不好意思，这次没有录屏，下次会留意这个点。

理论上应该可以，找到了一篇相关文章，你可以看看？https://medium.com/@andrey.fomenkov/kotlin-jacoco-tuning-compiler-to-skip-generated-code-935fcaeaa391

感觉还是比较粗，比如 testng，可以有几种层次

1. 能够用 testng 写一个用例，mvn test 跑起来就足够
2. 可以使用 testng 框架机制完成如失败自动截图、生成测试报告、用例自动重试这类常见框架机制，并掌握它的大部分用法（如 dataprovider，parameter，用例执行顺序的设定，并行执行等）
3. 对 testng 原理及源码都深入研究，出问题可以立即定位甚至改源码解决

这三个层次差异挺大的，学习需要的时间精力也不一样。

建议对于学习目标的设定，可以参考下 使用验收标准来进行高效学习 里面提到的方法？

mock 平台只是借助一个公共服务提供的简单 mock 服务（不能根据入参返回不同值）

建议看看 easy-mock 或 mockjs ，现在 mock 已经可以通过 js 语法做到简单的根据入参返回不同值了，而且很多场景下都非常需要。

挺不错。

提个小建议，flag 最好具体一些，例如学会使用 python django 完成一个 to-do list 网站的开发。太简洁的 flag 容易守不住。

现在加上了吗？申请的时候有提及报名了广州沙龙的，我们一般都会通过的。

还是好好奇，为啥不直接把你要装的几个东西用 yum 装？另外，你截图里要 scp 的东西，好像具体文件 github 仓库里也没有？

如果是我，可能我只装个 docker ，剩下的都用 docker 解决，这样服务器环境比较干净，也不担心不同服务需要版本不一样的问题。jdk 这些在本地机器 debug 的时候才装。至于 jenkins 构建需要用到 java ，python 之类的，可以在 jenkins 镜像里预先装好这些。

这两个点确实是实践中需要特别留意的。不准确的覆盖率很容易在前期失去用户的信任。

加精理由: 讲得很全面，而且语言幽默，挺吸引人

和组长先说明下你的压力，让他有个准备。然后就厚着脸皮奋力前进吧。

我以前也经历过这种压力，虽然知道能成长，但还是很难一下子适应，很想诉诉苦。这种时候可以找个好朋友聊下，说出来后心里会好受一些。

@pp2018 @ 球形闪电 加了一些名额，报名赶紧啰

加了一些名额，报名赶紧啰

广州测试小伙伴的热情超出想象，离沙龙还有一周，所有门票就已经售罄，而且还有不少没有报上名的小伙伴在咨询我能否参加。
经过和场地方的沟通，这次沙龙临时增加了 20 个座位以让更多小伙伴可以参加。想报名的同学赶紧咯~

报名地址：https://www.bagevent.com/event/2017578

写得很棒！

在我们公司实践中，需求评审还有一个很重要的点，明确需求的业务价值，也就是常说的 为什么 。由于迭代速度快，需求很难做到面面俱到，这时候统一明确的目标能帮助大家遇到这类情况快速解决，同时在时间不足的情况下也可以快速砍低优先级需求。甚至有时候在需求评审的时候发现业务价值并不大，直接整个需求回炉再造。

git 和 svn 都有命令行的呀。

git blame <filename> 可以看指定文件每行的作者
git log <filename> 可以看文件的提交历史

git 或者 svn 达不到目的？

这么好用的功能，考虑下加入到对外版本里？

是的，改变人是最难的，需要时间和不断地重复宣传。

ppt 可以到这里下载：https://mp.weixin.qq.com/s/vpaYtV30_iukSgMJgrnwdA

比较接近的方式：直接在 docker 虚拟机里，直接起 mysql，redis，appach，应用等

docker 化后，起个 mysql 、redis 等中间件只需要一个命令即可，不需要安装。还可以用 docker-compose 做编排，没有必要在一个容器里把所有服务都装上。而且 docker 并不鼓励把容器当虚拟机用，要先转换下以前用虚拟机的一些玩法概念。

按照楼主的场景，我觉得 node 这个方式是正解了。现在是还有什么问题吗？

赞！可以单独开篇帖子说下这个问题了

我了解到的是通过读取生成的全量报告里一个专门存储覆盖率数据的部分，通过解析它来计算的。行覆盖率通过 git diff 获取到的改动后的行号，然后对比覆盖率数据确认是否有覆盖来计算。大致公式是：已覆盖改动行/所有改动行数

没有经手这个项目，很细节的算法不是很了解。

能说详细点吗？大家都很期望了解下区块链测试相关的知识。

这种方式很不错，把训练结果直接分享给大家应用，不需要每个人都学会 ai 。

看了下插件，目前已有100 多个 label 可选，基本都是常用功能的图标，期待以后除了给出训练结果，还可以提供训练模型的方法，便于训练针对自身应用的模型。