标签
Devin的自动化UI测试功能能够自主创建测试计划，在macOS和Linux环境下执行测试，并生成视频工件，让测试体验如同AGI。
Devin，一款AI工具，现在通过生成测试计划、执行用户流程并提供带注释的录像，为应用测试提供视频收据，以直观验证工作。
一场从8月28日至31日的线上黑客马拉松，挑战开发者使用AI编码代理构建网络应用，并使用Kane CLI进行真实浏览器验证，以闭合开发循环，总奖金为4000美元。
作者讨论了在CI/CD中由于LLM的非确定性，AI代理工具调用自动化回归测试面临的挑战，并寻求社区关于有效设置和痛点的见解。
一项新工具声称能够以100倍的速度编写和运行网页（以及iOS/Android应用）的自动化UI测试。
OpenAI开发了GPT-Red，这是一个通过自对弈训练、能够自动对其他模型进行红队测试的LLM，发现了如新型'虚假思维链'提示注入等漏洞。该方法提升了GPT-5.6的鲁棒性。
作者描述了使用Fable和Codex将Conductor（一款仅支持Mac的工具）移植到Linux，并通过屏幕录制自动化QA的过程；目标是实现自动化的Bug分类和修复。
提出 SAGE 框架，通过生成漏洞假设并迭代验证，自动揭示基于 LLM 的 Text-to-SQL 生成中的潜在失效模式。实验表明，SAGE 揭示了模型的显著脆弱性，且发现的模式可在模型间迁移，初步微调显示出有前景的修复效果。
RedCoder 是一个自动化红队代理，旨在探测编码代理的安全性，在 ACL2026 上发表。
Greptile 推出 TREX，这是一款能够执行代码并检测运行时错误的 AI 代码审查工具。它超越了静态分析，通过启动并行代理来调查问题并生成截图等产物。
本文介绍了‘背压’——利用自动化测试和类型系统——作为使用AI编码代理的第三种方式，通过减少持续人工审查的需求，使其更安全、更自主。
TDDev通过整合需求分析、基于浏览器的验证和结构化修复，自动化Web应用生成的测试驱动开发，将代码质量相比基线提升34-48个百分点，并将人工干预减少到零。