AI 助理寫程式後,工程師如何用測試和檢查守住軟體品質
AI 助理能快速寫出程式,但大家還不一定知道怎麼確認它真的能在正式環境正常運作。作者整理兩篇工程師的討論,認為測試、架構決策紀錄和交付檢查可以替團隊留下程式為何這樣寫的線索。Thoughtworks 有個團隊試了一週不由人寫程式,改讓 AI 助理完成工作;大部分時間花在釐清需求和準備檢查方式,讓 AI 助理下次照著做。作者也提醒,如果錯誤訊息常常出現,大家可能會忽略真正的問題,因此測試和檢查必須可靠,團隊也要留時間回頭閱讀、整理程式。
AI 助理能快速寫出程式,但大家還不一定知道怎麼確認它真的能在正式環境正常運作。作者整理兩篇工程師的討論,認為測試、架構決策紀錄和交付檢查可以替團隊留下程式為何這樣寫的線索。Thoughtworks 有個團隊試了一週不由人寫程式,改讓 AI 助理完成工作;大部分時間花在釐清需求和準備檢查方式,讓 AI 助理下次照著做。作者也提醒,如果錯誤訊息常常出現,大家可能會忽略真正的問題,因此測試和檢查必須可靠,團隊也要留時間回頭閱讀、整理程式。
瀏覽器頁面常有各種特殊狀況,固定的操作工具可能不夠用。browser-use 1.0 把原本 24 個瀏覽器操作整合成一個持續運作的 Python 環境,讓 AI 助理自行寫程式,並透過 Chrome DevTools Protocol 操作瀏覽器。團隊在測試中看到,AI 助理能處理原本沒設計專用工具的狀況,例如避開卡住的網頁程式,再直接取得頁面資料。作者也提醒,遇到 CAPTCHA 時,專用工具在小規模測試中表現較好;新版的分數比較則只跑過一次,而且預設設定也有變動。
API 收到太多請求時,可能被爬蟲、出錯的程式或大量重試拖慢;多臺伺服器各自計數,也會讓同一個人超過限制。文章先整理設計前要問的問題,再比較五種限流方法:固定視窗簡單但時間交界可能放過雙倍請求;滑動視窗較準確;令牌桶容許短暫突發;漏桶則讓請求以固定速度通過。選哪一種要看是否能接受突發、需要多精確,以及記憶體成本。多臺伺服器必須共用計數;在 Redis 分開執行增加計數和設定到期時間,可能留下永不過期的計數。作者建議把檢查合成一次不可被打斷的操作,例如用 Redis Lua 指令碼,避免同時到來的請求都誤以為還有額度。
表單資料常有空格、格式不一或空白欄位,直接送進 CRM 或 AI 助理可能讓後續流程出錯。這篇教學用聯絡資料示範 n8n 的三種整理方式:簡單的欄位增刪與改名用 Edit Fields,單行的小轉換用表示式,遇到條件和重複處理再用 Code 節點。例子會把電話、電子郵件、金額和日期整理成一致格式;電話或日期不合規時則標記為待確認,交給人員檢查。作者也提醒,固定規則用程式處理較可靠,AI 助理適合處理需要理解文字意思的工作。
Telegram Stars 付款看起來只要收款後交付商品,但如果後端沒有仔細核對,可能接受偽造通知,或因 Telegram 重送資料而重複交付。作者示範用 PHP 處理完整付款流程:先替訂單資料加上簽章,付款前核對訂單、金額和幣別,再用資料庫交易與鎖定避免同一筆付款被處理兩次。文章也提醒,付款確認要在 Telegram 規定的 10 秒內回覆,並驗證 webhook 的金鑰;若交付失敗,可用 refundStarPayment 退還 Stars。
