与相邻 skill 的衔接：testing 在 task-breakdown 下游、verify-and-fix 上游——task 拆出"做完 X 能验证 Y"，testing 负责把 Y 写成可重复运行的测试，verify-and-fix 负责跑它验证。三者接力：task 定验证目标 → testing 把目标落地成测试 → verify-and-fix 用测试验证完成。

核心内容

先识别被测对象的性质

写测试前先看清"被测的是什么"，策略大不相同——这决定了要不要 mock、用什么工具、放哪个层次：

纯函数（无副作用、输入决定输出，如 calculateDiscount）→ 直接输入输出断言，零 mock，单元层。
有外部依赖的逻辑（如调 DB/HTTP 的 service）→ mock 掉外部副作用，验证被测逻辑对依赖返回值的真实处理（详见下文 mock 纪律）。
UI 组件（渲染 + 交互）→ 用组件测试库测渲染输出和用户交互，不测内部 state 细节。
模块协作（多个组件配合）→ 集成层，用真实（或内存版）依赖验证组件间契约。

识别性质能避免最常见的错配：给纯函数上 mock、给 UI 组件测 state、把单元能测的逻辑推到端到端。先问"它是什么"，再问"怎么测"。

测行为，不测实现

这是测试设计的第一原则。测"做什么"，不测"怎么做"：

测行为（对）：给定输入，断言输出/可观测结果。例：calculateDiscount(100, 'vip') 应返回 80。
测实现（错）：断言内部走了哪个分支、调了哪个方法几次。例：断言"内部调用了 multiply 两次"。

为什么测实现糟糕：实现是会变的（重构、换算法、优化），但行为不该变。测实现的测试，每次合理的实现改动都会让它崩——这就是脆弱测试。它逼你改实现时还得改测试，让测试从"保护"变成"负担"。

判别尺子：问自己"如果我把内部实现整个换掉（但行为不变），这个测试还该过吗？" 该过 → 测的是行为（对）；崩了 → 测的是实现（错，改）。

例外：有些"交互契约"本身就是行为——比如"调支付时确实发了请求""保存时确实写库了"。这类"验证发生了正确的外部交互"是测行为，不是测实现。区分点：你关心的是结果（钱扣了/数据存了），还是调用细节（调了 3 次不是 2 次）。前者是行为，后者是过度断言。

测什么：聚焦有判断的逻辑，跳过无价值的

不是每行代码都值得测。测试有价值，是因为代码有逻辑、可能错。按代码性质分：

有判断的逻辑（分支、计算、状态转换、边界处理）→ 重点测。这是 bug 高发区。
纯数据搬运（getter/setter、直接赋值、简单透传）→ 不值得专门测。测它等于测语言本身。
框架/库的代码 → 不测。你不需要测 ORM 的 save 有没有存数据库，那是框架的事。

判断尺子：这段代码如果写错了，测试能抓住吗？写对了，测试有信息量吗？ 两问都否 → 不值得测（如 getter）。把测试预算投到"写错会出事"的地方。

边界和错误路径是重点：happy path 谁都会测，但 bug 大多藏在边界（空值、零、负数、空集合、最大值）和错误路径（异常、超时、依赖失败）。问自己"这个函数在什么输入下会出错？"——那些输入就是要补的测试。

mock 的纪律：隔离依赖，不隔离被测逻辑

mock 用来隔离外部依赖（数据库、网络、第三方服务、时间），让测试快、稳、可重复。但 mock 容易被滥用：

合理 mock：被测代码依赖的外部副作用（真连库太慢、真发邮件会骚扰人）。mock 掉它们，专注测被测逻辑。
过度 mock：把被测对象自己的依赖链也 mock 掉，导致测试退化成"测 mock"——你 mock 了 db.save 返回固定 id，又只断言"调了 save"，那其实什么都没测。

