用途
本规范用于约束测试的编写、修改与评审，覆盖单元、集成、组件与端到端测试，也包括在实现功能或修复缺陷时新增的测试。其根本立场是：默认不新增测试。每条测试都会在每次 CI 运行中消耗时间，在每次变更中消耗代理 token，并在每次重构中带来长期摩擦，因此它必须通过捕获重要回归来证明自身价值。规范特别强调，一条正确且写得好的测试仍可能是净损失。
价值判断
写测试前先判断失败意味着什么：是代码出错，还是有人有意改变决策。若期望值直接抄自代码（类名列表、SQL 文本、映射表、调用顺序），那么只有当有人故意修改该代码时测试才会失败，而修复方式永远是同步修改测试，因此它捕获不了任何错误。若期望值来自需求（购物车应付金额、某租户不得看到某行），测试才可能真正暴露规则实现错误。
判断一条测试能否存在，需至少满足以下四项中的三项：
- 被破坏时代价高：涉及金额、点数、账单、支付或订阅状态、租户与归属隔离、认证与权限、数据丢失或完整性、向客户发送消息、外部契约（webhook、公开 API、持久化枚举、文件格式）、迁移、安全清洗等。
- 被破坏时不会被察觉：类型系统、其他已运行该代码的测试、正常使用都无法快速暴露问题。用户在界面上能直接看到的问题（布局、样式、文案、点击无反应、日期或颜色错误）不属于此类。
- 容易出错：存在分支、并发、时区、解析、状态机等非平凡逻辑，代码频繁变动，或曾经出过 bug。
- 保护成本低：速度快、setup 小、无需每个用例启动应用或登录，代码行数相对于所保护逻辑较少。
规范给出示例：一个 70 行的“业务时区中的今天”辅助函数测试，虽然正确、注释完善并覆盖真实 ICU 边界情况，但显示错误日期在界面上可见且修复成本低（第 1 项不满足），且已有其他测试运行该辅助函数（第 2 项不满足），四项中仅满足两项，因此不应存在。UI 同理：测试点击单选按钮标签会选中它、或预览保持其 CSS，即使没有其他测试覆盖，也不应编写。
例外：对于高代价行为（租户隔离、认证、金额、数据完整性）的唯一证明，即使不满足三项也应保留，必要时重写，包括已跳过或隔离的测试。但仅仅位于高代价代码中还不够，必须确认没有其他测试已经证明该行为。
编写前流程
先搜索：同目录测试、覆盖同一函数的其他文件、另一层级（单元、集成、e2e）。优先级依次为：在既有流程中增加断言、在既有表驱动测试中增加一行、在既有文件中增加一个用例、新建文件。
修复缺陷时，仅当测试在修复前失败且无既有测试能捕获时才添加回归测试；在所属层级写一条，不要每跨一层就写一条。
不得为测试添加生产代码切口：导出、forTest 钩子、阈值选项、可变字段、"if running under tests" 分支均不允许。
不得削弱、跳过或删除既有测试来让变更通过。测试失败意味着代码有误，除非需求已变更；此时应明确说明并有意修改测试。
禁止模式
规范要求无论价值门槛如何判断，都不得编写以下模式：
- TYPE：类型系统已保证的内容，如“是函数”“最后断言为已定义”、对类型化对象断言“有属性 X”、schema 含某键、ref 转发。
- CONST：常量、配置、枚举、CSS 类、翻译键、提示词短语或标签映射等于（或包含）其自身字面量。注释“防止被删除”不能使其合法。
- TAUT：通过构造即通过，如断言 mock 被设为返回的值、用实现自身规则重算期望值、把生产正则或 SQL 抄进测试、对纯函数断言“相同输入得到相同输出”。
- CALLS：只断言内部函数被调用、调用次数或顺序；mock 代码库自身模块以提供被断言的值；断言日志行。
- NOOP：标题承诺的行为在主体中从未执行，如仅渲染、无交互却断言“未被调用”、
>= 0计数、可能不执行的循环内断言、数据缺失时提前返回。 - TRIVIAL：一行函数、getter、
