測試與驗證

用通過率、成本、時間正面比較不同 coding agent

用不需工具的任務驗證本機 API、tunnel 和遠端 sandbox 回呼，再還原連線

用 sandbox 模式 API 測試抓出 AI 自己寫自己 review 的盲點回歸

用 Azure Playwright Workspaces 在雲端瀏覽器上大規模跑 Playwright 測試

用 .NET 透過 ARM 建立與管理 Playwright Testing workspace 和 quota

用 Bats 為 shell script 寫完整的單元測試，含 fixture 和 CI 整合

量測頁面、API 和 build 效能基準線，並比較修改前後的回歸

用真實頁面數據建 baseline、比對網頁效能有沒有退步

把同一個 prompt 丟給多個 AI 模型比速度、成本和品質

把「讓它變快」變成有基準線、正確性關卡的實測最佳化迴圈

部署後用瀏覽器 MCP 跑冒煙、互動、視覺與無障礙檢查再給上線結論

fine-tune 的 checkpoint 上線前，用 drift budget、成對比較和遺忘檢查把關

用 GoogleTest、CMake/CTest 寫 C++ 測試，並處理 flaky、coverage 和 sanitizer

用 xUnit、FluentAssertions、NSubstitute 寫 .NET 單元與整合測試

實際操作線上產品，稽核文件、錯誤訊息與上手時間的開發者體驗

用 pytest-django 和 factory_boy 以 TDD 方式測 Django 與 DRF

Django 發布前的完整驗證流程，從 lint、migration、測試到安全掃描

Playwright E2E 測試寫法、page object、CI 整合與 flaky 處理

建立可靠、快速又好維護的 E2E 測試：該測什麼、selector 和除錯技巧

先定義 eval 再寫程式，用 pass@k 衡量 agent 可靠度

fine-tuning 之前先建 eval harness：golden、grader、drift suite 和 baseline

PluginEval 怎麼替 skill 和 plugin 打分：static、judge、Monte Carlo 三層

F# 測試模式：xUnit、FsUnit、Unquote、FsCheck 屬性測試與整合測試

Go 測試模式：table-driven、subtest、benchmark、fuzzing 與覆蓋率

用 GRPO 和可驗證 reward 訓練推理能力：做法、reward 檢視關卡和變體選擇

跑完型別、lint、測試等工具，打分數並追蹤程式碼品質趨勢

醫療應用部署前的病人安全評估關卡，失敗就擋下部署

照 spec 或 ticket 實作，用 tdd 並收尾 review

JavaScript/TypeScript 測試模式：Jest、Vitest、單元測試、mock、整合與前端測試

用 Kotest、MockK 與 Kover 寫 Kotlin 測試，走 TDD 流程

用 PHPUnit 與 Pest 以 TDD 方式測試 Laravel，含 factory、mock 與覆蓋率

Laravel 專案 merge 或部署前的驗證循環：lint、測試、安全與就緒檢查

測試比較本機 Ollama 模型，依顯存推薦大小

用自動化指標、人工回饋與 LLM-as-Judge 評估 LLM 應用

用 m365-copilot-eval CLI 建立、執行並分析 Copilot agent 評估

把測試裡的 as 斷言換成 shoehorn

用 REGRESSION.md 帳本管理跨模組回歸，跑完下游指令才算過

用 Test2::V0、prove、mock 和 Devel::Cover 寫 Perl 測試並走 TDD

用 pytest 寫 Python 測試，涵蓋 TDD、fixture、mock、參數化與 coverage

用 pytest、fixture、mock 和 TDD 建立完整的 Python 測試策略

測試網站、API 或 CLI，找出 bug、修掉並驗證，附 regression 測試

只做 QA 測試並回報 bug，附證據，絕對不改程式

用 JUnit 5、Camel 測試、JaCoCo 對 Quarkus 服務做 TDD

Quarkus 專案 PR 前與部署前的建置、測試、安全掃描驗證迴圈

用 RTL、Vitest、MSW 和 axe 測試 React 元件的行為

用瀏覽器依序調整寬度截圖，找出版面在哪個斷點壞掉

Rust 測試寫法：單元、整合、async、property-based、mock 和覆蓋率

用 VoiceOver、NVDA、JAWS 測試網頁的螢幕閱讀器無障礙

設定 ShellCheck 靜態分析，提升 shell script 品質

量測 agent 到底有沒有遵守 skill、規則和定義

驗證 skill 的結構合規和行為正確，有 linter、spec、評分標準、稽核四種模式

完成前驗證並目視檢查 OpenSlideX deck 的溢出、對比與素材

用 JUnit 5、Mockito、MockMvc 和 Testcontainers 做 Spring Boot TDD

跑完 Spring Boot 的 build、靜態分析、測試和安全掃描產出就緒報告

用小而聚焦的 protocol 注入相依項，讓 Swift 程式碼好測試

紅綠迴圈、只在講好的 seam 上測、三種測試反模式

先寫失敗測試、最小實作變綠再重構，覆蓋率要到 80% 以上

統籌 QA 團隊跑完整測試週期，從策略、測試案例到簽核報告

用 pytest、時間跳躍和 mock 測試 Temporal workflow

盤點測試資產，把需求、規則和 bug 對應到可執行的 TEST-ID 證據

先寫會失敗的測試、再寫最少程式碼，紅綠重構一路走到底

審查測試與佐證的品質，逐 story 判定夠不夠、缺不缺

從 CI log 找出時好時壞的 flaky 測試並建議隔離或修復

產生引擎專屬的測試 helper：斷言工具、factory 與 mock

一次建好測試框架、tests/ 目錄與 CI workflow 的骨架

依元件類型設計測試策略與測試計畫

以真實使用者身分實際操作 web app，找出可用性與行為 bug

沒跑過驗證指令，不准說完成

跑 build、型別、lint、測試、安全掃描和 diff review 六階段驗證

用隔離的假 HOME 實跑 Microsoft 365 安裝工具來驗證變更

偵測專案類型並建好 Vitest 設定、範例測試，也能從 Jest 遷移

用 Hardhat 和 Foundry 測試智能合約，含 fuzzing 與 mainnet fork

用 pywinauto 和 UI Automation 對 Windows 原生桌面 app 做 E2E 測試