登录社区云,与社区用户共同成长
邀请您加入社区
当 GitLab 提示Git 无法判断某些文件到底保留谁的修改,所以需要你手工处理。
7、将电脑上的代码推送到iec104项目的master主干:点master-->克隆-->使用HTTP克隆-->复制链接。5、设置-->仓库-->默认仓库-->选master-->保存修改。在项目的目录下,右键-->Open Git Bash here。10、分配权限:点iec104-->iec61870-104。2、填Group name:iec61870-104。6、点IEC104-->分支-
本文介绍了GitLab的SSH配置及Docker部署方案。主要内容包括:1) 本地生成SSH公钥并上传至GitLab;2) 使用SSH协议克隆仓库时需注意端口修改(默认22端口改为30022);3) 通过gitlab_rails['gitlab_shell_ssh_port']=30022配置SSH端口;4) 提供了Nginx和GitLab的Docker Compose配置文件,其中GitLab服
进入工程 http://{gitlab-host}:{gitlab-port}/root/k8s-cicd-demo。修改/etc/containerd/config.toml,在。在Webhooks界面点击Add new webhook按钮。点击左侧菜单Settings > Webhooks。然后再重启containerd。
作为超医疗精度的心电采集设备,FitCard 3 秒启动、无需充电、双手轻触即可测量,能够快速分析身体的疲劳情况及搭配 AI 心律失常分析、心肌缺血预警与在线三甲医生诊断功能,能高效捕捉心脏异常信号,让职场人、高净值人群随时掌握心脏健康状态。在高压职场与高端商务场景中,一份实用、有温度、显关怀的礼品,既能传递企业心意,又能真正解决健康痛点。企业采购享优惠,无论是员工健康福利发放,还是高端客户商务答
时效规则:执行一次 gitlab-ctl reconfigure 后 24 小时,该文件会被 GitLab 自动删除。密码登录失败(已改过密码 / 文件即将失效)使用 Rails 控制台强制重置 root 密码。内存不足,临时加交换分区。2.全局nginx代理。1.gitlab配置。
本文展示了Git代码管理和Jenkins持续集成的操作流程。首先通过Git命令在main分支上修改index.html文件并推送到远程仓库,然后配置GitLab手动触发Jenkins构建。Jenkins pipeline中定义了拉取代码的stage,使用master节点从指定Git仓库获取main分支代码。此外还提供了一个gittest.sh脚本,自动化执行Git状态检查、分支切换、文件修改和推送
AccessKey ID: LTAI5t7QCz7WwrNtw3VTuyRbAccessKey Secret: 2aJnkCE6df6c53989wyepnV5aWWmBx
今天鸭鸭看到 GitLab 的财报,心里咯噔了一下。这家公司第一季度营收 2.642 亿美元,同比增长 23%。然后它说,要裁掉约 14% 的全职员工。约 350 人。还要退出 22 个国家。扎心的是,这家公司没有亏到活不下去。GitLab 自己的财报说,客户还在增长,10 万美元以上 ARR 客户同比增加 18%,非 GAAP operating margin 也到了 14%。
本文总结了 GitLab CI/CD 常见故障排查方法,主要针对 Docker 部署的 GitLab CE 19.0.0 环境。内容涵盖 CI/CD 设置页面 500 错误、Job Token 签名密钥问题、JWT 签名密钥配置错误、Runner 注册失败、流水线配置错误、Artifact 上传失败等 10 类问题。每个问题都详细描述了现象、根因分析、具体排查方法和修复步骤,重点解决了加密字段损坏
