تست
- Fable 5.1؛ هم‌رتبه‌ی Opus 5 تو بنچمارک ریلز، با قیمت کمتر
نسخه جدید Claude Fable تو بنچمارک ریلزی Agents on Rails به امتیاز Opus 5 رسید، اما با هزینه و زمان اجرای کمتر؛ مدل مخفی دور قبلی هم حالا معرفی شد.
۷ هفته پیش۲ دقیقهrubyonrails.org - چرا فقط تست کردن پرامپت کافی نیست؟
توسعه‌دهنده‌ای که داره یه بازی متنی با هوش مصنوعی می‌سازه، تعریف می‌کنه چطور از تست ساده پرامپت به یه سیستم eval کامل رسید که کل بازی، حافظه و حتی صفحهٔ نمایش رو چک می‌کنه.
۷ هفته پیش۳ دقیقهchrismdp.com - دراپ‌باکس چطور بنر کوکی‌های ۲۰۰ تا سایتش رو خودکار تست می‌کنه
دراپ‌باکس بیش از ۲۰۰ وب‌سایت داره و برای اینکه بفهمه بنر کوکی همه‌جا درست کار می‌کنه، یه ربات ساخته که مثل یه کاربر واقعی رفتار می‌کنه و هر هفته گزارش می‌ده.
- نسخه ۵ Vitest با آپدیت‌های سرعتی منتشر شد
تیم Vitest نسخه ۵ رو با تمرکز روی سرعت منتشر کرده؛ توی بنچمارک‌های خودشون زمان اجرای تست‌ها توی پروژه‌های بزرگ تا نیمی کم شده.
۷ هفته پیش۲ دقیقهvitest.dev - Vitest یه Trace View دیباگ‌محور بهت می‌ده
Vitest حالا یه قابلیت تجربی به اسم traceView داره که هر تعامل مرورگر رو مرحله به مرحله ضبط می‌کنه تا بعد از تموم شدن تست هم بشه قدم‌به‌قدم بررسیش کرد.
۷ هفته پیش۲ دقیقهvitest.dev - مدل باگ رو درست می‌کنه، ولی پیداش هم می‌کنه؟
یه توسعه‌دهنده مدل‌های کوچیک و بزرگ رو گذاشت جلوی باگ‌های واقعی جنگو، بدون هیچ سرنخی. نتیجه نشون داد بنچمارک‌های معروف دارن چیز دیگه‌ای رو اندازه می‌گیرن.
۷ هفته پیش۳ دقیقهblog.reqproof.com - کد ریویو تو دوران ایجنت‌های AI عوض شده
با اینکه ایجنت‌های هوش مصنوعی حالا بیشتر کدها رو می‌نویسن، تیم‌های مختلف روش‌های خیلی متفاوتی برای ریویو کردن این حجم تغییرات پیدا کردن؛ از حذف تقریبی ریویوی انسانی تا ریویو کردن فقط پلن و اسکیما.
۷ هفته پیش۳ دقیقهnewsletter.pragmaticengineer.com - دو تا امتیاز MMLU که اصلاً قابل مقایسه نیستن
یه مقالهٔ فنی می‌گه وقتی دو مدل هر دو رو MMLU تست می‌شن ولی روش امتیازگیریشون فرق داره، مقایسهٔ عددهاشون بی‌معنیه، حتی اگه اسم بنچمارک و واحد امتیاز یکی باشه.
۷ هفته پیش۳ دقیقهzatona.dev - ایجنت‌ها بلد نیستن تست بنویسن
دن لو ۲۶ حالت مختلف از TDD و QuickCheck تا Lean 4 و TLA+ رو روی یک تسک واحد سنجید. حالت بدون هیچ دستور اضافه بالای میانگین موند و TDD ته جدول نشست.
۷ هفته پیش۳ دقیقهdanluu.com - Vitest ۵ منتشر شد؛ سریع‌تر و با ابزارهای دیباگ جدید
نسخه‌ی پنجم Vitest، فریمورک تست جاوااسکریپت، با تمرکز روی سرعت اومده؛ تو بعضی پروژه‌های بزرگ زمان اجرای تست‌ها تا ۵۳ درصد کم شده، و ابزارهایی مثل Trace View هم برای دیباگ تست‌های مرورگری اضافه شده.
