✂️ 使用 QA Wolf，将您的 QA 周期缩短至几分钟（赞助内容）
如果缓慢的质量保证流程阻碍了您或您的软件工程团队，并因此导致发布速度变慢——您需要了解一下 QA Wolf。
QA Wolf 的 AI 原生服务支持 Web 和移动应用程序，可在数周内实现 80% 的自动化测试覆盖率，并将 QA 周期缩短至数分钟，从而帮助团队以 5 倍的速度交付产品。
QA Wolf让您摆脱测试的烦恼。他们可以帮您：
-
支持移动应用和 Web 应用的无限次并行测试运行
-
24 小时维护和按需测试创建
-
人工审核后的错误报告将直接发送给您的团队
-
零碎屑保证
好处是什么？无需再进行手动端到端测试。不再需要缓慢的质量保证周期。不再有缺陷进入生产环境。
借助 QA Wolf， Drata 的 80 多名工程师团队实现了 4 倍的测试用例数量和86% 的 QA 周期速度提升。
本周系统设计回顾：
-
Claude Code 与 OpenClaw：5 个设计维度
-
成为人工智能工程师 | 报名即将截止
-
人工智能如何用5个步骤伪装成人类
-
如何判断你的AI应用是否真的有效？
-
为什么 Git 回滚会导致冲突？
Claude Code 与 OpenClaw：5 个设计维度
Claude Code 会在每次任务完成后终止运行。OpenClaw 则永不休眠。两者都功能强大，但架构上存在关键差异。
系统范围
Claude Code 是一个生命周期很短的进程。启动它，运行一会儿，然后就退出。OpenClaw 则是一个长时间运行的后台守护进程，它有一个网关，用于维护与 Discord、Slack 和 WhatsApp 等应用程序的 WebSocket 连接。
代理运行时
Claude Code 使用单一的异步查询循环：思考、工具调用、观察、重复。OpenClaw 使用会话队列，其中网关将 RPC 请求路由到不同的队列中。
扩展架构
Claude Code 支持 MCP、插件、技能和钩子，所有这些都集成到代理中。OpenClaw 使用清单优先的插件系统。插件在到达代理之前会先经过中央注册表。
记忆
Claude Code 将 CLAUDE.md 视为记忆文件。OpenClaw 将 MEMORY.md 与日常笔记分开，并添加了跨结构化部分的混合向量/关键词搜索功能。
多代理与路由
Claude Code 采用的是引导代理到子代理的模式。OpenClaw 采用的是路由委托系统，其中入站通道被路由到专用代理，这些代理再将请求转交给共享的子代理。
现在轮到你了：你认为哪种模式代表了智能体的未来？
成为人工智能工程师 | 报名即将截止
我们的第六期“成为人工智能工程师”课程将于一周后开课。这是一门实时、小组授课的课程，由畅销书作家阿里·阿米尼安 (Ali Aminian) 合作创建，并由 ByteByteGo 出版。
以下是这一届学生的特别之处：
-
通过实践学习：构建现实世界的人工智能应用程序，而不仅仅是观看视频。
-
结构化、系统化的学习路径：遵循精心设计的课程，从基础知识到高级主题，循序渐进地学习。
-
实时反馈和指导：直接从导师和同伴那里获得反馈。
-
社群驱动：独自学习很难，与社群一起学习就容易多了！
我们注重技能培养，而非理论或被动学习。我们的目标是让每位参与者都能掌握构建人工智能系统的坚实基础。
如果你想从零开始学习人工智能，这绝对是你的理想平台。
人工智能如何用5个步骤伪装成人类
一张自拍，一段伪造视频。以下是深度伪造技术的大致工作原理。
下图展示了将参考图像（如自拍）、语音片段和提示信息转换为虚假视频的完整流程。
第一步：提示语优化。对文本提示语进行清理，添加更多细节，并配以否定提示语，以消除诸如手部变形等不必要的瑕疵。
步骤 2：参考图像准备。将目标对象的一张自拍照输入 VAE 编码器，VAE 是一种神经网络，可将图像压缩成紧凑的潜在表示。
步骤 3：扩散推理引擎。从纯噪声开始，运行基于扩散的去噪器，并以精炼后的提示、参考潜在帧和音频为条件，生成干净的视频潜在帧。然后，VAE 解码器将这些潜在帧转换回视频帧。
步骤 4：后期处理。将原始帧放大到更高分辨率，进行颜色校正以保持一致性，通过 NSFW 分类器筛选，并添加水印。
步骤 5：多模态同步器。音频被转换为音素（语音中不同的声音单位）。唇形同步模型将嘴部动作与这些音素对齐。
输出结果是一段视频，视频中的CEO从未说过那些话，也从未进入过那个房间。
轮到你了：你会关注哪些方面来判断一段视频是真实的还是人工智能制作的？
如何判断你的AI应用是否真的有效？
你需要进行评估。但大多数团队会跳过这一步（或者做得不对），因为“评估”这个词听起来很模糊。其实不然。
好的评估都是一个三步流程。
第一步：选择一项任务。人工智能系统具有不同的能力和评估维度。对于低层管理模型（LLM），可以是安全性或数学能力；对于红黄绿灯系统（RAG），可以是着陆和回收。选择其中一项。
步骤二：收集评估数据。对于每项任务，收集与正确答案或预期行为相对应的输入信息。安全集将风险提示与“拒绝”选项配对。
步骤三：开发评分系统。如何判断输出结果是否优秀？
-
对于有明确正确答案的问题，使用基于代码的评分器（if/else、单元测试），并修补通过单元测试的问题。
-
对于安全等主观任务，使用基于模型的评分器（LLM 作为评判员）。
-
对于特殊情况以及任何比吞吐量更重要的细节要求，请使用人工评分。
大多数生产环境评估都会结合这三种方法：代码评估用于检查成本低廉的部分；模型评估用于规模化；人工评估用于检查最重要的部分。
轮到你了：你觉得评分任务中最难的部分是什么？你用哪种评分方式来评分？
为什么 Git 回滚会导致冲突？
git revert 命令看起来很简单，但有时会引发冲突。以下是发生这种情况的原因。
-
`git revert` 的实际作用：与 `reset` 不同，`revert` 不会重写历史记录。相反，它会创建一个新的提交，撤销之前提交所做的更改。这可以保持历史记录的清晰、可追溯性，并确保共享分支的安全。
-
为什么会发生回滚冲突：当后续提交更改了与您要撤销的提交相同的行时，就会出现冲突。
图示示例：
-
提交 C2 添加了一项功能
-
提交 C3 修改了相同的几行。
-
回滚 C2 现在与 C3 的更改相冲突。
Git 无法确定哪个版本才是正确的，因此会触发回滚冲突。
-
如何解决这个问题：
1. 运行 git revert C2
2. Git 在遇到冲突时会暂停。
3. 你手动修复了文件
4. 上演
5. 继续恢复
然后 Git 会创建一个新的提交，干净利落地撤销 C2，同时保持 C3 不变。
轮到你了：你是否曾在最糟糕的时刻遇到过冲突？你是如何解决的？
原文： https://blog.bytebytego.com/p/ep214-claude-code-vs-openclaw-5-design