微软开源 AI 测试智能体：自动编写、运行、验证单元测试，任务完成率达 92.1%

研究-规划-实现管道的工作原理

该智能体不会直接开始生成测试，而是遵循一套结构化的流程 ：

1. 学习仓库 — 扫描代码库，识别语言、测试框架、现有测试模式以及正确的构建和测试命令 。
2. 选择执行路径 — 根据任务范围，从以下三种模式中择一 ：
   • 直接模式 — 读取代码、编写测试、验证结果。
   • 单次模式 — 先研究和规划一次，然后一次性实现。
   • 迭代模式 — 针对大规模请求或覆盖率目标，重复“研究-规划-实现”循环。
3. 规划并编写测试 — 从简单代码入手，逐步处理依赖更多的代码；将每个行为映射到对应的测试文件；遵循本地编码规范；并在此过程中修复编译错误或断言问题 。
4. 验证测试 — 在输出结果前，执行一套多步质量检查（详见下文）。

整个流程分为三步：研究、规划、实现 。

验证流程：轻量级变异测试与质量保障

每个生成的测试都会经过轻量级的变异测试和一系列质量检查 ：

• 引入会导致测试失败的微小代码改动。
• 检查断言是否过弱或缺失。
• 确保每个被要求的场景都有对应的测试用例。
• 构建整个工作区并运行完整测试套件。
• 确认仓库的常规测试命令能够发现新建的测试。

这套机制确保了“通过”的测试不仅有意义，而且在持续集成流程中可被正确发现 。该智能体编写的测试是单元测试，会隔离被测试代码，并模拟外部服务和其他外部依赖 。

支持的语言与IDE集成

该智能体以dotnet-test插件的形式，托管在GitHub上采用MIT许可的dotnet/skills仓库中 。集成情况如下 ：

• 支持的语言 — .NET、Python、Go、TypeScript、Java 以及 Rust。
• 支持的IDE/工具 — GitHub Copilot CLI、Visual Studio Code、VS Code Insiders（通过插件支持，目前为预览功能）。

由于它以智能体定义（而非托管服务）的形式发布，因此可以运行在团队已有的任何编码智能体环境中，代码完全在本地处理，无需经过外部服务往返传输 。

当前的局限性

• 测试类型 — 仅支持单元测试。集成测试、端到端测试、浏览器测试和性能测试明确不在支持范围内 。
• 不修改生产代码 — 在生成测试的过程中，智能体永远不会修改生产代码 。
• 避免不稳定测试 — 智能体会避免编写那些调用外部URL、打开网络端口或依赖精确时序的单元测试 。

基准测试表现

在微软内部的152个任务基准测试中，code-testing-generator 智能体完成了140个任务（92.1%），而标准的 GitHub Copilot 完成了120个任务（78.9%）。这一性能差距凸显了专用智能体的优势——它会在生成测试前先研究代码库，而不是依赖通用的提示词 。