我的 Agent 测试驱动开发（TDD）技能：让 AI 写出好测试

背景

截至本文撰写时，AI Agent（智能体）在编写测试代码方面表现普遍不佳。它们生成的测试往往含糊不清、晦涩难懂、过度复杂、充满黑客式的投机取巧、杂乱无章、同义反复、流于形式，甚至完全毫无意义。

造成这一现状的根本原因在于，当前的 AI Agent 是通过人类编写的示例进行训练的，而人类编写的测试示例本身质量往往堪忧。不仅“业余”开发者编写的测试质量低下，令人遗憾的是，许多教师或专家所推崇的测试实践也常常存在严重缺陷。这种环境使得 AI 难以从高质量的人类范例中学习到优秀的测试编写习惯。

作者认为，指望未经指导的 Agent 在短期内显著提升测试编写能力是不现实的。然而，好消息是，如果给予适当的引导，Agent 完全有能力遵循理性的测试驱动开发（TDD）流程，并编写出清晰、有意义的测试。

核心内容

作者分享了一套个人化的 TDD 技能（Skill），旨在通过明确的指令引导 AI Agent 遵循经典的 TDD 原则。这套技能并非完全原创，而是基于 Kent Beck 的“标准 TDD”（Canon TDD）进行了简化和适配。

1. 核心方法论：SEF 循环

作者提出了一种个人化的 TDD 高层视图，称为 Specify-Encode-Fulfill (SEF) 循环，作为对传统“红-绿-重构”（Red-Green-Refactor）的替代或补充：

• Specify（指定）：明确你要构建的功能规格说明。
• Encode（编码）：将这些规格说明编码为自动化测试（即可执行的规格说明）。
• Fulfill（履行）：编写代码以满足这些规格说明。

2. 具体执行步骤：Kent Beck 的标准 TDD

在 SEF 的高层视图之下，作者将 Kent Beck 的标准 TDD 原则转化为以下具体步骤，并内置到 Agent 的技能指令中：

1. 列出规格：列出当前 TDD 会话范围内的所有规格说明。
2. 编码测试：将列表中的每一项编码为自动化测试。
3. 最小化修改：仅对代码进行极微小的修改，以消除当前测试的失败。
   • 避免“推测性编码”（Speculative Coding）：如果编写的代码超过了使当前测试通过所需的量，风险在于这部分代码永远不会被任何测试覆盖。
4. 可选的重构：可以选择进行重构，但必须在提交行为更改之后进行。
   • 严禁混合操作：永远不要将行为更改与重构混在一起进行。
5. 循环：只要列表不为空，就返回第 2 步。

3. 测试设计审查（Test Design Review）

上述流程主要关注 TDD 的过程，对测试本身的设计影响有限。因此，作者引入了另一个独立的技能：Test Design Review。

• 机制：该技能会生成一个独立的 Agent（以避免偏见），专门检查测试是否违反了设计原则。
• 常见问题：例如，测试过于关注“手段”而非“目的”。
• 作用：提供修复建议。虽然有时建议可能值得商榷，但大多数情况下是切中要害的。当作者对 Agent 编写的测试不满意时，会运行此技能让 Agent 自我纠错。

4. 通用设计审查与“清理厨房”

许多测试设计违规实际上是通用软件设计原则的违规，例如“按事物的本质命名”原则。作者建议将测试同时通过 Software Design Review 技能进行审查。

此外，作者在 TDD 技能中加入了一条非强制性的指令：如果编写预期的测试变得困难，这可能是一个信号，表明我们需要“在做晚饭之前先清理厨房”（即重构现有代码以使其更易于测试）。

• 意外惊喜：尽管作者并未强烈期望此指令会被严格执行，但 Claude 模型对此理解深刻。它经常暂停并询问是否应该“清理厨房”，而且事实证明，这种暂停往往是必要的且有益的。

5. 现状与结论

作者承认，Agent 目前还不能 100% 地写出可接受的测试，但这套 TDD 技能已经足够有效，以至于它已成为作者进行任何代码变更的默认方式。

作者认为，AI 带来的最大生产力提升，来自于将 AI 与几十年前发现、至今依然适用、且无论新技术如何发展都永不过时的永恒不变的原则相结合。

关键要点

• AI 测试编写的痛点：当前 AI 生成的测试普遍存在模糊、复杂、无意义等问题，根源在于训练数据（人类编写的测试）质量参差不齐。
• SEF 循环：作者提出的高层 TDD 框架为 Specify-Encode-Fulfill（指定-编码-履行），替代传统的红-绿-重构概念。
• 标准 TDD 的细化：核心在于“最小化代码修改”以通过测试，严格禁止“推测性编码”，并严格区分“行为更改”与“重构”两个阶段。
• 双重审查机制：
  1. Test Design Review：专门针对测试设计原则进行独立审查，帮助 Agent 自我纠错。
  2. Software Design Review：针对通用软件设计原则（如命名规范）进行审查。
• “清理厨房”原则：当测试难以编写时，应暂停并重构现有代码。AI（特别是 Claude）对此指令有较好的响应能力。
• 永恒原则的价值：AI 生产力的最大化并非来自追逐新技术，而是将 AI 能力与经过时间考验的、不变的软件工程原则（如 TDD）相结合。

意义与影响

这篇文章揭示了当前 AI 辅助编程中的一个关键瓶颈：AI 擅长生成代码，但往往缺乏对“可测试性”和“设计质量”的深刻理解，这主要归因于其训练数据中人类示例的质量缺陷。

作者提出的解决方案具有极高的实用价值：

1. 提示工程的具体化：通过提供结构化的、基于经典原则（Kent Beck TDD）的“技能”指令，可以显著改善 AI 的输出质量。这表明，针对 AI 的提示工程不应仅停留在通用描述，而应嵌入具体的、经过验证的工程方法论。
2. 人机协作的新模式：作者并未完全依赖 AI 的自主性，而是引入了“独立 Agent 审查”和“自我纠错”机制。这种“生成-审查-修正”的闭环是提升 AI 代码质量的有效路径。
3. 回归工程本质：文章强调“清理厨房”（重构）的重要性，并指出 AI 能够理解并执行这一抽象概念。这证明了即使是最具创新性的 AI 技术，其效能的释放依然依赖于对传统软件工程核心原则的坚守。

对于开发者而言，这意味着在使用 AI 进行 TDD 时，不能仅仅依赖 AI 的直觉，而必须通过明确的指令框架（如 SEF 循环）和额外的审查步骤来约束和引导 AI，从而获得高质量、可维护的代码。