Cursor 和 GitHub Copilot 的入門付費方案只差 $2:Cursor Plus 每月 $8,GitHub Copilot Pro 每月 $10;但兩邊收費代表的內容不一樣。Cursor Plus 只能用 Grok 模型,想用第三方模型要從每月 $30 的 Premium 開始;GitHub Copilot Pro 則包含 Claude Code、Codex 等 AI 助理,以及 $15 的每月額度。 GitHub Copilot 各付費方案會列出額度金額,方便估算花費;Cursor 列的是使用量倍數,卻沒說共同使用額度到底有多大,因此不能直接拿兩邊比較。買 10 個帳號時,Cursor Teams 每月 $300,GitHub Copilot Pro+ 每月 $390;最高方案則是 Cursor Ultra 每月 $2,000,GitHub Copilot Max 每月 $1,000。該選哪個,得看你需要哪些模型,以及想不想先算出每月用量預算。
cron 排程寫起來很短,卻容易讓工作在不對的時間執行。文章解釋兩種常見誤讀: 9 會在上午 9 點的每一分鐘都執行;0 9 1 1 則會在每月 1 日和每個星期一上午 9 點執行,不是隻挑兩者重合的日子。若要只在星期一遇上 1 日時執行,可以排在每個星期一,再由指令檢查日期。文章也提醒,排程可能採用 UTC,像 /7 這種間隔每小時會重新計算;部署前先檢視接下來幾次執行時間,有助於避免排錯。
把圖片切成小塊放大,常會在接縫處看到淡淡的格線;多留一些邊緣再裁掉,能改善這個問題,但也會花更多時間。作者用 Real-ESRGAN General x4v3 比較不同補邊寬度:每塊留 24 畫素時,結果和整張圖片一次放大的差異已很小;留 34 畫素時,這次測試的輸出完全相同。補邊越寬,處理通常越慢,而且合適的寬度會因模型而異,作者建議用同一張圖比較整張處理和分塊處理的差異。這個結果只適用於這次測試,不能直接推到使用注意力機制的模型;放大後的細節也是模型猜出來的,不適合拿來辨識身分、做鑑識或確認 OCR 文字,原圖仍要保留。
讓 AI 回答 CSV 試算表問題時,直接把資料列交給模型可能洩漏內容,也可能算錯;讓模型執行任意程式碼還會帶來遠端程式碼執行風險。作者打造 AskGrid,讓模型只讀取欄位名稱和資料型態,並把問題轉成固定格式的分析要求,再由 Pandas 執行允許的運算,附上計算過程。作者也用自動測試找出三個問題,包括把訂單編號誤認成負數金額,以及模型把「前三名」理解成列出全部群組。修改提示詞後,測試中的意圖判斷與數字結果都達到 100%;這些結果來自文中的測試案例。
AI 助理寫出的程式還沒經過檢查,直接在自己的電腦上執行,可能碰到個人檔案、環境變數或已登入的服務。Sandscale 提供一份開源 quickstart,讓每次執行都在新的 Firecracker microVM 沙盒中進行,結束後就丟棄;範例也能測試執行逾時,或把程式執行結果交回支援工具呼叫的模型。每個沙盒有自己的核心,隔離效果比共用核心的容器更強,但作者也說這不代表完全安全,網路存取仍由另外的政策控制。放進沙盒的程式仍能讀取其中的資料和金鑰,因此應只提供短效、許可權有限的憑證。
開發工具的網站如果只放筆電照片,訪客很難看出產品有什麼用。作者用 React 和 Canvas 做了一個免費的首頁主視覺範本:畫面上有程式碼範例、即時請求紀錄和可複製的安裝指令,背景則是像《駭客任務》那樣往下流動的程式碼。程式碼雨每秒最多畫 24 次,畫面捲出視窗或分頁被藏起來時就會暫停;如果訪客選擇減少動畫,也只會顯示一張靜止畫面。這樣既能讓開發者一眼看到產品和程式碼有關,也不會讓背景動畫一直忙個不停。
