Refine Tests 是一个审计现有测试套件的技能，适用于单元、集成或端到端测试——当测试通过但缺陷仍然上线、覆盖率看似很高却漏掉真实问题时使用。它不追求更多测试，而是让测试更“能失败”：对每个测试提出“变异问题”——若某个有能力的初级开发者在被测代码中引入细微但严重的缺陷（翻转比较、丢弃分支、反转条件、硬编码返回值、忽略参数），此测试是否会失败？若不会，测试就是装饰性的；覆盖工具看不到这一点，执行到代码不等于检查了能暴露缺陷的可观察结果。
硬性规则：永远不弱化或简化测试，不为让测试通过而放宽断言；永远不删除覆盖率，变更只能是新增或强化重写；有疑问时增加断言而非删除；套件保持绿色，强化后修改文件须通过，并保持全套件、类型检查与 lint 干净；不稳定测试须通过消除非确定性（注入时钟、真实同步）修复，绝不靠放宽容差或删除断言。
流程：先重读仓库的代理指令（AGENTS.md、CLAUDE.md、测试约定），记录测试运行器与运行单个文件的命令；盘点所有测试文件并映射到其测试的源码，记录无对应测试的源码文件；依据高收益猎场分类筛查可疑项；对照源码深读测试与源码对；按分类法归类发现，记录在发现台账（文件、行、类别、严重度、问题、会漏过的真实缺陷类别）；立即修复而非只标记；先窄验证再跑全套件。严重度：H 为资金、认证、数据完整性或并发路径上的空洞或缺失测试；M 为真实逻辑中的弱断言或未测分支；L 为命名、卫生或附带缺口。
发现分类包括：测错对象（负例被前置过滤或规范化掉、夹具等于派生值、对手写 mock 断言）；同义反复或空洞（断言结构性保证、正则含逃生口、只断言 ok:true、grep 源码、快照 mock）；断言不足（裸 toThrow、toMatchObject 只查部分字段、未断言 clamps）；因错误原因而脆弱（断言生成查询文本、读构建产物、sleep 计时、mock 内部协作者）；完全缺失测试（资金/认证/安全门、错误与清理分支、从不触发的定时器、过期与 TTL、边界值两侧、单向套件、序列化与哈希敏感）；setup/teardown 隐患（单例、env、假定时器未恢复、夹具被跨测试修改、清理吞错、假并发）；误导性命名。
高收益猎场涵盖负例测试、校验器/篡改测试、并发测试、错误路径、超时与定时器、边界、资金/认证/管理面、往返、mock 密集文件。修复模式包括隔离负例夹具、精确失败断言、双向边界、非对称夹具、真实交错、守卫假件、完整形状断言、钉住契约。若疑为生产缺陷，不静默修代码也不静默断言错误行为，而是以“疑为缺陷”注释钉住当前行为并列出待人工决定。报告格式含范围、计数、发现表、被钉住的疑似生产缺陷、残余风险。不适用场景：为新代码写测试（用 TDD 技能）、诊断单个失败测试（那是调试）。