AI写用例泛滥，谁来判断真假？三份报告揭示测试新核心
今日精选聚焦FunTester的Agentic SDLC分析、百度开发者平台的Harness Engineering实践与PractiTest的Testing Intelligence趋势。三家不约而同指向同一趋势——测试人的核心价值正从"编写用例"转向"甄别质量"。团子为你梳理今日AI测试圈动态，以下内容值得深入阅读。7月20日，FunTester在TesterHome发布《给测试看的Agentic SDLC》，基于Anthropic最新Agentic Coding报告，
AI工作术：Harness与Loop到底指什么？
AI新名词科普：Harness和Loop是什么意思？通俗易懂地告诉你：Harness是为AI搭建的完整‘工作系统’；Loop则是让AI反复‘执行—检测—优化’，直至任务完成的循环机制。你可以把AI想象成一名新员工。 1. Harness是什么？ AI模型本身仅是‘大脑’，比如GPT、Claude，虽聪明，但单靠大脑无法做事。你需要为它配备： 电脑与软件 文件访问权限 搜索、编程等工具 操作流程与规则 历史记忆与项目资料 结果校验机制 将这些组件整合，使AI真正能执行任务，这套体系就叫Harness。 简单
易鑫推出汽车金融AI智能终端,90分钟业务办理压缩至15分钟
申请车贷时，需要准备大量纸质文件，流程繁琐，一旦漏带材料还得再跑一趟；递交申请后，何时能拿到放款心里没底，只能反复咨询业务人员；把个人证件交给他人代办，又担心隐私信息外泄？易鑫发布的国内首款汽车金融AI智能终端设备在AI技术的赋能下，这些汽车金融服务的痛点如今有了全新的解决路径。7月17日在上海开幕的"2026世界人工智能大会"（WAIC 2026）上，以AI驱动金融科技的易鑫集团（02858.HK）正式发布国内首款汽车金融AI智能终端。该产品将全流程一站式AI智能解决方案转化为可实际操作的实体设备，消费
AI七层核心逻辑揭秘
学了三年AI，我发现大多数人连这7个词都没搞清楚我说真的，不是在凡尔赛。身边很多人用AI用了好几年，提示词写了几千条，各种工具装了又删、删了又装，结果还是感觉哪里不对劲——AI给的答案总是差那么一口气，任务交下去总是跑偏，用着用着就放弃了。问题出在哪？不是工具不好用，是根本没搞清楚AI在做什么。今天我用一篇文章，把AI世界里最核心的7个概念全部讲透。看完之后，你会发现之前那些"为什么AI总是不听话"的疑问，全部有了答案。01 Token——AI听你说话的方式先从最底层说起。你以为你跟AI说
AI自主工作谁来监管？企业级AI的Harness工程实践
Harness，在中文里没有固定译法。在AI工程领域，它特指一种外层控制程序：负责调度AI、验证结果、决定下一步行动。用快递分拣系统来比喻：包裹在传送带上移动，背后有一个调度层——决定哪个包裹去哪个传送带、哪个格口满了需要改路线、哪个包裹扫描失败需要人工复查。Harness就是AI系统里的那个调度层。它不直接“干活”，而是把任务分配给合适的AI，检查AI是否真的完成了（而不是只听AI自己说“完成了”），并决定失败时是重试、换方法，还是交给人类处理。过去，这个调度层由人来做。Harness工程要做的，是把这
智能体系统的四大核心架构
本质上，智能体就是一个While循环，其内部执行模型运行、工具调用和上下文组装，直到不再需要工具调用时终止。整个循环实际上包含四个工程层级：提示词工程、上下文工程、Harness工程和Loop工程。提示词工程定义了模型在单次调用中接收到的输入，通常由角色、指令、示例和输出格式组成。根据接收到的文本信息，它可以改变模型内部的计算和推理方式。常用技巧包括：少样本提示、思维链提示、提示分层、角色规范提示、反向提示、结构化提示和ARQ推理查询、自洽性抽样等。上下文工程包含了模型在回合中看到的所有内容，而不仅仅是提
AI工具如何选？三步分类法帮你精准匹配
2026年6月，全球咨询巨头埃森哲的一份内部录音被曝光。你猜他们AI账单上花钱最多的是什么？答案让人意外——是一群非技术员工把PDF文件转成PPT幻灯片。这里说的Token，就是AI模型计费的单位——大概1000个Token相当于750个汉字。埃森哲用的很可能是最贵的Claude或GPT（都是美元计价的企业版），把这种"用普通软件就能搞定"的事，扔给了大模型来做。这就是典型的"杀鸡用牛刀"。一个能写代码、能分析数据、能做复杂推理的智能工具，被当成了普通格式转换器。问题的本质是"用错了工具"。要搞清楚"该用
为AI装上缰绳——Harness，让智能系统循规蹈矩的秘密武器
AI 科普系列Harness，让AI不再跑偏的那个东西AI越来越强，为什么还是不能放心让它自己干活？你让AI帮你写个方案，聊了十轮之后，它突然开始给你推荐餐厅——你明明在聊营销策略。你一定遇到过类似的事——让AI帮你写个方案，聊着聊着它就开始自说自话，越聊越离谱，完全不是你想要的方向。让它干个长一点的活儿，做到一半它开始胡说八道，前面明明做对了，后面突然全跑偏。换个对话窗口，之前的事全忘了，又得从头来一遍。这不是你运气差，也不是AI能力不行。这是AI的"默认设计"问题——它没有内置"