本文目标是为一个示例项目接入自动化 AI Code Review,效果是:GitLab 官方说明,Merge request pipelines 可以在创建或更新 MR 时运行专门的 CI/CD 任务;CI/CD 任务由仓库根目录的配置。(GitLab 文档)为了避免和你的真实项目混淆,本文统一使用这些示例名称:最终链路是:开发者提交 MR → GitLab MR Pipeline 触发 → Ru
以前开发软件像盖房子瀑布模型:一步步来,需求→设计→编码→测试→上线,中间不能回头。如果后面发现问题,只能等下次大改,像装修完了才发现插座装错位置,得拆墙重来。迭代/增量模型:先搭个毛坯房给人看,再一层层装修、调整,边干边改。敏捷开发:把大项目拆成小模块,一两周就出一个能用的版本,让客户试用提意见,再快速改。有点像“小步快跑、快速试错”。
本文系统介绍了Git和GitLab在Android开发中的核心应用与实践方法。主要内容包括:1) Git版本控制基础原理与Android项目初始化;2) 高效分支策略和常见问题解决方案;3) GitLab CI/CD管道配置与Merge Request最佳实践;4) 代码评审金字塔模型和Android专项检查点;5) 大型项目优化技巧与应急处理方案;6) 常见面试问题解析;7) 多团队协作和遗留项
ChestnutCMS是一款基于SpringBoot3和Vue2的企业级内容管理系统,采用前后端分离架构,集成SaToken权限认证和XXL-JOB任务调度。系统支持站群管理、多通道静态化发布、ElasticSearch全文检索、元数据模型扩展和多语言国际化等核心功能。技术栈包括MyBatisPlus、FreeMarker、Redis等,支持MySQL、PostgreSQL等多种数据库。系统提供细
是内置Nginx实时配置文件,直接修改可即时生效,适合临时调试;核心原理为GitLab生成固定地址 + Nginx按IP动态替换页面内容,无代码侵入、稳定性高;生产环境必须使用gitlab\.rb持久化配置,避免升级、重配导致规则丢失。(注:文档部分内容可能由 AI 生成)
例如,在药物研发场景中,测试人员需要验证AI模型筛选出的化合物是否具有预期的药理活性,这不仅需要软件测试技能,还需要一定的生物化学知识储备。软件测试从业者不仅要掌握传统的功能测试、性能测试技能,还需理解多模态数据的特性,设计针对性的测试用例,确保模型在跨模态场景下的准确性与稳定性。在AI系统部署后,测试人员还需要进行持续的监控与测试,及时发现系统运行过程中出现的问题,保障系统的安全性与可靠性。一方
摘要:大模型技术正在重塑软件测试行业,AI自动化测试工具已能完成40%基础测试工作,测试效率提升60%。传统测试人员面临转型压力,但同时也迎来三大新机遇:1)大模型系统测试专家,专注AI产品的准确性、安全性与合规性,年薪超40万;2)AI测试工具研发工程师,开发智能测试框架,薪资比传统岗位高30%-50%;3)AI合规测试专家,确保AI系统符合法规要求。转型路径建议分三步:0-3个月掌握基础工具,
最开始用OpenClaw,其实不是因为它听起来多酷,而是因为它足够接近我的真实使用场景。以前我用 AI 做事,流程通常是这样的:打开网页,复制上下文,描述任务,等它回复,再把结果搬回我自己的工作流里。这个过程当然能用,但总觉得隔了一层。AI 很聪明,可它并没有真正待在我做事的地方。OpenClaw给我的第一感觉,就是把这层距离拉近了。我可以在熟悉的聊天入口里直接喊它,让它查资料、跑脚本、整理信息,
摘要:随着大模型和知识库应用的兴起,OCR技术标准正从单纯文字识别转向文档智能解析。传统OCR工具如Tesseract和PaddleOCR仍适用于简单图片识别,但面对复杂文档(论文、合同、财报等)时,新一代工具需要具备版面分析、表格公式识别、结构化输出(Markdown/JSON)等能力,并能接入RAG和Agent工作流。MinerU作为文档解析基础设施,整合了OCR、版面分析、表格识别等功能,支
