# 测试的所有文章

在 HTX 新闻中心浏览与「测试」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

Claude写代码总出错？这12条规则把错误率降到了 3%

2026年初，Andrej Karpathy批评Claude编程时常犯静默假设、过度工程化、无关破坏等错误。Forrest Chang据此总结出4条行为规则并创建CLAUDE.md文件，有效将相关错误率从约40%降至3%以下。但随着AI编程向多步骤Agent、跨代码库协作等复杂场景发展，原有规则显现不足。本文作者经过6周30个代码库的测试，在原有4条规则基础上新增8条，形成12条规则合集，以应对新挑战。新增规则包括：不让模型处理非语言类决策（如重试逻辑）；设置硬性token预算以防循环失控；发现代码风格冲突时明确暴露而非折中；修改前先阅读理解周边代码；确保测试验证真实逻辑而非仅通过检查；为长任务设置检查点以防进度丢失；遵循现有约定而非引入新风格；要求显性失败而非静默跳过错误。测试数据显示，12条规则将总体错误率进一步降至3%，且未显著增加模型的遵守负担。文章指出，CLAUDE.md应视为针对具体失败模式的行为契约，而非泛泛的愿望清单，建议开发者根据自身实际情况裁剪使用，并保持文件简洁（不超过200行）以确保规则被有效遵循。

marsbit05/14 10:07

marsbit05/14 10:07

如何用Claude Skills自动化任何工作流（完整教程）

本文是一份全面的Claude Skills实战教程，旨在帮助用户通过构建自定义Skills（技能），将AI深度、稳定地融入日常工作流，实现任务的标准化与自动化。 **核心概念：** Claude Skill并非简单的预设提示词，而是一个包含详细工作流指令的永久性文件（SKILL.md）。它像一个训练有素的“员工”，能确保每次执行相同任务时，流程、标准和输出格式都保持一致，从而获得远超一次性Prompt的稳定高质量结果。 **教程分为四个阶段：** 1. **快速上手（5分钟）：** 了解Skills以文件夹形式存放，学会从官方或社区平台查找、安装现有Skill，并应用于真实任务进行初步体验。 2. **从零构建：** 在创建自定义Skill前，需明确回答三个问题：技能的具体用途、至少五个触发短语、完美输出的具体示例。随后编写SKILL.md文件，其结构包括：顶部的YAML元数据（含名称和具体触发描述）和下方用自然语言编写的一步步工作流说明（需包含示例、边界情况及明确标准）。 3. **测试与优化：** 通过“三场景测试”确保Skill达到生产级水平：常规场景（80%常用情况）、边界场景（处理异常或信息缺失）、压力场景（应对最复杂情况）。每次不理想的输出都应触发对SKILL.md的即时优化，通过持续迭代使输出媲美专业人士。 4. **搭建技能库：** 为工作流中各项重复任务构建专属Skill，例如内容创作、数据分析、邮件起草等。一个月可积累十个生产级Skill，三个月可形成覆盖主要工作的完整技能库，从而将AI转化为高效的“团队”，让使用者更专注于策略而非执行。 **文章强调，** 持续构建和优化Skill库能带来显著的时间复利（例如十个技能每年可节省260小时），是从“使用AI”转向“用AI系统工作”的关键。

marsbit05/12 09:45

marsbit05/12 09:45

大摩2026半导体报告：买封装、买测试、买中国芯，避开传统赛道

**大摩2026年半导体报告核心摘要** 报告指出，全球AI资本开支超预期扩张，算力供给正从“NVIDIA主导”转向“GPU + ASIC + 中国芯”三轨并行。核心投资逻辑是抓住AI供应链红利，回避被边缘化的传统赛道。 **核心结论（按重要性排序）：** 1. **买封装**：先进封装（CoWoS/SoIC）是确定性最强主线。AI服务器需求直接拉动产能，台积电（TSMC）因其不可替代性成为核心受益者。 2. **买测试设备**：测试设备（Handler/Socket/探针卡）是估值最低、成长最确定的细分方向。AI芯片复杂度导致测试时长结构性翻倍增长，市场重估严重滞后。重点公司：鸿精密、颖崴科技（WinWay）、MPI。 3. **买中国AI芯片**：出口管制倒逼国产替代，中国云厂商加速切换。国产芯片在推理场景已具备总拥有成本（TCO）优势。市场呈分化格局，华为占据主导（62%），寒武纪（14%）因客户锁定和盈利确定性成为首选标的。 4. **避开传统赛道**：非AI半导体（消费/汽车/工控）被AI系统性虹吸供应链资源，复苏弱于预期，建议回避纯传统敞口。存储内部分化，坚定看多HBM（海力士最受益），对传统DRAM/NAND持谨慎态度。 5. **宏观与结构变量**：地缘政治（出口管制）强化中国芯替代逻辑；AI需求对非AI供应链的“蚕食效应”是传统半导体疲软的核心原因；科技通胀（晶圆/封测/存储成本上涨）挤压非AI芯片设计公司利润。 **一句话总结**：聚焦AI基础设施核心环节（封装、测试）及中国替代龙头（寒武纪），规避传统半导体复苏幻想，时间窗口在2026-2027年。

