你天天让 Claude Code、Cursor 写代码，写完谁测？答案是：还是你自己。海外开发者已经受不了这件事了，最近 HN 上一口气冒出好几个「AI 质检员」：有替你玩游戏的，有假装客户给 Agent 挑刺的，还有用一声「叮」把你从椅子上叫起来的。这三个工具中文圈几乎没人写过，都是 8 月底刚冒头的，免费方案就够日常用。花十分钟看完，你等于提前半年知道「AI 写码流水线」上最缺的那一站长什么样。
现在的开发流程是这样的：
flowchart TD
A["你提需求"] --> B["AI码农写代码"]
B --> C["AI自己说写完了"]
C --> D["谁来验收"]
D --> E["还是你"]
E --> F["逐个功能点着试"]
F --> G["发现bug"]
G --> B
前半段已经全自动，最后一公里全靠人肉。海外给这段起了个名字叫「验证鸿沟」：AI 一分钟能写 500 行，你验证 500 行要一小时。三个新货，正好卡在三个不同的口子上——游戏没法自动化测、Agent 没法模拟测、多 Agent 并行没法盯着看。
链接：https://ziva.sh/full-game-tester （HN: Show HN: AI Game Playtester，2026-08-28）
干嘛的：你用 Cursor 或 Claude Code 一把梭生成了个游戏，画面错位、碰撞箱没对齐、前一关的机关到后一关失灵——这些 AI 自己「看」不出来，它只读代码。Ziva 的 Playtest Agent 是真的上手玩：你用大白话写测试目标，比如「玩家清掉一根管子后分数要上涨」，它读完你的代码、在沙箱里启动游戏、发送真实的键盘鼠标输入，边玩边截图测量，最后给你一个 pass/fail 结论外加全程录像。
最有意思的设计：LLM 是不能「实时」反应的，Ziva 的解法特别糙但特别对——游戏跑在沙箱里，每一步之后暂停，给模型留够思考时间，动作之间游戏是不走的。相当于回合制玩即时游戏。另外它自带「无写权限」：这个 Agent 没有任何改代码的工具，杜绝「既当运动员又当裁判」。
价格：免费下载，Hobby 档零元；Playtest Agent 需要 Pro 版，50 美元/月（官网 FAQ 原文）。目前自助服务只支持 Godot 4.2+，Unity 走编辑器桥接，Unreal 要走企业咨询。
对比国内：腾讯游戏有自己的 AI playtesting 团队，但那是有大厂基建才玩得起的。独立开发者和小团队（尤其 Godot 社区）此前基本是空白，要么靠朋友试玩，要么花钱上 PlaytestCloud 请真人（按人头收费、排期按天算）。Ziva 是分钟级、按月订阅，对独立游戏出海的国内小团队是个实打实的新选项。
适合谁：Godot 独立开发者、用 AI 一把梭做游戏原型的人、小工作室想在每个 build 上跑冒烟测试的。
链接：https://github.com/gojiplus/understudy （HN: Show HN: Understudy: Scenario Testing for AI Agents，2026-08-28）
干嘛的：Ziva 测游戏，Understudy 测「AI Agent 本身」。你的客服 Bot、退货助手、代码 Agent 上线前，最怕的就是没测过的对话路径。Understudy 是个 Python 测试框架（pip install understudy[all]，MIT 协议），干四件事：包一层你的 Agent（支持 Google ADK、LangGraph、HTTP）、把工具调用 mock 掉、用 YAML 写「剧情」，然后让一个模拟用户按人设跟你 Agent 演对手戏。
YAML 长这样（官网示例）：
id: return_eligible_backpack
description: Customer wants to return a backpack
starting_prompt: "I'd like to return an item please."