提到 Agent,我们很容易想到ReAct、Tool Calling、多轮规划这些能力。它看起来像是一个会思考、会行动的智能助手,能理解任务,能调用工具,也能根据结果继续推理。模型能不能想明白?想明白之后,能不能稳定地连接外部世界?因为 Agent 不可能永远单打独斗。它需要访问外部工具、读取数据资源,也可能需要和其他 Agent 协作完成任务。这时候,通信协议的价值就出现了。协议关注点MCPAg
AI应用开发的黄金窗口期正在重塑软件测试行业。未来3-5年,传统测试工作将被AI接管,测试人员需转型为"质量架构师",掌握AI测试专项技能、介入开发流程左移、构建AI实验项目。核心能力转向AI质量风险建模、质量反馈闭环构建和测试基础设施AI化改造。窗口期后,行业将分化为AI质量架构师、安全伦理测试专家和领域测试专家等方向。测试从业者需抓住当前能力重构的缓冲期,将质量思维嫁接AI
摘要:本文探讨AI技术在测试数据生成中的三大应用方案:1)基于大语言模型的智能数据工厂,通过提示词生成结构化数据,适合复杂业务场景;2)利用生成对抗网络(GAN)生成拟真数据,适用于机器学习模型测试和隐私保护场景;3)采用进化算法自动优化测试用例,针对代码覆盖率和缺陷发现。三种方案各具优势,可分层组合使用。实施时需关注数据质量评估、成本控制和可复现性。AI驱动的测试数据生成不仅能提升效率,更能拓展
按 README 跑通 Spirit 期间踩到的 6 个 bug,每个详情链接到仓库一句话总结层1把 device 写死"cuda"导致 21GB fp32 直接撞 24GB 显存加载2的state_proj要求 bf16 但 state 是 fp32dtype3Image cast 成 bf16 后跑挂——numpy<2.1 不支持 bf16dtype4硬编码dtype5DiT 内部某中间层隐式
摘要:本文探讨了测试工程师如何保障时间序列预测模型(如Prophet和LSTM)的质量。重点从数据质量(完整性、一致性、异常值检测)、模型测试(鲁棒性、稳定性、可解释性)和系统集成(管道测试、性能测试)三个维度建立测试框架,并提出了将测试融入CI/CD流程的自动化策略。文章强调测试人员无需深入算法细节,但需掌握针对预测系统的质量保障方法,以应对AI时代的数据驱动型应用测试挑战。
语音克隆技术正快速从实验室走向应用,为测试工程师带来全新挑战。本文系统梳理了语音克隆的技术原理,包括声学特征提取、声学模型和零样本克隆等核心环节,分析了开源框架、商业API等主流工具的测试要点。文章提出了包含功能正确性、音质自然度、说话人相似度等六大维度的质量模型,并详细阐述了分层测试策略、测试数据集构建方法和自动化测试框架设计。针对测试实践中的常见陷阱,如过度依赖客观指标、忽视安全测试等问题给出
横向拓展:接入 K8s 实现容器编排,替代单节点 Docker 部署;纵向拓展:接入 AIOps 实现日志分析、故障自动自愈;安全拓展:接入 SonarQube 实现代码质量检测,接入 Vault 实现凭证动态管理。DevOps 的核心不是 “工具堆砌”,而是 “流程优化”—— 本次实验的价值在于,从 “解决实际问题” 出发,把抽象的 DevOps 理念落地为可执行、可验证的流程,这也是企业招聘中
开源测试工具的繁荣与隐忧 开源测试工具已成为软件测试领域不可或缺的基础设施,从Selenium到JMeter,这些工具极大提升了测试效率。然而,商业化浪潮正在冲击这一生态:维护者陷入"用爱发电"困境,企业过度索取却鲜少反哺,许可证变更导致工具链断裂风险加剧。测试工程师既受益于开源红利,也首当其冲承受生态动荡的代价。本文揭示了测试工具链面临的三重悖论:生态失衡、维护者窘境和企业伦
【问题背景】 在 M1/M2 Mac 上,Antigravity 应用常出现启动即卡死、发消息无响应的现象。最诡异的是:本地双击启动必挂,但通过远程 SSH 命令行启动却能奇迹般运行。【核心结论】 该问题源于应用内置的 LSP 子进程(language_server_macos_arm) 存在逻辑漏洞。它无视正式服配置,强行连接谷歌内部测试服,从而触发了 macOS 钥匙串(Keychain) 的
