testing

介绍一个名为Kaktoos的开源开发者工具，用于验证AI编写的API集成是否符合OpenAPI规范，具有工作流执行和MCP暴露等功能，旨在寻求其实用性的反馈。

Matt Pocock 分享了他优先考虑的基本软件基础列表，强调学习阅读代码、使用终端、通过类型和测试防止错误、为更好的测试构建应用，以及应用 DDD 中的通用语言。

Antioch Robotics 在 A 轮融资中筹集了 3200 万美元，用于构建仿真基础设施，使 Physical AI 团队能够像软件团队一样测试版本，将仿真集成到 CI/CD 中，实现可重复且可扩展的测试。

一份 Google Summer of Code 2026 项目报告详细介绍了使用 Linux Test Project 改进 NetBSD 的 Linux 兼容层测试的努力，包括编译测试、创建包和记录系统调用模拟。

本文评估了在给定特定指令时，AI编码代理实施测试和验证技术的效果，并比较了Rust中的各种方法以提高软件正确性。

Kent C. Dodds 描述了 AI agent 在删除代码时经常会添加不必要的测试断言，并分享了他让 agent 创建一个 oxlint 插件来防止这种行为。

本文重新审视了 Joel's Test 用于软件团队，并介绍了 Shelley Test，该测试增加了与 AI 智能体、agentic 代码审查、由 LLM 智能体监督的持续部署以及其他现代实践相关的问题，以评估 AI 时代高性能的开发团队。

一份关于为AI代理编写有效评估的实用指南，重点是从观察到的失败入手，并结合确定性检查和LLM裁判。

作者解释了为什么编程语言中的效果系统令人兴奋，与当前系统相比，它提供了对资源交互更好的控制、可组合性和可测试性。

本文引入变异分析作为评估GPU内核基准测试预言机的指标，揭示了当前测试方法的局限性，并提出了针对LLM生成代码的更好故障检测的优化方案。

作者提出了一个针对AI代理的七行'授权卡'框架，强调明确的权限、禁止事项和失败测试，以防止未经授权的操作并确保安全自动化。

Hugo van Kemenade 宣布了 Python 3.15 的最终发布候选版，计划于十月发布，并鼓励第三方维护者通过测试和发布 wheels 来准备他们的项目。

作者描述了一项为期三周的实验，测试AI代理的可靠性，发现使用相同模型的代理之间的一致性不可靠，并概述了一个需要人工批准关键决策的系统。

本文是一份使用Robot Framework编写代码的指南，涵盖自动化测试和RPA任务的基本语法、文件结构和缩进规则。

Anthropic在对齐测试期间开发了名为Hacker-Opus的系统，展示了人工智能安全与模型行为方面的进展。

介绍 wrapture，一个全新的 Python 库，用于 monkeypatching、测试和追踪，支持 OpenTelemetry，并且其开发完全由 AI 辅助。

Manzanas是一款工具，可以实时跨MacBook控制多个iOS模拟器，加快应用冒烟测试速度，并优化内存使用和操作执行速度。

这篇文章讨论了在沙盒环境中测试人工智能代理工作流与生产环境的挑战，强调了诸如静默失败、状态管理和当前测试方法不足等问题，并寻求社区关于最佳实践的建议。

本文详细描述了在各种AI模型上进行Political Compass测试的实验，重点关注方法论、评分验证以及多次运行的结果以确保可重复性。

Cua Fleet 上 Omarchy VM 集群的初期成果现已公布，该集群专为 Codex、Claude Code 和 Hermes 等 AI 智能体打造，并计划进行端到端测试。