用途：在选择测试做法时，依据项目上下文（目标、约束、风险、团队技能）决定策略，而不是套用所谓通用“最佳实践”。适用于为新项目做测试决策、质疑“一向如此”的做法、按特定约束调整方案，以及探索性测试会话。
主要能力：给出七条上下文驱动原则：任何实践的价值取决于其上下文；只有情境中的好实践，没有通用最佳实践；协同工作的人最重要；项目走向不可预测；产品是问题的解决方案，问题未解决则产品失败；好的测试是挑战性的智力工作；判断力与技能决定在正确时间做正确的事。提供上下文因素（项目、约束、风险、技术）与 RST 启发式（SFDIPOT、Oracles、Tours），并区分“检查”（如 API 是否返回 200、按钮是否可用、是否符合规格）与“测试/调查”（是否满足用户需求、高负载下表现、是否真正解决问题）。还提供自动化程度、文档形式的上下文决策示例（如初创团队轻自动化重探索；企业稳定功能做全面自动化回归；受监管场景需详细测试协议与追溯矩阵）。
使用方式：按步骤分析上下文、质疑实践（为什么做？应对什么风险？成本多少？）、调查而非仅核对、依上下文调整、记录发现而非预设计划。文中给出代理辅助示例：用 Task("Analyze Context", {...}, "qe-fleet-commander") 分析上下文；用 Task("Generate Tests", {context:'startup', focus:'critical-paths-only', depth:'smoke-tests', automation:'minimal'}, "qe-test-generator") 生成测试；用 FleetManager.coordinate({strategy:'context-driven', ...}) 协调代理。记忆命名空间为 aqe/context-driven/，下分 context-analysis、decisions、discoveries、adaptations。
适用场景与限制：适用于测试策略决策、探索性测试和代理编排；具体代理清单、参数取值与平台行为以文档原文为准，未提供的收费、价格、平台支持等信息暂未提供。它强调人工判断，不应被当作可无脑执行的固定流程。