AlanW Mountain

来源：知识星球——测试开发之路，作者 高飞老师 AI模型为什么很少讨论”有没有Bug”你有没有发现，做 AI 测试和测传统软件，思路其实很不一样？ 测传统软件时，我们追求逻辑绝对正确——输入 1+1，输出必须是 2，多一点少一点都不行。 但 AI 系统不一样，它追求的是统计意义上的”足够好”——不要求每次都完美，但整体表现要达标，而且能持续学习改进。 所以，AI 测试人员的核心能力，不只是找功能缺陷。更重要的是，能把那些不确定的模型行为，转化成可观测、可比较、可追踪的质量指标体系。 在 AI 领域，业界很少直接说一个模型”有没有 bug”，更多说的是”效果好不好””指标是否达标””是否满足业务目标”。 这不是降低标准，而是因为模型本质不同： 模型是基于历史数据学习统计规律，不是基于完整规则覆盖全世界知识 世界数据是动态变化的，新知识、新表达、新场景每天都在出现 任何模型都不可能做到 100% 准确，尤其在开放场景中 所以，拿 1~2 条样本来评价模型优劣，本质上是不科学的： 单样本命中，可能只是偶然命中训练分布 单样本失败，也可能只是恰好命中的模型相对薄弱的地方 小样本...

按互联网大厂程序员面试高频题型整理 Linux 核心知识点，突出“分类、考点、典型问法、易错点、记忆口诀”，适合面试前快速突击和反复背诵。 目录 高频考点总览 Linux 基础认知 文件与目录操作 文件权限与用户管理 进程与线程 系统资源与性能排查 磁盘与文件系统 网络与端口排查 Shell 与文本处理 日志排错与线上定位 高频场景题 考前速背口诀 高频考点总览 分类 高频考点 面试频率 一句话记忆 基础认知 Linux 特点、内核/用户态、发行版区别 ⭐⭐⭐ 一切皆文件，靠权限和进程管理系统 文件目录 ls、pwd、cd、cp、mv、rm、find、软硬链接 ⭐⭐⭐⭐⭐ 找文件、看文件、改文件、删文件 权限用户 chmod、chown、chgrp、umask、用户组 ⭐⭐⭐⭐⭐ 三类用户，三组权限 进程管理 ps、top、kill、后台运行、僵尸进程、孤儿进程 ⭐⭐⭐⭐⭐ 进程是资源分配单位 性能排查 CPU 高、内存高、负载高、I/O 高怎么查 ⭐⭐⭐⭐⭐ 先整体，后进程，再线程 磁盘系统 df、du、inode、...

这篇适合用于互联网大厂程序员面试前突击复习。重点不是“知道名词”，而是能把每个考点讲成一段完整答案。 目录 一页速记总表 MySQL 架构与存储引擎 索引 SQL 执行过程与优化 事务与隔离级别 MVCC 锁机制 日志体系 主从复制与高可用 数据库设计高频考点 面试高频追问清单 背诵口诀 一页速记总表 分类 高频考点 面试常问 记忆点 存储引擎 InnoDB、MyISAM 区别 为什么线上基本都用 InnoDB？ InnoDB = 事务 + 行锁 + 外键 + 崩溃恢复 索引 聚簇索引、二级索引、联合索引、覆盖索引 联合索引为什么要遵守最左前缀？ 最左匹配，中间不断，范围后降效 优化 Explain、回表、索引下推、慢 SQL SQL 为什么没走索引？ 先看过滤，再看排序，再看回表 事务 ACID、隔离级别、幻读 RR 为什么还能防幻读？ Undo 保旧，ReadView 判可见，Next-Key 防插入 并发 行锁、间隙锁、临键锁、死锁 死锁是怎么产生的？ 资源争抢 + 加锁顺序不一致 日志 redo log、undo log、binl...

这篇适合用于互联网大厂程序员面试前突击复习。目标不是只会背名词，而是能把 Redis 高频问题讲成一段有结构、有因果的完整回答。 目录 一页速记总表 Redis 基础与线程模型 Redis 常见数据类型 持久化 过期删除与内存淘汰 缓存高频问题 高可用与集群 分布式锁 性能优化与线上问题 面试高频追问清单 背诵口诀 一页速记总表 分类 高频考点 面试常问 记忆点 基础 Redis 为什么快、线程模型 Redis 是单线程吗？为什么这么快？ 纯内存 + IO 多路复用 + 高效数据结构 数据类型 String、Hash、List、Set、ZSet、Bitmap、HyperLogLog、Stream 排行榜、去重、计数分别用什么？ 值用 String，对象用 Hash，队列用 List，去重用 Set，排序用 ZSet 持久化 RDB、AOF、混合持久化 RDB 和 AOF 有什么区别？ RDB 快照快恢复，AOF 丢数据少 过期 惰性删除、定期删除 Redis 为什么不主动扫全量 key？ 过期删除解决失效，淘汰策略解决内存满 淘汰 LRU、L...

覆盖互联网大厂程序员面试中常见的计算机网络高频知识点，按模块整理出核心考点、典型问法、易错点和方便背诵的记忆口诀。 目录 高频考点总览 网络分层与基础概念 TCP 与 UDP TCP 三次握手与四次挥手 TCP 可靠传输机制 HTTP 高频考点 HTTPS 与 TLS 握手 DNS、CDN 与负载均衡 Cookie、Session、Token、JWT 从输入 URL 到页面显示 高频场景题与面试话术 考前速背口诀 高频考点总览 分类 高频考点 面试频率 记忆关键词 分层模型 OSI、TCP/IP、各层职责 ⭐⭐⭐⭐ 分层、解耦、逐层封装 传输层 TCP vs UDP ⭐⭐⭐⭐⭐ 可靠/无连接/快 TCP 连接管理 三次握手、四次挥手、TIME_WAIT ⭐⭐⭐⭐⭐ 建连三次、断连四次 TCP 机制 重传、滑动窗口、流量控制、拥塞控制 ⭐⭐⭐⭐⭐ 可靠传输四件套 应用层 HTTP 方法、状态码、长连接、缓存 ⭐⭐⭐⭐⭐ 请求响应、无状态 安全 HTTPS、TLS 握手、证书 ⭐⭐⭐⭐⭐ 先认证，再加密 基础...