判断尺子：mock 之后，被测对象的真实逻辑还在被验证吗？ 还在（你对 mock 的返回做了真实处理和断言）→ 合理；不在（只是验证"调了 mock"）→ 过度，测试失去意义。

mock 的使用原则：

mock 边界，不 mock 内部——mock 系统边缘的依赖（DB、HTTP），不 mock 被测代码内部的辅助函数
mock 行为，记录交互——mock 要表达"依赖应该怎么响应"，而非"我猜被测会怎么调它"
少 mock——能用真实组件（如内存数据库、内存文件系统）就别 mock，真实 > mock

一个测试一件事

每个测试函数聚焦一个可验证的行为点，断言精简：

差：一个测试塞 10 个断言、测多个场景——失败时不知道哪条挂、改一条得动整个测试、名字没法概括（叫 testEverything）。
好：一个测试一个明确的断言点，名字就是行为描述（discountsVipBy20Percent、returnsOriginalPriceForUnknownLevel）。

好名字的价值：测试失败时，名字直接告诉你哪个行为坏了，不用读测试代码。test1 failed 让你去看代码，discountsVipBy20Percent failed 直接定位问题。

测试金字塔：层次分明，多测便宜的

测试分三层，数量比例应是金字塔——底层多、顶层少，因为越往上越慢、越脆、越贵：

单元测试（底层，最多）：测单个函数/类的行为，无外部依赖（依赖被 mock 或用真实轻量组件），毫秒级、跑得快。占绝大多数。
集成测试（中层，适量）：测几个模块协作（如 service + 真实内存数据库），验证组件间契约。比单元慢，但比端到端快。
端到端测试（顶层，最少）：测整条用户路径（如"从点击下单到支付成功"），最真实但也最慢、最脆（依赖多、易 flaky）。

常见误用：倒金字塔——端到端多、单元少。结果是测试套件又慢又脆，改一处一片红。判断尺子：**这个测试到底在测什么？**测纯逻辑 → 单元；测模块协作 → 集成；测用户能完成目标 → 端到端。能用单元测的别上集成，能用集成的别上端到端。

测试发现疑似 bug：先报告，别擅自当"行为"固化

写测试时常常发现代码行为可疑（如"负价居然照常打折""非数值返回 NaN"）。这时别擅自决定——有两种情况：

该测的：这是预期的当前行为（哪怕怪）→ 写成测试契约化它，防止未来无意改动。
该报告的：这是潜在 bug（行为不符合预期）→ 别急着写测试固化一个错误行为，先报告给代码作者/需求方确认。确认是 bug 就先修代码再写测试；确认是预期再固化。

判别尺子：问"这个行为符合需求/常理吗？" 符合（哪怕反直觉）→ 固化；不符合 → 报告，别固化 bug。把 bug 固化成"通过的测试"是最危险的——它给错误行为盖了"已验证"的章，未来谁想修都会被这个测试挡住。

测试结构：Arrange-Act-Assert

每个测试用三段结构，清晰可读：

// Arrange：准备输入和依赖
const service = new OrderService(mockDb);

// Act：执行被测行为
const result = await service.create(order);

// Assert：断言结果（行为）
expect(result.id).toBeDefined();
expect(mockDb.save).toHaveBeenCalledWith(order);  // 交互契约

三段分离让测试一眼能读懂"测了什么"。混在一起（准备、执行、断言交织）是测试难读、难维护的信号。

常见错误

问题	修法
测实现细节（断言内部调用次数/分支）	改测行为，问"换实现行为不变，测试还该过吗"
mock 掉被测逻辑，退化成测 mock	mock 只隔离外部依赖，被测对象的真实逻辑仍要被验证
一个测试塞一堆断言	一个测试一个行为点，名字描述行为
测 getter/setter、测框架本身	把测试投到有判断的逻辑，跳过无价值的目标
只测 happy path	重点补边界（空/零/负/空集合）和错误路径
追求覆盖率数字而非有效测试	覆盖率是必要不充分，从"什么 bug 漏了"反推该测什么
测试 flaky（时过时不过）	多半是隐式依赖（时间/随机/顺序/共享状态），排查并隔离
测试层次倒金字塔（端到端多、单元少）	金字塔分布：单元最多、集成适量、端到端最少；能下层测的别上上层
把发现的 bug 固化成"通过的测试"	先报告确认——是 bug 先修代码再写测试，是预期行为再固化