marsbit05/12 01:29

marsbit05/12 01:29

当 AI 搞定安全，DeFi 将重回黄金时代？

2020年DeFi Summer时期涌现大量创新协议，但也因安全漏洞导致严重损失，使得行业转向保守，多重审计和高成本长时间审核抑制了实验精神。如今，AI技术正大幅降低安全成本，推动DeFi创新复苏。新一代AI审计工具如Nemesis能识别复杂漏洞，理解协议上下文，并通过多智能体协作减少误报。结合Battlechain等测试环境，形成全新安全流程：代码编写后快速AI审计，部署至测试链进行实战攻防，再修复漏洞并主网上线，将数月周期压缩至几小时，成本极低。未来，用户钱包也可集成AI审计工具，在交易前分析合约风险，实现全方位保护。这一变革重新开放了实验空间，使个人开发者能像2020年那样快速迭代，推动DeFi重回黄金时代。

marsbit04/03 10:14

marsbit04/03 10:14

性能超越 Opus！Anthropic 泄露文件揭秘：新一代超强模型 Claude Mythos 已在测试中

人工智能公司Anthropic内部文件泄露，显示其正在秘密测试新一代超强模型Claude Mythos，该模型属于名为“Capybara”的全新层级，代表其技术实现重大突破。文件指出，Claude Mythos在综合能力上已全面超越此前旗舰模型Claude Opus，具备更高水平的智能和更强的逻辑推理与复杂任务处理能力。 Anthropic内部对该模型表现出高度警惕，认为其带来了前所未有的网络安全风险，因此公司在发布策略上保持谨慎，力求在追求更强智能与保障人类安全之间寻求平衡。这一动向可能引发大模型行业竞争格局的重新洗牌，进一步推高AI能力的基准线。目前Claude Mythos的具体发布日期尚未公布。

marsbit03/27 03:52

性能超越 Opus！Anthropic 泄露文件揭秘：新一代超强模型 Claude Mythos 已在测试中

marsbit03/27 03:52

柴犬币还能东山再起吗？Shibarium第三层进展缺失成隐患

Shiba Inu（SHIB）近期价格持续低迷，已跌至2022年熊市以来的低位。尽管其生态中的去中心化应用 Woofswap 确认正在 ShibClaw 计划下进行 Shibarium Layer-3 浏览器的早期测试，但关于 L3 主网上线时间、技术细节等关键信息仍未明确披露，导致社区担忧加剧。目前 Shibarium 网络本身正在进行大规模升级，包括服务器迁移和全链重新索引，但区块和交易数据的显示仍不完整，实际数据远超当前前端所示。缺乏明确的路线图和更新，使得市场对 SHIB 生态的发展方向感到不确定，难以形成有力的价格支撑。分析师认为，若没有更积极的消息推动或情绪回暖，SHIB 短期内恐难重现类似 Shibarium 刚推出时的反弹势头。截至发文，SHIB 交易价格约为 $0.0000061。

bitcoinist03/24 22:01

bitcoinist03/24 22:01

Vitalik Buterin 表示：AI 可能加速以太坊路线图进展

以太坊联合创始人Vitalik Buterin表示，人工智能工具可能加速以太坊协议路线图的推进。开发者Jiayao Qi（YQ）通过AI工具Claude Code在六天内构建了实验性客户端ETH2030，耗资约5750美元，包含70.2万行代码，覆盖65项路线规划功能。该客户端虽能通过3.6万项测试并与主网同步，但Buterin指出其存在明显局限性和未经验证的漏洞。 Buterin强调，AI的真正价值在于同时提升开发速度和安全性——通过生成更多测试用例、形式化验证和多客户端实现来增强网络稳健性。他举例称，Lean Ethereum项目已利用AI完成了STARK安全性的机器验证证明。 ETH2030实验暴露出升级项间的深度耦合问题，包括性能差距和现实环境适配挑战。Buterin认为，尽管AI无法完全消除协议缺陷，但能将调试效率提升5-10倍。他呼吁社区以更开放的态度面对"以太坊可能以超预期速度和更高安全标准完成路线图"的可能性。

bitcoinist03/02 16:41

bitcoinist03/02 16:41

AI 大模型与日俱新，打工人如何摆脱「AI 焦虑」？

AI大模型日新月异，打工人常陷入“AI焦虑”。文章指出，焦虑根源并非AI发展太快，而是缺乏有效的信息过滤器。作者提出三个解决方案：一是建立“每周AI简报”智能体，根据个人工作需求自动筛选相关信息；二是用实际工作提示词测试新工具，而非依赖演示案例；三是区分“基准发布”（性能提升）和“业务发布”（实际应用），避免被营销炒作干扰。最终强调真正的竞争优势在于识别关键信息的能力，而非追逐所有更新。

marsbit02/09 12:19