微软开源 code-testing-generator：多语言单元测试 Agent 任务完成率 92.1%，超越 Copilot

一句话看懂

微软开源 code-testing-generator，一个能自动写单元测试并验证的多语言 Agent，任务完成率 92.1%，比同模型下的 GitHub Copilot 高出 13 个百分点。

详细发生了什么

微软在 MIT 许可的 dotnet/skills 仓库中开源了 code-testing-generator，这是一个多语言单元测试 Agent，通过 dotnet-test 插件分发。它的核心创新在于：写任何代码之前，先读取整个仓库，检测语言、测试框架、现有约定以及真实的构建和测试命令，然后通过 Research-Plan-Implement（RPI）管道来规划、编写、运行和验证测试。

在微软内部的 152 任务基准测试中，code-testing-generator 完成了 140 个任务（92.1%），而相同模型和提示下的 GitHub Copilot 只完成了 120 个（78.9%），失败率降低了 63%。增益主要集中在模糊提示和 diff 定向请求上：在 89 个模糊提示中，Agent 解决了 79 个（88.8%），而 Copilot 只解决了 59 个（66.3%）；在 15 个 diff 定向任务中，Agent 全部通过，Copilot 一个未过。值得注意的是，Agent 生成的测试数量少了 2.3%（6963 vs 7129），但行覆盖率几乎相同（72.4% vs 72.2%），平均任务时间也快了 5.5%（359 秒 vs 380 秒）。

Agent 采用三种策略之一：直接写入并验证、单次运行或迭代循环。它从不修改生产代码，并避免调用外部 URL、绑定端口或依赖计时的测试。在报告完成前，它会运行五项检查，包括轻量级变异测试、断言强度检查、场景映射、全量构建和测试套件运行，以及确认仓库自身的测试命令能发现新测试。

中文圈视角

对中文开发者来说，这个工具的价值和门槛并存。首先，它是开源的，MIT 许可，可以直接从 GitHub 获取，但国内访问 GitHub 可能不稳定，需要梯子或镜像。其次，它作为 Agent 定义运行在现有编码 Agent 中，代码留在本地，这符合国内对数据出境的合规要求，尤其适合金融、医疗等监管严格的行业。

与国产工具相比，目前国内类似的开源测试生成工具较少，但像通义灵码、CodeGeeX 等也提供测试生成功能，不过它们更多是闭源或云端服务。code-testing-generator 的本地化运行和仓库感知能力是差异化优势，但需要用户具备一定的技术能力来配置。对于中文用户，一个潜在盲点是：Agent 对中文注释和文档的支持尚不明确，可能需要额外适配。

几条值得记住的细节

• 开源地址：dotnet/skills 仓库，MIT 许可，包含 dotnet-test 插件。
• 基准数据：152 任务中完成 140 个（92.1%），Copilot 完成 120 个（78.9%）。
• 在 .NET 任务上，Claude Opus 4.8 配合 Agent 达到 43/45，GPT-5.5 达到 41/45。
• 平均任务时间 359 秒，比 Copilot 快 5.5%，token 使用量高 3.2%。
• 三种策略：直接写入、单次运行、迭代循环，适用于不同规模。

一句话总结

对于需要补测试债或提升代码质量的开发者，这是一个值得尝试的开源工具，尤其适合本地化、合规要求高的场景。