新写的退款测试很长，只检查一个状态。但在检查之前，它先手工建了个内存数据库，手工跑迁移，再手工创建用户和订单。这个形状你熟——就是那个好几年没人清理的老订单测试文件。Agent 读了它，然后照着做了。
Simon Willison 今年两次提到这件事。1 月 26 日的一篇帖子源自他本人在 Hacker News 的回复，他写道：“Coding agents pick the existing patterns up without needing any extra prompting at all.” 他补充说，一旦项目有了干净的基础测试，“the new tests added by the agents tend to match them in quality.”
反过来读这句话。如果 Agent 复制的是你现有的测试，那么你最难看的那个测试文件，就出现在你发出的每一条测试提示里——不管你有没有这个意图。
所以我的看法是：花一小时清理你最烂的三个测试文件，对 Agent 产出的影响，比在 CLAUDE.md 里再写一段话更大。我没见过这方面的基准测试，自己也没跑过。这个论点建立在 Willison 的报告和各家 Agent 厂商文档里“别往指令文件里塞什么”的说法上。
Willison 到底说了什么
1 月那篇帖子很短，也很实用。在他看来，让 Agent 写出好测试的最佳路径，是一个已经有良好模式测试套件的项目。当他想要某种特定测试风格时，会让 Agent 克隆另一个项目去模仿，因为“the quickest way to show an agent how you like something to be done is to have it look at an example.”
他也点名了你最可能继承的那个失败模式：“The most common anti-pattern I see is large amounts of duplicated test setup code.” 他说自己对测试里重复的容忍度高于实现代码，但仍然会用两条提示去纠正：“Refactor those tests to use pytest.mark.parametrize” 和 “extract the common setup into a pytest fixture.”
他在旧金山 Pragmatic Summit 上又回到这个话题，那是 2 月的一场炉边谈话，他 3 月 14 日写了出来。“If you've got a codebase with a bunch of patterns in, they will follow those patterns almost to a tee.” 还有一句应该让你好受点的话：“Even having just one or two tests in the style that you like means it'll write tests in the style that you like.”
所以计划很小：放几个好例子，放在 Agent 最先找到的地方。
你的 CLAUDE.md 在跟测试文件夹抢注意力
看看 Anthropic 让你往 CLAUDE.md 里放什么。它的最佳实践页面有一张“该省略什么”的表，第一行就是“Anything Claude can figure out by reading code.” 同一页还说要把 Claude 指向代码库里的模式，示例提示里点名某个文件是“a good example”，并说“follow the pattern.”
记忆文档说得更远。Claude 把 CLAUDE.md “as context, not enforced configuration.” 目标是每个文件控制在 200 行以内，因为“longer files consume more context and reduce adherence.” Codex 在“before doing any work”之前读 AGENTS.md，指令文件默认累计到 32 KiB 就不再追加。
厂商的预期是：你的约定活在代码里，指令文件保持简短。现在设想一条规则“use the shared fixtures in conftest.py”，写在一个大多数测试文件都内联建数据库的仓库里。规则只是一行建议性上下文。反例则是 Agent 干活时读到的整个文件。我的解读是，文件赢的次数比你想的多。这是观点，不是测量，但它和 Willison 描述的一致：模式被拾取“without needing any extra prompting at all”，包括坏模式。
一小时的清理
挑三个范本。选 Agent 最常碰的区域里的测试文件。好的范本一个测试只测一个行为，名字读起来像句子，setup 来自 fixture，不碰网络也不 sleep。
把重复的 setup 抽进 fixture。这就是 Willison 称为最常见反模式的那种形状。下面用 app 代指你自己的代码：
- 清理前：每个测试函数开头都是四行——建内存库、跑迁移、加用户、加订单，然后才断言。
- 清理后：把 db 和 user 抽成 conftest.py 里的 fixture，测试体只剩两行 arrange-and-assert。
pytest 文档说，定义在 conftest.py 里的 fixture “can be used by any test in that package without needing to import them”。同样的动作在 Python 之外也成立：Jest 或 Vitest 里的共享 factory 或 beforeEach，干的就是 conftest.py 在这里干的活。
把只有一个行为、多个输入的用例参数化。上面两个测试只差订单状态和预期结果，这正是 pytest.mark.parametrize 的用途。改完之后，Agent 复制的例子就是两行 arrange-and-assert，setup 只活在一个地方。
把 Agent 指向好的那些
清理文件提高了 Agent 复制对东西的概率。点名则消除了猜测。在 Claude Code 里，路径作用域的规则只在 Claude 读、写或编辑匹配文件时加载，所以从不碰测试的会话里它零成本。把规则存成 .claude/rules/testing.md，内容就三条：新测试模仿 tests/test_refunds.py 和 tests/test_invoices.py；共享 setup 放在 tests/conftest.py，在那里加 fixture 而不是内联重建；同一行为多个输入就用 parametrize。
对 Codex 和其他读 AGENTS.md 的 Agent，把同样三行放进一个简短的“Tests”标题下。它很短，远在体积上限之内。
然后在任务本身里说出来，就像 Anthropic 自己的示例提示那样：“Write tests for refund() in the style of tests/test_refunds.py, using the fixtures in tests/conftest.py.” 如果结果还是内联 setup，就在 review 时用 Willison 那两条纠正提示，合并前先重构 Agent 写的测试。你合并的每一个测试，都是下一个 Agent 的范例。
Hermes 的扫描只能报告你代码里有的东西
我自己在做 Hermes IDE，所以这一节请带着这个前提看。Hermes 让 Claude Code、Codex 和其他 CLI Agent 并排跑，各自一个终端。它的项目扫描会识别每个项目的语言、框架、架构和约定，并把发现的东西指给 Agent 看，放在一个你可以按项目设置的 token 预算内的上下文文件里。你也可以把文件钉到项目上，被钉的文件“reach every later session's agent, also after a restart.” 把你那三个范本测试钉住，是确保每个会话都看到它们的直接办法。
扫描读的是你的代码库。如果你的测试没有共享 fixture、没有一致的形状，就没有约定可找，上下文文件也报不出来。先清理那三个文件，再让扫描和钉住把它们带下去。Hermes 免费，源码在 BSL 1.1 下可见，跑在 macOS、Windows 和 Linux 上；2.3.4 于 2026 年 10 月 15 日发布。它与 Nous Research、Anthropic、OpenAI 或任何 Agent 厂商都没有关联。
这个看法最弱的地方
它建立在一位有经验的实践者的观察和厂商指引上，不是对照研究。Willison 的例子是 pytest，我也没有测量过某个具体 Agent 在测试文件和指令文件之间如何分配权重。
指令文件仍然重要。Anthropic 同一张表也告诉你，CLAUDE.md 里要留那些代码展示不了的东西：Claude 猜不到的命令、测试说明、环境怪癖。别删掉你的。别再用它去描述一个跟你测试文件夹相矛盾的测试风格。
一个庞大的遗留测试套件也不可能一小时修好。所以这个动作是三个范本加一个指针，不是重写。套件剩下的部分会以它变坏的方式变好：一次一个被复制的测试。
热门跟贴