不是，假装 typo 是合理的吗？
作为一个 Agent 的用户，发一次请求真的不容易，因为一个请求至少会遭遇三个 Model Routing：
1. Agent 服务端的 Model Routing。
2. Agent 服务端发到的中转站里的 Model Routing。
3. 一个好的中转站上游可能用的是真正的大模型 Provider，但是大模型服务端那边也可能有 Model Routing。
顯示更多
大 CI/CD 时代已经来临！
接着上一条，简单补充下测试跑得慢、CI 资源消耗大的问题。评论里不少朋友问到了， @yetone 也提到了。Vibe coding 时，代码产出快了，这个问题就更明显了。
我负责的研发团队，一天上线 50 次，一天至少要跑 300 轮测试。在测试写对的基础上，怎么跑得更快、更省，可以尝试从这几个地方处理。
做精准测试（Vitest 自带的比较糙，效果有限）。记录每个测试实际经过的代码，源码变更后，就能反查大概会影响哪些测试。可以做到文件级，也可以做到函数级，我个人选择文件级。
函数级能少跑一些测试，但采集、分析和维护依赖成本也不低。文件级会多选一些测试，不过实现更简单，我更看重整体能省多少时间。当然配置、依赖、初始化这些变化要单独处理。
此外还可以做测试分级。
前面按 BDD 的方式描述业务场景，到这里就比较容易分清哪些是核心业务路径（写好测试是一切的基础哈）。高频 CI 跑核心路径、新增和修改的测试。其余测试，有代码变更就每小时集中跑一轮。
这样做，部分非核心问题可能会晚一点被发现，能接受多长时间，要看自己的业务。
还有个容易忽略的地方是 runner。不同测试集对 CPU、内存、IO 的需求不一样，要看机器的实际负载，分配合适的机器，控制好并发度。并发开大了，不一定更快。
我们也用了本地 runner，在自己配置好的机器上跑。在我们的使用场景里，成本比 GitHub 托管 runner 低不少。
好了，测试相关的分享先告一段落，希望有一点点帮助。接下来会逐步聊聊，为什么只靠测试还不足以保证软件质量，以及 AI 写的代码该怎么 review、重点看什么。
两篇精准测试的论文放评论区，感兴趣可以看看
顯示更多
我最近一直在试用 Memoh，成熟度太高了，我喜欢。
怀着激动的心情，Memoh 的正式版现已上线了！
Memoh 是一个 cloud-first 的多 agent 平台，我们给了每个 agent 一个云电脑和独立的云桌面，你可以使用 memoh agent 或托管你自己的 codex, claude code 到云电脑上，在一个UI里使用！
为了保持云电脑的低成本，我们通过在世界各地的数据中心托管机器来自建我们的sandbox集群，8c16g的配额在Memoh订阅中一个月仅需5美元
现在你可以去 下载我们最新的桌面端
顯示更多
哈哈，我何德何能跟他们做一桌。我赚的少，日程也少，我只是话痨。
是的，Vibe Coding 时代的团队内部，DX infra engineer 反而成了最重要的了
是的，所以我现在有专门的 HC 来招聘 Infra Engineer( for Test Platform), 这个会是非常难做但是也能产生很大价值的角色。。
未来关键的卡点就是高效的全链路测试
顯示更多
先进的注册体验！🤩
我只能说 @hwwaanng 的公司周边太酷了！今天回到家之后打开了一个精致的快递盒子，拆开后第一层是 AirBuild @airbuild_hq 的周边贴纸，第二层竟然是个 iPhone 3G！😱 更惊奇的是 iPhone 3G 里安装着 AirBuild，而且可以正常使用！帅哭了！
顯示更多
帮转！
没错，这只碗还在找工作。
目前意向是擅长前端的全栈工程师、前端工程师。
在自学 Agent 开发，已经有一个在自己 Telegram 群组跑起来的群宠 Bot「塑料碗」。
意向 base 北京，其次是上海/杭州。
在线脱敏版简历可以戳 ->
欢迎通过在线脱敏版简历里面的 email 联系我。
顯示更多
我只能说 @hwwaanng 的公司周边太酷了！今天回到家之后打开了一个精致的快递盒子，拆开后第一层是 AirBuild @airbuild_hq 的周边贴纸，第二层竟然是个 iPhone 3G！😱 更惊奇的是 iPhone 3G 里安装着 AirBuild，而且可以正常使用！帅哭了！
