测试开发Gang

摘要： 9.1 基于评估降低AI应用的不确定性 9.1.1 从确定性到不确定性 传统软件在很大程度上是确定性的，而AI应用其行为本质上是非确定性和概率性的。不确定性，就意味着对于相同的输入，它们可能产生不同的输出。 传统的QA流程，专为可预测的、基于规则的系统而设计，已无法充分应对这些由数据驱动的、自适应系 阅读全文

摘要： 8.1 AI可观测 8.1.1 什么是AI可观测 AI应用具有非确定性，即便是相同的提示，在不同次的运行中也可能产生不同的输出。如果没有可观测，在发生幻觉虚假错误等严重问题时根本无从查起。相反，一个好用的可观测工具会记录每一次的提示与响应、追踪使用模式，并标记异常。AI可观测是确保AI应用高效稳定安 阅读全文

摘要： 7.1 AI应用运行时的演进趋势 7.1.1 从云原生到AI原生 云原生时代的核心是应用。将单体应用拆解为更小、更独立、更具弹性的微服务，并高效地在云基础设施上进行部署、扩展和管理。 而Agent的工作流，不再是执行一段固定的main函数，而是一个动态的、长周期的、充满不确定性的“思考-行动”循环。 阅读全文

摘要： 6.1 网关的演进历程 是什么在推动软件架构的演进呢？业务规模。业务从互联网、移动互联网以及即将到来的万物互联，其规模仍然在高速增长，也就意味着软件架构的复杂度也会越来越高，网关的特性也会越来越多。越来越复杂、越来越智能。 6.1.1 流量网关 代表软件是Nginx，将客户请求分配到不同的服务器上， 阅读全文

摘要： 5.1 AI工具简介 5.1.1 Function Calling Function Calling需要编写代码，并且存在规格碎片化、可靠性挑战、工程治理缺位、厂商锁定与迁移成本高等问题。 5.1.2 MCP MCP，Model Context Protocol，模型上下文协议，是一个开放标准，帮助 阅读全文

摘要： 4.1 提示词工程 提示词工程，不是简单的提问，而是一套涵盖指令设计、上下文注入、角色设定和格式控制的综合性技术。 4.1.1 优秀提示词的核心实践 明确角色与目标 范例：“假设你是一位拥有10年经验的市场营销总监，请为一款新型智能手表起草一份面向年轻专业人士的产品介绍文案。” 提供清晰指令与完整上 阅读全文

摘要： 3.1 智能体的定义与主流开发范式 3.1.1 什么是智能体 智能体（Agent）可以理解为一个具备自主理解、规划、记忆和工具使用能力的数字化实体。 我们在前面了解到LLM、MCP，它们和Agent是啥关系呢？LLM是“大脑”，Agent是“身体”，Agent通过MCP协议访问外部能力（Tools 阅读全文

摘要： 2.1 模型 大模型扮演着大脑的角色，负责核心的理解、推理与生成任务。 2.1.1 模型分类 通用大模型：GPT、Claude、Qwen、DeepSeek、Gemini等通用大模型。 垂直领域模型：情感分析、语言翻译、意图分类等垂直领域模型。 通用大模型适合处理复杂、开放的任务，垂直领域模型适合处理 阅读全文

摘要： 1.1 大模型技术发展回顾和产业价值 1.1.1 大模型发展回顾与展望 2022年11月，ChatGPT横空出世，模型即服务（MaaS）模式快速兴起，AI从实验室走向商业场景。2024年，OpenAI推出o1模型和4o模型，大模型技术迎来质的飞跃。2025年，多家大模型厂商支持模型上下文协议（MCP 阅读全文

摘要： "用例独立。用例相互之间没有依赖，随便拉出一条用例就能执行。" 这是我在文章《接口自动化框架设计漫谈V1.0》提到的，也是我一直坚持的接口自动化用例设计方式。 这么做的依据是某些开源测试框架是这样设计的，某些公司测试平台也是这么设计的，自然而然就这样认为了。最近公司平台做了升级，能够支持用例复用了， 阅读全文