把任务交给 Agent，第二天早上收到一个绿色对勾和一段「已完成」的总结，diff 看上去也很干净。问题是你凭什么相信它？人类写代码时有手感，Agent 没有。它能依赖的只有一个可执行的红或绿：测试。本文拆解测试驱动派活法（TDD-first）的完整实践，包括 AGENTS.md 里的测试协议、PostToolUse 钩子把验证变成机制、覆盖率当进度条、换会话审查，以及 Kent Beck 那句让人清醒的观察：Agent 会直接删掉测试让套件变绿。测试是 Agent 唯一无法作弊的裁判，前提是你得先给裁判上锁。