用途：读取一个 LLM Agent 的实现与遵循 specs/agent-test-modeling.md 的测试契约文档，生成可追溯到契约的 Agent 测试代码，使开发者不读源码也能理解每条测试守护什么。
主要能力：定位契约与实现（契约 frontmatter 的 agent_ref 指向实现）；把契约章节映射为测试矩阵（能力边界→正向/反向行为测试，输入契约→边界/异常测试，工具调用边界→轨迹测试，写回前置→拒绝测试，Golden Cases→回归测试集）；确定性逻辑用精确断言，非确定性输出用契约/轨迹/rubric/golden oracle；落盘版本化 golden dataset，每条含输入、期望、判定方式与 Covers；生成 evaluator harness（LLM-as-judge 或语义匹配器）并输出 golden 通过率，对比契约 pass_threshold。
使用方式：契约缺失时终止并提示先按 spec 撰写契约，不自行编造能力边界；unit 管道用 mock LLM / recorded replay，命中真实模型的测试打 eval marker；测试代码遵循 rules/standards-agent-testing.md 与 standards-test-code。
适用场景：需要为已有契约的 Agent 实现生成测试套件、把契约条款落地为可追溯测试时。
限制：不运行测试（用 automate-tests）、不评审测试质量（用 review-testing）、不修复失败测试或调试 Agent（用 orchestrate-repair-loop）、不编写测试契约；不 mock 被测 Agent 自身逻辑，仅为模型不确定性 mock；不为通过 eval 弱化断言或删 golden case；不修改 Agent 实现，仅生成测试制品。