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。
一天一个开源项目（第259篇）：Modern Web Guidance —— Chrome 团队给 AI 编码 Agent 的「现代 Web 最佳实践」外挂
Modern Web Guidance 是 Chrome、Edge、Firefox 和 MDN 团队共同维护的一组 Agent Skill，用来纠正 AI 写前端时爱用老写法的毛病。Agent 通过 CLI 离线检索约 250 个现代 Web 特性、203 个真实开发场景的精选指南，再把代码模式、坑点和降级方案放进上下文。项目自带闭环评测，官方公布的有指引与无指引通过率对比提升约 27 到 36 个百分点。代码 Apache-2.0，指南内容 CC-BY 4.0，约 4k Stars。
一天一个开源项目（第260篇）：Plannotator —— 给 AI 编码 Agent 配一块「可批注的审阅台」，计划和代码改动都能在浏览器里逐条批示
Plannotator 是一个运行在本地的浏览器审阅界面，适配 Claude Code、Codex、Copilot CLI、Gemini CLI、OpenCode、Kiro、Droid、Amp、DeepSeek Harness、Pi 等十个 Agent。Agent 提出计划或完成改动时，浏览器自动弹出，你可以逐段批注、批准或打回，反馈一键回传给 Agent。支持计划审阅、Markdown/网页批注、本地与 PR 代码审阅、Inbox 收件箱和加密分享。双协议 Apache-2.0 或 MIT，约 1 万 Stars。
一天一个开源项目（第261篇）：Uptime Kuma —— 9 万 Star 的自托管监控工具，一条 docker 命令替代 Uptime Robot
Uptime Kuma 是 louislam 开源的自托管监控工具，界面漂亮、上手简单。支持 HTTP(s)、TCP、关键字、JSON 查询、Ping、DNS、Push、Docker 容器等十种监控类型，最短 20 秒检查一次，内置 90 多种通知渠道，还能做可绑定自有域名的状态页。一条 docker run 命令即可部署。MIT 协议，约 9.4 万 Stars。
Loop 工程到底是高深的新技术，还是炒冷饭？用训练一个识别狗的模型讲明白
最近 AI 圈都在聊 Loop 工程。拆开看，它和机器学习最基础的训练循环几乎是一个套路：有目标、有评价、有反馈、有可调整的东西，转起来直到达标。这篇文章先用识别狗的模型打底，再用三个真实的 Agent 任务（大型代码迁移、客服工单处理、竞品调研报告）讲清楚：Loop 具体怎么搭，成功率为什么能提上去，以及它到底是新技术还是冷饭。
开源项目第258期：Harness² —— Google Research 的「递归式 Agent Harness 优化」，模型权重不动，只改 Agent 的外壳
Google Research 开源的 Agent Harness 自动优化框架：不训练模型，而是对提示词、护栏、记忆、工具说明、子 Agent、技能、脚本和插件这八个可编辑组件做「提议—探测—合成」的任务级递归，再把经验沉淀进一个持久的改进 Harness。在 JobBench、LAB、WorkBuddy-Bench 上，单步即可让 GLM-5 和 Gemini 3.5 Flash 超过各自的基础 Harness。Apache-2.0，23k+ Stars。
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。