与「CodingAgent」相关的搜索结果

AI 时代的 e2e 测试该怎么做? 最近 GitHub 斩获 13.8k Star，刚拿了 800 万美金融资的开源 AI 测试框架 e2e，其创始团队技术布道师 Kacper Kapuściak 写了一篇非常扎实的工程实践，下面总结几条核心内容： 1、测用户意图目标，而非前端实现，越过 DOM 节点与 test-id 绑定，直接用自然语言向 Agent 下达具体，收敛的业务意图。由 AI 自主感知界面完成选日期，点生成等交互，哪怕前端重构组件库，测试照样稳定。 2、废弃拖慢 CI 流水线的固定 Sleep 读秒，改用带超时上限的 AI 动态条件等待。忽略Loading 消失这类弱的 UI 信号，直接等上月报表已打开可查看等强业务状态，并将负责异步加载的动态等待，与只抓拍当前画面的瞬时断言严格解耦。 3、执行 Agent 汇报点击完成，不能代表报表没空数据或串数据，更不能让大模型盲猜什么才是正确的画面。必须先从后端 API 查出真实任务列表作为唯一真值源，再调用独立的 AI Judge，严格比对屏幕渲染明细与 API 底账。 4、严禁测试用例之间产生顺序依赖，开跑前通过可复用的 Fixture 调接口独立构造专属工作区与测试数据，跑完后在生命周期钩子中自动清理还原，确保单测重试或并发执行绝对幂等。 5、将“生成报表，下载 CSV，发邮件”拆成命名清晰的独立原子测试。一旦断言失败，框架自动打包故障追踪轨迹，涵盖前置步骤、应用日志、Agent 推理上下文与屏幕快照，不仅人类能秒级定位，更能直接喂给 Coding Agent 自动修 Bug。 传送门：

Introducing Edge0-145B and Edge0-120B, @Edge0_AI’s first device-native 100B-class foundation models with open weights. Cloud-level intelligence on your laptop. Free, offline, and fast enough for real vibe coding. - Smart: beats Claude Opus 4.6 on Terminal-Bench 2.1 (86.5% vs. 78.2%) - Light: needs just 29G memory, 1/3 of a standard setup (100G+) - Fast: decodes 75+ toks/s, prefills 1050+ toks/s on RTX Spark and Mac. - Steady: handles 128K–256K tokens of context without slowing down, even on long tasks Frontier-class agentic coding. No cloud API. No token bill. Your code and data never leave your machine. Open weights are live on @huggingface. Run it locally or plug it into your favorite coding agent.

每天和Coding Agent协作，其实已经是在做管理： 选择任务、写清要求、分配工作、跟进进度、验收结果，再决定什么可以上线。 真正把Agent用好的人，不一定最会写Prompt，而是逐渐学会了如何管理。 12条实践👇

给儿子做的打字游戏，代码写完了也开源了，但想介绍给有孩子的朋友们时遇到一个新问题：怎么用一个演示视频，让家长朋友们快速看懂它？毕竟不是每个人都能看懂开源项目。。。 README 虽然能写清功能，但非开发背景的朋友们更想直接看到：打开以后怎么玩，孩子跟着什么提示按键，按错了怎么办。到底有没有用？能不能真的学会打字？！ 这次我用 YouArt Desktop 给「键盘小岛」做介绍视频。选「教程视频」，把 GitHub 链接交过去，在应用内通过 connector 连接 GitHub 后，它就开始读项目、打开在线游戏、实际操作和录屏，再组织分镜，连 pr 历史也能自动提取出来，这样版本更新就更方便了。 作为经常制作教程视频、自己还做过 Video Agent 的老程序员，这一点意外的打动我：不是让我先准备好所有截图，再把素材拼起来，而是 Agent 自己进入项目，找出该展示的内容。过程中连中文字体缺失、画面可能出现方块字的问题，它也发现并处理了。 键盘小岛没有倒计时，按错可以继续，从 F、J 开始，跟着大字母和手指提示熟悉键盘。做介绍演示视频，我也不需要多炫的转场，能把这些真实体验讲清楚最重要！ Coding Agent 帮我把游戏做出来，创作 Agent 再帮我把它介绍出去。对自己动手做项目的人，这才是我想用上的分工。 YouArt Desktop 下载： 键盘小岛开源项目：