待辦清單有時很難讓人持續做下去,Brickday 把完成工作變成闖關:使用者可以設定工作和自訂獎勵,完成工作後拿到經驗值、升級,也能累積連續活動天數。難度較高的工作會給較多經驗值;兌換獎勵會減少可用點數,但不會扣掉升級用的累積經驗值。Brickday 也能安排每天或每週重複的工作。它目前把資料存在使用者的瀏覽器裡,因此不需要後端就能使用,但沒有帳號、雲端資料庫或跨裝置同步;換裝置時,進度不會自動跟著過去。
想知道 Agoda 和 Booking.com 哪家便宜,得先確保比較的是同一間飯店、同一段住宿。這篇教學用 Python 同時搜尋兩個網站,再用飯店名稱和座標配對,整理出每晚含稅價格、價差與哪家較便宜的表格。配對結果可以回頭檢查,但比較只涵蓋兩邊都找到的飯店;稅費、房型和取消條件也可能不同,所以結果適合當作價格線索,不能直接代表整個市場。
在小型 VPS 上部署 Laravel,手動寫設定檔容易漏掉佇列重啟步驟,也可能讓 PHP-FPM 開太多程式、擠壓 MySQL 可用的記憶體。Mahmud Hasan 做了一個免費產生器,填入網域、專案路徑、PHP 版本和資料庫等資料,就能產生 nginx、PHP-FPM、Supervisor 設定、部署檢查清單和 .env 範本;PHP-FPM 的程式數量會依記憶體計算,清單也會提醒部署後執行佇列重啟。它適用於 Ubuntu 24.04 的單一伺服器,不涵蓋多臺伺服器、Octane 或負載平衡器;產生的 APP_KEY 仍須為每個專案各自建立。
銀行和企業每天仍會交換固定格式的付款檔案,但如果讀不懂描述欄位的 COBOL copybook,人工整理時就容易出錯。Luke Shin 用 Kiro 打造「820」,把檔案解析、付款資料核對和人工例外決定分開處理;AI 助理只能說明程式已算出的結果,不能決定核對判斷。作者也記錄了審查助理一度捏造程式問題,以及自動化掛鉤看似成功、實際上沒有執行的情況,並用測試和執行紀錄找出問題。這次經驗展示瞭如何讓 AI 助理的工作結果能被程式和紀錄查核。
PyTorch Dynamo 的測試放在同一個程式裡跑時,會互相影響,原本有 63 個測試失敗。這次修改了測試共用的程式,讓設定能還原、只有能重新載入的函式才會寫進重現問題用的程式碼,也避免載入測試檔時就先執行整套測試設定。修改後只剩 1 個失敗,而且那個測試單獨執行也會失敗,與這次問題無關。這表示測試彼此幹擾的情況大多獲得修正。
GitHub Copilot 桌面版更新到 1.4.0 後,工作階段可能突然無法重新連線,健康檢查卻仍顯示正常。作者建議先更新到 1.4.2 並直接測試;GitHub 沒有確認這版修好重新連線問題。若仍失敗,可用更新前的資料庫備份還原,再退回 1.3.0;只降版無法救回工作階段。作者也提醒關閉自動更新,並指出受影響工作階段的程式碼仍在 worktree,可改用 VS Code 繼續工作。
Codex CLI 有時會送出 400 錯誤,但同一個請求不壓縮就能成功。問題可能出在 zstd 壓縮:有些內容壓縮後變得太小,伺服器解壓時發現內容膨脹太多,便拒絕請求。像是整份請求看起來只膨脹 2.65 倍,仍可能因為其中某一段超出限制而失敗。 目前還沒有確認有效的使用者端解法。把請求內容縮短只是尚未測試的嘗試;關掉壓縮也還沒證實有用。縮短對話內容也不會有幫助,因為整理後送出的仍是同一份內容。這個問題回報後仍未解決,所以遇到時,先確認不壓縮能否成功,別把未驗證的做法當成修好了。
想在 PC 上執行 Xbox 版 GTA 6,得先處理主機專用的程式和影像資料。開源專案 Leonida 會用玩家自己的遊戲檔案,在電腦上重新組合程式,並把 Xbox Series 的影像程式轉成 Vulkan 能用的格式。目前已完成著色器轉換,也能匯出部分模型、材質和音訊;但遊戲還無法啟動,也沒有可玩的內容。專案需要 Windows 10/11 和約 350 GB 可用空間,且不附遊戲檔案、金鑰或執行檔。
