用途：当需要系统验证 AI 智能体的规划、记忆、工具使用、恢复能力、安全边界与任务完成质量时使用；也可用于评审已有计划、结果或证据集，产出可落地的改进。
主要能力：按风险与证据强度排序，区分已确认事实、工作假设与待解问题；同时评估最终结果与执行轨迹，覆盖任务完成、规划质量、多步一致性、工具使用、记忆污染、恢复、授权边界、成本与延迟。终止状态分为成功、目标失败、预算耗尽、取消、安全阻断、环境错误；缺少终止事件不能证明完成。
使用方式：先阅读并遵循 prompts/ai-agent-testing.md，其中包含输入契约、执行规则、最低覆盖与输出顺序。补充仅影响决策的上下文：范围、环境、版本、约束、证据与成功标准。默认输出 Markdown；用户要求表格、CSV、JSON 或工单字段时，保留风险、证据、优先级与边界信息；机器消费输出需先确认 schema、枚举与必填字段。校准领域结果、有效控制或证据缺口时读 references/domain-decision-example.md；评估或回归时读 evals/eval.yaml 及 evals/cases/ 下相关用例；仅在目录存在且任务需要时加载 references/、examples/、scripts/ 或 output-formats.md。
适用场景：智能体发布前评审、回归测试、安全边界核查、多步任务一致性验证。
限制：不得编造系统行为、字段、数据、指标或根因；重要结论须关联证据，无支撑结论标为假设并给出验证方法；随机行为需重复试验，单次成功不构成可靠性证据；信息缺失时给出有界首轮结论并说明未支撑部分；不得执行未授权的生产写入或破坏性操作。具体命令、安装方式与价格资料暂未提供。