이미지: METAL LAB 생성
摘要
- 微软将支持多种编程语言的单元测试代理'code-testing-generator'以MIT许可证发布在dotnet/skills仓库中
- 在内部152项任务基准测试中，完成率达到92.1%（140项），领先原版GitHub Copilot的78.9%（120项）
- 在89个模糊提示任务中差距最大，为88.8%对66.3%；在15个针对特定diff的任务中以15比0完胜
- 공개 형태
- MIT 라이선스, dotnet/skills 저장소 내 dotnet-test 플러그인
- 내부 벤치마크 완료율
- 92.1%(140/152) vs 스톡 Copilot 78.9%(120/152)
- 모호한 프롬프트(89개)
- 88.8%(79개) vs 66.3%(59개)
- diff 타깃 과제(15개)
- 에이전트 15/15, 스톡 Copilot 0/15
- .NET 45개 과제(Claude Opus 4.8)
- 43/45 vs 스톡 35/45
- 테스트 수·커버리지·소요시간
- 테스트 2.3% 감소(6,963 vs 7,129), 커버리지 동일(72.4% vs 72.2%), 359초 vs 380초
微软开源发布了支持多种编程语言的单元测试生成代理'code-testing-generator'。该代理以MIT许可证在dotnet/skills仓库中以dotnet-test插件形式提供，据悉它并非独立托管服务，而是在现有编码代理内部运行，代码留存于本地。
先读取仓库的方式
面对诸如"生成单元测试"这类模糊提示，该代理会先自行读取仓库，判断应使用的框架或文件位置等决策。它先检测语言和测试框架、掌握现有测试惯例，再确认实际的构建与测试命令，之后才开始编写测试。据介绍，该代理通过Research-Plan-Implement（RPI）流水线依次完成计划、编写、执行、验证，并且不会修改生产代码。
基准测试结果
在微软内部152项任务的基准测试中，该代理完成了140项（92.1%），领先使用相同模型和提示的原版GitHub Copilot的120项（78.9%）。差距在模糊提示任务中尤为明显：89项中完成了79项（88.8%），而原版Copilot完成59项（66.3%），失败数从30个降至10个。而在63个详细提示任务中，双方表现相同，均完成61项（96.8%）。
在针对特定pull request diff的15项任务中，该代理全部通过，而原版Copilot无一通过。在.NET 45项任务中，以Claude Opus 4.8为基准时该代理为43/45，原版为35/45；以GPT-5.5为基准时则为41/45对36/45。在外部SWE Atlas基准测试中，结果为16/44对12/44。
据微软介绍，该代理生成的测试数量减少2.3%（6,963个对7,129个），但覆盖率几乎相同（72.4%对72.2%），平均作业时间为359秒，略短于原版。
