为什么你的自动化测试，越写越累，越修越不敢动？🤔🔥 你花时间写好了用例，跑通了，心里踏实了。可只要前端一改样式、换个组件库，整批测试就红一片。你开始怀疑：到底是我不会写测试，还是这套东西本来就这么脆？ Gtihub日增近2K星的开源项目 e2e 就解决该问题：👇 ✅ 用大白话描述目标，AI自己把操作走一遍 ✅ 关键步骤带断言，跑一次就记下来 ✅ 下次直接重放，不调用模型、不花钱 ✅ 页面变了才重新调AI，稳定又省成本 🔗 写前端、做测试的赶紧收！测试终于不用天天修定位了！ 你的自动化测试脚本是不是也天天在修？评论区聊聊👇 #开源工具# #自动化测试#

把 JEV 模型接入了自动化测试，用于毫秒级判断不同游戏在 iPhone 上运行时不同界面的按键该咋摁，效果极佳。 Opus 5.5本来不知道 JEV 跟我说不用这么麻烦引入新的模型做判断，用完了以后，真香。

感觉Grok Bot最佳场景之一是各种榜单监控，自动化测试。 比如让它监控Github Trend，给项目写摘要，自动安装运行给报告。 让它每天自动访问 Producthunt，发现好的产品，自动注册测试，每天9点发昨天的体验报告。 它能一直运行，登录你给的各种账号，超级的Computer Use。 群聊协作目前还没感觉到特别大的必要性。

开源巨头 ByteDance 刚推出来的全原生 GUI 自动化 Agent 框架，直接靠看屏幕截图就能像真人一样抠键盘、甩鼠标操作电脑。不需要繁琐的代码封装，端到端直接跑通，跑分直接把 GPT-4o 和 Claude 给干懵了。 📌 基础参数： • 开源地址：GitHub (bytedance/UI-TARS) • 协议许可：Apache-2.0 • 核心战绩：OSWorld 和 AndroidWorld 多项 Benchmark 登顶 SOTA 🔥 核心杀招： 纯视觉驱动：丢掉繁琐 DOM 树和复杂 API，只看屏幕截图就能精准定位控件、自动跟进。 超越 Claude 3.5：在 OSWorld 电脑端自动化测试中，50 步任务得分 24.6，直接碾压 Anthropic 的 Computer Use。 手机电脑通吃：统一了跨平台的动作空间，无论是 PC 端的复杂软件还是手机 App 都能一键操控。 反思自愈机制：点了没反应或者报错会自动“自我反思”，换个法子继续试，绝不卡死。 🔗 链接：

到底要不要人工审阅 AI 生成的代码，我是这么看的： - 在 agentic coding 时代，自动化测试变得尤为重要。所有能被自动验证的行为都应该被验证。AI 写单元测试很容易，但对于更复杂的集成测试，仍然需要人去搭建——这些工作很多是一次性的，但也有些需要跟着项目迭代。 - AI code review 能搞定 90% 过往需肉眼检查的内容（语法、注释、边界条件、logging、etc），当然前提是团队提供了严格的代码规范。这并不难。 - 仍然需要人把关的那 10%，是「架构设计」。AI 能写出完全符合代码规范，但是架构一团糟的代码。而「设计」往往项目甚至单个功能相关的，很难被规范化。这里人类的经验就很重要了。 - 如何让人从 AI 生成的巨量代码中快速提炼出架构设计？好的做法是让 AI 往 commit message 里加入「修改了哪些代码」的总结，并提炼出架构图。很多 AI code review 产品已经是这么做的了。人不再需要去看代码，看总结就行了。 - 很多场合下，的确没有必要人工 review：比如一次性脚本、使用成熟框架（Django, React）的项目等等。对于那些复杂且会长久维护的项目，人类 review 是必要的，但并不等于人要去读每一行代码。 - 最好维护一个包含设计选择、代码结构的文档，让 AI 实时更新。这对于人和 AI 都有极大帮助，能减少很多不必要的 turns 和上下文开销。

卧槽，只用一个Qwen模型配合一个harness就可以突破OpenAI、Google的生图安全防护？？？ 刚刚，AI安全公司 @whitecircle 宣布开源RISE，一套专门用来对图像生成模型进行自动化红队测试的算法。 他们用这套方法，成功绕过了 @OpenAI 的DALL·E3、GPT-Image-2，以及 @GoogleDeepMind 的Nano Banana2的部分安全限制，让模型生成了原本应该被拦截的违规图像。 而且整个过程不需要训练新的模型。 攻击端直接使用开源Qwen，评判端使用Gemini Flash，再通过API调用目标图像模型，就能完成自动化测试。 RISE的设计还挺有意思。 以往很多模型越狱的方法，本质上就是不断修改Prompt，直到模型愿意执行原本被禁止的请求。 但RISE做的事情是不再局限于优化某一条Prompt，而是让AI自己探索、评估和迭代可复用的攻击策略，然后把有效策略迁移到不同的场景和模型上。 简单来说，以前是人类想办法越狱，现在是AI自己研究怎么越狱，而且还能根据反馈不断改进（RSI！）。 根据White Circle9月发布的论文，在DALL·E3、Nano Banana2和GPT-Image-2上，RISE的最高人工验证攻击成功率达到了约13%。 更值得注意的是，White Circle昨天还向ArsTechnica透露，他们测试了更新的GPT-images2.5和Nano Banana2.1，发现这两款模型的安全防护比上一代更容易被突破。 不过这部分还没有公布完整的结果。 同时White Circle发现，过去不少论文声称自己的攻击成功率高达30%，但如果采用严格的违规判定标准，再通过人工校准评测，实际成功率可能接近于零。 所以他们不仅研究怎么攻击模型，还花了很大精力研究怎么准确判断一次攻击是否真正成功（就是如何bench）。 我觉得这件事情反映出的趋势还挺明显的。 随着开源模型能力越来越强，自动化红队测试的门槛也在快速下降。 以前可能需要专业安全研究人员反复尝试的工作，现在完全可以交给一个由现成模型组成的Agent系统执行。 而且随着攻击策略可以自动探索、迭代和迁移，模型厂商面对的安全压力只会越来越大。 更有意思的是，未来负责发现前沿模型漏洞的，可能根本不需要是另一个前沿模型。 一个开源Qwen，加上一套设计得足够好的Harness，就已经可以做很多事情了。

