用途：为 LiveKit 智能体编写轮次级（turn-level）测试，运行在用户已有的测试套件中，采用文本模式，速度快，适合每次提交运行。该技能在用户要求“为我的智能体写测试”时使用。
主要能力：每个测试形态一致——用被测智能体启动测试会话，运行一个用户轮次，再对该轮产生的事件做断言。一轮会产生事件序列（可能是消息、工具调用及其输出、转接、再是消息），测试按顺序遍历并逐事件断言，最后断言该轮无多余事件。
三类断言：结构断言检查消息角色、工具是否被调用、参数、返回值、是否转接到指定智能体，确定性高、失败原因唯一，应优先使用；评判断言用 LLM-judge 辅助函数，把一条消息和意图字符串交给模型判断是否匹配，用于无法精确断言的内容，意图应按结果描述而非措辞；整段对话断言用 judge-group 辅助函数，对整段聊天历史并发运行多个内置评判器并汇总结果，覆盖 grounding、相关性、安全、任务完成、工具使用等维度。
使用方式与规则：先断言结构，仅在剩余部分使用评判；关闭该轮，断言无后续事件；每个测试只验证一个行为。工具模拟时覆盖被测智能体工具并返回固定值，避免访问真实后端；除成功外还需模拟失败，使工具抛错以测试后端不可用时的表现；模拟仅改变执行，模型仍看到真实工具 schema，工具选择仍在被测之列。多轮场景可逐轮运行或直接构造种子聊天历史。测试优先级大致为：用户要求的行为、工具调用（正确工具与参数）、工具失败、拒答与限制、转接、每个已修复的缺陷。
适用场景与限制：需要注意，智能体的测试证据分三类——确定性应用测试（针对应用核心，快而无模型）、使用脚本化提供者的真实 SDK 测试（验证事件接线与工具管道，其语句是固定装置而非要求）、真实模型的自然语言测试（验证模型能按真实说话方式完成任务）。避免伪测试：调用辅助函数或填私有状态而非驱动交互、告诉测试调用方使用哪个工具、模拟正被测的变更、只与应用自身导出器比较输出、重试失败轮次直到通过、删除失败断言。不要编写惩罚正确行为的测试，护栏测试的通过条件应是智能体拒答、升级或拒绝编造。框架辅助函数名称与签名会变化，编写前应先查阅 LiveKit 文档。该技能与调试、模拟等相邻技能配合使用。