https://seanwalter.top/blog/codex-imagegen-mcp-bridge https://seanwalter.top/blog/codex-imagegen-mcp-bridge/opengraph-image 让 Claude Desktop 调用 Codex 出图：我做了一个 MCP 桥接工具 把本机 Codex 出图接入 Claude Desktop，看似只是多加一个工具，实际还要处理长任务等待、图片回传和原图保存。记录一次 MCP 桥接的实现、测试结果与当前限制。 https://seanwalter.top/blog/ai-blog-health-check https://seanwalter.top/blog/ai-blog-health-check/opengraph-image 让 AI 给博客做体检：10 个坏链接、1.7MB 封面图和一个被推翻的假设 网站能打开、CI 一直是绿的，当成待测系统体检后却找到了 10 个点不动的目录链接、两张超大封面图和一段多余的 174KB 代码。记录一次由 AI 编码 Agent 执行、按测试标准验收的网站体检：被推翻的两个判断，和一条拦住 AI 改动的校验规则。 https://seanwalter.top/blog/high-school-rag-assistant-build https://seanwalter.top/blog/high-school-rag-assistant-build/opengraph-image 普通电脑搭一套高中九科 RAG 助手，我真正解决了哪些问题？ 把 40 本高中教材和 127 篇 Obsidian 笔记接入 AnythingLLM：为什么选择本地检索与云端生成，PDF 丢正文怎么处理，以及相似度为什么不能代替准确率。 https://seanwalter.top/blog/benchmark-pipeline-audit https://seanwalter.top/blog/benchmark-pipeline-audit/opengraph-image 同一个模型，换套评测脚本就差 80 分：AI Benchmark 到底测到了什么？ Benchmark 分数不是模型的固有属性，而是数据、Prompt、推理参数、答案提取、评分和聚合共同产生的测量结果。结合一项覆盖 8 个网络安全基准的审计，建立可复现的 AI 评测流水线验收方法。 https://seanwalter.top/images/blog/benchmark-pipeline-audit/benchmark-pipeline.svg https://seanwalter.top/blog/coding-agent-acceptance https://seanwalter.top/blog/coding-agent-acceptance/opengraph-image AI 写完了，也说修好了：测试人员如何验收编码 Agent？ 代码改了、测试绿了、Agent 也说修好了，为什么仍然不能直接验收？从一个系统实现案例出发，把修复声明拆成原始失败样本、系统不变量、真实操作和可复查证据，建立编码 Agent 的交付验收流程。 https://seanwalter.top/images/blog/coding-agent-acceptance/acceptance-flow.svg https://seanwalter.top/blog/llm-judge-ai-qa-evaluation https://seanwalter.top/blog/llm-judge-ai-qa-evaluation/opengraph-image 别再迷信 LLM 裁判：做 AI 问答评测，为什么必须先知道正确答案？ AI 的回答听起来合理，不等于它真的答对；换一个更强模型当裁判，也不等于评测可靠。结合一次真实问答测试和 AgentJudgeBench，拆解如何建立评测集、0～5 分评分锚点、分层裁判与可追因的质量闭环。 https://seanwalter.top/blog/agent-memory-hub https://seanwalter.top/blog/agent-memory-hub/opengraph-image 5 个 AI Agent 各自失忆，我用 Git 和 Markdown 做了一个共享记忆中枢 Claude Code、OpenCode、Hermes 各自保存记忆，换工具或换设备就要重新解释背景。我用一个 Git 仓库、Markdown 和指针文件做了 agent-memory-hub，也重新想清楚了轻量记忆层能解决什么、不能解决什么。 https://seanwalter.top/images/blog/agent-memory-hub/hero-banner.svg https://seanwalter.top/images/blog/agent-memory-hub/before-after.svg https://seanwalter.top/images/blog/agent-memory-hub/architecture.svg https://seanwalter.top/blog/ai-code-security-drift https://seanwalter.top/blog/ai-code-security-drift/opengraph-image AI 把 Bug 修好了，却悄悄引入了漏洞：什么是代码编辑中的安全漂移？ 功能测试通过，不代表一次 AI 代码修改没有改变安全风险。结合 WeSCE 的 400 个可执行样本，讲清安全漂移是什么、为什么会被普通回归漏掉，以及团队如何建立可落地的 Security Diff Gate。 https://seanwalter.top/images/blog/ai-code-security-drift/cover-v1.svg https://seanwalter.top/images/blog/ai-code-security-drift/security-diff-gate-v1.svg https://seanwalter.top/blog/gui-agent-atomicity-testing https://seanwalter.top/blog/gui-agent-atomicity-testing/opengraph-image AI 点完“成功”不算成功：GUI Agent 为什么必须做原子性测试 从 LegacyWorld 的 28 个 Windows 工作流实验出发，解释为什么 GUI Agent 的测试不能只看任务完成率，并给出任务契约、状态验证器、故障注入和四象限指标组成的原子性测试方法。 