• 功能问题:
    大部分情况下测试主责
    特殊情况下如, 缺陷被发现但是修复后遗留深层的缺陷导致线上问题, 研发改了不该改的不在测试范围内的功能, 研发主责
    非功能问题, 如性能、兼容性
    测试前要明确范围, 范围内的测试主责
    其他非测试流程问题, 如线上配置错了、代码合并漏了等等测试最多次责

  • 归途 (快回家了) at 2026年02月03日

    婚假还能只休 3 天? 不是只能一次性用完嘛

  • 寒冬了么 at 2026年01月28日

    确实, 现在有问题基本不去这些网站上搜索, 直接问 ai 方便很多
    来社区一方面是摸鱼, 顺便了解下行业动态和技术趋势提高一下技术视野,
    比如最近 ai 的火热,从社区看到了很多实践, 也看到了很多专业文档 (比如恒温提到的 Hello-Agents, 狂师提到的 skills) 方便学习

  • 效果咋样

  • 如何分别构造 未上架、已上架、已下架 状态的商品数据?
    是按照方案二的 1、3、5 流程构造吗, 那么你需要执行 3 次 , 那还不如直接使用方案一效率更高
    还是通过改数据? 或者从数据库里捞取已有的数据?, 各有优缺点

  • 认同使用这些指标作为质量管理的引入点, 但不认同长期使用. 上有政策下有对策, 好的指标使团队聚焦提高战斗力, 但有的指标使团队陷入内耗

  • 不是说重复缺陷, 或者无效缺陷, 比如样式问题, 如果没有考核,那么写个文档所有样式问题放一起, 要考核那就一个样式一个缺陷
    千行代码缺陷量也是, 本来少量的代码能解决的, 为了数据把代码量堆上去, 而且不同模块的代码本身要求差异就大, 比如业务代码和核心算法

    总之个人觉得这些指标都比较形式化, 属于面对复杂质量问题无奈的表现, 不去深究问题根因试图靠简单的指标解决问题

  • 好奇一点, 为了数据好看, 会不会导致一些很小的问题也提一个 bug, 或者一个 bug 拆分成多个

  • 2025,我们这样评测 AI at 2026年01月09日

    不明觉厉

  • 人工智能训练师的含精量 at 2025年12月31日

    这证书随申办可查吗, 通过后有没有补贴
    我们公司以前组织考证, 过了有钱发, 减去报名费还可以小赠一笔