用途：评审 AI 生成的单元测试代码质量，适用于覆盖率、断言有效性或测试质量存疑、需要评分与风险等级的场景。
主要能力：按五个维度各 0-2 分打分（覆盖率、断言质量、负向与边界、数据与隔离、可维护性），总分 0-10；给出风险等级（Low/Medium/High/Blocker）与必须修复清单。整体行覆盖率须 >= 80%，否则风险至少为 High。
工作流程：确认测试针对目标业务代码与关键路径；检查整体行覆盖率；检查断言是否锚定行为，标记缺失或无效断言；验证负向/边界用例与确定性（不依赖环境或时间）；按评分表打分、定风险、列出带证据的必须修复项。
风险判定：Blocker 为覆盖率 < 80% 且关键路径未测，或测试无有效断言；High 为覆盖率 < 80% 或断言基本无效；Medium 为覆盖率达标但边界薄弱或设计脆弱；Low 为仅需小幅改进。
输出格式：Score: x/10 并列出各维度得分；Risk 一行说明原因；Must-fix 列出动作加证据；Key Evidence 引用具体测试用例名或覆盖率报告摘要；Notes 给最小修复建议。规则要求至少 2 条证据，证据不足需说明并降分。
需重点排查的 AI 测试陷阱：无断言或断言与行为无关（如仅判非空）、过度 mock 掩盖真实行为、只覆盖正常路径、依赖时间/网络/环境、缺少副作用验证。
限制：资料未提供具体安装命令、平台支持或收费信息。