《AI产品开发中的协作边界重塑与测试实践》摘要: 随着AI产品复杂度提升,传统产品经理与技术专家的协作模式面临重构。AI产品经理需理解技术可行性,定义概率性需求;技术专家需具备产品思维,交付符合SLA的服务;测试人员角色扩展至数据质量审计、模型公平性评估和线上监控。文章提出四象限协作框架:战略层(指标对齐)、基础层(数据管理)、战术层(模型开发)、运营层(线上监控),强调测试人员应早期介入需求评审
main# 仅 main 分支 push 时执行# ============================================- docker build -t ${DOCKER_IMAGE} .# 根据 Dockerfile 构建镜像,标签为本次提交SHA# ---------- 推送镜像 ----------
本文介绍了利用AI模型Gemini高效编写CI/CD脚本的实用技巧。核心方法包括:1)建立精准提示词模板,明确工具链、环境需求等上下文信息;2)实战技巧如脚本语法转换、差分配置注入和错误日志分析;3)强调运维安全红线,需人工审核敏感信息和代码逻辑;4)建议构建可复用的代码片段库。文章指出Gemini擅长处理语法细节和流程编排,但开发者仍需把控整体架构和安全规范,将其视为能快速生成配置的智能助手而非
《Claude Code 10个隐藏技巧大揭秘》 本文分享了Claude Code的10个实用隐藏功能,大幅提升编码效率。包括:1)用/compact压缩上下文节省60%+Token;2)/cost实时查看花费;3)切换不同模型优化性价比;4)权限控制确保安全;5)项目配置自动保存;6)Hooks自动化工作流;7)子Agent并行处理任务;8)CLAUDE.md项目说明书;9)JSON输出实现自动
软件测试工程师如何通过FIRE运动实现财务自由:本文探讨了软件测试从业者如何运用专业思维实现财务独立。FIRE理念与测试工程师的风险评估能力高度契合,通过"开源节流"提升储蓄率、构建多元化投资组合、进行财务压力测试等步骤,测试人员可以像设计测试用例一样规划财务自由路径。文章提出了三阶段实施方案:需求分析、资产配置和集成验证,并建议根据个人情况选择适合的FIRE模式。同时提醒注意
智慧农业AI测试面临独特挑战:需验证由物联网设备、AI算法、智能农机和软件平台构成的复杂系统。核心难点包括农田环境不可控性、农业数据获取困难、系统动态适应性要求高等。测试策略需构建分级测试环境(仿真-试验田-真实农田),结合农学知识设计实效指标,采用场景驱动方法进行全链路验证。测试人员需兼具技术测试能力和农业领域知识,确保AI决策的可靠性,为智慧农业的稳健发展保驾护航。
摘要: 随着AI深度介入软件测试领域,测试工程师的核心竞争力已超越简单的工具调用,需构建多维"能力矩阵":1)底层原理与数学洞察:掌握概率统计、线性代数等数学基础,理解AI表示与推理逻辑;2)工程化与系统能力:从数据工程到模型生命周期管理,建立MLOps体系并优化性能与分布式推理;3)AI赋能的测试专业纵深:设计智能测试分析系统,专项验证模型鲁棒性、公平性等;4)软技能与跨界思
《测试工程师如何打造个人IP突围职业瓶颈》 在AI测试与混沌工程兴起的时代,测试工程师需通过个人IP实现职业跃迁。文章提出:1.个人IP能重塑专业形象,从"找Bug"转型为"质量架构师";2.建议选择垂直领域(如金融测试/AI测试)构建技术护城河;3.提供内容创作方法论,强调用实战案例和技术解析建立专业影响力;4.规划从社区参与到技术引领的成长路径。最终指出
《测试工程师如何应对数据殖民主义的伦理挑战》 随着AI技术深度融入产品,测试工程师的工作范畴正从技术验证拓展至伦理审查。本文揭示了数据殖民主义这一新型系统漏洞——它通过隐蔽数据收集、全球资源掠夺和价值单向转移,在数字空间再现了传统殖民逻辑。 测试流程需要建立新的检查点:在需求阶段质疑数据采集正当性,在模型验证阶段审计数据来源并检测算法偏见,在系统上线后持续监控公平性表现。建议构建"伦理渗
