testing
8 özet
- 3 Kasım 2026 Skill’in token’a değdiğini nasıl kanıtlarsın: agent skill’leri için beş kurallık eval rehberi SKILL.md dosyalarının yaygınlaştığı bir dönemde çoğu kişi onları aynı biçimde test ediyor: bir prompt’u sohbete yapıştır, bir kez geçtiğini gör ve merge et. Google’ın yazısı, değe… Google Cloud Blog
- 31 Ekim 2026 Her pull request için production kopyası: Lakebase branching ile CI/CD (Snorkel AI) Snorkel AI kodu Kubernetes üzerine kurulu bir CI pipeline’ıyla yayınlıyor: her açık pull request ve bazı ad-hoc commit’ler kendi geçici Kubernetes namespace’ini (‘PR namespace’) a… Databricks Engineering
- 29 Ekim 2026 Bug’ı birleşmeden önce yakalayan test: Meta’nın Catching JiTTests sistemi Meta’da yüz milyonlarca satır kod sürekli değişiyor ve klasik testler bu hıza yetişemiyor. Çoğu AI tabanlı yaklaşım, LLM’le kodu bir insan reviewer gibi gözden geçirip hata arıyor… Meta Engineering
- 16 Ekim 2026 Agent’ı kapanış cümlesine göre notlama: dört eval mühendisliği dersi Yazının tezi: agent’lı bir sistemin asıl zorluğu inşası değil ölçümü. Yazar, Google’da yıllardır değerlendirme mühendisliği yürütüyor ve yeni Google Cloud Developer eklentisini bu… Google Cloud Blog
- 15 Ekim 2026 Döngüde değil döngünün üstünde: Meta bir uygulamayı AI agent’la nasıl yaptı Meta, Facebook gruplarının derin sohbetleri için yeni bir uygulama olan Forum’u küçük bir ekiple sıfırdan yaptı ve geliştirme sürecine bir AI agent’ı katılımcı olarak aldı. Başarı… Meta Engineering
- 9 Eylül 2026 Kuyruk çökerse uygulaman ne yapar? Hipotezli bir resilience deneyi kurmak Uygulaman SQS kuyruğuna mesaj gönderemez ya da alamaz hâle gelirse, aşağı akıştaki işleme durur. Sebep yanlış yapılandırılmış bir IAM politikası, ağ bölünmesi, kötü bir dağıtım ya… AWS Architecture Blog
- 7 Nisan 2026 600.000 testi elle taşımadan JUnit 5'e geçmek Uber'in Java monorepo'sunda test paketinin ana çerçevesi JUnit 4'tü. Çalışıyordu, ama sekiz yıl önce çıkan JUnit 5'in yeteneklerini kullanmalarını engelliyordu — ve JUnit 4'ün akt… Uber Engineering
- 8 Temmuz 2026 Bozuk benchmark: testin kendisini denetlemek Model yeteneklerini doğru ölçmek, dağıtım ve güvenlik kararları için kritik. Değerlendirmelerin kusurlu olması sadece bir sayıyı bozmaz — yetenekler hakkında yanlış bir anlayış ya… OpenAI Research