Meta 杀回来了，OpenAI 和 Claude 有新对手了。 Muse Wonder Full 在 Meta 公布的长时编程、流程自动化测试里，超过 GPT-6 Astra 和 Opus 5.5。 更值得看的是：跨对话记住你的需求，任务出错后换条路继续做。 AI 下一轮争的，是谁能把活干完。 2分46秒，讲清它赢在哪、两项核心能力、两个版本怎么用。👇

改完一个页面，手动点一遍注册、下单、付款，点到第三遍人都麻了，写自动化测试又总被一个按钮换了位置搞崩。 e2e 是一套新的端到端测试框架，用一句话描述目标，Agent 就会自己去操作应用把这件事做完。 做完再用常规的断言检查结果，AI 步骤和传统写法能混在同一个测试里。 GitHub： 最省钱的是回放机制，Agent 跑通一次会把操作记下来，之后应用没改就直接回放，一次模型都不调。 网页端支持 Chromium、Firefox 和 WebKit，移动端能跑 iOS 和 Android 模拟器，测试结果还能自动评论到 PR 里。 官方给了 Vite、Next.js、Expo、SwiftUI、Flutter 等 7 个完整示例，模型用自己的订阅、API Key 或本地模型都行。 前端、App 开发顺手写测试的，可以先从示例项目跑起。

周一大家又开始上班了，我却开始 EMO 了 接下来要下一周的雨，我讨厌下雨天！ 今天图书馆闭馆，只能闲坐在家，写点什么吧 最近一个月我都是徘徊在家里和图书馆之间 报了一个线上 python 自动化测试班学着（最近没学了） 尽量不让自己闲坐在家，避免被嫌弃或者叭叭～ 在他们看来不进厂打个螺丝就不叫上班，干其他的都不叫正经工作。我也很无奈，沟通过没啥用，坚持做自己的事吧！ 群友开导说让我先找个闲班上，然后继续 Web3 和 运营 说实在话，我不知道现在这个行情，没人脉和资源是否能找到一个web2的闲班，如果有请各位大佬给我点建议 我的学习自制力和关注力太差了 python到现在还没入门，总是会被其他的事吸引离开 BOSS上我也一直坚持投递简历，上周面了一家聊的不错后面也是没有后续～不知道是否还要继续投递简历？ 或许是迷茫，或许又不甘，或许有焦虑 但是都写下来吧，或许会有所转机！ 谢谢群友帮我做的头像图案，他们说很哇塞！ 我感觉头像建模复杂导致生成出来效果很一般😂

野村证券在最新发布的研究报告中指出，半导体测试已从芯片制造后期的例行检验，演变为 AI 硬件供应链中核心的价值增加环节与良率保护机制。 随着 Chiplet 封装、多层 HBM 堆叠、混合键合及共封装光学（CPO）等技术的应用，芯片制造复杂度呈指数级上升，后期失效的经济成本大幅增加，推动测试环节占 GPU 总成本的比重持续攀升。 数据层面，野村证券以英伟达 Hopper 架构为基准进行测算：到 Blackwell 架构，GPU 最终测试时间增加约 4 倍，系统级测试（SLT）时间增加约 1.5 倍。 演进至 Rubin 架构时，最终测试时间将增加约 7 倍，系统级测试时间增加约 2.5 倍，老化测试（Burn-in）时间翻倍。 受此影响，测试成本占 GPU 总成本的比例从 Hopper 的 1.9%，升至 Blackwell 的 2.5%，并预计在 Rubin 架构中达到 3.3%。 测试流程正在向制造前端延伸。传统模式依赖芯片出厂前的单次检测，而现代 AI 芯片需要在晶圆探针测试、已知合格晶粒（KGD）验证、混合键合检验、封装测试、老化测试及系统级测试等多个节点建立质量关卡。 当单个封装集成多个 GPU 晶粒、12 层 HBM 堆叠及光压引擎时，后端检测出缺陷意味着前期加入的高价材料与封装工序全部作废。 测试权重的提升直接扩大了硬件设备与测试接口的需求规模。 野村证券据此拓宽了研究覆盖范围，不仅关注日月光（3711 TT）与京元电子（2449 TT）等委外封测（OSAT）厂商，还将产业链机会延伸至测试座与探针卡供应商颖崴（6515 TT）、晶圆探针测试厂商旺硅（6223 TT）、系统级测试厂商鸿劲（7769 TT）以及自动化测试设备厂商致茂（2360 TT）。