a && b、薄包装、属性回显、“超长文本可渲染”。 - LIB：通过薄包装测试库或框架行为（UI 工具包键盘处理、表单库校验、简单 schema 的 schema 库、ORM 行为）。
- SOURCE：读取源文件或仓库布局（“文件存在”、对代码做正则）。应改用 linter 规则或检查真实生成产物。
- SNAP：整体输出快照，或对无害重写就会失败的精确生成 SQL/IR 文本。
- DUP：同一路径已在别处被证明（同目录测试、其他文件、其他层级），或 N 个近乎相同的用例应合并为一张表。
- LAYER：层级错误，如对数据库或路由行为做重度 mock 的单元测试，或对纯逻辑、静态文本做缓慢的端到端测试。
- FLAKY：固定 sleep（包括“sleep 后断言什么都没发生”）、真实时钟、未播种随机、共享可变状态、顺序依赖。不得用重试掩盖。
- DEAD：被跳过、带主体的 todo、被硬编码标志禁用，或依赖默认关闭的环境变量。
代理常照抄的模式与替代做法
规范列出代理容易照抄的低价值形态及替代方案：
- CRUD 回显（创建后断言每个字段等于输入、id 已定义、时间戳是日期，再加“最小/全字段/长标题/特殊字符”网格）：只测规则（校验、作用域、派生字段），普通持久化由任意读取即可证明。
- 每个新列或选项一组用例（“保存 / null 清除 / 省略保留”）：合并为一张跨列的表，或对透传列不测。
- 每个方法都重复“归属错误 / 未找到 / 已删除”：每个服务一张隔离表。
- 每个操作符、字段、提供方、渠道或文件类型一个文件或测试：一张表驱动测试配共享 fixture。
- 在已创建 X 的“删除 X”测试旁再写“创建 X”测试：保留流程，去掉该步骤。
- UI 组件的 Sizes / Variants / Ref forwarding / Combinations / Edge cases 套件：只测组件自身逻辑，纯展示包装不测。
- 带十个 mock 并断言 mock 被调用的组件测试：抽出逻辑做单元测试，或端到端覆盖一次流程。
- 手工假数据库或查询构造器：用真实测试数据库。
- 端到端“创建 X，看到成功 toast”；每个“确认删除”都配“取消保留”孪生测试：重载后或通过另一视图读回结果。
- 端到端重复证明单元测试已负责的数学：规则用单元表，接线最多一条端到端测试。
- 同一辅助函数复制到多个应用、每份各带测试：共享代码，保留一条测试。
分层
- 纯规则（金额、日期、解析、状态机）：单元测试、表驱动、固定时钟。
- 服务、查询、租户作用域、事件：真实服务配真实测试数据库。
- 路由 schema、认证、HTTP 序列化：路由级 harness，每个文件启动一次应用。
- 用户可见的组件逻辑：断言渲染结果的组件测试。
- 跨 UI 与服务的关键旅程：一条端到端测试，断言持久化状态而非 toast。
不得在两个层级证明同一行为，除非第二层能增加第一层无法触达的传输、序列化或生命周期风险。
断言形态
断言结果：返回值、错误、数据库行、HTTP 响应、事件载荷、用户可见文本。只在外部边界（HTTP、支付提供方、队列、邮件）上断言调用，且使用代码计算出的参数。
否定断言需配正向锚点。证明“未发生”应通过 await 生产者或有界轮询，不得用 sleep。优先使用不变量与往返断言（总和匹配总额、parse(serialize(x)) 等于 x），而非魔法字面量。遍历真实来源，不要重新手打列表。使用固定时钟、播种随机、每个测试新建租户。覆盖率百分比永远不是添加测试的理由。
完成前检查
对每条新增或修改的测试，说明它满足哪三项以上门槛；无法说明的应删除。新回归测试需展示回退修复后失败、恢复后通过。报告新增测试行数与生产代码行数；测试行数多于生产行数需给出理由。