在 SpreadJS 场景里,开发者可能会问: 如何创建工作簿并写入数据? 如何设置单元格样式? 如何处理公式和函数? 如何导出 Excel 或 PDF? 某个 API 的参数到底怎么传? 如果
昨天发布了 SimdPaddleOCR,评论区和群里最多的一类问题是:纯 C# 写的推理,凭什么比纯 C 还快? 有人觉得肯定是偷偷调了 ONNX Runtime,有人觉得是 C 那边写得太烂,还有人直接说"C# 就不该谈性能"。 这篇不谈 OCR,谈一个更朴素的问题:C# 到底有没有能力写出和 C
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 款接口测试主流工具,从调试平台到代码框架都有,每一款附上官网,开源的附仓库地址,最后再聊聊我自己会怎么选。
有天下午生产群里甩进来一张截图:生产环境 10.3.87.23 接口返回异常:413 Request Entity Too Large。 做后端的人看到 413 的第一反应都是"请求体太大"。可我把报文要过来一看,body 就六十几字
各位 GreatSQL 社区的小伙伴们,久等了! 从今天起,GreatSQL 学习中心(learn.greatsql.xn--cn)-x28d219e92qj54a! 学课程、刷练习、做实验、考认证、领证书 —— 一条龙全打通。过去想系统性学习 GreatSQL 却找不到门路的小伙伴,这回终于有了自己的"一站式
读《A Programming Paradigm for Spatiotemporal Composability》 今天的 Agent 已经不只是一个“模型 + Prompt”。一个可长期运行的 Agent harness,通常还要管理工具、记忆、权限、沙箱、会话状态、子 Agent 和任务编排。
在使用 AI 工具时,我们常常会围绕一个问题反复追问。尤其是网页版 AI,随着对话上下文不断累积,答案会经历多次调整和补充,直到某个时刻,终于得到一个准确、真正解决问题的回答。 但问题在于:这个来之不易的准确答案,往往被淹没在漫长的对话历史里。 下次再遇到类似问题时,我们可能又要从头开始描述背景、重
使用 GPT-6 Astra 模型 请立刻更新你的 Skill 与提示词 OpenAI 研发人员@pvncher发文,现在的 GPT-6-Astra 越来越强,以前那些强制读全仓、频繁跑测试的 Skills 早就变成拖累上下文的负优化!过去为了让旧模型少犯错加上的规则,现在可能已经过时,甚至开始限制
对 Python 工程师来说,这套系统的学习曲线比想象中平:async/await 写法几乎照搬、异步队列、信号量、中间件链、显式依赖组装——你在 asyncio + FastAPI 里练出的那套直觉,在这里基本全部成立。真正要适应的只有三件事:类型是编译期铁板一块(不是提示,是纪律)、接口要显式声...
连接外接显示器后,笔者最常遇到的操作,就是在“扩展显示”和“镜像显示”之间切换。熟悉快捷键后,可以更快完成这一操作;若快捷键无效,也能通过系统设置手动调整。 01 | 一键切换镜像与扩展 按下 Command + F1,即可在镜像与扩展模式之间循环切换。 部分带 Touch Bar 的设备或部分 M
之前我们聊到了 async/await 的原理,它底层依赖 Generator + 自动执行器。但有一个更底层的问题没有展开——JavaScript 是单线程的,它是怎么做到"一边等接口返回、一边还能响应用户点击"的? 答案就是事件循环(Event Loop)。 基础问答 问: 说说你对 JavaS
AC 自动机 AC 自动机(Aho-Corasick Automaton)是以 Trie 结构为基础,融合 KMP 失配思想构建的确定性有限状态自动机,是多模式串匹配问题的标准算法。它将所有模式串统一预处理,实现文本串单次扫描即可完成全部模式串的匹配,复杂度与模式串数量无关。 一、核心定位:从 KM
去年 12 月份的的时候和佬们分享了我是如何用纯 C 仅用 100kb就是实现了 runcat 的托盘动画,同时还支持自定义 GIF❗️ 记得刚开始做Catime的时候有一个心结,就是纯 C 来做 ui 真的是一种灾难, 当时的想法是语言本身的问题,毕竟.... Catime 的第一版 Ui 自
2-SAT 算法 目录 预备知识 A:数理逻辑基础 预备知识 B:计算复杂度理论 预备知识 C:图论基础 预备知识 D:算法与数据结构 一、问题背景与定义 二、核心思想:蕴含图建模 三、算法原理:强连通分量 五、可行性判定与方案构造 六、完整模板代码 七、经典建图技巧总结 九、常见变形与进阶 附录:
第一次把一张 A0 钢结构施工图交给大模型时,我很快发现,真正要命的问题不是它答错,而是我无从知道它到底读到了什么。 它说"这是一张包含多个视图的工程图纸"——对,但跟没说一样;它要敢给个数字——"共 12 件零件"——我信还是不信?信不得,也证不得。渲染图里 0.12pt 细线糊成一团灰,尺寸数字
一、权限最小化:两道白名单 第一道:任务工具白名单(编排层)。 主智能体(编排者)通过 permission 声明:Task 工具默认拒绝一切派发,只放行 10 个具名子智能体(planner、deep-worker、oracle、reviewer、consultant、ui-builder、exp
分治:序列分治(CDQ)与点分治 一、分治思想概述 分治(Divide and Conquer)是算法设计中最核心的思想之一。它的基本策略是: 分(Divide):将原问题划分为规模更小的子问题。 治(Conquer):递归地求解子问题(若子问题足够小则直接求解)。 合(Combine):将子问题的
四个案例合起来说明三件事:接入与编排成本可以数量级下降(CMU/Janelia),闭环试错和跨设备补救是真的(CMU/Tetsuwan),但物理直觉仍是硬伤(Genentech),安全必须长在模型之外。
作为 Oracle DBA,笔者熟悉表、事务、Redo、SCN 和数据仓库;但第一次面对 Kafka、Topic、Partition、Offset 与 Bronze、Silver、Gold 时,仍觉得概念很多、关系不清。于是笔者用 6 条订单事件跑通了一条最小链路。 graph TD Oracle(