在 PR 中按测试方法逐个评分并生成可贴评论的 A-F 表格

当需要针对一份精选的测试方法清单（如 PR 新增或修改的测试）逐个给出等级、分数段和一句话点评时使用。

适用场景

解决思路

1. Step 0 校验输入：确认调用方提供了以下三者之一——(a) 显式测试方法全限定名列表；(b) 一个或多个文件路径并明确要求给这些文件中的每个测试评分；(c) 一个 diff hunk 或 PR 标识。若请求含糊（如“Grade my tests”“Review the test suite”），不要加载扩展、不要读文件、不要评分，直接回复要求提供明确清单/文件/diff，并可选指向 test-quality-auditor agent 或 test-anti-patterns skill，然后停止。
2. Step 1 识别语言并加载扩展：从文件扩展名和测试方法标记识别目标语言与测试框架，调用 test-analysis-extensions skill 并读取匹配的扩展文件（如 .NET 用 extensions/dotnet.md，pytest 用 extensions/python.md，Jest/Vitest 用 extensions/typescript.md，Go testing 用 extensions/go.md）。多语言输入时逐个加载对应扩展，并按各自语言约定评分。
3. Step 2 解析测试体：若测试体已内联提供则直接使用；否则按全限定名读取文件并定位方法，捕获完整方法体（含 attributes/decorators/fixtures 及被调用的辅助代码）。找不到的方法记为 N/A — method not found 并继续，绝不编造方法体。
4. Step 3 评分：每个测试从 A（90–100）起步，仅对捕获方法体中可观察的问题扣分，不对假设性问题扣分。若生产代码不可用，正常评可观察问题，但不推断缺失行为，并在摘要中声明一次 Production-dependent behavior coverage: Unverified。
5. 计算三个子等级（各 A–F）：A. 断言强度——A：至少一个有意义的值断言（相等/结构/异常/状态），并在适当时附加负向、类型、集合内容检查；mock 调用验证（Verify、toHaveBeenCalledWith、Should -Invoke）和裸断言形式（pytest assert、Go if got != want { t.Errorf(...) }、Rust assert!()）算真实断言。B：一个清晰的、验证被测行为的有意义断言。C：仅有琐碎断言（单个 IsNotNull / toBeDefined / assert x is not None），或只检查单个字段而操作产生更丰富结果。D：一个自引用/同义反复断言（Assert.AreEqual(x, x)、assert dto.name == dto.name、无非平凡输入的往返恒等），或宽泛异常断言（Assert.ThrowsException<Exception>）。F：完全没有断言；所有断言都是恒真字面量（Assert.IsTrue(true)、assert True、expect(true).toBe(true)）；或所有断言被静默未 await（如 expect(promise).resolves.toBe(x) 缺 await/return、async TUnit/xUnit Assert.ThrowsAsync 缺 await、pytest-asyncio 未 await 协程）。异常与错误路径测试（Assert.ThrowsException<T>、受限 pytest.raises、expect(fn).toThrow、assertThrows、#[should_panic]、Should -Throw、EXPECT_THROW，或 Go 验证预期非 nil 错误）自身即完整；当测试检查其声明范围内的确切承诺错误条件时给 A，不因只有该断言而扣分，也不要求错误消息断言（除非消息是文档化契约的一部分）。Go happy-path 测试只检查 err == nil 却丢弃有意义返回值仍为 C。
6. B. 结构与聚焦——A：清晰的 Arrange-Act-Assert（或 Given-When-Then）分离，单一被测行为，方法体约 30 行以内，setup 使用框架约定。B：一个轻微结构问题（略长、阶段间缺空行）但意图清晰。C：一个测试混入多个行为，或 AAA 阶段交错到影响理解。D：测试中有条件逻辑（if/switch 驱动断言）——惯用的 Go/Rust 表驱动子测试循环除外；或测试依赖前一个测试状态（顺序依赖）。F：测试超过约 60 行且验证多个不相关行为；或通过 statics/globals 与其他测试共享可变状态且未重置。
