大佬，给老项目做知识库搭建做测试用例生成，有没有好方案不。

学到了

蹲到最新的文章。现在这环境，测试 qa 还有得玩不。

不是测开凉了，而是测开的标准高了，但凡公司引入过 ai 上项目的人就知道有多少坑的了。没有那么简单的。测试也没有凉，大厂测试合并到开发，只不过是降本增效手段而已，又不是凉了，其他公司也有专门的测试在做，比如 agent 测试，算法测试等。

评估、测试 skill 的方法和 llm as a judge 方法很相似，都是拿另外一个更好的去评估现有的。

蹲到 skill 了。

有直播回放？

那评测工程化的方法论还有相关项目有不，有具体的案例不？

牛啊，谢谢佬，我先试一试。

谢谢佬

有没有通用的解决方案，针对各种自研的 agent 平台。

对了那个轨迹判断，每一次发送 prompt 给 llm，llm 决定调用哪些 tool，而且每次他的轨迹都不一样，那么怎么做质量评估，甚至有时候直接用大模型里面的内容进行返回， 没有使用 tool，这样的话怎么做评估。

抱紧大佬的大腿

蹲，DeepEval 框架做 agent 工具链质量评估，有试过嘛，能出一期嘛。

蹲，期待一下。

蹲能否出一个测试 mcp 还有 skill 的测试方法论或者测试方法。

蹲

蹲剩下的两篇

忙着年终总结呢

然后有什么 ai 测试的方法论不

所以有什么方法或者理论嘛，看了整篇了。

mark，期待你的开源。

同问。

而且这玩意要需求文档够明确，如果需求文档有点模糊的话容易抽风把。而且还有需求文档内容超过大模型上下文等问题。

这个 ai 测试平台用的人多嘛。不多的话可以用 ai 的 ide 做这个，就不用搭建平台了。