觀點
關於企業導入 AI 的實作觀察，以及軟體品質的第一線經驗。
Qaptly Desktop 開始支持 Codex
Qaptly Desktop 的 AI Assistant 從 v0.17.5 開始正式開放 Codex 支持。如果你本來就是 ChatGPT 訂閱用戶，現在可以直接讓 AI Assistant 使用 Codex，在日常測試設計與自動化調整上節省成本。
- AI 協作進入 workflow 之後，那些最容易被低估、卻最關鍵的幾件事過完年後，基本上都在幫幾間新創與大公司內部的開發部門導入 agentic development。這段時間看了不少團隊的做法，也有一些很直接的感受，想趁這個機會整理一下。
- 從單點工具到流程閉環的虛實與挑戰探討2026年AI在軟體開發生命週期中的實踐，從單點工具普及化到流程閉環協作的轉變，以及QA自動化的真實與虛假繁榮。
- 原來測試工具也可以拿來玩我們為什麼願意開放「跳過 Accessibility 檢查」的能力、這個設計背後的工程與產品思考，以及 Qaptly Auto for Android 如何在「正式測試」與「非典型使用場景」之間，保持工具的彈性與邊界。
- 當軟體測試碰到真實世界當系統開始與真實世界互動，只驗證畫面與 API 已經不夠。 本文介紹 Qaptly 為什麼開放 UPP（Unified Pilot Protocol）， 以及如何結合自然語言，讓 IoT 測試真正驗證「事情是否真的發生」。
- [SQA 的隱性指標] 結構化的Error CodeError Code 不只是錯誤處理工具，而是判斷軟體品質成熟度的重要指標。從 SQA 角度解析 Error Code 如何影響判斷效率、團隊協作與使用者體驗。
- Qaptly來了！Qaptly 是我們打造智慧 QA 工具過程中的一個重要里程碑，v0.13.0這個版本大概又能幫SQA省下不少生命，執行的事交給我們，你可以放開雙手，去做點更有意義的事。
- 用與不用AI，是開發團隊的生存分水嶺嗎？AI 正改變開發團隊的工作節奏與協作方式。能有效整合 AI 的團隊，通常能在更短時間內完成更多、更穩定的產出，而不是單純加班換效率。真正的差距不在技術本身，而在思維與習慣的轉變——懂得與 AI 合作的人，將重新定義開發效率的標準。
- 為什麼我們不建議自建或委外開發電商網站開發一個自有電商網站，比起被平台抽成，好像更划算，這篇告訴你，為什麼不建議你這麼做。
- 怎麼簡單地檢查專案或產品品質？如果不是軟體研發人員，我們其實很難評估目前專案跟產品的品質，我們這次不談太專業的內容，就從一般非研發人員也能簡單操作的方法，讓大家能夠評估自己的專案或產品
- Qaptly支持macOS 10.15+與Windows 10/11的Desktop App自動化了之前Qaptly雖然有提供macOS與Windows版本，但基本上只支援這兩個平台上的Chrome/Edge瀏覽器中的網站測試自動化，還有Android/iOS的測試自動化，最新版本0.9.23新增native desktop app支持，一樣可以用自然語言描述來完全測試案例自動化
- 軟體品質的核心，是可測試性軟體型態多樣化，實作方式也各有千秋，在SQA上，各種方法論也都是層出不窮，其實，怎麼測一直都只是術，關鍵的是測試的道，而如果要在所有原則中挑一個最重要的，那可測試性(Testability)應該會是當仁不讓的那一個，偏偏這又不是傳統SQA能參與的，往往在系統設計時，可測試性很難在第一時間被研發人員考慮進去
- 資訊安全應該是必修課？所有看似完整且自洽的邏輯，一但來了一個必要的第三者，就得重新思考資訊完整性的問題
- 從系統崩潰來看壓力測試的誤區我們怎麼從統一發票兌獎這件事來看待系統處理與承受能力？
- 測試怎麼配才合理？帶你認識 SQA TW的服務模式與日常工作方式一篇讓你快速搞懂 SQA TW平常都怎麼做事、怎麼報價、怎麼用工具輔助驗證的文章，給想合作的你參考一下。
- 從用戶界面反應不一致性反思軟體品質管理透過用戶界面的一致性問題，深入探討軟體品質管理的本質。當不同輸入欄位有著不同的觸發機制時，這不僅僅是介面問題，而是反映了更深層的程式碼品質和設計思維議題。
- 為什麼總是測不到問題？深入探討軟體測試過程中常見的問題檢測挑戰，分析問題類型、測試盲點與改善策略。從技術層面到流程優化，幫助團隊建立更完善的品質保證體系，提升問題發現率。
- 花了好多錢請外包團隊做一套軟體系統，要怎麼做才不會後面又加錢修改探討軟體開發外包的風險管理策略，從需求分析、系統設計到驗收測試，提供完整的品質驗證方法，幫助企業避免後續的額外支出。
- SQA工程師跟自動化測試工程師，該怎麼選？探討在AI時代下，SQA工程師與自動化測試工程師角色的差異與演變。傳統上這兩個角色有著不同的職責，但AI正在改變這個格局，讓我們重新 思考測試人才的選擇標準。