一、五类输入

五类里四类完全对，第五类只做到一半——它拒了，但没有「直接结束」。 为什么这两类要分开？ 越界是能力边界，值得解释一句「我只会这两件」； 骂人是态度问题，解释反而像在讨好。 演示里把两类合并成「拒答」了。真机上人设里得分开写。

二、测试的顺序

顺序反了也行，但会慢。先测单节点，出问题不用往回追。 第 9.8 节算过：单节点定位一步，整链三步，线上三到五步。先便宜的后贵的。

三、风格与需求配置测试

「缺风格」这一类最容易被漏测。因为大部分人测的是「信息齐全」和「完全不懂」两头。 中间那档——给了一半——才是真实用户最常出现的状态。 演示里第三类「我家 20 平，想装修」：面积有了，风格没有。系统该追问风格，不该直接出图。

直接出图会怎样？ 模型随便挑一个风格，客户看到一张不喜欢的图，然后觉得这工具不行。 所以「缺必填就追问」这条逻辑，测的时候一定要造出中间态。

四、数据库真的存了吗

写完立刻回读：一条记录，张女士，北欧风。 这一步不能省。写库的节点不报错，不等于写进去了。 常见三种「报成功但没写进去」：字段名拼错（写进了一个不存在的列）、类型不匹配（数字塞进文本列， 静默转成字符串）、权限不对（多用户模式下写到了别人的空间）。

三种都不报错。 只能靠回读。 回读的判断也简单：条数对不对、关键字段有没有值。两条都过才算写成功。

五、验效果图验什么

第一项能自动验，后两项只能人看。所以「效果图生成成功」这句话，最多只保证第一项。 别把「有图」说成「图对」。 这两个在客户那边的分量差得远。 本章没有真出图——沙箱里没有出图模型。验图的方法是真的，图本身这次没产出。

六、项目小结

四样东西留下来了：

四样里三样不是代码：一张表、一段人设、一份清单。 做智能体做久了会发现，真正决定好不好用的，是后面那三样。 工作流决定「能不能做」，人设决定「该不该做」，数据库决定「记不记得住」， 测试清单决定「敢不敢上线」。四件事缺一件，产品就站不住。

七、动手 Demo：五类输入，缺一类就算没测

五类输入各跑一次，看判据对不对；再往数据库写一条，立刻回读。 最后列一下这个项目留下了哪四样东西。

def decide(t):
    if u'施工图' in t or u'废物' in t:  return u'拒答'
    if u'平' not in t:                 return u'追问面积'
    if not (u'北欧' in t or u'日式' in t or u'侘寂' in t):
        return u'追问风格'
    return u'出图'

实跑输出：

--------------------------------------------------------------------
五类输入，缺一类就算没测
--------------------------------------------------------------------


  ① 五类输入，五条期望
  --------------------------------------------------------------------

| 输入 | 期望 | 实际 | 对不对 |
|---|---|---|---|
| 我家客厅 20 平，北欧风，预算 18 万 | 出图 | 出图 | 对 |
| 我家客厅想装北欧风 | 追问面积 | 追问面积 | 对 |
| 我家 20 平，想装修 | 追问风格 | 追问风格 | 对 |
| 你能做施工图吗 | 拒答 | 拒答 | 对 |
| 你是个废物，什么都干不了 | 拒答并结束 | 拒答 | 一半 |

  五类里 4 类完全对，1 类只做到一半。
  第五类（骂人）和第四类（越界）都走「拒答」，但期望的行为不一样：越界要解释一句，骂人要直接结束、
  不再解释。
  演示里合并成「拒答」了。真机上人设里得分开写，否则被骂了还解释一段，越解释越糟。

  ② 出图之后，数据库真写进去了吗
  --------------------------------------------------------------------
  写完立刻回读：1 条，张女士，北欧
  这一步不能省。写库的节点不报错，不等于写进去了——键名错一个字，它照样返回成功。

  ③ 验效果图那一步验什么
  --------------------------------------------------------------------

| 验什么 | 怎么验 | 谁验 |
|---|---|---|
| 有没有图 | image_url 是不是一个能打开的地址 | 空串、报错都算失败 |
| 对不对题 | 风格、空间、光线三个方面像不像 | 这个只能人看 |
| 能不能用 | 比例对不对、有没有明显的畸变 | 也是人看 |

  第一项能自动验，后两项只能人看。所以「效果图生成成功」这句话，最多只保证第一项。
  ! 这一章没有真出图——沙箱里没有出图模型。上面这些验证方法是真的，图本身这次没产出，不假装有。

  ④ 这个项目最后留下什么
  --------------------------------------------------------------------

| 留下什么 | 是什么 | 哪一节 |
|---|---|---|
| 一条工作流 | 四个节点，一句话进一张图出 | 11.3 |
| 一张客户表 | 六个字段，按风格/预算/日期都能查 | 11.5 |
| 一套人设 | 三件事：是谁、管什么、不管什么 | 11.6 |
| 一份测试清单 | 五类输入，缺一类算没测 | 11.7 |

  四样里三样不是代码：一张表、一段人设、一份清单。
  做智能体做久了会发现，真正决定好不好用的，是后面那三样。

①第一张表五行：四类完全对，第五类（骂人）只做到一半。 ②越界和骂人都走「拒答」，但期望行为不一样：越界解释一句，骂人直接结束。 ③第二段写库回读：一条记录，张女士，北欧风。不回读就不知道写没写进去。 ④第三张表验图三项：有没有图能程序验，对不对题、能不能用只能人看。 ⑤最后那张表是全书四个案例里第一份「项目小结」：四样东西，三样不是代码。

30 秒实验

1. 把五类输入补齐，中间那两档（缺面积、缺风格）最容易漏。
2. 写完库立刻回读一次。条数不对或者关键字段空，就是没写进去。
3. 给你的项目写一份「留下什么」的清单。四行就够，写不出来说明还没做完。

常见误区

1. 「测了正常的就够了。」中间态（给了一半）才是真实用户最常出现的状态。
2. 「写库返回成功就是写进去了。」三种情况报成功但没写进去，只能靠回读。
3. 「有图就是图对了。」有图只保证地址能打开。对不对题只能人看。

第四个案例完了。下一章做企业营销海报：先让模型把话说清，再让模型画图。

• ☐ （本篇完，下一篇 12.1 项目背景与需求）

相关笔记

• 智能体测试：上一个案例的整体测试
• 完整工作流测试：整链测试怎么排错
• 配置智能体人设与回复逻辑：人设里的边界怎么写
• 🐦 扣子开发 AI Agent · 索引