<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
    <channel>
        <title>软件测试 on 火炬树</title>
        <link>https://torchtree.com/tags/%E8%BD%AF%E4%BB%B6%E6%B5%8B%E8%AF%95/</link>
        <description>Recent content in 软件测试 on 火炬树</description>
        <generator>Hugo -- gohugo.io</generator>
        <language>zh-cn</language>
        <copyright>TorchTree Co., Ltd.</copyright>
        <lastBuildDate>Thu, 19 Nov 2026 10:53:32 +0800</lastBuildDate><atom:link href="https://torchtree.com/tags/%E8%BD%AF%E4%BB%B6%E6%B5%8B%E8%AF%95/index.xml" rel="self" type="application/rss+xml" /><item>
        <title>“土豆姐”的 AI Coding 工程方法：把纠错写进系统</title>
        <link>https://torchtree.com/post/poteto-ai-coding-verification/</link>
        <pubDate>Thu, 19 Nov 2026 10:24:46 +0800</pubDate>
        
        <guid>https://torchtree.com/post/poteto-ai-coding-verification/</guid>
        <description>&lt;p&gt;修好一个 PR，只解决了这一次的问题。Lauren Tan 的 AI Coding 方法多问一步：&lt;strong&gt;下一个 PR 犯同样的错，谁会先发现？&lt;/strong&gt; 如果还是评审者，团队就得再做一遍同样的判断。她建议把这种判断写进接口或检查，让 Agent 在送审前就收到反馈。&lt;/p&gt;
&lt;p&gt;Tan（Poteto，中文社区称「土豆姐」）是 SpaceXSI Grok Bot 团队的首席工程师。她在 2026 年 11 月 11 日的 AI Engineer CODE 演讲 &lt;a class=&#34;link&#34; href=&#34;https://ai.engineer/code/2026/talks/lauren-tan&#34;  target=&#34;_blank&#34; rel=&#34;noopener&#34;
    &gt;《All Code Is Slop (Except Mine)》&lt;/a&gt; 中讲了团队如何建立这类约束。下面用一个数据导入故障说明，&lt;strong&gt;修好这次&lt;/strong&gt;和&lt;strong&gt;防住下次&lt;/strong&gt;分别要做什么。&lt;/p&gt;
&lt;h2 id=&#34;1-定验收条件分清重试和新任务&#34;&gt;1. 定验收条件：分清重试和新任务
&lt;/h2&gt;&lt;p&gt;假设一个导入任务已经写入数据，客户端却因超时没收到成功回执，于是重试。团队要先确认两件事：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;同一个任务重试&lt;/strong&gt;：已经写入的数据只保留一份。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;用同一份文件另建任务&lt;/strong&gt;：新任务仍可执行。&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;两种请求的文件内容一样，产品要求却不同。如果只交代「防止重复导入」，Agent 可能按文件去重，连合法的新任务也拦掉。把这组条件定下来，才能判断修复有没有做对。&lt;/p&gt;
&lt;h2 id=&#34;2-修好这次让同一个检查在旧版失败新版通过&#34;&gt;2. 修好这次：让同一个检查在旧版失败、新版通过
&lt;/h2&gt;&lt;p&gt;在测试环境复现「数据已写入，回执未送达」，重试原任务，检查实际写入的记录。先让 Agent 在旧版复现重复写入；改完再跑同一个检查，确认只写入一次。再用同一份文件发起新任务，确认该写的数据仍能写入。&lt;/p&gt;
&lt;p&gt;这样，评审者看到的是&lt;strong&gt;同一个检查能区分错误行为和预期行为&lt;/strong&gt;。单看新版通过，无法知道检查有没有触发原来的故障；只查重复写入，又可能把「一律拒绝后续导入」误判为修复。验收条件应在改代码前确定，运行结果则由 Agent 交付。&lt;/p&gt;
&lt;h2 id=&#34;3-防住下次把回归检查接进合并流程&#34;&gt;3. 防住下次：把回归检查接进合并流程
&lt;/h2&gt;&lt;p&gt;把上述检查留下来，每次合并前自动跑。同样的故障再出现时，Agent 会先看到失败，不用等评审者重新解释一遍。&lt;/p&gt;
