第9章 Test与Verification：如何知道代码是对的
第5章反复强调一个基本判断：智能体的自我报告不能等同于经过验证的事实。第6章进一步要求任务简报将验收标准表达为可核查的属性，而不是若干孤立的示例。第8章则说明，智能体对真实环境的操作必须建立在权限、沙箱和拦截等确定性机制之上，而不能依赖模型的自觉。这三条线索最终汇聚到一个更直接的问题：一段由智能体生成的代码，究竟凭什么可以被认为是正确的？
本章给出的答案不是某一种更先进的测试技术，而是一套分层、独立、相互补充的验证体系。最底层是编译、类型检查、静态分析和自动化测试等确定性检查；在此基础上，是围绕任务验收标准建立的证据驱动验证；再进一步，则需要坚持独立验证原则，避免让产出代码的智能体同时成为唯一的验收者。在此框架下，本章进一步讨论分层验证、执行轨迹评估、大模型评审，以及如何通过主动测试发现既有测试集没有覆盖的缺陷，最后介绍行业基准如何为智能体编码能力提供外部参照。
需要特别强调的是，测试通过从来不是验证的终点。测试只能回答被设计出来的检查是否通过，而不能自动证明测试之外的性质同样成立；静态分析能够发现某些结构性问题，却无法判断实现是否真正满足业务意图；大模型评审可以提供额外的判断视角，但自身同样存在误判。因此，代码的可信度不应建立在某一次“通过”之上，而应建立在多层验证证据相互印证的基础上。
读完本章，读者应能理解：验证的核心不是让智能体证明自己没有犯错，而是建立一套不依赖智能体自我判断、能够持续发现错误的证据体系。测试只是其中最基础的一层，真正的可信度来自不同验证机制之间的独立性，以及它们能否覆盖彼此的盲区。