单元测试
软件开发中对最小可测试单元（通常是函数或方法）进行验证的测试方法
核心事实
时间轴 (近 90 天)
传统单元测试使用人工构造的合规输入验证解析器逻辑，无法检测模型实际输出与Schema枚举值的不一致。
健康的测试套件应该在底层有大量快速的单元/API测试，UI测试只覆盖用户最关心的流程。
单元测试是软件开发中对最小可测试单元（通常是函数或方法）进行验证的自动化测试；在AI编程智能体工作流中，单元测试可作为验收标准，帮助智能体建立自我验证的闭环。
当工程师修改系统提示词、切换模型检查点或调整工具Schema时，传统单元测试无法捕捉语义层面的退化或细微的格式漂移。
传统单元测试基于确定性和隔离性假设，认为给定输入A经过确定性代码必然产生输出B。
仿真测试不能完全替代单元测试；单元测试对于快速廉价地捕获Agent周围确定性脚手架的回归仍然不可替代。
nightly 构建验证的是端到端的产物形态，而单元测试跑的是源码或 mock；像插件依赖没被打进去这类问题，测试里模块解析路径往往还连着 node_modules，不会失败
基于LLM的AI Agent对相同输入会产生非确定性的不同输出，使得传统的确定性输出匹配测试失效
该基准测试使用确定性检查器（deterministic checker）评分，答案要么对要么错，不使用大模型当裁判
单元测试在孤立的环境中测试一小段逻辑，不依赖数据库或其他服务，因此运行极快
还有 1 条时间轴事件
全部知识事实 (13)
形式化验证针对的是所有可能的输入状态，而单元测试只能验证有限输入
75%已验证软件测试按研发阶段可分为四个层次：单元测试、集成测试、系统测试和验收测试
70%已验证该基准测试使用确定性检查器（deterministic checker）评分，答案要么对要么错，不使用大模型当裁判
65%待验证单元测试的对象是程序代码中的最小单元（模块、函数或类），由开发人员执行
60%待验证传统单元测试使用人工构造的合规输入验证解析器逻辑，无法检测模型实际输出与Schema枚举值的不一致。
50%待验证健康的测试套件应该在底层有大量快速的单元/API测试，UI测试只覆盖用户最关心的流程。
50%待验证单元测试是软件开发中对最小可测试单元（通常是函数或方法）进行验证的自动化测试；在AI编程智能体工作流中，单元测试可作为验收标准，帮助智能体建立自我验证的闭环。
50%待验证当工程师修改系统提示词、切换模型检查点或调整工具Schema时，传统单元测试无法捕捉语义层面的退化或细微的格式漂移。
50%待验证传统单元测试基于确定性和隔离性假设，认为给定输入A经过确定性代码必然产生输出B。
50%待验证仿真测试不能完全替代单元测试；单元测试对于快速廉价地捕获Agent周围确定性脚手架的回归仍然不可替代。
50%待验证nightly 构建验证的是端到端的产物形态，而单元测试跑的是源码或 mock；像插件依赖没被打进去这类问题，测试里模块解析路径往往还连着 node_modules，不会失败
50%待验证基于LLM的AI Agent对相同输入会产生非确定性的不同输出，使得传统的确定性输出匹配测试失效
50%待验证单元测试在孤立的环境中测试一小段逻辑，不依赖数据库或其他服务，因此运行极快
50%