780.【复盘】每周复盘-第十三周

简介: 780.【复盘】每周复盘-第十三周

hi~,我是测试人芸芸,一枚北漂女程序员,八小时外玩古筝。 本周重要一件事:1.成功完成一次接口调用。2.完成插件yaml和requests的离线安装。****3.安装工具postman。


先说一下本周的完成情况。本周完成了yaml和requests第三方库的离线安装。


有在推进接口调用,但进展不是很顺利,面临了一些困难,并不是没有

通过脚本成功调起来一次接口。要面临的是缓存的问题。


今天是第二季度的第二天。在年初时,第一季写了5个目标:现在回顾一下,一共完成了四个半。


后来的一个是因为主要精力在工作上,就在学习进度上缓慢了不少。其他的目标都完成了。有一个任务是需要等待考试结果的。整体结果还是比较满意的。


现在写一下第二季度目标:

1.编写UI自动化脚本的优化,完成接口自动化脚本的基础和优化(主要目标)。

2.学课程。

3.看书3本(可具有一定的弹性)。


第一季度整体任务完成得还算比较满意,也有对一些年度的目标的调整。比如说现在不强制要求自己每天练琴了。如果时间充裕了,就去练练手放松一下。


以及不那么强烈要求自己在工作上有大的跨越,而是期待自己可以把所学东西进行真实的落地,看看自己能解决多少影响效率的问题。


本周推荐的胡66《空空如也》,旋律朗朗上口,适合放松听。


下周重要一件事:1.推进解决接口自动化的缓存问题。


相关文章
|
10月前
|
Web App开发 网络协议 Java
Windows 终端命令详解:PowerShell 初学者指南
Windows 终端是一个命令行工具,允许用户通过文本命令与系统交互,执行文件管理、系统配置和网络诊断等操作。PowerShell 是 Windows 终端的现代版本,相比传统的命令提示符(CMD),它功能更强大,支持脚本编写和复杂任务处理。本文将以 PowerShell 为主,带你从零开始学习。
1354 6
|
10月前
|
前端开发 JavaScript Cloud Native
技术栈全景:如何为你的项目选择正确的心脏与骨骼
技术栈全景:如何为你的项目选择正确的心脏与骨骼
1178 113
|
搜索推荐 定位技术 API
校园导航系统解决方案:智慧校园精准指引,提升校园服务质量
本文面向学校、相关技术人员以及对校园导航系统感兴趣的读者,提供校园导航系统的核心技术与功能的解析,包括高精度定位、三维地图构建及 AR/VR 集成等,推动智慧校园建设。如需校园导航系统解决方案欢迎私信获取,如有项目合作及技术交流欢迎私信作者哦~
1035 2
校园导航系统解决方案:智慧校园精准指引,提升校园服务质量
|
安全 5G 数据安全/隐私保护
微信怎么一天加200人?有方法吗
微信高效添加好友的合规操作指南(2025版)
|
开发者 UED 容器
07.精通HarmonyOS Flex对齐:从基础到高级布局技巧(上)
在HarmonyOS Next的ArkUI框架中,Flex容器提供了强大而灵活的对齐系统,使开发者能够精确控制子元素在容器中的排列方式。掌握这些对齐技术,是构建专业级用户界面的关键。
458 0
|
JavaScript 前端开发 Java
OpenGMS是什么?如何使用OpenGMS的建模与模拟工具(一)
只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
|
10月前
|
消息中间件 人工智能 Apache
Apache RocketMQ × AI:面向 Multi-Agent 的事件驱动架构
本文介绍基于Apache RocketMQ构建异步化Multi-Agent系统的新架构,通过语义化Topic实现Agent能力发现,利用Lite-Topic支持轻量级异步通信与结果反馈,结合InterestSet+ReadySet事件驱动模型,高效支撑任务闭环、状态恢复与动态编排,为Agentic AI提供高扩展、低延迟的协同机制。
|
缓存 编解码 数据安全/隐私保护
Harmony OS Next《ArkUI全组件终极指南 | 从布局到交互一站式精通》
本文全面解析HarmonyOS的ArkUI五大核心组件(布局容器、图片处理、文本、输入交互和按钮),通过零基础友好的分步讲解与实战场景覆盖,助你轻松打造美观且功能强大的应用。涵盖样式定制、性能优化及常见问题解决,适合教育科普行业学习参考。无论是初学者还是进阶开发者,都能从中掌握高效开发技巧,提升应用设计水平。
1237 11
|
编解码 边缘计算 文字识别
SmolVLM:资源受限环境下的高效多模态模型研究
SmolVLM是一系列专为资源受限设备多模态模型,通过优化架构与训练策略,在图像和视频处理任务中表现出接近大型模型的性能。该系列包含三种变体:SmolVLM-256M、500M和2.2B,分别适用于极端边缘计算、中等资源设备及高端边缘系统。研究探索了视觉与语言组件间的参数分配、高效视觉信息传递机制、视频编码策略等关键技术,并在多个基准测试中展现出卓越性能。SmolVLM不仅在计算效率和内存占用上具有显著优势,还在设备端部署中表现出高吞吐量和广泛适用性,适用于智能手机、笔记本电脑以及专业领域如文档理解与生物医学视觉问答等场景。论文由Ritvik Rastogi发布,详细探讨了模型设计与实验结果。
890 3
SmolVLM:资源受限环境下的高效多模态模型研究
|
消息中间件 JSON 资源调度
深聊性能测试,从入门到放弃之:Locust性能自动化(一)初识Locust
深聊性能测试,从入门到放弃之:Locust性能自动化(一)初识Locust
52174 4
深聊性能测试,从入门到放弃之:Locust性能自动化(一)初识Locust

热门文章

最新文章