服務每次收到請求都回傳 504,伺服器卻沒有錯誤紀錄,健康檢查也顯示一切正常。作者從執行緒記錄找到原因:更新存取權杖時,程式在同步鎖裡呼叫認證服務,卻沒有設定逾時;第一個執行緒一直等不到回覆,其他執行緒也排在鎖後面,最後 205 個執行緒都無法處理新請求。作者建議替每個對外呼叫設定逾時、讓等待鎖的執行緒能限時退出,並用資料庫鎖處理資料列更新。監看忙碌執行緒數和依賴服務延遲,也能更早發現服務卡住。
把問題和伺服器日誌交給雲端聊天機器人,內容會送到別人的伺服器;公開的 Telegram 機器人也可能被陌生人找到。這篇教學示範如何在 Ubuntu VPS 上用 Docker 執行 Telegram AI 助理,並用 Ollama 在自己的伺服器跑 Qwen 2.5 的 0.5B 版本。機器人只回覆設定的 Telegram ID,輸入 /logs 還能請它整理系統日誌。作者提醒,Ollama 應維持只在伺服器本機連線,避免把沒有驗證機制的服務公開到網路上;小模型適合簡短問題和摘要。
想讓 Claude Code 改用第三方服務,得先確認對方支援 Anthropic 的 Messages API;只有 OpenAI 格式的 API 不行。設定好服務網址、API 金鑰和模型名稱後,Claude Code 就會把請求送到那裡。以 ModAPI 為例,網址不能加上 /v1,因為 Claude Code 會自己補上;也可以替金鑰設定可用模型和花費上限。換服務前,記得確認收費、資料儲存方式,以及串流回覆和工具呼叫是否正常。
每次執行自動化工作都重新啟動 Codex,可能增加等待時間。OpenAI 發布 Codex CLI 0.171.0,讓指令稿可以透過 codex exec --remote <ADDR> 接上已在運作的伺服器,開始或繼續非互動工作階段;終端工作區也改為預設開啟,讓檔案、圖片預覽和 AI 助理的工作紀錄能顯示在對話旁。這次更新也加入復原與重做快捷鍵,以及管理遠端控制和裝置配對的指令。文章提到,長時間運作的伺服器在共用環境中的登入與配對方式,仍需要更多說明。
把 MySQL CDC 平行度設為 8,不代表會同時讀取 8 張不同的表;如果一張大表被切成多個資料範圍,8 個讀取器也可能都在處理它。作者說明 SeaTunnel 如何分配快照工作,以及如何把讀取期間的 binlog 變更和快照資料對起來,避免刪除或更新被舊資料蓋回去。排查時,可先看各個資料範圍的完成時間和資料是否偏斜,再分別檢查資料庫讀取、binlog 追趕和寫入速度。測試也要確認更新或刪除發生在快照讀取期間,並按主鍵檢查結果;只看總筆數可能看不出資料錯誤。
黏土印章壓下去後,字會左右顛倒,所以模型上的字要先反過來設計。這篇教學用 Solid Model 做出一體式圓印章:印面直徑 30 mm、握柄直徑 24 mm,再把凸起的 MKR 字樣鏡射,讓印出的字能正向閱讀。完成後可匯出 STL,在切片預覽中檢查印章方向、肩部和字樣;文章也提醒,列印前要依自己的印表機設定確認,第一次可先用柔軟黏土試壓。
AI 助理修改大型程式專案時,可能遇到脈絡太多、看不清改動影響,或出錯後難以復原的問題。作者打造了 Aveyx v3.0.4,讓工具在本機整理 JavaScript 程式碼、預覽修改可能影響的範圍,並在合併前檢查哪些部分可能受影響。它也能儲存加密快照,方便一鍵回復;作者表示,工具可透過 MCP 伺服器供 AI 助理使用。
