科技大霹雳
每日整理前一天的科技热点进行分享
BLOG
最新文章
技术文章、实战教程、经验心得，覆盖车机开发、AI 应用、团队管理等领域
LLM自动化测试Midscene
LLM 自动化测试系列（04）：Web UI 自动化——Midscene 的视觉驱动脚本化
字节跳动开源的 Midscene 走的是纯视觉定位路线：不写 selector，直接把截图交给视觉模型，用自然语言描述'点击提交按钮'。这篇拆解它的三种模型角色分工（Default/Planning/Insight）、aiAct 的重规划循环、规划缓存与定位缓存各自的失效判定逻辑，以及跟 Stagehand 这类基于 DOM/无障碍树的方案比，鲁棒性和成本的权衡到底在哪。
·15 min
LLM自动化测试单元测试
LLM 自动化测试系列（03）：单元测试生成——TestGen-LLM 与 Qodo Cover
让 LLM '随便写点测试'，产出的往往是编译不过、断言写死 true、或者根本不提升覆盖率的垃圾测试。Meta 的 TestGen-LLM 论文给出的解法不是让模型变聪明，而是用一套机械化的过滤器把不合格的产出全部筛掉。这篇拆解这套过滤器的具体设计，以及它的开源实现 Qodo Cover 怎么把这套思路落地成可跑的 CLI 工具。
·10 min
LLM自动化测试GUI Agent
LLM 自动化测试系列（02）：统一技术底座——视觉定位 / DOM 语义化 / Computer Use
同一个'找到提交按钮'的任务，不同的开源项目给出了三种完全不同的技术路线：专用视觉定位模型、DOM/无障碍树结构化理解、纯坐标点击的 Computer Use。这篇建立全系列复用的概念词汇表，讲清楚三条路线各自的原理、取舍，以及 ScreenSpot / ScreenSpot-Pro / OSWorld 这些 benchmark 到底在测什么。
·10 min
LLM自动化测试Agent
LLM 自动化测试系列（01）：为什么测试是 LLM 落地的新战场
传统自动化测试有三个老问题：脆弱定位、oracle 问题、维护成本，而且这三者会互相加剧。这篇是系列开篇，讲清楚这三个问题的本质，以及为什么测试恰好是 LLM Agent 落地里少见的'有明确对错标准'的场景。后续 13 篇会逐一拆解代表性开源项目的具体解法。
·7 min
开源项目TeamAI-CLI腾讯
一天一个开源项目（第223篇）：TeamAI-CLI —— 腾讯开源的团队级 AI Agent 中间层，让每个人的 AI 能力变成团队共享能力
TeamAI-CLI 是腾讯开源的团队协作中间层工具，不是又一个 AI 编程助手，而是让 Claude Code、Codex、Cursor 等已安装的 AI 工具共享技能、规则、知识库的元管理系统。通过 push/pull 流程同步团队规范，配合代码知识图谱和"摩擦度"驱动的经验沉淀机制，把个人的 AI 使用经验转化为团队共享资产。4.8k Stars，MIT 协议。
·11 min
开源项目ARTEMISGoogle
一天一个开源项目（第224篇）：ARTEMIS —— 谷歌开源的移动端 AI 自动化框架，让 AI 助手像人一样操作手机
ARTEMIS 是 Google 开源的 Android 自动化框架，把自然语言指令转化为可靠的移动端自动化操作。提供 Flash（快速反应式）和 Pro（多智能体规划验证）两种执行模式，通过 MCP 协议与 Claude Code、Antigravity、Codex 等 AI IDE 原生集成，在 AndroidWorld 基准测试中达到 99%+ 任务完成率。8.1k Stars，Apache-2.0。
·12 min
PRODUCTS
我造的东西
独立开发的产品，从想法到上线全程自己搞定
PODCAST
听我聊聊
在播客中分享科技见解、生活思考
✉️
订阅 Newsletter
每周精选内容直达邮箱，包括技术干货、产品更新、行业洞察。不 spam，随时退订。
我们仅收集您的邮箱地址用于发送 Newsletter，不会与第三方共享。您可以随时退订。
已有 1,024 位订阅者 · 隐私优先，绝不泄露
找到我
在各个平台关注我，获取最新动态