强制要求先写失败测试再实现代码的TDD流程，涵盖红绿重构循环，确保测试有效性与代码质量。
通过普通任务板运行代表性能力冒烟测试，验证 lane、adapter 等变更后的功能正常性。要求执行实际 CLI/MCP 操作及负向检查，严格依据回执和产物判定结果，确保安全性与准确性。
通过编写一次性探测脚本验证第三方库、API或构建后端的真实行为，防止因错误假设导致的集成Bug。适用于新依赖集成、客户端参数选择及上游契约审查等场景。
提供 CLI 运行时验证方案，通过 DB 路径隔离和 runpy 执行真实命令，确保测试不污染生产数据。涵盖数据种入、输出流校验及异常处理，解决硬编码 DB 导致的副作用问题。
针对 Ollama、llama.cpp 等真实推理运行时执行冒烟测试，验证从拉取到服务的全链路行为。使用真实模型权重与二进制文件，检测 mocks 无法覆盖的数据漂移、进程管理及清理问题，确保发布就绪。
用于运行和校准基于Aider Polyglot语料的编程Agent评估，支持Capstan与OpenCode的多轮对比、性能测量及公平基准测试。
用于编写或审查 DeepSeek Harness 插件测试的指南。涵盖版本迁移、Docker 冒烟测试及多级验证策略，强调最小充分测试集与真实运行时验证，确保插件变更正确性及兼容性。
用于 traceway-cli 的端到端集成测试技能。在用户显式请求时，对实时服务器执行只读验证，覆盖真实数据详情、TTY渲染及自适应指标发现，并生成覆盖率报告，严格禁止任何写操作。
对比分析Python类型推断工具（ty, pyrefly, basedpyright等）的输出结果。通过运行代码片段或文件，生成包含各工具诊断差异、退出码和耗时的汇总报告，辅助开发者理解类型检查行为及分歧。
基于反馈和测试迭代优化Excel解析管道，采用TDD方法修复解析、Schema及归一化等缺陷，确保输出符合黄金标准并提升覆盖率。
提供mlx-serve性能基准测试的方法论，涵盖llmprobe工具使用、对比陷阱规避及性能声明规范。指导在运行基准测试或发布性能数据前，确保测量一致性、消除热效应干扰并正确归因引擎差异。
