Test Quality Analysis 是一套用于分析与改进测试质量的知识体系，重点在于检测测试坏味道（test smells）、过度 Mock（overmocking）、覆盖不足以及各类测试反模式。
用途 它面向测试代码本身的质量审查，帮助识别那些看似通过、实则脆弱或无效的测试，从而提升测试的正确性、可靠性与可维护性。
核心维度 该体系从六个维度评估测试：正确性（测试验证正确的行为）、可靠性（测试是确定性的、不 flaky）、可维护性（测试易于理解）、性能（测试运行快速）、覆盖率（测试覆盖关键代码路径）、隔离性（测试不依赖外部状态）。
测试坏味道与典型问题
- 过度 Mock：模拟过多依赖会让测试变得脆弱。检测信号是 Mock 数量超过 3-4 个、模拟纯函数、复杂的 Mock 设置。修复方式是只 Mock I/O 边界（API、数据库、文件系统）。资料示例中给出了对比：反例是模拟 mockAdd、mockMultiply 等实现细节，正例是仅模拟外部定价 API 并断言总价结果。
- 脆弱测试（Fragile Tests）：测试会因无关的代码变更而失败，例如使用 ".form-container > div:nth-child(2) > button" 这类实现相关选择器；推荐改用语义化选择器，如 getByRole('button', { name: 'Submit' })。
- 不稳定测试（Flaky Tests）：测试结果非确定性地通过或失败，常见于竞态条件，例如用 setTimeout 等待固定时长；正确做法是正确使用 async/await 等待真实结果。
- 弱断言（Poor Assertions）：断言过于含糊，例如仅 expect(users).toBeDefined()；应使用具体、有意义的断言，如 toMatchObject 校验字段与类型。
分析工具 资料列出了覆盖率命令：Vitest 使用 bun test --coverage 并打开 coverage/index.html；可用 bun test --coverage --coverage.thresholds.lines=80 检查阈值；Python 使用 pytest-cov，命令为 uv run pytest --cov --cov-report=html 并打开 htmlcov/index.html。
最佳实践 单元测试质量遵循 FIRST 原则：Fast（毫秒级运行）、Isolated（测试间无依赖）、Repeatable（每次结果一致）、Self-validating（明确的通过/失败）、Timely（与代码同步编写）。Mock 准则：只 Mock 外部依赖，不要 Mock 业务逻辑或纯函数，尽量使用真实实现，每个测试的 Mock 上限为 3-4 个。覆盖率目标：业务逻辑行覆盖率 80% 以上，关键路径（认证、支付）100%，所有错误路径与边界条件均被测试。测试结构采用 AAA 模式（Arrange、Act、Assert），资料给出了用户注册的示例。
代码审查清单 包括：测试验证行为而非实现、断言具体且有意义、无 flaky 测试（时序、顺序问题）、正确使用 async/await、测试名称清晰描述行为、尽量减少重复代码、关键路径有测试、同时覆盖正常路径与错误情况。
常见反模式 一是测试实现细节，例如用 spyOn(Math, 'sqrt') 并断言被调用，这是测试“如何做”而非“结果”；正例是直接断言计算结果。二是过度 Mock，反例是模拟 add 这类纯函数，正例是导入真实实现，只 Mock 外部服务（如支付网关）。
相关主题 资料提到可参见 vitest-testing（TypeScript/JavaScript 测试）、playwright-testing（端到端测试）、mutation-testing（验证测试有效性）。
适用场景 适用于审查现有测试代码、评估测试质量、识别并修复测试反模式，以及为测试编写建立规范。
限制 资料未提供该技能的具体安装方式、支持的运行环境、平台信息或收费情况，这些内容暂未提供。