AI 驱动的命令行工具开发短记别让演示效果骗了你我第一次给命令行 Agent 做演示时只准备了一个格式很整齐的编译错误。它能找到文件、给出修改建议看起来很顺。换成一段带 ANSI 颜色码的终端输出后解析就失败了。这件事提醒我演示能说明“这个路径跑得通”却不能说明工具面对别的输入也可靠。我现在会把测试留在本地输入使用自己写的合成日志不放项目路径、仓库内容或环境变量。每个用例只问一个问题例如“工具能否从输出里取出错误码”。模型只负责把文本整理成约定的 JSON命令执行、文件读取和最终修改仍由程序控制。use serde::Deserialize; #[derive(Debug, Deserialize, PartialEq)] struct ToolRequest { tool: String, query: String, } fn parse_tool_request(reply: str) - ResultToolRequest, serde_json::Error { serde_json::from_str(reply) } #[test] fn accepts_a_known_tool_only() { let reply r#{\tool\:\search_error\,\query\:\E0382\}#; let request parse_tool_request(reply).unwrap(); assert_eq!(request.tool, search_error); assert_eq!(request.query, E0382); }这个测试只验证输出格式不代表模型理解了 Rust更不能直接放行工具调用。下一层还要检查工具名是否在白名单里、查询词是否为空并给每次调用设超时。模型返回的内容只是候选请求我会先让它在模拟工具上跑再人工查看结果确认没有误读日志后才考虑接入真实命令。测试集也不必很大。先收集几种我确实遇到过的输入普通编译错误、空输出、乱码片段和过长的一行日志。每次修复一个问题就补一条回归用例。这样即使下一次演示很顺也知道它覆盖了什么、还没覆盖什么。