Mermaid 圖表一複雜,常會出現文字擠在一起、方框排得很死板的問題。diagram-design 提供 45 種 HTML 和 SVG 圖表樣式,可搭配 Claude Code、Cursor、Codex 和 GitHub Copilot 使用,讓 AI 助理做出更好讀的技術圖表。文章也整理了不用綁信用卡的官方 API 選項,例如 Google AI Studio 每天有 1,500 次免費請求,OpenRouter 的免費模型約每天可用 200 次;若要使用 Claude 3.5 Sonnet,則可透過 Google Cloud 或 AWS 的雲端額度。
網頁和訊息要知道送到哪臺裝置,就需要 IP 位址;網站名稱則要靠 DNS 換成網路使用的數字地址。文章用送餐地址和電話簿說明這些概念,也介紹 IPv4、IPv6,以及家中對外的公開位址和路由器分配給裝置的私人位址。文中還用 Python 範例查詢網站位址、辨認私人位址,並提醒公開 IP 大致能透露所在城市和網路業者,公開截圖時最好遮掉。
傳統程式要人先寫好每一條規則;機器學習則是讓電腦看過許多例子,自己找出規律,再拿來猜新資料的答案。它有三種常見做法:看過正確答案後學著預測、自己從資料裡找出分組,或靠獎勵和處罰反覆嘗試。文中的小程式只看過幾間房子的大小和房間數,就能把新房子分成「小公寓」或「大房子」。不過,例子太少、有偏見,或新資料和練習時看過的差很多,都可能讓模型猜錯;用它的結果前,還是得仔細檢查。
把公司程式碼傳到雲端 AI,對有隱私或法規要求的團隊常常行不通。作者打造 AURA,讓 AI 助理在本機讀取程式庫、搜尋不同檔案並提出程式碼修改。實際寫入檔案前,使用者可以先看逐行差異,再選擇套用或拒絕;每次修改也會保留快照,方便還原。AURA 還能在本機執行模型,並用 Rust 建立程式碼搜尋索引。作者表示,專案已改為以 GNU AGPLv3 完整開源,並在 Linux 上測試。
抓取軟體市集的資料不一定要啟動瀏覽器,作者分享了用純 HTTP 擷取 Xero、QuickBooks、Zoho 和 NetSuite 上架資料與評論的做法。四個市集提供資料的方式各不相同,有些資訊在頁面裡,有些則要從另外的 API 取得;NetSuite 的頁面資料也有特殊格式,需要額外處理。作者比較了小型企業會計工具與 NetSuite 的低分評論,前者常見同步、登入或收費問題,後者較常提到匯入延誤和支援回覆慢。這些差異能幫助讀者判斷擷取流程要處理哪些資料,也瞭解不同客群在意的問題。
在斯里蘭卡找第一份 IT 工作,會發現職缺大多集中在可倫坡,而且很多公司沒寫薪水。intern.lk 整理的資料顯示,網站上有 466 個 IT 與軟體實習、培訓及入門職缺,其中 216 個在可倫坡;只有 9% 的職缺寫明薪水,有寫的月薪中位數是 LKR 50,000。找工作時,可以先在面試後禮貌詢問薪水,也可以準備幾個附有簡短說明的 GitHub 專案;品質測試和 IT 支援也可能是進入科技公司的起點。
軟體出了問題,如果等到客戶來反映,團隊常得花上好幾個小時猜原因。錯誤監控工具能自動收集錯誤,把重複問題整理在一起,並提供程式出錯的位置、相關操作和版本資訊,幫助工程師更快修好。挑工具時,可以先確認它支援團隊使用的程式語言,也要看錯誤分組、版本追蹤和通知是否好用;例如新版本上線後問題變多,工具應能幫忙看出是哪次更新造成的。 價格通常會跟收集到的資料量有關,遇上錯誤暴增時,費用或資料限制可能跟著變化。自架工具能自己管理資料,但也得負責更新和維護;雲端服務省下維護工作,錯誤資料則會交給服務商處理。團隊可挑幾套工具,用真實專案試用一到兩週,再選出大家遇到問題時真的會開啟的那一套。