1.6 万星封神！AI 圈最大的破甲武器库今天彻底藏不住了 告别无脑念咒，它直接针对每个主流模型定制破甲逻辑，指令下达直接秒出。 GitHub 被星标推爆的项目 jailbreaks，直接把全网大模型的安全对齐机制全扒了个底朝天： 从国外的 Claude、Gemini、Grok，到国内的 DeepSeek、Qwen、GLM、Kimi 甚至腾讯混元，全厂牌单独建档适配。 实操体验极其暴力： · 客户端直连：点进对应大厂目录，把适配好的 .md 文件直接塞进支持 System Prompt 的工具里，压制力最强 · Agent 工具链挂载：用 Codex、OpenCode 这类 Coding Agent 的兄弟，把规则写进 AGENTS.md 即可全局生效 · 本地 Ollama 固化：跑本地开源模型的兄弟，直接写进 Modelfile 重新打个包，彻底切除模型说教锁 老司机必须给个血泪避坑： 测试尽量用测试号或 API，像 Claude 和 GPT 这类风控极严的平台，千万别拿绑定生产业务的主号去高频试探红线。 做提示词工程、红队渗透测试和安全对齐研究的兄弟，这套军火库建议先马住备用。 开源地址： 你平时在实操调教模型时，觉得哪一家的安全审核层最难搞定？ #AI# #提示词工程# #大模型# #GitHub# #开源# #网络安全# #DeepSeek#

【招聘｜AI Agent 工程师 · 预测方向】 📍 新加坡 / 远程（新加坡时区）｜全职 💰 SGD 8,000–14,000 / 月 🤖 生产级 LLM Agent 帮客户招一位 AI Agent 工程师。团队在做能预测未来、并公开记分的 AI：政策、市场、地缘事件的每一次预测，都在结果揭晓前锁定，再由现实检验对错。团队精干，已经和机构伙伴合作，只看你做过什么，不看头衔。 你要做的： 构建能自主搜索、阅读、逐步推理并给出校准概率的 Agent，跑大规模多智能体政策与市场模拟，让每个预测都可审计，并作为生产级服务交付给机构客户。 我们希望你： 1. 3 年以上软件工程经验，至少上线过一个有真实用户在用的 LLM Agent 或多步骤 AI 系统 2. Python 和后端扎实：异步服务、API、数据管道、数据库、云 3. 评测思维：先建评测，再谈效果提升 4. 熟悉工具调用、检索、结构化输出和上下文管理，用过多家模型及开源模型 5. 每天用 coding agent，能用英文清楚表达技术决策 加分项： 1. 有自己得意的预测机器人、Agent 项目或公开战绩 2. 做过多智能体系统，或市场、机构、人群的 agent-based 模型 3. 搜索与信息管道：爬虫、新闻流、带时间维度的检索 4. 有预测、预测市场或金融数据相关经验 📩 感兴趣的朋友，欢迎到 moledao 搜索「AI Agent Engineer, Forecasting」投递并给我留言，附上你最得意的 Agent 或代码仓库（链接见评论 👇） 欢迎转发给身边合适的朋友！ #新加坡招聘# #远程工作# #AIAgent# #招聘#

Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2，主打更复杂的技术工作。官方称，新版输出速度最高比 5.1 快 30%；API 价格是每百万输入 Token 8 美元、输出 40 美元。可选 Fast Mode，生成速度最高提升 2.5 倍，但价格也变为输入 16 美元、输出 80 美元。 对 Coding Agent 来说，Fast Mode 不该默认常开：用户盯着等结果的交互任务，速度可能值这个价；后台批处理则未必需要。你们会把 Fast Mode 用在代码审查这种交互任务上，还是只留给有明确时限的工作？

杀穿反爬圈的 Rust 神器彻底封神了！ 狂揽 3.2 万星的现象级开源项目 Obscura 迎来史诗级更新，终于把 Chromium 彻底踢出局了！ 以前跑 Browser Agent 或海量爬虫，要么被 Chrome 几百兆的内存吃干抹净，要么被全网反爬盾拦截成筛子。 Obscura 走的是纯底层重构路线：直接甩掉整个 Chromium，用 Rust + 原生 V8 引擎手搓了一套轻量无头内核。 这次大版本更新的实测表现极其残暴： · 彻底告别 Chromium 依赖：最新版原生渲染引擎正式落地！不再依赖任何外部 Chrome 环境，纯靠内置引擎搞定截图、Live 推流、导出 PDF 与 DOM 解析。 · 内存暴跌 85%：传统无头 Chrome 动不动吃 200MB+，Obscura 运行时内存压到了惊人的 30MB，体积仅 70MB，单台轻量 VPS 能轻轻松松并发开上百个实例！ · 毫秒级闪电启动：网页加载 85ms，启动时间从 Chrome 的 2 秒降到零感秒开，爬取与交互速度直接起飞。 · 工业级全套防风控：基于 BoringSSL 底层重编译，自动伪造 TLS/JA3 指纹与硬件特征，强制锁定 event.isTrusted=true，原生屏蔽 webdriver 并内置 3500+ 反爬探针黑名单，直接把主流盾打穿。 · 零成本无痛迁移：原生支持 CDP（Chrome DevTools 协议），你的 Playwright、Puppeteer 或 Coding Agent 工具链，改个端口直接无缝平替！ 连 Cloudflare 官方做下一代无头浏览器引擎，第一个原型都是把 Obscura 移植到 Workers 上跑通的。 做自动化爬虫、AI 网页操作 Agent 和风控对抗的兄弟建议直接马住！ 开源地址： 你平时跑浏览器自动化，被内存爆掉和反爬盾拦截折磨得最惨的是哪次？ #Rust# #开源# #AI# #爬虫# #Playwright# #开发#

