知识分享
技术文章、实战教程、经验心得
LLM 驱动的自动化测试系列（14）：落地与工程化——为什么测试场景的 Token 账单,反而是这个系列里最便宜的
同一个作者的企业级 Bug 修复流程,调试阶段烧掉了数千美金 Token；这个系列里验证过的测试场景——AutoRestTest 测一个 15 个接口的 API 只要一毛钱,pytest-triage 默认每次运行最多花 10 次模型调用——差了几个数量级。这篇把 13 篇文章积累的证据摆在一起,回答规划里剩下的三个问题：测试场景的成本量级为什么比代码生成低,人工确认门该放在流程的哪个节点,以及到底有哪些场景明确不该用 LLM。
LLM 驱动的自动化测试系列（13）：Flaky Test 不是重跑几次就能解决的分类问题
477 star 的 pytest-rerunfailures 和 397 star 的 flaky，处理不稳定测试的手段永远是同一句话：失败了就重跑几次。这解决不了规划里提出的问题——一次失败到底是真 bug、环境抖动，还是测试本身写得有问题。真正尝试用 LLM 做这个根因分类的，是一个只有 2 star、上线不到两个月的项目 pytest-triage，而它最值得学习的地方，反而是它给 AI 判断加的四条安全约束——AI 从头到尾不允许影响测试的通过/失败结果。
LLM 驱动的自动化测试系列（12）：像素 diff 之外，谁真的在让 LLM「看懂」UI 变化
7.2k star 的 BackstopJS 处理噪声的全部手段就是四个数字配置项：misMatchThreshold、requireSameDimensions、ignoreAntialiasing、usePreciseMatching——本质上还是在跟字体渲染抖动死磕像素级容差。真正把 VLM/LLM 接进视觉回归判断链路的，是一个只有 23 star 的项目 vlmkit，而且它自己的内部评测数据直接写着某个模型会把红改成红——把这两个项目摆在一起，视觉语义回归到底解决了什么、又引入了什么新问题，答案比想象中更具体。
一天一个开源项目（第256篇）：Anatomy —— 让 Claude 为技术概念「发明一台机器」，画成可交互的等距插画
Anatomy 是一个 Agent Skill：你给它一个技术概念，它会发明一件物理装置来体现这个概念（缓存键变成插销锁，共享 GPU 上下文变成龙门绘图仪），再用一个小模型驱动画面，生成可交互的等距 SVG 插画，可选 WebGL 着色器和 3D。零依赖绘图库、九步工作流、自带几何与遮挡审计。支持 Claude Code、Codex、OpenCode 等。MIT 协议，约 2.5 万 Stars。
一天一个开源项目（第255篇）：Mika —— 装在安卓手机里的 AI 代理，在后台虚拟屏上替你操作 App 和网页
Mika 是一个 Android 端的开源 AI 助手：你说一句话，它在隐藏的后台屏幕上像人一样看屏幕、点按钮、输入文字，跨 App 和网页完成任务，不占用你的主屏。没有 Mika 服务器，请求只发给你自己配置的模型提供商；支持 DeepSeek、Qwen、Kimi、Claude、Gemini、OpenAI、Ollama 等预设，内置浏览器、定时任务、Linux 沙箱和 MCP/CLI 接入。Kotlin 编写，Apache-2.0 协议，约 7.2k Stars。
一天一个开源项目（第257篇）：AI Design Skills —— 把设计规范写成 AI 能执行的规则，落地页与 Figma 两套 Skill
AI Design Skills 是 elayadesign 开源的一组设计类 Skill，每个 Skill 是一个自包含的文件夹，目前有 landing-page-design（从策略、文案到视觉系统的落地页全流程）和 figma-designer（在 Figma 里用变量、文本样式、自动布局和组件状态做出有结构的设计）。规则细到字体白名单、间距阶梯、缓动曲线和禁用词，支持 Claude Code、Cursor、Codex、Windsurf 等。MIT 协议，约 1.4 万 Stars。
一天一个开源项目（第254篇）：NVIDIA Auto Ontology —— 给数据 Agent 搭一层「可认证的语义层」，答不了就老实说答不了