persona: cooperative
max_turns: 15
expectations:
required_tools:
- lookup_order
- create_return
forbidden_tools:
- issue_refund
真正的杀手锏是这句：assert against the trace, not the prose——别检查 Agent「说了什么」，检查它「做了什么」。上面的例子断言的是：必须调用过 lookup_order 和 create_return，而且绝对不许碰 issue_refund。对于客服场景，最后这条就是命根子（想象一下没授权就退款的新闻）。它还能让一个场景连跑 3 次看过不过得稳定、内置共情/合规/对抗鲁棒性等 LLM 评审量表、导出 JUnit XML 直接挂进 CI。
价格：全免费，MIT 开源。
对比国内：这一层国内基本靠手写评估脚本或者自研评测平台，开源界还没有一个像它这样「YAML 写剧本 + trace 断言 + JUnit 集成」一条龙的。你在 LangChain 生态里能找到一些 eval 工具，但多数是打分式的，不是这种「演一场戏再查监控录像」式的。
适合谁：在做对话 Bot / 客户 Agent 的后端工程师；给公司的 Agent 上线前补一道回归测试；写 Agent 框架的人拿它做集成测试。
链接：https://github.com/Isa1asN/beckon （HN: Show HN: Beckon，2026-08-28，Rust 写的，MIT/Apache-2.0 双协议）
干嘛的：你同时开五个 Claude Code 干不同的活，然后呢？要么盯六个终端窗口，要么等一声毫无区分度的「叮」——响了，但响了啥？Beckon 挂在 Claude Code 的 lifecycle hooks 上，按状态发不同的声音：
| 声音 | 含义 | 你该干嘛 |
|---|---|---|
| 上行琶音 | 回合跑完了 | 过去看结果 |
| 急促提示音 | 卡在等你授权 | 去给它解锁 |
| 下行音 | 失败了 | 去看报错 |
| 慢脉冲 | 被限流 | 等着 |
细节做得相当讲究：30 秒内跑完的回合不出声（你本来就在看）、权限询问永远出声（这是真会卡死的）、beckon mute 30m 一句话静音、每个项目分配不同的音高转调——api-server 和 worktree-auth 两个项目同时响你都能分清是谁在喊。没有常驻进程，没有网络请求，没有遥测，声音包是合成配方（TOML 文本），不是音频文件，一个包一千字节，CC0 协议随便分发。
装法：cargo install beckon-cli，然后 beckon init（会先打 diff 征求同意再改 ~/.claude/settings.json，自动备份）。目前只支持 Claude Code，Codex/Cursor/Gemini 的适配器在路线图上。
价格：全免费开源。
对比国内：这个需求国内同样存在，但社区里流行的做法是接微信/钉钉/飞书通知机器人——是要打开手机看的那种。Beckon 反过来赌「显示器可以不看，耳朵一直在」，适合戴耳机干活的人。顺带说一句它的工程品味：改配置文件前先备份、拒绝解析不了的 JSON、任何情况都 exit 0 防止堵死你的 Agent——这份防御性编程本身就是个免费教材。
适合谁：同时跑多个 Claude Code 会话的重度用户；在服务器上挂长任务的人；喜欢把通知收进耳朵而不是弹窗的人。
| 维度 | 你以为的 | 实际情况 |
|---|---|---|
| AI 写完码谁验收 | 只能自己点 | 游戏有 Ziva 真玩，Agent 有 Understudy 演戏 |
| 测试 Agent 的方法 | 手写评估脚本 | YAML 写剧本，断言工具调用 trace，挂进 JUnit/CI |
| 多 Agent 并行怎么盯 | 轮流盯终端 | 不同状态不同声音，每个项目音高不同 |
| 成本 | 「AI 测试工具肯定贵」 | 一个 50 刀/月，两个 MIT 开源白嫖 |
| 上手门槛 | 要写测试脚本 | 全是大白话目标或 YAML，Ziva 的 agent 无写权限 |
cargo install beckon-cli && beckon init，五分钟给 Claude Code 装上耳朵，跑 beckon test 听一遍四种声音。pip install understudy[all]，把最怕翻车的三个对话场景写成三个 YAML（重点写 forbidden_tools），挂进 CI。本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。