用途：根据需求规格、用户故事、代码变更、缺陷报告或 API 规范，引导 AI 生成新的测试代码，而非审计已有测试套件。
主要能力：提供固定七步流程——提取需求与实体、风险与不变量分析、覆盖矩阵、候选场景生成（正常/边界/负向/安全/无障碍/状态迁移/并发）、断言与判定器设计、测试代码生成、人工评审。支持 E2E（Playwright、Cypress）、单元（Jest、Vitest、pytest）和 API（Playwright APIRequestContext、Supertest、requests）测试。Playwright 可选代理集成模式：npx playwright init-agents --loop=claude 生成规划/生成/修复代理，或 npx @playwright/mcp@latest 使用 MCP。
使用方式：先检查项目根目录 .agents/qa-project-context.md 获取技术栈、测试框架、命名规范与选择器策略；确认输入来源、目标框架、评审工作流和领域知识后，严格按七步顺序执行，各步提示模板见 references/prompt-patterns.md。生成代码后需用 tsc --noEmit 或 pyflakes/ruff 验证，并 grep 核对选择器与接口是否真实存在。
适用场景：需要从规格或变更快速产出可维护测试的团队，尤其是重视覆盖矩阵、可追溯性和负向用例的 QA 流程。
限制：不可跳过覆盖矩阵直接写代码；步骤 4 必须先于步骤 5；必须人工评审，不得未评审即合并；需避免幻觉 API、重复场景、低价值断言和不真实测试数据；LLM/AI 功能规格应改用 ai-system-testing 生成评估数据集。具体收费、平台支持与效果数据暂未提供。