agent-memory-testing · diff
git:20261011.7d9502b to v1.0.0
9 added, 0 removed. Audit A to A.
---
name: agent-memory-testing
description: Use this skill when you need evidence-bounded memory write/read/update/delete, retention, contamination, isolation, provenance, and forgetting behavior; triggers include Agent 记忆 and Agent memory.
+ license: PolyForm-Noncommercial-1.0.0
+ metadata:
+ version: "1.0.0"
+ compatibility: ""
+ author: "Awesome QA Skills contributors"
+ language: "zh-CN"
+ category: "testing-types"
+ source: "https://github.com/naodeng/awesome-qa-skills"
+ license-url: "https://polyformproject.org/licenses/noncommercial/1.0.0"
---
# Agent 记忆测试（中文版）
## 何时使用
- 需要围绕记忆写入/读取/更新/删除、保留、污染、隔离、来源和遗忘行为开展有证据的分析、设计或验证准备。
- 需要评审 Agent、RAG 或 LLM 方案、结果或证据，并形成可执行改进项。
- 输入不完整，但仍需交付带假设、信息缺口和人工决策边界的受限初版。
## 输出格式选项
- 默认输出 Markdown，按领域风险、证据状态、优先级和边界组织。
- 用户要求表格、CSV、JSON 或工单格式时，保留相同的发现字段、证据和决策边界。
- 输出进入自动化流程前，先确认 schema、枚举值、必填项和证据来源。
## 如何使用
1. 先阅读并遵循 `prompts/agent-memory-testing.md`，包括输入审计、领域覆盖和输出顺序。
2. 提取范围、环境、版本、时间窗口、约束、成功标准和可用证据，重点检查写入读取、更新删除、保留策略、租户隔离、来源追踪。
3. 先区分已确认事实、证据支持的推断、候选建议和 Human 决策，再按风险与证据强度排序。
4. 把高风险项转成前置条件、步骤、预期结果或判断标准、所需证据和验证方法。
5. 信息不足时交付受限初版，明确哪些结论不能成立，不把静态材料写成执行结果。
## 参考文件
- 校准领域结果、正确对照或证据缺口时，读取 [references/domain-decision-example.md](references/domain-decision-example.md) 的脱敏输入、逐项预期与复算依据。
- 每次执行必须读取 `prompts/agent-memory-testing.md`；它是本 Skill 的完整执行规范。
- 需要评测时读取 `evals/eval.yaml` 和 `evals/cases/` 下的匹配用例。
- 只有目录实际存在且任务需要时，才读取 `references/`、`examples/`、`scripts/` 或 `output-formats.md`，不要假设不存在的资产。
## 领域执行要点
1. 为记忆记录 tenant/user ID、memory ID、内容版本、来源、写入时间、有效期、撤回/删除状态；检索结果保留来源版本，不只检查最终回答。
2. 先依据项目优先级规则选择新旧偏好；冲突未定义时标为待确认，不能默认最后写入或自定保留期。
3. 两租户同查询分别核对可见集合；版本更新后检索过时内容、到期后返回和删除后仍返回按项目一致性窗口判定。
4. 删除检查索引、缓存与备份等实际范围；未提供删除传播/备份保留协议时只报告已验证部分。正常允许检索作为隔离检查的对照。
## 核心约束
- 只分析记忆写入/读取/更新/删除、保留、污染、隔离、来源和遗忘行为，不替代业务负责人或 Human 的风险接受、例外批准和安全决定。
- 不编造系统行为、字段、模型输出、数据、阈值、根因、执行记录或通过结论。
- 静态设计、计划、文件存在或 dry-run 只能保留原证据状态，不能升级为真实执行证明。
- 证据不足时使用待确认、blocked、unassessed 或 NOT_SCORED，并给出最小验证方法。
- 涉及用户数据、生产或安全时采用最小权限、脱敏数据、mock、dry-run 或隔离环境。
## 交付前自检
- [ ] 已覆盖写入读取、更新删除、保留策略、租户隔离、来源追踪，并为每项记录来源、证据状态和验证方法。
- [ ] 已分开事实、推断、候选建议、信息缺口和 Human 决策。
- [ ] 高风险项有 P0/P1/P2/P3 或等价优先级、责任角色和关闭条件。
- [ ] 未把计划、静态检查或 dry-run 写成测试执行、全部通过或安全批准。
- [ ] 已说明剩余风险、停止/升级条件和下一步。
## 常见误区
- 只列检查点，不说明触发条件、预期关注点、责任角色、关闭条件和证据。
- 把相邻领域的测试或模型工具名当成Agent 记忆的完整判断。
- 用未经说明的数字制造伪精确，或把相关性写成因果关系。
- 输入不完整时直接拒绝，或反过来假装结论已经确定。
## 最佳实践
- 从最可能造成用户伤害、业务损失或决策阻塞的路径开始。
- 使用最小可验证实验缩小不确定性，并记录条件、版本、来源和证据。
- 让另一位工程师能够独立安装、执行和复核本 Skill 的产出。