从对话驱动到状态驱动：用 Notion 让人和 AI 接力工作
AI 协作真正缺少的，往往不是更强的模型，而是一份不会随着聊天结束而消失、能被人和不同 AI 持续维护的当前工作状态。
Pattern — notes & essays
写作
“文”的本义，是织物上的纹样。这里记下做事时留下的纹路：AI 测试、智能体工程，以及其中的判断与取舍。
RSS 订阅共 6 篇 · 最新在前
Loop Engineering：为 Coding Agent 设计可控的反馈循环
Loop Engineering 关注的不是把提示词写得更长，而是设计跨多轮运行的控制结构：任务如何触发，状态如何保存，结果如何验证，以及系统何时重试、停止或转交给人。
AI 产品团队做测试左移，先把标准说清楚
AI 产品团队做测试左移，重点是从需求阶段定义质量标准，并提前确认 prompt、数据、模型输出、风控规则和回归方式。
LLM 输出不稳定时，自动化测试应该怎么断言
LLM 输出天然存在非确定性，测试不能只依赖全文匹配。更可靠的策略是组合结构化断言、关键事实校验、禁止项和语义相似度。
AI 产品自动化测试框架怎么拆：Pytest + Playwright + Allure
AI 产品的自动化测试不只是记录页面操作，还要记录输入、断言、失败证据和报告，方便后续复查。
Harness Engineering：给 AI 装上工程护栏
从 Prompt、Context 到工具权限、验证门禁和反馈回路，解释 Harness Engineering 如何把 AI coding agent 纳入可控的软件工程流程。