Agent/examples/integration_test_5

集成测试 5: 用户认证模块实现（强制评估）

测试目标

验证 Agent 能够：

1. 使用 subagent(mode="evaluate") 进行代码质量评估
2. 根据评估结果修复代码
3. 实现评估-修复-重新评估的迭代流程

测试场景

实现一个用户认证模块，包含：

• 用户注册功能
• 用户登录功能
• 密码重置功能

关键点：任务明确要求必须使用 subagent 工具评估每个功能的安全性。

为什么这个测试能触发 subagent 使用？

1. 明确的评估要求

• System prompt 中明确规定必须使用 subagent 评估
• 任务描述中详细说明了评估流程
• 提供了 subagent 调用的示例代码

2. 安全关键场景

• 用户认证是安全关键模块
• 有明确的安全检查点（密码加密、SQL注入、输入验证等）
• 评估不通过必须修复

3. 工作流程强制

• 步骤 1: 规划（使用 goal）
• 步骤 2: 实现（编写代码）
• 步骤 3: 评估（使用 subagent）← 强制步骤
• 步骤 4: 修复（如果评估失败）

4. 质量门槛

• 代码必须通过评估才能标记为完成
• 创建了"实现"和"验证"的明确分离

运行测试

cd examples/integration_test_5
python run.py

预期结果

• ✅ Agent 创建 3 个 goal（注册、登录、密码重置）
• ✅ Agent 使用 subagent(mode="evaluate") 至少 3 次
• ✅ 获得评估结果（passed/不通过 + 理由）
• ✅ 如果评估不通过，Agent 会修复代码并重新评估
• ✅ 生成 auth.py 代码文件
• ✅ 生成 IMPLEMENTATION_REPORT.md 报告

与之前测试的区别

测试	评估要求	结果
测试 1	提示使用评估	✅ 使用了
测试 2-4	无提示	❌ 未使用
测试 5	强制要求评估	应该使用

关键差异：

• 测试 1-4: 评估是可选的，Agent 自行判断
• 测试 5: 评估是强制的，是工作流程的一部分