۷ هفته پیش۳ دقیقهvitest.dev - تست ایجنتیک: به جای مسیر، مقصد رو بده
به جای اینکه قدم‌به‌قدم بنویسی چی کلیک شه، هدف رو به یه ایجنت می‌دی تا خودش راه رو پیدا کنه. متا، اوبر و Airbnb امتحانش کردن و عددهاشون می‌گه کجا جواب می‌ده و کجا نه.
۸ هفته پیش۳ دقیقهtheaiengineer.substack.com - بازنویسی یه سرویس ۹۲ میلیون پیامی با Claude Code
تیم Checkly سرویس اصلی پردازش نتایجش رو از Node.js به Go برد و کدنویسیش رو به یه ایجنت سپرد. چیزی که کار رو جواب داد، هارنس تستی بود که قبل از نوشتن کد ساختن.
۸ هفته پیش۳ دقیقهchecklyhq.com - چیزی که spec کامپوننت جا می‌ذاره
Nathan Curtis می‌گه راه فهمیدن اینکه spec یه کامپوننت چقدر از نیت طراحی رو واقعاً حمل می‌کنه اینه که ازش بخوای کامپوننت رو پس بده و بعد دو تا نسخه رو با هم diff کنی.
۸ هفته پیش۳ دقیقهnathanacurtis.substack.com - مهاجرت از Enzyme در دو هفته با کمک AI
آسانا رفتن از یه فریمورک تست قدیمی رو سال‌ها عقب انداخته بود و آخرش با ایجنت‌های AI دو هفته‌ای تمومش کرد؛ مقاله می‌گه مهاجرت فریمورک شاید بهترین کاربرد فعلی AI باشه.
۸ هفته پیش۲ دقیقهnewsletter.pragmaticengineer.com - کیسی موراتوری: پرفورمنس رو جدی بگیرید
کیسی موراتوری توی پادکست Pragmatic Engineer می‌گه بهینه‌سازی با پروفایلر فقط یه کمینهٔ محلی پیدا می‌کنه، و کار باید از سقف واقعی سخت‌افزار شروع بشه.
- هیلل وین: AI متدهای فرمال رو فراگیر نمی‌کنه
یه نظریهٔ محبوب می‌گه وقتی ماشین‌ها بیشتر کد رو بنویسن، اثبات ریاضی درستی لازم می‌شه. یه مشاور متدهای فرمال می‌گه این‌طور نمی‌شه و بیشتر تیم‌ها بهتره سراغ property-based testing برن.
۸ هفته پیش۳ دقیقهnewsletter.pragmaticengineer.com - هوش مصنوعی دقیقاً کجای هزینهٔ توسعه رو کم می‌کنه؟
بیشتر بودجهٔ تیم‌های نرم‌افزاری صرف تست و مستندسازی و کد ریویو و آنبوردینگ می‌شه؛ همون‌جاهایی که پژوهش‌های مستقل می‌گن هوش مصنوعی ۲۶ تا ۸۰ درصد از زمان رو کم می‌کنه.
۸ هفته پیش۳ دقیقهbrights.io - چرا باگ‌ها رو نمی‌بینیم؟
دن لو می‌گه بقیه هم دقیقاً به همون باگ‌هایی می‌خورن که اون می‌بینه، فقط متوجه نمی‌شن؛ چون ناخودآگاه یه عالمه عادت ساختن تا دورشون بزنن.
- فصل تازهٔ Trail of Bits برای تست امنیتی Rust
Trail of Bits یه فصل تازه به Testing Handbook اضافه کرده که می‌گه Rust رو چطور از نظر امنیتی تست کنیم؛ از Miri و proptest تا Clippy و چک‌لیست دام‌های رایج موقع کدریویو.
- تحلیل ایستای کد چیه و چطور کار می‌کنه؟
بررسی کد بدون اجرا کردنش؛ از ابزار Lint سال ۱۹۷۸ تا ابزارهایی که همون لحظهٔ تایپ کردن، باگ و مشکل امنیتی رو توی ویرایشگر نشون می‌دن.
۸ هفته پیش۳ دقیقهibm.com
