测试驱动的 AI Agent 定义 (TDAD)：从行为规范编译工具使用型 Agent

本文提出测试驱动 AI Agent 定义 (TDAD) 方法，将 Agent 提示词视为可编译产物。工程师提供行为规范，由编码 Agent 生成可执行测试，另一 Agent 迭代优化提示词直至通过测试。针对生产环境中工具使用型 LLM Agent 缺乏可度量行为合规性的问题，TDAD 引入可见/隐藏测试拆分、语义变异测试及规范演化场景三种机制，以缓解规范博弈。在 SpecSuite-Core 基准上的评估显示，该方法在 v1 编译成功率及回归安全性方面表现优异，有效保障了工具使用的准确性与策略合规性。