7. C. 反模式卫生——两遍计算后确定性合并：第一遍硬上限：每个 Critical 或 High 发现设定一个最大子等级（F、D 或 C），取所有匹配 Critical/High 发现中最差的上限（不累加，单个 F 发现即封顶 F）。第二遍 Medium 扣减：从 A 开始，每个 Medium 发现扣一个子等级（A→B、B→C、C→D、D→F），可累加。最终反模式子等级取两遍中较差者，即 min(hard_ceiling, A − medium_count)。Low 发现不影响等级，仅在备注中提及。
8. Critical（直接降到 F 或 D）：完全没有断言 → F（同时把断言子等级拉到 F）；吞异常：try { … } catch { }（.NET）、裸 except: pass（Python）、try { … } catch (e) {}（JS/TS/Java）、defer recover() 未重新 panic（Go）、rescue StandardError 无断言（Ruby）、空 catch（Kotlin/Swift）→ F；catch 中断言模式（用 Assert.Fail(ex.Message) 代替 Assert.ThrowsException）→ D；恒真字面量断言（Assert.IsTrue(true)、assert True、expect(true).toBe(true)）→ F（同时把断言子等级拉到 F）；对绑定值的自引用/同义反复断言（Assert.AreEqual(x, x)、assert dto.name == dto.name）→ D；被注释掉的断言 → D。
9. High（降一到两个子等级）：用墙钟 sleep 做同步：Thread.Sleep、Task.Delay、time.sleep、基于 setTimeout 的等待、Thread.sleep、time.Sleep、sleep、std::thread::sleep、Start-Sleep、std::this_thread::sleep_for（单元测试中）→ D；未播种随机性、无抽象读取墙钟（DateTime.Now、datetime.now()、Date.now()、System.currentTimeMillis()、time.Now()、Time.now、Instant::now()、Get-Date、system_clock::now）→ D；硬编码环境相关路径（C:\…、/tmp/…、网络主机）→ D；对可变 static/包全局的顺序依赖 → D；宽泛异常断言（Assert.ThrowsException<Exception>、pytest.raises(Exception)、expect(fn).toThrow(Error) 无 matcher、#[should_panic] 无 expected = "…"、Should -Throw 无 -ExpectedMessage、EXPECT_ANY_THROW）→ C；过度 mock：mock setup 行数多于测试逻辑，或验证精确调用序列而非结果 → C；实现耦合：反射私有成员、强转内部类型访问状态 → C。
10. Medium（降一个子等级）：命名差：Test1、TestMethod、test、不说明场景或预期结果的单词名（对照语言扩展约定）→ 降一级；魔法值：arrange/assert 中未命名或未注释的 42、"foo"、0x1234 → 降一级；巨型测试（>30 行覆盖单一行为）→ 降一级；断言消息只是重复断言文本 → 降一级；非平凡测试缺少 AAA/GWT 分离 → 降一级。
11. Low（仅备注，不扣分）：未使用的 setup/teardown 钩子；遗留 print 调试（Console.WriteLine、print、console.log、System.out.println、fmt.Println、puts、dbg!、Write-Host、std::cout）；与同类测试命名不一致；遗留 TODO 注释。在备注列提及但不扣分。
12. 合并子等级：A=4、B=3、C=2、D=1、F=0。总分段 = 加权平均 0.45 × Assertion + 0.30 × Anti-pattern + 0.25 × Structure。映射字母：≥ 3.5 → A（90–100）；≥ 2.8 → B（80–89）；≥ 2.0 → C（70–79）；≥ 1.2 → D（60–69）；< 1.2 → F（0–59）。总等级受最差子等级封顶：任一子等级为 F 则总等级为 F；最差子等级为 D 则总等级至多 D，依此类推。只报告字母等级和分数段，不报单个 0–100 数字。