把大型程式專案交給模型處理,常會遇到內容太多放不進去的問題。Together AI 已在免管理推論服務上架 Alibaba 的 Qwen4 Max,可一次讀取文字和圖片,也能呼叫工具。Together 用一個 Tornado 錯誤回報和整個專案測試它,模型提出的修補通過了針對該錯誤的兩項測試,套用後整套 1,673 項測試也沒有失敗;這是單一案例,不是基準測試。服務只接受串流請求,思考功能預設開啟,思考用掉的 token 也會計入輸出費用;把程式碼送到雲端前,還要先檢查專案裡有沒有機密資料。
推薦理由:Together AI 的單次測試把整個 Tornado 專案交給模型修補錯誤,呈現超長上下文處理程式碼的實際用法與限制。
Linux 桌面環境有的很龐大,有的得靠許多工具和指令碼拼湊;作者想用 Rust 做出一套整合的選擇。Corten Desktop 把視窗管理、面板、檔案管理、設定等元件放在同一個專案裡,每個元件各自執行,再透過 D-Bus 和 Unix socket 傳遞資料。它也內建軟體中心,並提供可離線使用的 AI 助理。文章介紹了這套桌面環境的組成與開發方式,並提供安裝和自行建置的指令。
PHP 程式一長,重複的程式碼就容易散落各處,也可能讓資料被任意改動。這篇入門教學用汽車說明類別像設計圖、物件像照著圖做出的實物,再示範如何用建構子準備資料、用繼承重用共通寫法,以及用公開、私有和受保護設定限制誰能讀取或修改資料。銀行帳戶的例子會把餘額藏起來,只能透過存款方法增加,並拒絕負數金額。作者也提醒,小型指令碼用一般函式就夠,等程式需要重用或開始變大,再考慮改用類別。
在 Linux 上執行不熟悉的程式時,直接放在自己的電腦上跑可能有風險,開 Docker 又比較繁重。作者打造了 rust-sandbox,讓程式在受限的環境裡執行:你可以指定它能讀寫哪些資料夾、限制它連線的網域,也能設定執行時間和資源上限。使用暫存副本模式時,程式改動不會碰到原本的資料夾,結束後還能檢視改了什麼。這套工具只適用於 Linux,使用主機的核心功能隔離程式,並不是虛擬機器。
使用 DeepSeek 時,就算模型和用量都一樣,費用也會因使用時間不同而差一倍。作者依官方定價試算,每月使用 2 億輸入 token 和 4,000 萬輸出 token,尖峰時段要 ¥887.36,離峰則是 ¥443.68。文章建議把夜間索引、批次分類等工作移到離峰,互動請求先用 Flash,評估沒通過時再改用 V4 Pro,也提醒要先量出實際快取命中率,並檢查改變排程後的回應速度。文中的 Python 範例可計算時段與費用,但不會自動辨認中國法定假日。
使用 DeepSeek 時,同樣的模型和 token 數量,選在不同時段送出,費用可能差一倍。作者用每月 2 億個輸入 token、4,000 萬個輸出 token 的假設工作量試算,尖峰時段費用是 ¥887.36,離峰則是 ¥443.68;平日北京時間 09:00–12:00、14:00–18:00 為尖峰,午休、週末和中國法定假日是離峰。文章也提供 Python 程式碼判斷時段和估算費用,並提醒先量出快取命中率;移動工作時間前,也要確認延遲不會影響交付。
crontab 裡的 */5 不會從你存檔的那一刻開始倒數,而是每小時的第 0、5、10 分鐘,一直到第 55 分鐘執行。像是 10:03 設好,下一次會在 10:05 執行,之後是 10:10。若寫成 5-59/5,就會跳過每小時的第 0 分鐘。若要從任意時間開始等 5 分鐘,應改用程式內的 sleep,或使用有延遲功能的佇列;cron 的五欄格式也沒有秒欄位。