用途：在声称任务完成前，验证代码不仅按写法运行，还能实现用户可见的结果。适用于 /verify 模式、实现后评审或交付前检查。
主要能力：提出验证梯度，分四层：1. 单元测试（代码是否按我写的运行，如 pytest tests/unit/）；2. 集成测试（组件对是否正确交互，如 pytest tests/integration/，使用真实数据库）；3. 冒烟/E2E（系统是否达成用户可见结果，如全新环境启动、运行真实流水线、观察产物）；4. 生产等价（真实环境、负载与数据，如预发部署、金丝雀、回放轨迹）。每层能捕获下层无法发现的缺陷。
完成定义清单：单元测试通过；集成测试通过，或对无集成测试的路径记录手动集成检查；冒烟或 E2E 测试通过，最好在全新环境；满足仓库特定门禁（AGENTS.md、.github/PULL_REQUEST_TEMPLATE.md）；证据可观察，如日志、截图、输出片段、events.jsonl 分析，而非“测试通过”或“看起来对”。任一项未勾选即未完成，需明确说明。
测试来自结果模式：先写下用户可观察结果，再写断言该结果的测试，最后实现代码直到测试通过。与单元级 TDD 并用。
反模式：仅凭单元测试通过就认为完成；模拟测试本应验证的对象；因慢而跳过冒烟测试；只验证编译不验证运行；无证据声称已验证；把 CI 绿色当作充分证明。
限制：资料未提供具体安装命令、收费、平台或效果数据；部分示例命令为示意，需结合仓库实际配置使用。