用途：目标不是写测试，而是让今天跑通的东西在演示日、经历四十多次改动和智能体误改之后仍然可用。每个功能做完后问两个问题：它坏了我们会注意到吗？没注意到后果有多严重？答案决定验证层级。
主要能力：四级梯子。(1) 看一眼：布局、文案、颜色、间距这类一眼可见的失败，打开页面看即可。(2) 走一遍路径：可点击的多步流程，在运行中的应用上端到端走一次并报告所见，无需配置与文件。(3) 写一个测试：失败会是静默的，或手动检查超过一分钟，如后台任务、webhook、数据库往返，只写快乐路径的一个测试，不写套件。(4) 测试先行：能在代码存在前把规则说成一句话，或在修可复现的 bug 时，先写失败测试、看它失败、再让它通过。
何时测试先行划算：规则能用带输入输出的句子表达（定价、评分、配额、上限、权限、日期计算）；bug 可复现（冲刺中价值最高的测试）；分支多（空、一个、多个、过多、类型错误、过期、已使用）；会反复修改。不划算：外观类；还不知道正确是什么；一次性迁移、种子脚本、已决定丢弃的原型。
不可协商的规则：凡是坏过一次的东西必须加测试，因为已知触发方式，这也防止周二修好、周四被智能体悄悄改坏、到演示才发现。
使用方式：不要提前搭测试环境，大多数工作止步于一、二级；首次真正落到三、四级时，安装尽可能小的运行器并只写那一个测试，不写配置、套件或覆盖率；若配置要花超过几分钟，就说明并改用二级让对方选择。测试存在后每次改动都要跑，套件变红先停下修复，所有失败按名称报告包括非自己造成的；测试名描述行为、断言真实行为而非 mock、一个测试一个行为。
限制与说明：资料未提供具体安装命令、平台或价格信息。红绿纪律与测试诚实规则改编自 obra/superpowers，MIT 许可；梯子与划算判断为本项目自有。