目录 前言 一、项目背景与测试规划：先明确 "测什么" 和 "怎么测" 1.1 项目介绍 1.2 测试目标 1.3 测试范围与用例设计 编辑 二、环境搭建：3 步搞定自动化测试前置准备 2.1 安装核心依赖包 2.2 浏览器配置 2.3 项目目录结构设计 三、核心模块开发：封装公共工具，提高代码复用性 3.1 驱动管理与截图工具封装（common/Utils.py） 3.2 代码说明与优化点 四、测试用例开发：
最近我把自己在业余时间折腾 AI 编码工具的一些心得，整理成了三个共享插件，并开源了出来： * Claude Code：frontend-craft * Codex：frontend-craft-codex * OpenClaw：frontend-craft-openclaw 仓库地址： * https://github.com/bovinphang/frontend-craft * https://github.com/bovinphang/frontend-craft-codex * https://github.com/bovinphang/frontend-craft-openclaw 先说在前面： 这不是什么"装上就原地飞升、老板看了流泪、同事用了沉默"的神奇插件。 它更像是我个人在业余时间，一边踩坑一边攒出来的共享工具箱。 目标也很朴素： 把前端开发中那些高频、重复、适合标准化的 AI 工作流，尽量整理得更能复用一点。 另外也提前说明一下边界： 这几个插件基于公开工具能力和个人通用工程经验整理，不包含任何公司内部代码、客户资料、项目资料或内部文
前端GraphQL客户端：优雅地获取数据 毒舌时刻 前端GraphQL？这不是后端的事吗？ "REST API就够了，为什么要用GraphQL"——结果前端需要多次请求，数据冗余， "GraphQL太复杂了，我学不会"——结果错过了更灵活的数据获取方式， "我直接用fetch请求GraphQL，多简单"——结果缺少缓存、错误处理等功能。 醒醒吧，GraphQL不是后端的专利，前端也需要专业的客户端工具！ 为什么你需要这个？ * 减少网络请求：一次请求获取所有需要的数据 * 数据精确：只获取需要的数据，避免冗余 * 类型安全：自动生成TypeScript类型 * 缓存优化：智能缓存，减少重复请求 * 开发效率：简化数据获取逻辑 反面教材 // 反面教材：直接使用fetch请求GraphQL async function fetchGraphQL(query, variables) { const response = await
✨ 更新日志 * ✔️ 2026/3/3，2.0 版本，前端导航栏改为侧边栏系统，视频流采用websocket框架延迟更低， YOLO26/YOLO11/YOLOv8 视频流更稳定，在之前的系统增加 LLM 大模型智能分析，是科研必备，支持 YOLO26/11/v8 分类模型、目标检测、分割、obb、关键点检测任务，还支持双模型联合检测与识别，如人脸表情识别、人脸识别等一些识别任务需要检测模型与分类模型共同完成，在人脸表情识别中，单独使用检测模型去识别人脸表情也不是不可以，但有一个问题数据集如果全是头部照片的话，当模型预测的照片是全身照片时，模型识别准确率就没有这么高了， 那么这时候可以用检测模型识别人脸，把人脸信息输入到表情分类模型进行分类即可，反正这是一个通用的系统，更换自己模型即可，大家懂得都懂的，更多功能看下文即可。 摘要 在人工智能迈向通用化（AGI）的今天，“视觉感知 + 语言理解”的多模态联合是未来的趋势。单纯的检测画框已经无法满足复杂的业务需求，如何让系统“看懂”
前言 在现代 Web 开发中，前端和后端的协作变得越来越重要，特别是在需要实时交互和数据更新的应用场景中。WebSocket 技术作为一种全双工通信协议，使得前端和后端之间的实时数据传输变得更加高效和稳定。本篇博客将会探讨如何设计和实现一个实时匹配系统，其中前端负责展示用户界面并与后端进行交互，而后端则通过 WebSocket 协议来处理数据通信。 前端 onMounted: 当组件被挂载的时候执行的函数 onUnmonted: 当组件被卸载的时候执行的函数 初步调试阶段，我们是将token传进user.id的 store/pk.js: import ModuleUser from'./user'exportdefault{state:{socket:null,//ws链接opponent_username:"",opponent_photo:"",status:"matching",//matching表示匹配界面，playing表示对战界面},getters:
MinIO MinIO 是一款基于 Apache License v2.0 开源协议的对象存储服务，兼容 Amazon S3 云存储服务接口，可用于存储海量非结构化数据（如图片、视频、日志文件等）。本教程针对 Windows 系统搭建本地 MinIO 服务，适合开发测试、小型项目部署场景。 下载MinIO 官网下载 访问MinIO中文官网或MinIO英文官网，根据读者的操作系统选择相应的操作系统版本点击MinIO Server/AIStor Server和MinIO Client/AIStor Client的Download按钮下载对应文件。 说明：两版官网域名不同，Server/Client 的文字标题有差异，但下载文件一致；中文官网下载速度更快，优先推荐。 网盘下载 通过网盘分享的文件：Minio 链接: https://pan.baidu.com/s/