人工智能：悄然构筑你的日常基座
移动互联网初露锋芒之际，「扫码付款」「在线导航」尚属新潮概念，人们还会聚首探讨操作门道。如今呢？再也无需多言——它们早已如呼吸般自然，化作不言而喻的存在。当某种能力无需赘言便深入人心，它便真正实现了「原生」。AI 原生，正循着相似的轨迹演进。你或许已隐约觉察，某些改变正悄然酝酿，却道不明缘起何时——智能终端能捕捉语调、洞察心意；它的预判随你的习性而变；AI 不再止步于应答，更能代你发送邮件、查询气象、预约会议、撰写公文。这绝非零散的功能堆砌。其背后是一股更为宏阔的浪潮：AI 原生，正无声无息地浸润你的生活
科大讯飞AI招采平台2.0亮相：交付效率翻三倍，核心环节消除幻觉
新浪科技讯 6月26日上午消息，科大讯飞(39.120, -2.56, -6.14%)发布全面升级的招采智能体平台2.0版本（简称：AI招采平台），宣布该平台已落地200余个智能体，交付速度可提升300%，实现“2大技术突破、3个安全保障、5个客户价值”，让招采智能体平台不仅严谨落地，更能自主规划、自主进化。 据悉，依托自组织、自进化的智能体协作框架，该平台可构建动态编排的多智能体协作体系，自动识别不同项目的评标规则并智能编排评审流程。其内置的多维评审专家Agent矩阵按需动态匹配评审角色，实现“一类项目
AI写代码总出错？钱学森的控制论才是真解法
最近AI编程工具火得不行。从Cursor刷屏，到上个月Claude Code的史诗级更新（当然还有7月8日后可能需身份验证，哈哈），行业里甚至冒出个新词叫“Vibe Coding”（氛围感编程）。啥意思？就是开发者往椅子上一靠，跷着二郎腿，喝着咖啡，给AI丢几句模糊指令：“写个商城后台”、“修个Bug”。看着代码自动对齐，感觉自己像在指挥千军万马。这种“氛围”确实爽。但爽完一上手复杂项目，十有八九就崩了：AI写的代码漏洞百出，一运行报错连篇；你让它改A，它把B全毁了；折腾半天，发现查Bug、补锅的时间，比
AI系统核心概念解析：从Token到行动的全链路指南
最近关注AI的朋友，大概都见过那张流传甚广的图：Token、提示词、上下文、Agent、Harness、MCP、Skills七个概念层层向上排列，旁白写着"每一层都建立在前一层之上"。图形确实直观，但容易造成误解——仿佛越往高处就越"高级"，越接近最终形态。实际情况要简单得多：七个概念中，仅前三个存在真正的递进关系，后四个则是四种截然不同的角色，相互间呈现"谁调用谁、谁管理谁、谁被谁使用"的协作网络。掌握这一点，能显著提升理解AI产品的清晰度。接下来逐一解析，每个概念都提供两种视角：技术定义与通俗类比。理
理解AI生态位：Agent扮演什么角色？哪些岗位会被替代？
转眼五周过去，咱们这套Agent系列课程，终于迎来收尾了。回头梳理一下，这一路的知识脉络串联得特别顺畅。第一周我们搞懂了Token，简单说，它就是AI运行的燃料，也是统计计费的基本单位。第二周掌握了Prompt和Skill，相当于把住AI的方向盘，配齐日常工作的工具箱。第三周探讨AI记忆，帮助AI逐步累积工作中沉淀的经验。第四周区分各类大模型，其实就是挑选性能各异的动力核心。到第五周，我们彻底摸清了Agent——把所有部件组装完成的一辆整车。说实话，这段时间我感触颇深。还记得开头吗？很多人被AI反复失忆、
AI智能体架构实战：从微观Harness到宏观治理的工程解析
大家好，我是玄姐。PS：智能体演进的核心公式：Agent=Model+Harness宏观Harness的推导公式：依据系统分类学，整个AI应用架构主要分为两个部分：AI应用架构=功能侧架构+治理侧架构结合智能体公式移项，宏观Harness（驾驭/层）的本质可推导为：宏观Harness=功能侧架构+治理侧架构−模型层PS：以上就是今天的分享内容。若你对打造企业级AI原生应用的架构设计与落地感兴趣，请记得点赞关注哦~—1—
AI 日报 | 2026-06-07 OpenAI Harness工程实践,LLM Agent项目启动方法论,PHP原生LLM推理,AI Agent代币经济学
OpenAI官方发布了一篇关于Harness工程的深度文章，详细阐述了在「代理优先」的新世界中如何高效运用Codex。文章分享了OpenAI内部团队在构建AI Agent系统时的工程实践，包括代码生成质量优化、Agent工作流设计、错误处理机制等关键经验。这一发布获得了Hacker News社区102个点赞，表明开发者对AI编程助手最佳实践的强烈需求。开发者Eli Bendersky分享了使用LLM Agent帮助重构Python项目的实践经验。文章详细记录了从项目评估、方案设计到代码生成的全过程，并总结