https://seanwalter.top/images/blog/gui-agent-atomicity-testing/cover-v2.webp https://seanwalter.top/images/blog/gui-agent-atomicity-testing/outcome-matrix-v2.webp https://seanwalter.top/images/blog/gui-agent-atomicity-testing/task-contract-validators-v2.webp https://seanwalter.top/images/blog/gui-agent-atomicity-testing/failure-checkpoints-v2.webp https://seanwalter.top/blog/deepseek-harness-testing-insights https://seanwalter.top/blog/deepseek-harness-testing-insights/opengraph-image DeepSeek Harness给软件测试工程师的启发：从生成用例走向可验证闭环 把 DeepSeek Harness 当成一个观察样本：当 AI 不再只是“给建议”，而是被装进一个能观察、能执行、能校验、能安全停止的系统之后，软件测试的玩法会怎么变。测试工程师的设计对象，正从“生成用例”走向“设计可验证闭环”。 https://seanwalter.top/images/blog/deepseek-harness-testing-insights/cover-v1.webp https://seanwalter.top/images/blog/deepseek-harness-testing-insights/verifiable-loop-v1.webp https://seanwalter.top/images/blog/deepseek-harness-testing-insights/role-shift-v1.webp https://seanwalter.top/blog/ai-agent-qa-engineer-verification-framework https://seanwalter.top/blog/ai-agent-qa-engineer-verification-framework/opengraph-image AI Agent 真能当 QA 工程师吗？从一次零配置实测看清能力边界 从一个真实的 Grok Bot QA 实验出发，拆解 Agent 为什么能快速发现路由问题，却会产生误报并遗漏业务逻辑；再给出一套可复用的 Frame → Verify → Build 评估与落地框架。 https://seanwalter.top/blog/testing-requirement-analysis-five-step-method https://seanwalter.top/blog/testing-requirement-analysis-five-step-method/opengraph-image 测试工程师如何练成需求分析能力：从复杂业务到测试用例的五步法 用一个优惠券下单案例，完整演示如何澄清范围、画业务模型、拆规则与风险、设计测试点，再把结果落成可执行、可追溯的测试用例。 https://seanwalter.top/blog/ai-generated-test-cases-human-review https://seanwalter.top/blog/ai-generated-test-cases-human-review/opengraph-image AI生成了100条测试用例，我是如何人工审核并筛出有效用例的 把100条AI候选用例做成可审计样本：先机器Check，再人工逐项裁决，记录错误分类、修订证据、回流规则和版本指标。 https://seanwalter.top/blog/public-web-security-testing https://seanwalter.top/blog/public-web-security-testing/opengraph-image 你的网站部署后会遭遇哪些攻击？专业测试工程师应该如何应对 网站部署到公网后，会面临哪些攻击？从 DDoS、SQL 注入到越权和 API 篡改，测试工程师如何在上线前把风险挡住。 https://seanwalter.top/images/blog/public-web-security-testing/cover-v1.webp https://seanwalter.top/images/blog/public-web-security-testing/attack-surface-v1.svg https://seanwalter.top/images/blog/public-web-security-testing/authorization-v1.svg https://seanwalter.top/images/blog/public-web-security-testing/api-safety-v1.svg https://seanwalter.top/blog/ai-agent-rag-yolo-e2e-testing https://seanwalter.top/blog/ai-agent-rag-yolo-e2e-testing/opengraph-image AI Agents + 微调 LLM + RAG + YOLO：端到端测试的实际架构详解 拆解 AI Agents、微调 LLM、RAG、YOLO 与 Playwright 如何协作，构建可控、可审计的端到端测试闭环。 https://seanwalter.top/images/blog/ai-agent-rag-yolo-e2e-testing/cover-v1.webp https://seanwalter.top/blog/kuaishou-genrec-testing-paradigm https://seanwalter.top/blog/kuaishou-genrec-testing-paradigm/opengraph-image 从快手生成式推荐到测试范式变革：推荐系统的终局，是测试系统的起点？ 快手用 OneRec 把推荐从‘多阶段漏斗’变成‘端到端生成’。同样的范式迁移，会不会发生在测试领域？ https://seanwalter.top/blog/ai-npl-disposal-2026 https://seanwalter.top/blog/ai-npl-disposal-2026/opengraph-image AI 在不良资产处置中的应用：定价、催收与法律流程 梳理 AI 在资产定价、催收和法律流程中的应用方向，区分辅助分析、业务决策与合规责任。 https://seanwalter.top/blog/ai-maintain-legacy-project https://seanwalter.top/blog/ai-maintain-legacy-project/opengraph-image 用 AI 理解遗留项目：从代码摸底到渐进式迭代 整理遗留项目的体检、上下文恢复、文档沉淀和渐进式改动流程，说明如何给 AI 的建议设置验证边界。 https://seanwalter.top/blog/dify-platform-guide https://seanwalter.top/blog/dify-platform-guide/opengraph-image Dify：零代码搭建AI应用的开源平台，从入门到实战 当大模型不再稀缺，如何让普通人也能用上AI？Dify让AI应用开发从精英化走向平民化。 https://seanwalter.top/blog/ai-testing-three-stages-2026 https://seanwalter.top/blog/ai-testing-three-stages-2026/opengraph-image AI+测试的三个阶段：Prompt→Skill→Agent（2026版） 比较 Prompt、Skill 与 Agent 三种组织测试工作的方式，以及它们对上下文、工具权限和结果验证的不同要求。 https://seanwalter.top/blog/ai-api-relay-station https://seanwalter.top/blog/ai-api-relay-station/opengraph-image AI中转站科普：国内开发者如何调用海外大模型API 想用GPT-4、Claude、Gemini，却发现需要海外手机号、外币信用卡、科学上网……这些门槛把大部分国内开发者挡在了门外。AI中转站，就是为了解决这些问题而生的。 https://seanwalter.top/blog/tdd-prompt-tuning https://seanwalter.top/blog/tdd-prompt-tuning/opengraph-image 用 TDD 思维调 Prompt：先定义预期，再比较输出 把测试用例、预期结果和回归检查引入 Prompt 调优，讨论怎样记录变化，而不只凭一次回答判断效果。 https://seanwalter.top/blog/enterprise-software-overview https://seanwalter.top/blog/enterprise-software-overview/opengraph-image 企业级软件产品图谱：8大类别主流产品一览 企业级软件涵盖ERP、CRM、OA、HRM等多个领域，本文梳理8大主流类别及其代表性产品，帮你快速建立全景认知。 https://seanwalter.top/blog/ai-digitalization-enterprise https://seanwalter.top/blog/ai-digitalization-enterprise/opengraph-image 企业数字化与 AI：业务流程、数据和模型分别做什么 AI和数字化到底是什么关系？企业为什么要同时做这两件事？用最直白的方式，把这几个问题讲清楚。 https://seanwalter.top/blog/ai-cross-border-ecommerce https://seanwalter.top/blog/ai-cross-border-ecommerce/opengraph-image AI 在跨境电商中的应用：从选品、内容到客服和分析 按选品、Listing、客服、投流和数据分析拆解 AI 的使用场景与限制；具体收益仍取决于业务、数据和人工复核。 https://seanwalter.top/blog/ai-foreign-trade-2026 https://seanwalter.top/blog/ai-foreign-trade-2026/opengraph-image AI 与外贸：翻译、营销内容和获客流程的变化 梳理 AI 在外贸翻译、营销内容和客户触达中的应用，讨论语言工具之外仍需人工判断的选品、信任与业务问题。 https://seanwalter.top/blog/ai-poisoning-315-exposed https://seanwalter.top/blog/ai-poisoning-315-exposed/opengraph-image 39.9元就能篡改AI答案？315晚会曝光的「GEO」到底是什么 今年315晚会带火了一个词——GEO（生成式引擎优化）。不是黑进AI系统，而是通过大量发软文「喂」给AI，让它在回答里优先推荐你。这到底是什么操作？普通人会被影响吗？ https://seanwalter.top/blog/ai-seo-2026 https://seanwalter.top/blog/ai-seo-2026/opengraph-image AI-SEO与品牌大模型声誉管理：搜索时代的下一个战场 当用户不再问百度，而是问AI——你的品牌还能被「推荐」吗？AI-SEO正在重新定义品牌触达用户的方式。 https://seanwalter.top/blog/why-build-personal-site-2026 https://seanwalter.top/blog/why-build-personal-site-2026/opengraph-image 搭建个人网站之后：我的部署选择、踩坑与取舍 记录搭建 seanwalter.top 时遇到的部署、依赖和访问问题，以及选择个人网站而不只依赖内容平台的原因。 https://seanwalter.top/blog/ai-agent-build-steps https://seanwalter.top/blog/ai-agent-build-steps/opengraph-image AI智能体搭建：从概念到落地，一共五步 拆开来看，一个最小可用的智能体核心逻辑并不复杂。从定义边界到评估迭代，五步讲清AI Agent搭建的全流程。 https://seanwalter.top/blog/hangcaitong-airport-ai-case https://seanwalter.top/blog/hangcaitong-airport-ai-case/opengraph-image 航采通：一次机场采购订单 AI 核验工具的设计记录 从采购截图、比价和对账的实际需求出发，记录轻量核验工具的场景拆解、演示设计与交付思路。 