Make a coding agent write the failing test before the implementation
Originally published at https://aicoding-guide.com . Ask a coding agent to "implement this feature" and the implementation arrives fast, but the ver…
Testing & QA
⚑ Report a ProblemLatest Testing & QA news from Tech News
All topics
agents
ai
api
architecture
automation
backend
beginners
career
claude
cybersecurity
devchallenge
devops
discuss
javascript
llm
machinelearning
mcp
node
opensource
performance
productivity
programming
python
security
showdev
softwareengineering
testing
tutorial
typescript
webdev
Codex Skin Command Cheat Sheet
-- title: "Codex Skin Command Cheat Sheet" description: "### Codex Skin Command Reference Cheat Sheet" tags: ["codex", "skin", "command", "cheat", "…
Шестнадцать обещаний и две модели, которые пытались их нарушить: как мы выпускали skillmem 0.12
В 0.11 мы сорок раундов гоняли ИИ-ревьюеров по коду и нашли много багов. Но у каждого ревьюера было своё представление о том, что значит «правильно»…
1700 строк JS и ни одного видеофайла: как ИИ-агент снимает кино на Canvas и рендерит его в MP4
В этом минутном фильме нет ни одной картинки, видеофайла или сэмпла. Огонь, гравюру, 3D-сферу, пиксельную игру и музыку рисует и синтезирует один HT…
Бенчмарк Маракуйя ИИ на Terminal-Bench 4 и OSWorld 2
Всем привет! В прошлой статье я гонял Алису и Гигачат как чаты: Arena-Hard, WildBench, MultiChallenge, τ³, ПРАКТ-120. Там модель должнв была отвечат…
История одного аккаунта OpenAI: паровозик, который не смог
TLDR : забанили трёхлетний аккаунт с подпиской Pro, кибер‑доступом Daybreak Blue и вследствии: доступ ко всей накопленной информации в акк…
Как проверяющий ИИ испортил правильные ответы: разбор генератора учебных заданий
Генератор учебных заданий положил «маши…ый» в правильную корзину, а проверка переложила слово в неправильную. При этом модель-арбитр в своём же объя…
Codex написал рабочий код, но не закрыл задачу: как меняется мой процесс разработки
Я всё меньше пишу первую версию кода сам. Раньше backend-задача чаще начиналась для меня с реализации. Сейчас я могу описать её Codex, получить diff…
Смерть сабагентов в Claude и Codex
Для параллельной работы больше не обязательно каждый раз поднимать команду сабагентов. Уже открытые сессии принимают задания, отдают результаты и пе…
Multi-agent work in three spoonfuls: what worked for me and what did not
This started as a practical annoyance: long tasks interrupted by quota limits, conversations that became too heavy, and reviews that required copyin…
Архитектор, параноик, фантазёр и другие сотрудники IT‑компании будущего
За последние пару лет произошло странное: написать работающий код стало почти неприлично легко, а построить хорошую программную систему наоборот - с…
Harness engineering: ты же сам проверил, утвердил и пропустил дальше
Агент сам себе поставил PASS. И я это проглотил. Все галочки закрыты, статус в шапке правильный, агент ушёл спать. Наутро я прочитал и отклонил рабо…
Codex vs CodeRabbit: Choose the Ownership Boundary, Not the Review Score
I defined the comparison framework and the decision criteria. AI helped re-check the current official documentation and rewrite the Japanese draft f…
ИИ-агент вместо тестировщика: 20 копеек за диалог и причина, почему вас не заменит llm
Привет, Хабр! Меня зовут Никита Хробостов, я QA-инженер в Just AI. Тестирую диалоговые системы: чат-ботов и голосовых ботов, часть из них с обращени…
Stop! Slopo¡
tl;dr; tree-sitter -> выделение структурных фрагментов -> эмбеддинги -> кластеризация -> вот и дубли. Точнее, кандидаты. Одной из неприя…
Don't Let Codex Roam Free: 6 Guardrails I Use for AI-Assisted Coding
Leaving Everything to AI Feels Risky. But Codex Became Much More Reliable Once I Put Up Some Guardrails https://github.com/tosane932/sales_data_app…
Как мы все недооценили Grok Build и почему скоро не будет Cursor
Если, конечно, Маск не слукавил. Под видом grok-4.5 на LLM Arena, по наблюдениям комьюнити, уже около недели крутится то, что тестеры на…
Разделение ответственности между Claude и Codex: как я перестал выбирать одну нейросеть и усилил сразу две
Я Go-разработчик, но у меня есть собственный проект — и это значит, что Go только часть работы. В обычную неделю я переключаюсь между Go-бэкендом, S…
Патчим Codex: управляемая амнезия без потери контекста
Я дал модели (в codex) возможность самостоятельно решать, когда нужен compact, и обязал её объяснять причину и строить план на будущее. Зачем? компа…
Пять неправильных токенов и 245 картинок: как Krea 2 заработала на Swift и MLX
На обложке — команда, которой не было. В реальности Twisterminigen создавался за одним столом: я, Mac mini M4 с 32 ГБ объединённой памяти и Co…
ИИ-Автопилот: замкнутый цикл разработки на C++ — от тикета до проверки в живом GUI
Я заметил, что стал копипастером задач в ИИ-агента и обратно, а из программиста превратился в GUI-тестера. Не самая моя любимая работа. Сначала нава…
We Got the Prompt Cache Working. Our Pipeline Got Slower.
"You're spawning a fresh codex exec for every single call? Just run the app-server and reuse a thread. The prompt cache alone will pay for it." That…
Best Tools for Managing Parallel AI Coding Agents in 2026
Running one coding agent is easy. Running six is where the workflow problems start showing up. We built one of the tools in this list, Nimbalyst, an…
AI-агент для анализа требований в финтехе: собираем контекст и находим проблемы до разработки
В прошлой статье мы подробно разбирали, как автоматизировать создание чек-листов и ускорить рутинные проверки с помощью нейросетей. Эта практика отл…
Teaching Codex to Paint: A Stateful Image-Editing Skill Built on Gemini's Interactions API and MCP
TL;DR: nb2lite-skill-codex wraps Google's gemini-3.1-flash-lite-image model (NB2Lite) in a tiny FastMCP server and packages it as a Codex skill. You…
OpenAI ships Codex into Claude Code — two commands, or four?
A rare thing happened on March 30, 2026: OpenAI shipped first-party tooling straight into a competitor's terminal. The result is codex-plugin-cc , a…
Агент пишет не то, что нужно? Верните контроль
Как часто, работая с агентом над новой фичей, вы остаётесь недовольны результатом? То что-то не работает, то качество кода неприемлемо. Вы просите а…
Swarming Claude Code and Codex in Parallel: Running Multiple Agents at Once with tmux and Git Worktrees
In my previous post about a cost budget advisor , I built a mechanism that checks how much quota is left before it runs anything. This time I want t…
Your Codex model shuts off July 23 — a 7-day migration map
I pin model IDs on purpose. Floating aliases have burned me before — a silent swap under a -latest tag once changed a tool-calling detail in product…
Claude Code умеет всё, кроме одного — слушаться вашу программу. Чиним это протоколом ACP
Claude Code, Codex, Gemini CLI — мощные штуки. Но живут они в терминале: вы открываете окно, печатаете задачу, смотрите, как агент думает, лезет в ф…