Better Test

测试是负债。agent 自己写的单元、集成测试只复述实现：测试和代码出自同一份理解，不比实现更准；实测不提高正确率，只增加时间和费用。持久测试只有两种来源：用户给出或认可的用例，和覆盖关键用户流程的端到端测试。

只走一个分支：

1. 用户要求测试、工单给了用例，或关键用户流程确需新增端到端测试 → 写测试。
2. 审计或清理既有测试 → 清理与审计。

价值门

判既有测试和写新测试共用这一道门，六条全部成立才留：

1. 有来源：保护的行为来自用户的需求、用例、bug 报告、公开合同或规格示例，不是 agent 对实现的理解。
2. 失败有意义：一种可信回归会让它失败，且失败对应调用方或用户可见的问题。
3. 期望值独立：期望值来自已知字面值、规格或示例，有可能与实现结果不一致。
4. 稳定接缝：经公开接口或稳定 seam 观察，不依赖只为测试存在的生产导出、flag、wrapper 或注入点。
5. 抗重构：行为不变的内部重构、无关文案或布局调整后仍然通过。
6. 唯一 owner：该合同只在最低的可靠边界证明一次，且没有被现有测试、类型系统、编译器或 lint 等价保证。

反模式

判断时按类对照；正则或文本命中只是线索，读完测试和被测代码才下结论。

• 同义反复：按实现的算法重算期望值；断言声明等于自身；mock 返回什么就断言什么；期望值由被测 helper 或 renderer 自己产出。
• 变更探测器：扫源码、import、标识符或字符串；数导出、路由、元素或清单行数；快照生成的 markup、组件树或 class 串；断言私有协作者、调用次数或调用形状。
• 重复：同一场景在它穿过的每一层都重放一遍；近乎相同的用例（合并成表驱动）；已被类型或编译保证的检查。
• 空洞：没有断言或只证明"没崩"；只测 getter、常量或框架能渲染。
• 虚假信号：负向对照因无关原因通过（另一个守卫先拒绝、生产路径根本到不了）；fixture 替被测方产出本该由它产生的结果；测试名承诺的比输入实际覆盖的多。
• 测试专用生产接缝：只有测试调用的导出、全局、wrapper、flag，以及只被测试调用的死代码。
• 外观当行为：尺寸、比例、坐标、computed style、布局 class、scrollWidth、挂载行数是外观证据，不是行为。视口只提供场景，断言落在用户任务完成上（移动端能找到并操作某个按钮）。用 role、可访问名、label 定位控件；只有措辞本身是需求时才断言文案。焦点和禁用态只在它就是交互合同时测（聚焦首个无效字段、对话框关闭后焦点归还）；归一化矩阵放纯函数测试，组件层留一条代表用例。截图断言只在项目明确采用视觉回归时入套件。

像实现但必须保留：公开 API、协议与序列化字节、配置、迁移、存储格式、安全、默认值、跨语言生成物、架构约束——它们本身就是独立合同，满足价值门第 1 条。顺序可被观察时的调用顺序、以最低成本守住用户可见键名或路径的源码检查同理。

写测试

1. 从需求、bug 报告或公开合同提取用例；工单或用户给的用例原样采用。已有依据直接执行，只有预期行为不明确且影响实现时才请用户拍板。
2. 写成端到端测试：从用户真实入口（页面、CLI、公开 API）完成任务并断言结果；只 mock 付费或不可控的外部服务。
3. 见红：每条新测试亲眼看到它因预期原因失败一次——功能尚未实现，或临时破坏被测实现（不是改断言）后再精确还原。从没红过的测试只证明了 mock。
4. 一条用例一个用户任务；固定 seed、时钟和网络，用条件等待代替 sleep；不留 skip、僵尸进程或生成物。

完成标准：每条新增测试都有可追溯的需求或合同来源、过价值门且见过红。

清理与审计

范围与授权：范围按用户请求钉死——diff、路径、模块或全仓；全仓只在用户明确要求时做。"审计""看看""找找"是只读，交报告为止；"清理""删掉""精简"授权在范围内直接改。

分工：每条判决要读的东西多，范围跨 3 个以上模块时按 fan-out 中档分两波；全仓清理或用户要求仔细时用高档。

• 按生产 owner 模块切片，每片带该模块的测试文件。多个模块共用的支撑代码（fixture、helper、全局 setup）不分给工人，由编排者最后处理，保持每个文件一个写者。
• 第一波只读：与编排者同级的实现角色逐条判决，格式同下文报告，另交跨片线索——疑似与别片重复证明的合同（测试名、合同一句话、位置），没有写"无"。
• 收口：同一合同跨片重复时保留最低可靠边界上的那条，其余改判 DELETE 并补证据；抽查每片的 KEEP 举证和 DELETE 证据，不全的退回。高档时 DELETE 另派不同模型的子代理独立复判，两份一致才删，不一致记为未定。审计到此合并报告。
• 第二波（清理）：原工人（或附定稿判决的新工人）只改片内文件并跑片内最窄验证；编排者最后删共享支撑代码和跨片的测试专用接缝，跑受影响验证。

逐条判决，不按文件。判之前读完测试全文、被测生产 owner、它的调用方、重叠测试、相关 git 历史，以及项目自己的测试规则。

• KEEP：价值门六条逐条举证全部成立。
• REWRITE：测试里有一个过门的合同，但现写法不过。只保留证明该合同所需的准备、动作和断言，不沿用旧测试的体量、断言数或层级。
• DELETE：不过门（agent 写的、只复述实现的单元与集成测试通常落在这里），且写全三项证据——它实际能抓住什么失败；该行为别处更强的证明，或为什么不需要证明；它或它依赖的测试专用接缝当初为何存在。
• 未定：KEEP 举证不全，DELETE 证据也不全。写进报告，不动。

既有测试在基线上就失败时，当作可能的产品缺陷先定位根因，不删。

执行：删测试时一并删掉它独占的测试专用生产接缝与死代码，以及因此失效的 fixture、helper、快照和 setup。为保住测试而改生产行为、降低断言、关闭规则、调低覆盖率阈值都不是解法；覆盖率或数量门槛挡住合理删除时，报告冲突。改完跑最窄受影响验证和仓库要求的门。

报告：写明是审计建议还是已完成的清理。逐条列出 DELETE / REWRITE / KEEP / 未定 的位置与理由；KEEP 和 REWRITE 附六条举证，DELETE 附三项证据；列出删掉的生产接缝、跑过的命令与结果，生产代码与测试代码的行数变化分开写。

完成标准：范围内每个候选都有判决，留下的测试全部过门，没有残留的死测试支撑代码，验证结果已知。