AgentSkillsCN

ai-test-workflow

运行自动化测试，并以视觉方式检查 PNG 结果，进行肌肉模拟回归测试。当您需要在代码变更后验证模拟的正确性时使用。

SKILL.md
--- frontmatter
name: ai-test-workflow
description: Run automated tests and visually inspect PNG results for muscle simulation regression testing. Use when you need to verify simulation correctness after code changes.

AI 自动化测试工作流

快速命令

bash
# 一键全跑
uv run pytest tests/test_regression.py -v

# 跳过慢测试（只跑快速检查）
uv run pytest tests/test_regression.py -m "not slow" -v

# 跳过 CUDA 测试（无 GPU 环境）
uv run pytest tests/test_regression.py -m "not cuda" -v

# 只跑数值测试
uv run pytest tests/test_regression.py -m "not visual and not cuda" -v

# 手动运行单个测试（仍然可用）
uv run python tests/test_muscle_warp_vs_taichi.py --mode jacobi --steps 100
uv run python tests/test_visual_comparison.py

完整工作流

  1. •运行 pytest：uv run pytest tests/test_regression.py -v
  2. •检查输出：查看 PASS/FAIL 状态
  3. •视觉检查（对 visual 标记的测试）：
    • •用 Read 工具查看 output/comparison/*.png
    • •AI 判断渲染结果是否合理：
      • •网格形状是否正常（肌肉形状，无爆炸/坍塌）
      • •无 NaN 导致的空白/缺失三角形
      • •Taichi 和 Warp 两版视觉上一致
  4. •汇总报告：列出所有测试结果 + 视觉判断

测试标记说明

标记含义典型耗时
slow长时间模拟（>30s）1-5 min
visual生成 PNG 输出2-5 min
cuda需要 CUDA GPU30s-2 min

判断标准

  • •Jacobi 数值一致性：Warp vs Taichi 最大误差 < 1e-3
  • •Gauss-Seidel 数值一致性：最大误差 < 0.1（因并行非确定性）
  • •CUDA 稳定性：无 NaN 顶点
  • •视觉比较：PNG 文件存在且 > 1KB，无全 NaN 帧