Testing & Verification

定义任务或基准，对智能体、技能、提示词、模型、PluginCandidate进行多次可复现运行、评分、A/B 或 Pareto 对比及基线回归；不承担一般软件功能测试。

针对代码改动或交付物执行构建、测试和风险核验，生成改动说明、回滚方案及可审计证据，并判定是否满足发布质量门；不生成代码、不部署，也不承担一般回归测试。

触发、监控和诊断 CI 或本地测试流水线，并将结果转换为 JUnit、JSON/NDJSON、退出码和脱敏工件；不负责被测代码的测试执行逻辑或测试用例生成。

只读校验协议、契约、跨界面绑定、录制回放、发布产物、镜像源及生命周期声明的一致性和可复现证据；不执行被验证动作或测试流程。

解析或汇总覆盖率数据，输出覆盖区间、未覆盖代码、改动行覆盖及覆盖率归因；不负责运行测试或生成覆盖率数据。

编写或运行负载、并发和压力测试，分析吞吐量、延迟百分位数、错误率等性能指标；不负责一般功能验收。

在隔离或沙盒环境中测试Plugin的安装、启动、注册、更新、卸载、恢复，以及故障注入后的重试、回退、取消、崩溃恢复和副作用幂等性；不做性能压测。

以工作台或流程管理测试需求、用例、缺陷、里程碑、审批和质量活动；不执行代码级测试、不负责测试结果解析。

使用固定用例、快照、离线回放或基线比较验证行为是否回归，覆盖Plugin、工具结果及软件功能的可重复性和防漂移检查；不负责智能体基准评测或发布产物只读核验。

从源码、API 规范、需求或提交记录生成测试用例、测试骨架、接口数据及 OI/OJ 题目和评测数据；不负责执行测试、测试项目管理或智能体评测。

发现并运行多框架测试，解析通过、失败、flaky 和错误结果，进行失败归因、补测建议及批量执行统计；不生成测试用例、不执行 UI 自动化，也不以覆盖率专门分析为主要任务。

驱动真实或无头浏览器、Electron、小程序及其他 UI 运行时执行导航、交互和断言，包含视觉回归、无障碍检查及截图证据；不含通用网页浏览或非 UI 测试执行。