AI 測試抖動多半源於斷言寫法與版本鎖定

2026 年 11 月 2 日，DEV Community AI 欄目刊登了一篇關於 AI 測試抖動問題的文章。文章提出，AI 測試的不穩定多數來自兩個原因：一是對本來就不保證一致的輸出使用精確匹配斷言，二是沒有鎖定模型版本與溫度設定。

按文中的說法，先修好這兩處，約 80% 的抖動測試會穩定下來；剩下的 20% 屬於真正的非確定性，應對辦法是換一種斷言方式，而不是換模型。文中還提到，“AI 無法測試”的抱怨在 QA 團隊中經常出現，這些團隊往往已經進行 LLM 專案長達六個月，測試套件會執行起來，而問題也由此而來。文章未給出更具體的案例、工具或後續進展，目前資訊只停留在這一觀點陳述上。