Auto Ontology 是 NVIDIA 开源的 Python 框架，从企业元数据自动生成术语、SQL 属性和表关系组成的本体（ontology），存入 PostgreSQL + pgvector，再通过 MCP、CLI 和 REST API 提供给 AI Agent。人工认证过的定义参与回答，候选不足以支撑查询时会明确拒答而不是瞎猜。支持 10 种数据库，Apache-2.0 协议，约 5.7k Stars。
一天一个开源项目（第253篇）：dsh-superagent —— DeepSeek 开源的“主动式”编程智能体原型，核心原则是少占人的注意力
dsh-superagent 是 DeepSeek 团队开源的研究原型：一个守着单个 GitHub 仓库的主动式编程智能体，以插件形态运行在 DeepSeek Harness 里，监听 GitHub（可选飞书），被允许的人 @ 它时开一张工单，在独立的 Session 和目录里干活，再回到原对话里交付，比如一个 Pull Request。它的设计围绕一句话：用尽可能少的人类注意力，给出尽可能多的价值。MIT 协议，创建三天已有 1.5 万 Star。官方明确说明这是研究原型，不是 DeepSeek 的正式产品。
一天一个开源项目（第252篇）：Lightpanda —— 用 Zig 从零写的 AI 专用无头浏览器，内存省 16 倍、速度快 9 倍
Lightpanda 是一个用 Zig 从零编写的无头浏览器，不是 Chromium 分支，也不是 WebKit 补丁，没有图形渲染引擎，专为 AI Agent 与自动化场景设计。官方在 933 个真实页面上的测试中，100 页峰值内存 123MB（Headless Chrome 为 2GB），耗时 5 秒（Chrome 为 46 秒）。兼容 CDP，可直接对接 Puppeteer/Playwright，内置 MCP Server 与原生 Agent。AGPL-3.0 协议，约 4.1 万 Stars。
LLM 驱动的自动化测试系列（11）：API 测试为什么反而是 LLM 最保守的战场
18.5k star 的 Keploy 首页写着'Expand API Coverage using AI'，但把整个开源 Go 代码库翻遍，找不到一行调用大模型的代码——那个 AI 功能只存在于闭源的云端 SaaS。3.6k star 的 Schemathesis 则完全不用 LLM，靠 Hypothesis 这套纯粹的基于属性测试（property-based testing）的模糊测试引擎就能找到真实的服务端 500 错误。反倒是两个不到 100 star 的小项目——AutoRestTest 和 api-automation-agent——才是真正调用大模型 API 的实现。这篇要说清楚：结构化的 API 输入输出天然更适合传统 fuzzing，那 LLM 到底能在这个赛道里做什么传统工具做不到的事，为什么它目前只敢做，不敢像 UI 自动化那样 all-in。
一天一个开源项目（第251篇）：Claude SEO —— 装进 Claude Code 的 SEO 审计团队，26 个子技能 + 19 个专家 Agent 并行体检网站
Claude SEO 是 AgriciDaniel 开源的 Claude Code 插件，把技术 SEO、E-E-A-T、Schema、Core Web Vitals、GEO/AI 搜索、本地与电商 SEO 等能力拆成 26 个子技能和 19 个专家 Agent，一条 /seo audit 就能并行审计整站并输出带优先级的行动计划。MIT 协议，约 2.3 万 Stars。
一天一个开源项目（第249篇）：Hallmark —— 一个拒绝“AI 味”的设计 Skill，用 48 套材质主题和浏览器 Linter 约束编程助手
Hallmark 是 Together AI 出品、Nutlope 开源的设计 Skill，适用于 Claude Code、Codex、Cursor 和 OpenCode。它先守住一条硬底线（对比度、焦点、减少动效、不编造数据、不要“眉标”），再从 48 套材质主题里发三张牌，围绕访客要完成的事搭页面，最后用一个能在真实浏览器里渲染的 sloplint 去检查页面是否露出机器生成的痕迹，并交给一个全新上下文的评审者把关。MIT 协议，近 3.8 万 Star。