标签

全栈

AI UITester:把描述性用例变成可执行 UI 测试

来源: my.oschina.net 41
很多团队的测试用例平台里,已经沉淀了大量“人能看懂”的描述性用例:进入订单页、筛选待支付订单、点击详情、校验金额。问题是,这些用例不能直接跑。QA 仍然要逐条理解业务逻辑、补元素定位、写脚本、调路径。到一个中等规模模块,转化成本很容易变成数人天。 AI UITester 这类 AI Native UI 自动化测试思路,核心价值不是“让 AI 点页面”这...

IntelliJ IDEA 2026.1.4:一次面向 Git、Docker Compose 与 WSL Gradle 的修补更新

来源: oschina.net 40
IntelliJ IDEA 2026.1.4 已发布。这不是一个堆满新功能的大版本,而是一次更贴近日常开发摩擦点的修补更新:Git 活动分支显示、Docker Compose 中 PHP 解释器创建、以及 WSL 环境下 Gradle 同步状态,都得到修复。 这类 IDE 小版本最有价值的地方,往往不是新增一个菜单,而是让已有工作流少出错。 本次更新提...

Avo 4:Rails 后台从“能用”走向高密度操作台

来源: oschina.net 59
Rails 应用迟早会需要后台:看用户、改订单、处理异常数据、给运营一个不用进数据库的入口。Avo 做这件事已经五年,Avo 4 的发布不是一次简单的功能堆叠,而是一次持续 15 个月、约 2000 个 commit 的重构。它从 3 月公测走到 GA,核心变化集中在 UI、信息密度和操作效率上。 很多后台管理工具的问题不是缺功能,而是信息组织松散:一...

NumPy 2.5.1:一个值得下游项目尽快验证的补丁版本

来源: oschina.net 57
NumPy 2.5.1 已发布。这不是功能大版本,而是 2.5.0 之后的补丁发布,重点修复已发现的问题。对普通应用来说,它看起来可能只是一次小升级;但对维护 Cython 扩展、科学计算库、数据处理框架的团队来说,这个版本更值得关注,因为它修复了 NumPy datetime Cython API 相关问题,并继续推进 Python 3.15 准备工...

FastDFS V6.16:单机多 Storage 实例让容量利用更灵活

来源: oschina.net 47
FastDFS V6.16 的重点不是“又多了几个参数”,而是把一个常见部署痛点往前推了一步:同一台服务器现在可以部署同组的多个 storage 实例。对有多块磁盘、希望更细粒度利用机器资源的团队来说,这比简单地把磁盘挂成一个大目录更可控。同时,新版本还提供了两个观察工具: 用来直观看 storage 状态, 用来快速看集群容量。 传统 FastDFS...

Amazon S3 Annotations:把对象上下文留在数据旁边

来源: infoq.com 56
AWS 新推出的 Amazon S3 Annotations 解决的是一个很常见、也很烦的问题:对象在 S3 里,关于对象的解释却散落在表、索引、工单、AI 流水线输出和合规系统里。现在团队可以把摘要、分类、合规信息、AI 生成洞察等可搜索上下文直接附着到 S3 对象上,并且这些注释可以独立于对象内容更新。 S3 早就有 object metadata...

Claude 上架 Microsoft Foundry,但欧洲生产环境还不能直接用

来源: infoq.com 58
Claude 模型已经在 Microsoft Foundry 上 GA,这对很多 Azure 团队很有吸引力:账单走 Azure,权限、审计和治理也能贴近现有云平台。但这次 GA 有一个关键缺口:目前没有欧洲数据区。对银行、医疗、公共部门这类受监管团队来说,“能点开服务”和“能进生产”是两回事。 Microsoft Foundry 上的 Claude ...

Claude 登陆 Microsoft Foundry GA,但欧洲企业还不能直接上生产

来源: infoq.com 49
Claude 模型在 Microsoft Foundry 上进入 GA,意味着企业可以用 Azure 原生账单、身份、治理和采购流程来接入 Anthropic 模型。这对已经重度使用 Azure 的团队很有吸引力。但对欧洲银行、医疗和其他强监管行业来说,关键问题不在“能不能调用”,而在“数据能不能留在合规区域”。目前摘要中的核心限制很明确:Foundr...

用 Solon AI 4.0 的 ReActAgent 把大模型接到真实工具上

来源: oschina.net 56
只会聊天的 LLM 很快会碰到天花板:它不知道实时库存,不能查订单,也不能调用内部接口。ReActAgent 的价值在于把“推理”和“行动”放进同一个循环里:模型先判断下一步要做什么,再调用工具,拿到结果后继续修正判断,直到给出可用答案。 这类 Agent 不适合拿来包装所有需求,但很适合处理“需要多步判断 + 外部数据 + 动态反馈”的任务,比如客服...