编码代理的采用已经适合转向更窄的测试架工作：分离的 bug 修复角色、围绕不可靠工具的恢复测试，以及面向库行为重叠团队的基于意图的测试迁移。证据最强的部分来自报告可执行评估、测量回归，或通过工作流水线发现真实缺陷的论文。
在仓库 issue 上使用编码代理的团队，可以把修复循环拆成三个角色：Explorer 查找文件、函数和调用链；Patch Editor 修改代码；Validator 编写并运行复现测试和回归测试。关键控制点是补丁编写和验证之间的边界。i cat-agent 向 Patch Editor 隐藏测试代码和断言，同时让代理之间传递结构化事件，例如通过/失败结果和可疑语句。
这种做法适合遇到以下问题的团队：代理通过自己编写的弱测试，或在较长的 issue 线程中丢失上下文。可以先做一个小型 issue 质量门禁：如果工单写明文件、函数、修复策略和复现步骤，就直接送入补丁编写和验证；如果缺少这些信息，就先运行探索。在 SWE-bench Pro 上，使用 GPT-5.4-xhigh 的 i cat-agent 解决了 67.4% 的任务，比使用同一模型的 mini-SWE-agent 高 8.3 个百分点。论文还报告，在该基准上它的平均单实例成本低于 Claude Code。
代理团队应为编码代理调用的工具添加一组本地故障注入测试：仓库搜索、包管理器、CI 日志、issue 跟踪器、内部 API 和 MCP 服务器。每个用例都应保留一条有效恢复路径，例如超时后重试、使用备用命令、归一化变化后的输出、检查第二个来源，或解决相互冲突的证据。
ToolBench-X 给出了一个具体模板。它在可执行的多步骤任务中注入 Specification Drift、Invocation Error、Execution Failure、Output Drift 和 Cross-source Conflict。参与评估的模型没有一个整体准确率达到 0.60，最高分是 0.513。工具响应失败后，代理经常重试同一个工具，但重试频率和任务准确率不一致。有效指标是代理是否诊断出风险并选择正确的恢复动作。小型内部版本可以在 CI 中针对记录下来的工具轨迹运行，并在常见风险上的恢复准确率下降时阻止代理上线。
在相似库之间移植行为的维护者，可以使用面向意图的单元测试迁移流水线。工作流很具体：把源测试拆成更小的子测试，把每个子测试转换成一条 Test Description Language 记录，将意图映射到目标仓库图，收集构造函数和依赖项，生成目标测试，然后运行验证步骤。
这种方法最适合领域重叠但 API 或语言不同的库，例如 JSON、HTML 和 Time 库。IntentTester 评估了九个 Java 和 Python 开源项目。它从 2,058 个源测试生成 5,536 个子测试，过滤后保留 3,257 个。它生成了 2,776 个语法正确的测试，正确率为 85%，相比之下 MUT 为 51%，METALLICUS 为 43%。生成的测试暴露了 25 个真实缺陷，包括栈溢出和空指针解引用 bug。团队可以先在一个源库和一个目标库上试用该方法，再衡量可执行的迁移测试数量和新失败的行为检查。