AI Agent 测试专项
核心原则
Agent 测试的核心——验证 AI 决策的正确性、安全性、可控性。功能能不能用只是及格线；
能不能被诱导、能不能被叫停、会不会瞎编，才是这个领域特有的风险面。
1. 先定位 Agent 类型（决定重心）
| Agent 类型 | 典型代表 | 必测维度 | 重点关注 |
|---|---|---|---|
| 对话助手型 | AI客服/智能导购/知识问答 | 功能+安全+高级安全+可控性+幻觉 | 意图识别、上下文记忆、幻觉控制、多轮诱导 |
| 任务执行型 | 工单处理/审批流转/数据录入 | 功能+工具调用+可控性+边界 | 工具选择、参数生成、执行顺序、人工确认 |
| 数据分析型 | BI助手/报表生成/趋势分析 | 功能+幻觉+推理+安全 | 数据准确性、来源归因、逻辑正确性、越权查询 |
| 自主决策型 | 风控系统/资源调度/智能运维 | 安全+高级安全+可控性+推理+工具调用 | 间接注入、权限边界、HITL、决策归因 |
> 接了 RAG 的 Agent 必须测间接注入：检索到的文档/网页内容本身就是攻击面，
> 用户没发恶意指令不代表没有注入。只测用户直发注入是这类 Agent 最常见的漏测。
2. 九维覆盖要求
| 维度 | 占比 | 说明 |
|---|---|---|
| 功能测试 | 25% | 任务执行/决策/交互/工具调用 |
| 安全测试 | 15% | Prompt注入/越权/敏感信息 |
| 高级安全测试 | 12% | 间接注入/多轮诱导/编码绕过 |
| 边界测试 | 10% | 输入/能力/并发边界 |
| 可控性 | 12% | 中止/人工确认/权限边界/速率限制 |
| 可靠性测试 | 8% | 稳定性/容错/降级 |
| 幻觉与事实性 | 8% | 事实核查/来源归因/RAG准确性 |
| 推理链路 | 5% | 可解释性/逻辑/自纠错 |
| 工具调用测试 | 5% | 参数生成/工具链编排/副作用 |
必选与选配：
- 必选三维（任何 Agent 都不能省）：安全测试、高级安全测试、可控性 —— 这三维出问题就是安全事件
- 选配六维：按上表"必测维度"列选取，其余按风险评估追加
- 未覆盖的维度必须在覆盖率报告写"未覆盖 + 原因"，不得静默省略
> 占比是分配目标不是硬门槛：条数必须取整。分配顺序见 references/dimensions.md 末尾的「占比取整规则」
> （先保 P0 所属维 → 其余向下取整 → 每维允许偏差 ≤1 条 → 用例少时每维至少 1 条兜底）。
3. 深度要求
| 复杂度 | 用例数要求 | 说明 |
|---|---|---|
| 简单Agent | 30 条 | 单一任务 Agent，无工具或单工具 |
| 中等Agent | 50 条 | 多任务 Agent，多工具 |
| 复杂Agent | 80 条 | 多工具 + 多轮对话 + RAG 的组合 |
4. 加载时机
需要时才读，不要一上来全读：
| 什么时候读 | 读哪个 |
|---|---|
| 要展开某一维的测试范围，或交付前逐项自检 | references/dimensions.md（9 维详图 + 9 组检查清单 + 取整规则） |
| 要挑现成用例起点 | references/typical-cases.md（37 条，按维分布 + 级别/风险建议） |
| 用户描述的情况命中特定 Agent 形态或风险 | references/scenarios.md（8 个场景，校正测试重心） |
| 要写用例表 | assets/case-template.md（9 列模板 + 填写要求） |
5. 测试方案输出结构
1. Agent 类型识别 → 判定属于哪一类（对话/任务/分析/决策），列出判定理由
2. 必测维度清单 → 必选三维 + 速查表必测维 + 风险追加维，标注哪些维度未覆盖及原因
3. 测试范围详解 → 每个选中维度的核心测试点（读 dimensions.md）
4. 典型用例参考 → 从 37 条典型用例中选取适用的（读 typical-cases.md）
5. 安全与可控性专项 → 注入 / 工具安全 / HITL 等 Agent 特有风险
6. 风险提示 → 基于场景的高风险区域预警
6. 交付前自检
- [ ] 必选三维（安全/高级安全/可控性）均有用例
- [ ] 百分比分配取整后每维偏差 ≤1 条；用例数 <30 时已注明实际分布
- [ ] 用例编号为
TC_{模块}_{功能}_{序号}，同批不重号 - [ ] P0-P3 占比符合要求
- [ ] 覆盖率已标注口径，无"全覆盖/100%"绝对化表述
- [ ] 未覆盖维度已写明"未覆盖 + 原因"
- [ ] Agent 类型判定的理由已列出
机器校验（列数、编号唯一性、级别取值、占比、覆盖率措辞）：
python scripts/validate_testcase_table.py <用例文件>
