用途：判断交付的行为是否符合显式规格，而不是从实现代码推断期望行为。规格来源仅限用户请求、issue、已确认的迷你规格、产品文档、ADR 或其他显式决定；出现实质性冲突或歧义时停止。
主要能力：测试外部可观察结果，面向用户的行为使用已渲染产品，其他行为使用真实 API、CLI、库入口、job、包、迁移或已部署服务；覆盖预期路径与最关键的失败或边界路径；针对定性需求，将实际产物与行为同用户参考或验收标准比对，单纯指标通过不足以证明视觉保真或可用性。当实现、需求、环境和输入一致时，可复用已记录的真实界面证据；但修复模式须先亲手复现每个失败再修复。
用法：记录规格来源与所测精确 worktree 修订、commit 或 preview 修订；区分可观察需求与超出范围的需求；优先使用与所测修订绑定的预览部署，否则用本地环境；可复用能覆盖真实交付界面且结果有效的黑盒自动化。记录环境、准备、操作或命令、输入、期望结果与实际结果；只有针对所测精确内容观察到期望结果才算通过，只提交检查或确认而无结果视为未验证。
限制：不得将实现源码、测试源码、单元测试、mock、快照或补丁作为行为可用的证据；无任何可执行行为的需求超出该技能范围，属于代码审查或项目门禁；无法用当前预览或本地环境复现时，报告尝试内容并将行为标为未验证。未经用户另行授权，不得 commit、push、deploy、publish 或更改外部数据；尽量使用一次性测试数据，产生重大外部副作用前先询问。默认不修改；带修复限定词时，先读 references/fix-mode.md，再按模式处理每个失败需求。最终在活动工作流中返回结构化摘要，包含所测修订、环境、规格来源、每条需求的通过/失败/未验证/超范围状态与证据或限制、修复与改动文件（如适用），以及是否仍有失败或未验证行为。