用途：为质量工程引入 AI 智能体，作为人类专家的放大器，支撑自主测试系统设计、多智能体协作与 CI/CD 质量流水线。核心原则为 PACTS：主动分析、自主运行、协作反馈、定向风险聚焦、结构化治理（可观测与可解释）。
主要能力：智能测试生成（分析代码变更生成定向测试）、日志与异常的快速扫描和关联、基于风险信号的自适应测试策略、根因分析与修复建议。19 个智能体分五类：核心测试（test-generator、test-executor、coverage-analyzer、quality-gate、quality-analyzer）、性能与安全（performance-tester、security-scanner）、战略（requirements-validator、production-intelligence、fleet-commander）、高级（regression-risk-analyzer、test-data-architect、api-contract-validator、flaky-test-hunter）、可视化与混沌（visual-tester、chaos-engineer）、发布就绪（deployment-readiness）与代码复杂度（code-complexity）。
使用方式：通过 Task 工具按任务分派智能体，选择层级（fleet-commander 指挥）、网状或顺序协作模式；用 aqe memory store/search 在 aqe/test-plan、aqe/coverage、aqe/quality、aqe/learning、aqe/coordination 等命名空间持久化学习结果，多智能体任务采用 STATUS→PROGRESS→COMPLETE 三阶段协议。启动示例：aqe agent spawn qe-test-generator；查看指标：aqe agent metrics qe-test-generator。
适用场景：PR 质量流水线（风险分析→生成测试→执行与覆盖率→质量门禁 GO/NO-GO）、覆盖率缺口实时检测、回归与发布就绪评估。实施建议按实验（1 个智能体，1-4 周）、集成（3-4 个）、扩展（8+ 个）、演进四阶段推进。
限制：关键决策需人在回路，不应自动合并未审查结果；业务优先级、伦理判断、创造性探索和领域专业知识仍需人类；不建议一次性部署全部智能体，应先从 1-2 个用例开始，逐步建立信任。资料未提供具体收费、价格与平台支持信息。