最近在写一本《Harness Engineering 实战》。第七章是验证层，原本只是想引几篇 Anthropic 和 METR 的论文带过去。结果跑实验跑出了几个反直觉的数字，干脆停下来把整章重新梳理了一遍。 我用 DeepSeek 改 5 个 Python bug，每个跑 3 次。 15 次结果都是"任务完成 "。

说明：如果访问 GitHub 比较慢的话，可以关注我的知乎账号（Python-Jack），上面的“从零开始学Python”专栏（对应本项目前 20 天的内容）比较适合初学者，其他的专栏如“数据思维和统计思维”、“基于Python的数据分析”、“说走就走的AI之旅”等也在持续更新中 ...

在 AI 编程领域，大家似乎正处于一个认知错觉的顶点：随着 Coding Agents 独立完成任务的难度和范围逐渐增加，Coding 领域的 AGI 似乎就可以实现？ 然而，真正的工程师都知道，写代码的灵魂不在于file/function level的 code creation，而是 project level 的 code completion。

更多的例子，尽量做到每一知识点都有例子； 更多的拓展阅读，部分章节添加了作者学习时，所查阅的资料； 所以这也是作者自身学习pytest的历程，希望能有更多的人了解这款优秀的测试框架； ...

allure是一个生成测试报告的插件，支持常见语言，如python、Java等，生成美观的测试报告。 --alluredir 后面的 ./report/jsonfile 是执行脚本后相关的测试数据输出的目录名称。目录名称不固定的，可以自定义，如 ./result/aaa 给报告添加详细的说明信息，增加可读性。