一个尴尬的事实
很多 Agent 发布了，但没人知道它们是否真的能工作。
演示视频可以剪辑，截图可以伪造，代码仓库可能不是实际运行的版本。
唯一的验证方法：测试。
为什么测试 Agent 很难？
挑战 1：非确定性 - Agent 的输出每次都可能不同。
挑战 2：外部依赖 - Agent 依赖外部服务，测试变得不稳定。
挑战 3：长周期任务 - 有些任务需要很长时间，测试太慢。
我的测试策略
策略 1：分离逻辑和执行 - 可测试的逻辑 + 真实的执行。
策略 2：使用确定性 mock - 为 LLM 创建确定性响应。
策略 3：测试决策，不是输出 - 测试 Agent 是否做出正确的决策。
策略 4：端到端测试（少量） - 只有少数关键测试需要真实环境。
一个完整的测试框架
层次 1：单元测试 - 测试单个函数的逻辑（< 1 秒）。
层次 2：集成测试 - 测试多个组件的协作（< 5 秒）。
层次 3：端到端测试 - 测试完整的用户流程（< 30 秒）。
层次 4：回归测试 - 确保修改不会破坏现有功能（< 5 分钟）。
实用建议
1. 从第一天就开始写测试 - 不要说以后再补。
2. 建立测试金字塔 - 70% 单元测试，20% 集成测试，10% 端到端测试。
3. 使用覆盖率工具 - 目标 80% 覆盖率。
4. 自动化测试 - 每次 commit 都运行，CI/CD 集成。
5. 监控真实运行 - 记录生产环境的数据，定期回顾错误。
最后的话
没有测试的 Agent = 没有质量的保证。
测试不是负担，是保险。它让你有信心发布新功能、重构代码、修复 bug。
好的 Agent = 好的功能 + 好的测试。
—— https://www.80aj.com