WHartTest v2.0.0 发布：AI 驱动的测试自动化平台 如果你还没听过 WHartTest，可以先用一句话理解它： WHartTest 是一个开源的 AI 驱动测试自动化平台，帮助团队把“需求理解 -> 用例生成 -> 测试执行 -> 结果回传”串成一个完整流程。 它基于 Django REST Framework + Vue 构建，融合 LangChain/LangGraph、知识库检索、MCP 工具调用等能力，目标是让测试团队更快、更稳地落地 AI。 为什么做 WHartTest？ 很多团队在用 AI 做测试时会遇到几个共同问题： 1. 只能“对话”，难进真实测试流程
import os import gradio as gr from openai import OpenAI client = OpenAI( api_key=os.getenv("OPENAI_API_KEY","sk-"), base_url=os.getenv("OPENAI_BASE_URL", "https://dashscope.aliyuncs.com/compatible-mode/v1"), ) MODEL_NAME = os.getenv("MODEL_NAME", "
前言 作为阿里云推出的智能编码助手，通义灵码凭借代码智能生成、智能问答、多文件批量修改、编程智能体等核心能力，能让开发者从重复编码中解放，专注于技术设计，目前百万开发者在用，企业端 AI 代码生成占比超 25%，研发效率平均提升 10%+lingma.aliyun.com。本文结合阿里云官方文档和实际实操经验，用通俗易懂的方式讲清通义灵码的安装、核心功能使用、实战技巧和常见问题解决，新手也能快速上手，让 AI 真正成为你的编程搭子！ 一、通义灵码基础认知 1. 核心能力 通义灵码的核心能力围绕「提效」展开，四大核心模式覆盖编码全流程： * 代码补全：秒级生成行 / 函数级代码、单元测试，支持注释生成代码，跨文件感知上下文； * 智能问答：不用离开 IDE，解决编码难题、排查报错，还支持图片多模态问答（贴截图就能解问题）； * 文件编辑：精准实现多文件批量修改，支持迭代和快照回滚，
摘要: Mem0是一个开源的AI记忆层框架,专为解决大语言模型(LLM)的"健忘症"而生。通过智能记忆压缩、图结构存储和自我改进机制,Mem0将AI Agent的记忆能力提升到了新高度——相比OpenAI原生记忆,响应质量提升26%,Token使用量降低90%,推理延迟减少91%。本文将深入剖析Mem0的技术原理、架构设计、安装部署流程,并与MemGPT、Graphiti、Zep等竞品进行全面对比,帮助你为AI Agent打造生产级长期记忆系统。 一、技术背景:为什么AI需要记忆系统? 1.1 大模型的记忆困境 自从ChatGPT横空出世,大语言模型(LLM)在生成能力和理解能力上取得了质的飞跃,但一个根本性缺陷始终存在——上下文窗口限制。 在现实场景中,这种限制表现为: * 医疗场景: 患者助理无法记住患者三周前的检查报告,每次对话都需要重新上传所有病历 * 客服场景: VIP客户的特殊偏好和过往投诉记录无法跨会话保持,导致重复服务 * 教育场景: 学习导师无法追踪学生一个月前的学习进度和薄弱知识点 * 电商场景: 个性化推荐系统无法基于长期消费行为优化建议 这
Skill 构建指南：从零打造 AI 智能体扩展包 引言 在人工智能时代，如何让智能体具备更强的专业能力和更丰富的工作流程？答案就是 Skill——一种为智能体设计的能力扩展包。本文将详细介绍如何从零开始构建符合规范的 Skill，让你的创意变成可分发的工具。 什么是 Skill？ 核心定位 Skill 是被智能体加载和执行的能力扩展包，而非独立运行的应用程序。 执行模式 * Skill 在智能体的会话上下文中被动态加载 * 智能体读取 SKILL.md 的指导，调用 scripts/ 中的脚本，参考 references/ 中的文档 * Skill 的所有交互都通过智能体与用户的对话完成 Skill 提供的能力 * ✅ 专门工作流程（多步骤程序与条件逻辑） * ✅ 工具集成（文件格式与 API 的使用方式） * ✅ 领域专家知识（公司或系统特有的架构与逻辑） * ✅ 打包资源（脚本、参考、资产） Skill
关键信息：GTC 2026 的官方会期是 3 月 16 日到 19 日，黄仁勋主题演讲是 3 月 16 日 11 a.m.–1 p.m. PT，而 8–11 a.m. PT 是官方暖场直播；另外，Vera Rubin 平台并不是等到 GTC 2026 才首次亮相，它已经在 CES 2026 官宣，并确认将在 2026 年下半年随合作伙伴落地。(英伟达投资者网站) GTC 2026，不只是一次发布会：英伟达正在把 AI 从“