https://seanwalter.top/blog/ai-landing-four-steps https://seanwalter.top/blog/ai-landing-four-steps/opengraph-image AI在企业怎么落地？探索、应用、推广、沉淀四步法 从场景选择到小范围试点，再到推广与知识沉淀，讨论企业采用 AI 时每一步需要明确的问题与约束。 https://seanwalter.top/blog/special-testing-90-percent-ignore https://seanwalter.top/blog/special-testing-90-percent-ignore/opengraph-image 功能测试之外：性能、安全、兼容性与稳定性怎么测 按性能、安全、兼容性、弱网与稳定性梳理专项测试的目标、常见风险和入手方法。 https://seanwalter.top/blog/what-is-independent-site https://seanwalter.top/blog/what-is-independent-site/opengraph-image 独立站和SaaS建站到底是什么？别被这些词唬住了 独立站、SaaS建站、自建站……这些词听起来都很厉害，但到底什么意思？用大白话把这些概念讲清楚。 https://seanwalter.top/blog/ai-agent-knowledge-base-guide https://seanwalter.top/blog/ai-agent-knowledge-base-guide/opengraph-image AI Agent与知识库建设：从Embedding到RAG的完整指南 大模型很强，但它不知道你的业务。从Embedding、向量数据库到RAG，用实战经验讲明白AI Agent和知识库是怎么运作的。 https://seanwalter.top/blog/prompt-engineering-guide https://seanwalter.top/blog/prompt-engineering-guide/opengraph-image 提示词工程实战指南：如何让AI真正听懂你的话 用 RTACE 框架组织角色、任务、背景、约束和示例，结合提示词模板说明如何把模糊需求表达得更清楚。 https://seanwalter.top/blog/llm-comparison-2026 https://seanwalter.top/blog/llm-comparison-2026/opengraph-image 2026 年常用大模型的场景选择：一份个人使用观察 整理使用 ChatGPT、Claude、DeepSeek 等工具时的场景选择与体验，不是统一数据集、统一参数下的性能基准。 https://seanwalter.top/blog/blog-seo-geo-optimization https://seanwalter.top/blog/blog-seo-geo-optimization/opengraph-image 别光写代码不写 meta 标签：我给博客做了 SEO 和 GEO 优化的全过程 花一小时补齐 sitemap、robots、Open Graph、JSON-LD、canonical URL，覆盖 Google + Bing 双引擎。不花钱、不影响用户体验。 https://seanwalter.top/blog/software-testing-to-ai-testing https://seanwalter.top/blog/software-testing-to-ai-testing/opengraph-image 从软件测试到AI测试，一个测试人的认知重启 传统测试的尽头不是更高级的自动化，而是一次彻底的认知重建。 https://seanwalter.top/blog/quality-system-from-zero https://seanwalter.top/blog/quality-system-from-zero/opengraph-image 测试质量体系从0到1：策略制定到落地执行的全流程 从风险评估、测试策略到自动化与质量度量，整理团队建立质量保障机制时需要考虑的流程与约束。 https://seanwalter.top/blog/ai-testing-automation-system https://seanwalter.top/blog/ai-testing-automation-system/opengraph-image AI如何重塑测试工作：从辅助工具到自动化体系的构建 AI不是在帮你做测试，是在重新定义测试这件事本身。从GitHub 258个开源项目到实战提效数据，全景拆解AI测试自动化体系。 https://seanwalter.top/blog/mcp-protocol-guide https://seanwalter.top/blog/mcp-protocol-guide/opengraph-image MCP协议：让AI从聊天变成动手的那把钥匙 MCP是AI世界的USB-C接口。搞了3个月AI，我发现这才是真正的效率拐点。 https://seanwalter.top/blog/ai-truths-after-6-months https://seanwalter.top/blog/ai-truths-after-6-months/opengraph-image 使用 AI 半年后，我调整了哪些工作习惯 半年密集使用AI，从编程到写作到做产品，发现了这些「以为是这样，其实是那样」的认知差。 https://seanwalter.top/blog/ai-programming-10-tips https://seanwalter.top/blog/ai-programming-10-tips/opengraph-image 我用AI编程大半年，总结出这10条提示词 每一条都是真金白银换来的教训。不是AI不行，是你没给它搭好脚手架。 https://seanwalter.top/blog/fight-ai-anxiety https://seanwalter.top/blog/fight-ai-anxiety/opengraph-image 面对 AI 焦虑，先从一件能上手的小事开始 一种个人应对思路：少追逐抽象的能力宣传，选一个具体任务亲手尝试，再判断 AI 对自己的工作有什么帮助。