软件测试领域正面临"工具链疲劳"的隐形挑战。随着自动化测试框架、CI/CD工具等技术的激增,测试工程师反而陷入工具维护的泥潭:不同系统间的数据割裂、环境配置的复杂性、自动化脚本的脆弱性,以及持续学习新技术的压力。这种状况促使测试从业者从被动接受转向主动审视,开始追求工具链的真正价值而非数量。解决方案包括构建一体化质量平台、实现环境即服务、引入AI自愈能力,以及建立价值导向的质量
摘要:作者开发了一个名为multi-publisher的CLI工具,解决技术文章需要手动发布到20多个平台的痛点。该工具通过命令行调用各平台API,实现Markdown文件的一键发布,支持微信公众号、知乎等平台。相比依赖浏览器的现有方案,该工具更稳定且适合与AI工作流对接。文章还分享了npm发布过程中遇到的四个典型问题及解决方案。工具已开源,支持通过前端matter配置文章元数据,大幅提升了内容发
云时代测试面临新挑战,共享责任模型重塑安全测试边界。该模型明确划分云服务商与用户的安全职责:云商保障基础设施安全,用户负责自身部署的资产安全。测试重点需随服务模式(IaaS/PaaS/SaaS)动态调整,从系统健壮性转向云环境整体安全评估。当前趋势包括测试左移、API安全测试强化、身份管理精细化及多云统一测试框架构建。测试人员需转变思维,掌握云原生工具链,将安全验证融入DevSecOps流程,在责
2026年AI测试标准迎来重大变革:国际ISO/IEC42119系列构建全生命周期测试框架,中国YD/T6770-2026成为具身智能领域首个行业标准。新规推动测试范畴从功能验证扩展到数据安全、算法公平、伦理合规等维度,要求测试左移和持续监控。测试人员需掌握AI专项工具、理解法规标准,向"AI治理工程师"转型。这场变革既带来挑战,也为测试从业者提供了成为智能化转型核心力量的历史
多智能体系统正在从“有趣的研究方向”转变为“企业AI落地的标准范式”。当70%的企业应用将采用多智能体架构,当51%的专业人士已在生产环境中使用Agent,协作不再是可选项,而是必选项。对于开发者而言,现在是最好的学习窗口——选择一个框架(推荐LangGraph或CrewAI作为起点),动手构建你的第一个多智能体系统,体会从“单兵作战”到“军团协作”的能力跃迁。对于企业而言,2026年的分水岭不在
调参时先把kp设为0.5,ki调到kp的十分之一,观察并网电流的相位跳变。这代码最骚的是那个delta_d变量,步长调大了容易在最大功率点附近蹦迪,调小了追踪速度又像乌龟爬。实际跑仿真的时候建议用变步长改良版,功率变化量大的时候用大跳步,接近峰值时切小碎步,省得波形抖成筛子。等最大功率点跟踪算法追踪光伏电池的发电曲线,实现最大功率点追踪输出的仿真模型。等最大功率点跟踪算法追踪光伏电池的发电曲线,实
【2026测试工具全景图】AI驱动与云原生技术重塑软件测试领域,68%团队采用智能工具实现效能跃升。本文精选10款前沿工具:Functionize实现NLP需求自动转化,BrowserStack支持2000+设备云端验证,Apifox打通API全链路测试,TestComplete具备自愈式UI定位能力。Applitools专注像素级UI检测,BlazeMeter提供AI负载模拟,易测云聚焦移动端鸿
OpenClaw 是一款开源的个人 AI Agent 系统,可以运行在你的个人电脑或服务器上。完全属于你:私人助理,拥有长期记忆能力持续进化:通过 Skill 不断扩展能力更高权限:能直接操作你电脑本地运行:数据安全,隐私可控7×24 小时待命:主动干活,不用等你修改"workspace": "D:\\你的自定义路径\\openclaw-workspace"OpenClaw 没有内置的 CSDN
本文从市场定位、核心功能、AI能力、数据合规、免费策略、生态整合等七大维度,对GitHub、GitLab、Gitee和AtomGit四大代码托管平台进行了深度横向对比。代码托管已同质化,AI能力成新分水岭:四大平台在Git基础操作、Issue、PR等核心功能上高度趋同,但在AI模型托管、算力支持、AI工程化能力上,AtomGit独树一帜。网络速度与数据合规是国内开发者的刚性需求:Gitee和Ato