标签
Gergely Orosz 测试新AI模型（如Fable和GPT-6），要求它们根据他的采访写出他风格的文章，但发现它们彻底失败，写了很多字却没有理解。
Kent C. Dodds 正在为开发支持 MCP 的 agent 的开发者提供 Kody Koala 的早期访问权限，以确保兼容性。
本文展示了如何通过减少不必要的测试隔离，使Preact的超过1000个测试的测试套件在大约1秒内运行完成，这与较慢的现代测试运行器形成对比。
OpenCode首席执行官在政府监管静默期秘密测试了5.6版本，据报道，他对失去该版本比失去Fable 5更为沮丧。
只读代理比写访问代理更容易测试；对许多团队来说，生产数据的写访问仍是一个未解决的评估问题。
一位Anthropic工程师分享了一种自主代码循环架构，该架构在合上的笔记本电脑上运行，无需聊天提示即可发起拉取请求并运行测试。系统使用一个包含合同、日程、评分标准和状态组件的五文件文件夹，而Fable 5推理循环的订阅窗口将于7月12日关闭。
一条推文主张软件重写可以变得好、便宜且快速，尤其是随着AI模型在填补测试和验证缺口方面的改进。
一个用于编码的140GB IQ2_XXS REAP量化版GLM 5.2已被创建，作者正在寻找测试者。
AdaStop是一个用于DNN测试选择的成本感知提前停止框架，当边际故障发现率低于阈值时，它最优地停止标注，仅使用9%-31%的标注预算就能实现65%-84%的故障发现。
文章质疑了公司在未经充分测试的情况下裁撤人类员工并用AI代理替代的做法是否明智，并建议采取更安全的方式，比如并行试点运行。文章讨论了这种快速采用AI的潜在风险和未知因素。
作者讲述了让 Reddit 尝试破解其 AI 小工具的结果，分享了来自社区压力测试的意外结果和教训。
eve 现在内置了对智能体的评估能力，解决了 AI 智能体开发中需要第一方测试的问题。
作者询问开发者如何对AI智能体工作流进行回归测试，指出了常见的故障模式，并分享了他们在Runme中添加评估支持的工作，用于记录任务、对轨迹进行评分以及与基准进行比较。
Cargo-nextest 是 Rust 的下一代测试运行器，提供高达 3 倍的测试执行速度、每个测试的隔离以及一流的 CI 支持。
Google 正在为 Workspace 用户在 Gemini 应用中测试一个新的专用收件箱分区，具备过滤器功能，可在 Inbox Zero 工作流中对邮件和任务进行分类处理，将 Gemini 定位为整合的桌面工作空间。
Anthropic 发布了一份详细指南，介绍如何让 Claude 自主工作6小时，涵盖失败模式、使用 Puppeteer MCP 进行测试以及会话协议。
一位开发者利用AI用Rust编写了一个PHP引擎，尽管此前没有Rust或编译器经验，但该引擎通过了PHP官方测试套件的17%，并能渲染WordPress。