顯示更多
说实话，我已经用豆包工作（因为不记得具体用的是哪个豆包模型，只能用产品名字来描述）解决了几个 opus 5 死活都解决不了的问题
opus: 磨洋工
fable: 一言不发，猛猛干活
astra: 从夯到豆包
因为 Vibe Coding 要做到所有级别测试的自动化，未来是一个极度燃烧 ci/cd runner 机器的未来。
上一条说，只靠测试不能保证软件质量。这条先聊也应该怎么写测试，因为这是基础。下次聊关键设计，以及 review 应该看什么。
针对业务项目，我的理解大概是这么几条：
1 测试行为，不测试实现。比如重复下单不会重复扣款，而不是某个方法调用了几次。业务没变，重构一下测试就碎一地，那多半写错了。AI 特别容易写这种测试。
2 用 BDD，先写验收场景，再写代码。测试描述统一用 user 开头，用 Given / When / Then 描述，用户和 PM 也能看懂。别让 AI 写完代码，再照着自己的实现证明自己没错。
3 禁止 mock。Redis、PostgreSQL 能用真的就用真的，外部系统不好接就注入 fake，但要校验它和真实系统的契约。时间逻辑用 fake timer，别 sleep 几秒再祈祷。AI 真的太喜欢随手 mock 了。
4 我倾向大部分写 E2E，从用户入口走到可见结果，外部依赖可以 fake，实在不合适再写其他测试。测试多了就分级，按改动和依赖关系精准测试，定期完整跑。别改两行代码，等 CI 半天。
5 前面做好了，再看分支覆盖率，先定个 90%。但重点是剩下的为什么没测，尤其是失败路径，别让 AI 为了凑数字再写一堆垃圾测试。
6 前边的规则尽量都写成 lint
顯示更多
严肃学习
上一条说，只靠测试不能保证软件质量。这条先聊也应该怎么写测试，因为这是基础。下次聊关键设计，以及 review 应该看什么。
针对业务项目，我的理解大概是这么几条：
1 测试行为，不测试实现。比如重复下单不会重复扣款，而不是某个方法调用了几次。业务没变，重构一下测试就碎一地，那多半写错了。AI 特别容易写这种测试。
2 用 BDD，先写验收场景，再写代码。测试描述统一用 user 开头，用 Given / When / Then 描述，用户和 PM 也能看懂。别让 AI 写完代码，再照着自己的实现证明自己没错。
3 禁止 mock。Redis、PostgreSQL 能用真的就用真的，外部系统不好接就注入 fake，但要校验它和真实系统的契约。时间逻辑用 fake timer，别 sleep 几秒再祈祷。AI 真的太喜欢随手 mock 了。
4 我倾向大部分写 E2E，从用户入口走到可见结果，外部依赖可以 fake，实在不合适再写其他测试。测试多了就分级，按改动和依赖关系精准测试，定期完整跑。别改两行代码，等 CI 半天。
5 前面做好了，再看分支覆盖率，先定个 90%。但重点是剩下的为什么没测，尤其是失败路径，别让 AI 为了凑数字再写一堆垃圾测试。
6 前边的规则尽量都写成 lint
顯示更多
太有 Gemini 当年的风味儿了（
额...为什么最近我感觉 gpt 6 astra 变成了算盘珠
拨一拨 动一动，不拨不动😂
最近遇到很多次，只回答你的问题，并不理解意图去干活，好奇怪
我记得之前这种反问的表达他们能理解意图来着
决定恢复原来直接下达明确指令的方式了
心念：切勿带情绪反问它🤪，非暴力沟通
顯示更多
真的崩溃了，彻底放弃使用 GPT 写 UI 了
发这个不是为了装逼，是因为前几天偶然看到了 Aider 之前写的几篇关于如何让大模型输出正确和高效的 diff 格式的文章，感慨万千。想起了 cursor 当年也写过一系列的文章讲自己如何调教大模型，让大模型可以正确地编辑文件，甚至 Anthropic 在 2024 年还把 str_replace_editor 工具专门训练进了 Claude ，更甚至的是还有新成立的公司专门训练 edit 模型来解决这一难题，可见这件事情在当时的确是难倒了很多人，不管是 agent 团队还是大模型公司，一群人绞尽脑汁解决同一个问题的盛状至今记忆犹新
顯示更多
