DeepSeek Harness 与 Cordis：热插拔、服务共享和并发问答
工具可以随时换，正在使用工具的插件怎么办？从一个视觉服务的例子，讲清 Cordis 的依赖、清理、共享和并发，以及 Python、Go 能否实现同样的机制。
AI 工程与推理
从 LLM 用例生成、Agent 工具契约与评估回归，到 Prefill / Decode、KV Cache 与推理压测的可复现实验——关注 AI 在工程里如何被约束、验证和度量。
文章
从零到一搭建 AI 测试工作流：从需求到可执行测试
用一个可运行的 Python 工程，逐步建立需求识别、规则审阅、测试剧本生成、骨架填充和结果验证流程，附完整 Prompt、Skill 和公司接入方法。
AI 测试工作流：从接口资料到用例验收
结合实际测试交付，说明需求、领域规则、测试剧本和既有 SDK 如何衔接，以及生成失败应回到哪一阶段修正。
Agent 怎么做回归：从回答相似度到任务证据
用公开库存工程重放正常与缺陷版本，建立夹具、报告判定和版本比较，并区分验收链路检查与模型生成质量。
推理压测怎么测：从流式时间戳到满足 SLO 的吞吐
以测试工程的测量边界为起点，区分 TTFT、TPOT、ITL、开闭环负载与 goodput，避免把压力机限制和失败请求隐藏在漂亮报表里。
JSON 合法以后：结构化输出与工具执行契约
以日志查询和创建外部对象为例，区分 Schema、业务校验、权限和副作用状态，说明函数调用为什么不能替运行时完成验收。
关联项目
PythonLLMAI Agent
把分阶段 LLM 生成、人工审核和执行验证接入测试交付，关注生成内容能否成为有效用例。
在工作中搭建分阶段 LLM 用例生成流水线，结合 AI Agent 交付流程与人工审核门禁推进用例交付。