&lt;p&gt;但测试只能保护它实际跑过的路径。假如新加的导入入口绕过了旧入口里的保护，旧测试可能仍然通过。多个入口都要遵守的规则，应该放到&lt;strong&gt;它们共同经过的接口&lt;/strong&gt;。迁走旧写法，也能避免 Agent 把过时的代码当作范例。&lt;/p&gt;
&lt;p&gt;在这个例子里，测试判断重试有没有多写，公共接口让新入口也遵守同一规则。&lt;code&gt;AGENTS.md&lt;/code&gt; 可以解释为何按任务判断，执行这条规则则是代码的职责。&lt;/p&gt;
&lt;pre class=&#34;mermaid&#34;&gt;---
config:
  flowchart:
    curve: linear
    rankSpacing: 28
---
flowchart TB
    accTitle: 修好这次，防住下次
    accDescr: 蓝色实线表示检查失败后修改本次补丁。琥珀色虚线表示评审发现重复错误后补上约束，让后续改动也受约束。
    H[&amp;#34;定义验收条件&amp;#34;] --&amp;gt; A[&amp;#34;Agent 修改代码&amp;#34;]
    A --&amp;gt; V[&amp;#34;运行验收检查&amp;#34;]
    V --&amp;gt;|失败：改这次| A
    V --&amp;gt;|通过：提交证据| D[&amp;#34;评审改动&amp;#34;]
    D --&amp;gt;|发现重复问题| F[&amp;#34;更新接口或检查&amp;#34;]
    F --&amp;gt;|防住下次| A
    classDef verify fill:#e7f0ff,stroke:#2563eb,color:#132b55,stroke-width:2px
    classDef feedback fill:#fff1d6,stroke:#b45309,color:#713508,stroke-width:2px
    classDef review fill:#eef4f8,stroke:#58708a,color:#20374f
    class A,V verify
    class F feedback
    class H,D review
    linkStyle default stroke:#58708a,color:#334b65,stroke-width:1.5px
    linkStyle 2 stroke:#2563eb,color:#1e40af,stroke-width:2.5px
    linkStyle 4,5 stroke:#b45309,color:#92400e,stroke-width:2.5px,stroke-dasharray:5 3&lt;/pre&gt;
&lt;p&gt;先挑一条最近反复出现的评审意见，问：&lt;strong&gt;下次写错时，能不能在送审前就报错？&lt;/strong&gt; 让一个 Agent 能根据这个报错修正改动，再考虑并发。否则，多出来的只是等人检查的补丁。&lt;/p&gt;
&lt;p&gt;延伸阅读：&lt;a class=&#34;link&#34; href=&#34;https://torchtree.com/post/anthropic-harness-design/&#34; &gt;Anthropic Harness 设计解析&lt;/a&gt;，讨论任务复杂到需要拆分生成与评估时，如何安排角色。&lt;/p&gt;
&lt;hr&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a class=&#34;link&#34; href=&#34;https://www.youtube.com/watch?v=O_zcc6Xl12g&#34;  target=&#34;_blank&#34; rel=&#34;noopener&#34;
    &gt;All Code Is Slop (Except Mine)：演讲录像&lt;/a&gt;（Lauren Tan，AI Engineer CODE，2026 年 11 月 11 日演讲）&lt;/li&gt;
&lt;li&gt;&lt;a class=&#34;link&#34; href=&#34;https://ai.engineer/code/2026/talks/lauren-tan&#34;  target=&#34;_blank&#34; rel=&#34;noopener&#34;
    &gt;All Code Is Slop (Except Mine)：会议资料与逐字稿&lt;/a&gt;（AI Engineer，2026 年 11 月 11 日会议）&lt;/li&gt;
&lt;li&gt;&lt;a class=&#34;link&#34; href=&#34;https://ai.engineer/talks/O_zcc6Xl12g-all-code-is-slop-except-mine&#34;  target=&#34;_blank&#34; rel=&#34;noopener&#34;
    &gt;All Code Is Slop (Except Mine)：幻灯片索引与案例说明&lt;/a&gt;（AI Engineer，2026 年演讲资料）&lt;/li&gt;
&lt;/ul&gt;
</description>
        </item>
        
    </channel>
</rss>
