测试

测试不是通过少量Case证明代码没有问题，而是使用不同成本和范围的反馈回路，持续降低系统中的未知风险。单元测试验证局部逻辑，集成测试验证边界协议，端到端测试验证关键旅程，性能与可靠性测试验证系统在压力和故障下的行为。

引入Agent后，传统测试仍然有效且更加重要：Parser、状态机、权限、Tool Executor、数据库和协议仍然属于确定性软件；模型选择与自然语言质量则需要统计评测。不能使用模型随机性解释所有失败，应先定位故障发生的具体层级。

测试基础

测试对象、Oracle、黑盒与白盒、功能与非功能、测试金字塔、覆盖率、Mutation Score、风险驱动和缺陷回归。重点说明每个测试层级能够提供的质量证据。

单元测试

测试边界、AAA、Table-driven Test、Test Double、属性测试、Fuzz、并发与时间；再把Agent的Prompt Builder、Parser、Policy和状态机拆成可精确断言的普通代码。

集成与契约测试

说明PostgreSQL、Redis、Kafka、HTTP/gRPC和MCP边界的测试方法，Fixture、隔离与清理策略，以及Consumer-driven Contract如何防止Mock与真实Provider产生语义偏差。

端到端与回归测试

关键用户旅程、Playwright隔离、SSE异步等待、Trace留证、Flaky Test治理和缺陷下沉。Agent端到端不只看最终答案，还要验证工具、副作用、证据与预算。

性能与可靠性测试

Benchmark、Load、Stress、Spike、Soak、容量模型、P95/P99、吞吐、Little’s Law、故障注入与恢复验证；Agent还要测TTFT、Token、Tool并发、成本和长尾链路。

Agent 测试

Fake Model、Fake Tool、受控仿真、Trace Replay、Gold Evidence、Trajectory Grader、LLM-as-Judge、安全Case与线上闭环。重点是把概率系统拆成能局部精确断言、整体统计判断的部件。

可观测性

测试不能只证明发布前的世界。Prometheus、Loki、Tempo与Grafana负责从线上发现反例、保存证据并定位失败层；经过脱敏和人工确认的Incident再下沉为最低成本的回归Case。

一条够用的CI路径

提交前：format + lint + type check + focused unit tests
Pull Request：全量unit + race + contract + narrow integration
合并后：broad integration + E2E smoke + offline agent eval
定时任务：fuzz + mutation + performance + soak + security
发布阶段：canary + synthetic test + SLO / rollback gate
线上闭环：trace → failure mining → human label → regression set

这组文章共用一个原则：高层失败应尽量下沉成低层回归。生产里发现一次JSON解析Bug，最终遗产不该只有一张事故工单，而应该是一条最小单测、一个固定Fixture和一条CI门禁。