在衡量AI编程能力的众多指标中，SWE-bench正在成为一个被频繁引用的标准。包括Claude、DeepSeek、智谱GLM-4系列在内的新一代模型，越来越多地将SWE-bench作为能力验证的重要参考。 在新一代模型（如Claude ...

我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。