LeetCode 官方精选的「SQL 50 题」覆盖了数据库面试的核心知识体系，共分为 7 大类型。本文对每类题目的核心考点、出题规律与解题模板进行系统归纳。 目录 题目分类总览 Select 基础查询 Basic Joins 基础连接 Basic Aggregate Functions 聚合函数 Sorting and Grouping 排序分组 Advanced Select and Joins 高级查询 Subqueries 子查询 Advanced String Functions 字符串与正则 核心解题模板汇总 高频易错点速查 LeetCode SQL 50 题目索引 题目分类总览 类别 题目数 核心考点 难度 Select 基础查询 5 题 WHERE / LIKE / NULL 判断 ⭐ Basic Joins 基础连接 9 题 LEFT JOIN / 自连接 / IS NULL ⭐⭐ Basic Aggregate Functions 聚合函数 8 题 GROUP BY / HAVIN...

互联网企业技术面试 · LeetCode 知识点全覆盖 目录 基础数据类型 列表 List 字符串 String 字典 Dict 集合 Set 元组 Tuple 双端队列 deque 堆 heapq 排序 二分查找 bisect Counter & defaultdict & OrderedDict 递归与回溯 动态规划常用写法 位运算 数学运算 迭代器与生成器 链表节点 / 树节点定义 图的表示与遍历 常用内置函数 复杂度速记表 ACM 输入输出（笔试模式） 附录：高频面试题对应知识点索引 基础数据类型12345678910111213141516171819202122232425# 整数无限精度，无需担心溢出a = 10 ** 18# 浮点数比较import mathmath.isclose(0.1 + 0.2, 0.3) # True，避免直接 ==# 整除与取模7 // 2 # 3-7 // 2 # -4 (向下取整，注意负数行为)7 % 2 # 1-7 % 2 # 1 (结果与除数同号)# 类型转换int...

过去写一篇博客，往往是脑力和体力的双重消耗：整理资料、组织结构、反复润色、调整格式、预览发布，每一步都要手动完成，耗时也容易出错。 到了 AI 时代，我开始把“写博客”当成一条可复用的工作流来做：通过为智能体编写不同的 skills，把原本零散的步骤拆成可执行、可检查、可回滚的流程。 下面是我目前在用的一套实践流程： 在展开细节前，先说一个我自己的体感变化：以前一篇技术文经常要拆成几个晚上写，今天改一点、明天补一点，最后还要花不少时间做发布前检查。现在把流程交给智能体分工后，我能把更多注意力放在“观点是否成立、案例是否真实、结论是否有价值”这三件事上。 先备份，再修改在任何操作前先备份原稿，确保所有 AI 改动都可追溯、可回滚。这一步看起来简单，但它是整个流程的安全阀。 用测试工程师视角做内容拓展让智能体从专业角度审视文章：哪些观点不够严谨、哪些细节不够落地、哪些部分需要补充案例或反例。这一环节的目标不是“写得多”，而是“写得更有信息密度”。 润色语言与结构在不改变核心观点的前提下，优化语句通顺度和段落节奏，让内容更自然、更易读。我会特别关注两个点：术语是否准确、表达是否贴...

Streamlit 项目实战案例 快速入门代码覆盖率工具用起来其实很简单。首先安装： 1pip install coverage 在测试环境中启动项目时，只需要加上 coverage run 命令就行： 1coverage run --source=. -m streamlit run streamlit_app.py 这里有两个关键参数： --source=.：只统计当前目录下的代码覆盖率，其他目录的文件不计入 -m：告诉 Python 把后面的内容当作模块来运行 接下来，在 Streamlit 界面里跑一跑你的功能（手动点一点或者上自动化测试都行），测试完成后生成报告： 1coverage report -m # 在终端查看行覆盖率 想要更直观的报告？生成 HTML 版本： 1coverage html # 生成网页版报告，浏览器打开看 进阶技巧追加模式：不用重复执行新增了测试用例？不用把之前的用例重新跑一遍。启动项目时加上 --append 参数，coverage 会自动追加新的覆盖率数据： 1coverage run --append --source...

写在前面作为一名测试工程师，你是否也经历过这样的痛苦： 页面元素改了个 class 名，测试脚本全线崩溃 写了半天的 XPath 选择器，运行时却找不到元素 如果这些场景让你感同身受，那么今天要介绍的 Midscene 可能会让你眼前一亮——它是一个 AI 驱动的 Web 自动化测试框架，能够用自然语言来操作浏览器，告别繁琐的选择器维护。 什么是 Midscene？Midscene是字节跳动开源的基于AI的UI自动化框架，简单来说，Midscene 是一个让 AI 帮你”看”网页并执行操作的测试框架。传统的自动化测试需要精确定位元素（比如 //div[@class="submit-btn"]），而 Midscene 只需要告诉它”点击提交按钮”，AI 就能理解并执行。 核心优势 自然语言驱动：用中文描述操作意图，AI 自动理解执行 自动失败恢复：Selenium 测试失败时，AI 自动接手重试 无选择器维护：不需要写 XPath、CSS 选择器，页面改版影响小 与现有框架兼容：可以在现有 Selenium + Pytest 基础上增强 项目架构一览先来看...