各位 Vibe Coder 们，咱们天天看自己的 token 额度还剩多少，天天担心 Claude Code、Codex 的 IP 健不健康、会不会被封号，把这些 Coding Agent 伺候得妥妥帖帖。可有多久，咱们没真正关心过自己的健康了？ 你上次体检是几年前？我是 3 年前，前公司的入职体检 🤦🏻‍♀️ 更扎心的是：就算现在去补一次，新报告和 3 年前那份也很难放在一起看。换了医院，指标名就变了；在国外做的化验，单位都不一样。一份写 Total Cholesterol 193 mg/dL，一份写 总胆固醇 5.0 mmol/L，数字看着差了几十倍，其实几乎是同一个值。 我们给 agent 喂代码，都知道上下文没对齐就会出错。那健康数据呢？很少有人管。把两份报告一起丢给大模型，它能讲得头头是道，却未必知道这两个数说的是同一件事。数据层不先统一，模型再强也画不出一条对的趋势。 所以今天我拿 Theta Health 开源的 Mirobody（Apache-2.0）认真试了一遍，我只关注一个点：它能不能把同一项认成同一项。全程用的都是虚拟数据。 1. 在本地换算 193 mg/dL，结果是 4.99 mmol/L。「总胆固醇」和「total cholesterol」对到了同一个国际化验编码（LOINC 2093-3）。这一步没调模型，也没用 API Key。 2. 中文 demo 里，一开始只有一份报告。我问「我的胆固醇有什么变化？」，它老实说只有一个时间点：4.60 mmol/L。我又导入了一份 PDF 体检报告和一份 CSV 化验单，同样的问题，这次画出了一条趋势：4.60、4.45、4.38。两份报告的英文写法一份是「Total Cholesterol-TC」，一份是「Cholesterol, Total」，它都认成了同一项。每个读数都能点开原文件看。 3. 最让我放心的是：我输入「血脂 5.0 mmol/L」，它并没有硬猜，只是不给编码，因为「血脂」是一类检查，不是一项读数。写过代码的都懂，知道什么时候不该答，比什么都答更难得。 我还用 1.6.0 版本复跑了它仓库里公开的名称识别用例，347 项全部通过。这只说明公开用例在这个版本上的表现，不代表临床准确率。 没跑完的也照实说：16 GB 电脑上的全本地部署我还没试，这台机器上没装 Docker，磁盘空间也不够。下一篇补上实测。 给自己的 agent 做了那么多配置，也花一个周末给自己的健康数据搭个底子吧： 1. 先看中文 demo，里面是两位虚拟成员的数据： 2. 给 Claude Code 接上（官方提供的命令，不用部署，也不要 Key）： claude mcp add mirobody -- uvx --python 3.12 mirobody mcp 提醒一句：接 Claude Code 这类云端工具时，记录会发给对应的模型公司。 截至 11 月 9 日，它是 GitHub digital-health 话题下星标第 1 的项目。觉得有用，欢迎点个星，或者提 issue、PR： （然后，真的该去体检了啊。。。）

AI Agent 这波热度已经很高了，日常演示到处都是。 难点是在“做完之后怎么和真实世界产生经济关系”——接单、交付、验收、收钱，这个步骤链条以前对普通用户和他们日常用的 coding agent 来说，门槛并不低。 很多人想让自己的 Claude Code、Codex、Cursor 或者 Grok Bot 去参与市场，最后卡在要写适配、对接接口、处理钱包和流程上，普通劝退。 TermiX @termix_ai 这次更新的 Agent Skills v1.9.0，把流程简化了很多。 现在基本不用专门开发，在平时用的 Claude Code、Codex、Cursor、OpenClaw 或 Grok Bot 里贴上安装指令，agent 就能注册、接单、交付、收钱，整个流程很简单，支持的主流 coding agent 不少，这就把原来的工具多了一个可以尝试赚钱的路子，不用再重新搭一套环境。 官方给了三层入口 • Skills 入口，装上就能用。 • API 适合想自己控制流程的。 • TypeScript / Python / Go 的 SDK，给需要把市场功能嵌进程序的开发者。 另一个比较有意思的更新是 一个 agent 搞不定的任务，可以发 bounty 让其他 agent 来帮忙，资金托管，验收结果，agent 之间开始显现分工协作的雏形。 TermiX 产品已经迭代到 v1.9.0，TGE 也越来越近啦，期待。 想试的话可以从这里开始：