用途：让 AI 智能体系统性地为代码库生成、运行和评估测试，覆盖单元、集成与端到端测试，并测量覆盖率。
主要能力与工作流：分析源码并建立依赖图，识别公共接口、参数、返回类型与副作用；枚举测试场景，包括正常路径、边界值、非法或空输入、异常路径与状态转换，对集成点区分需模拟的协作者与需真实测试的部分；按风险优先；按项目既有框架生成结构清晰的测试代码，采用 Arrange-Act-Assert 模式，必要时使用参数化测试；运行测试套件并解析通过/失败、断言信息与耗时，判断失败来自源码缺陷还是测试错误；启用覆盖率插桩并解析报告，找出未覆盖的行、分支与函数，标记错误处理、安全检查、数据验证等关键路径缺口；最后给出补充用例与可测试性重构建议，并输出覆盖率百分比与优先级行动清单。
支持语言与运行命令：Python/pytest：pytest --cov=src -v；JavaScript/Jest：npx jest --coverage --verbose；TypeScript/Jest 或 Vitest：npx vitest run --coverage；Java/JUnit 5：mvn test；Go 标准库：go test -cover ./...；Rust：cargo test。
使用方式：提供待生成测试的源文件或目录、可选的既有测试文件、测试框架偏好，以及可选的覆盖率目标（例如 90%）。
限制与注意事项：动态生成代码、元编程或装饰器可能导致部分可调用路径无法识别，需要提供接口提示；全局状态与单例需要仔细清理；异步与并发代码需框架特定模式，超时阈值可能需确认；依赖环境变量、文件系统或网络的测试应标记为集成测试；不稳定测试会被标记非确定性模式并给出修复建议。建议测试命名描述场景而非实现，保持测试相互独立，优先参数化输入变化，模拟外部依赖而非被测逻辑，关注关键路径的分支覆盖而非追求 100%，并在每次提交的 CI 中运行测试。