13. Step 4 构建备注：备注列为一句话（目标 ≤ 120 字符），说明该等级最重要的单一原因。示例：A（90–100）`Clear AAA structure; equality + exception assertions on the public contract.`；B（80–89）`Good assertion variety, mildly long body — consider splitting into per-condition tests.`；C（70–79）`Only checks IsNotNull on the result; no value verification.`；D（60–69）`Self-referential assertion: round-trip identity verifies plumbing, not transformation.`；F（0–59）`No assertions — test executes the method but never verifies anything.`。若测试为 A 且无显著问题，备注可仅为 `No issues found.`，不要编造弱点。
14. Step 5 报告：产出两部分。1. 摘要：2–4 句，覆盖评分总数、等级分布、最常见问题、最重要的一条建议。2. 逐测试表格，列为 Test | Grade | Band | Notes。上限与排序：若表格超过 50 行，先展示所有低于 B 的测试（从最差到最好），再抽样展示最好的测试，溢出部分包在折叠的 <details> 块中；同等级内按文件路径再按方法名排序以保证确定性；若提供 diff 上下文，每个测试名前加 (new) 或 (modified) 标记。多语言时按语言各出一张表，并在每节前加语言与框架名。
15. Validation 检查清单：输入列表中每个测试都出现在表格中（或记为 N/A — method not found）；每个等级都由捕获方法体中至少一个可观察信号支撑，无推测性扣分；仅当唯一断言是琐碎断言时才标记琐碎断言测试（有意义断言前的 null 检查不算琐碎）；仅异常测试不因断言数量少而被扣分；mock 调用验证和裸断言形式按正确类别计为真实断言；对有意义属性的布尔断言（Assert.IsTrue(result.IsValid)）不算恒真，只有字面量 true/false 常量才算；自引用断言与普通相等断言分开标记；不误标惯用模式：Go/Rust 表驱动子测试、pytest 裸 assert、Go if got != want { t.Errorf(...) }、JS/TS expect(mock).toHaveBeenCalledWith(...)；异步测试陷阱（未 await 的 resolves/rejects/ThrowsAsync、pytest-asyncio 无 await）把断言子等级降到 F；摘要以最高杠杆观察开头，而非复述表格。
16. 避免常见陷阱：无清单时不要给整个工作区评分，向调用方要明确清单；不要为凑等级而夸大扣分，从 A 起步只对可观察问题扣分；不要因异常测试断言少而惩罚；不要因聚焦的 Go 错误路径测试只检查 err != nil 而降级（预期错误存在性即该范围的可观察契约，除非生产契约要求特定错误身份或消息，否则保持 A）；不要把值断言前的 IsNotNull 当琐碎；不要把任何布尔断言都当作无断言，只有恒真字面量才是；不要把 Go/Rust 表驱动循环标为条件逻辑；不要把 pytest 裸 assert 或 Go if got != want { t.Error… } 当作缺少框架；生产代码不可用时不要惩罚测试，把未覆盖行为的担忧标为 Unverified 且不扣分；不要用假精确分数（如 87/100），只用分数段；不要让 500 行表格涌入 PR 评论，应用 Step 5 行数上限并把多余折叠进 <details>；不要在不同类别下重复报告同一发现，选最贴切的类别报告一次；不要为让备注“平衡”而给 A 级测试编造弱点。

适用边界 · 注意事项

• 需要全量套件审计或对比指标时——改用 test-anti-patterns（务实）或 test-smell-detection（正式），由 test-quality-auditor agent 编排。
• 需要编写新测试时——改用 code-testing-generator（任意语言）或 writing-mstest-tests（专用于 MSTest）。
• 需要测量代码覆盖率或 CRAP 分数时——改用 coverage-analysis 或 crap-score（仅 .NET）；需要直接修复测试代码问题时，调用相应的编辑技能。