AI Agent 测试专项

核心原则

Agent 测试的核心——验证 AI 决策的正确性、安全性、可控性。功能能不能用只是及格线； 能不能被诱导、能不能被叫停、会不会瞎编，才是这个领域特有的风险面。

1. 先定位 Agent 类型（决定重心）

接了 RAG 的 Agent 必须测间接注入：检索到的文档/网页内容本身就是攻击面， 用户没发恶意指令不代表没有注入。只测用户直发注入是这类 Agent 最常见的漏测。

2. 九维覆盖要求

必选与选配：

• 必选三维（任何 Agent 都不能省）：安全测试、高级安全测试、可控性 —— 这三维出问题就是安全事件
• 选配六维：按上表"必测维度"列选取，其余按风险评估追加
• 未覆盖的维度必须在覆盖率报告写"未覆盖 + 原因"，不得静默省略

占比是分配目标不是硬门槛：条数必须取整。分配顺序见 references/dimensions.md 末尾的「占比取整规则」 （先保 P0 所属维 → 其余向下取整 → 每维允许偏差 ≤1 条 → 用例少时每维至少 1 条兜底）。

3. 深度要求

4. 加载时机

需要时才读，不要一上来全读：

5. 测试方案输出结构

1. Agent 类型识别   → 判定属于哪一类（对话/任务/分析/决策），列出判定理由
2. 必测维度清单     → 必选三维 + 速查表必测维 + 风险追加维，标注哪些维度未覆盖及原因
3. 测试范围详解     → 每个选中维度的核心测试点（读 dimensions.md）
4. 典型用例参考     → 从 37 条典型用例中选取适用的（读 typical-cases.md）
5. 安全与可控性专项 → 注入 / 工具安全 / HITL 等 Agent 特有风险
6. 风险提示         → 基于场景的高风险区域预警

6. 交付前自检

• 必选三维（安全/高级安全/可控性）均有用例
• 百分比分配取整后每维偏差 ≤1 条；用例数 <30 时已注明实际分布
• 用例编号为 TC_{模块}_{功能}_{序号}，同批不重号
• P0-P3 占比符合要求
• 覆盖率已标注口径，无"全覆盖/100%"绝对化表述
• 未覆盖维度已写明"未覆盖 + 原因"
• Agent 类型判定的理由已列出

机器校验（列数、编号唯一性、级别取值、占比、覆盖率措辞）：

python scripts/validate_testcase_table.py <用例文件>