大家都知道傳統的測試金字塔

這時代如果再多了 Agent 測試階段，測試金塔的維度就會不太一樣

AI Agent 測試要拆成三層來看，傳統測試守最底層，三層共存互補，不是取代。

先認識幾個名詞

這些名詞，先有個印象就好：

後面章節每個都會再細講。

三層架構

備注：這篇只要知道測試層級維度變更高且更複雜了，就會非常考驗一名 QA 測試能力深度的

用一個例子從下往上走一遍：

使用者問客服 Agent：「我的訂單 A123 到哪了？」

[下層] API 有收到請求、訂單 A123 的物流資料有正確查回來？  → PASS / FAIL
   ↓
[中層] AI 有沒有判斷出「查訂單」意圖，並呼叫「訂單查詢」工具、參數帶 A123？ → Agent 動線對不對
   ↓
[上層] 最後回答的物流狀態跟查到的資料一致嗎？有沒有自己編送達日期？ → Agent 語意評分 0.85

👉（這就像評一家餐廳。下層是食材新不新鮮，中層是廚師有沒有照流程做菜，上層是菜到底好不好吃。）

為什麼是「金字塔」？

不只是分三層，數量跟成本也是金字塔的形狀：

能用下層擋掉的問題，就不要拖到上層才發現。

資料都沒帶進來，AI 回答得再好也是錯的，這種問題用一支 API 測試就抓到了，不需要花錢請 LLM 來評分。

中層，是最容易被忽略的一層

很多人一講到測 AI，就直接跳到「用 AI 評分回答品質」，中間那層整個跳過。

但中層才是 Agent 跟一般聊天機器人最大的差別：它會自己決定路徑、自己呼叫工具。

只看上層分數，你會遇到一個很熟悉的問題。

🧨 小坑洞：分數很高，但路走錯了

• 當下以為的：上層評分 0.9，回答很好，PASS
• 實際發生的：去看執行 Agent 軌跡才發現，AI 根本沒呼叫職業推薦工具，是憑自己的知識「編」出一個看起來很合理的推薦
• 為什麼危險：這次剛好編得不錯，下次就不一定了；而且使用者的真實資料根本沒被用到

答案對，不代表過程對。中層就是在驗「過程」。

分層的另一個好處：知道該往哪裡查

上層分數掉了，分層之後就能一層一層往下排查：

上層分數掉了
   ↓ 往下看
中層：動線有沒有變？工具有沒有叫錯？
   ↓ 再往下
下層：API 有沒有壞？資料有沒有帶錯？

沒有分層的話，你只知道「分數變低了」，不知道是哪裡壞的。

總結

• AI Agent 測試分三層：上層品質評估、中層邏輯驗證、下層基礎建設
• 傳統測試沒有消失，它守在最底層，而且是數量最多、最便宜的那層
• 能在下層擋掉的問題，不要拖到上層花錢評分
• 中層最容易被忽略：分數高不代表路走對了

不過寫到中層，有一個前提一直沒講：

要驗證它有沒有「走對路」，你得先知道「對的路」長什麼樣子。

明天講我覺得測 Agent 最核心的一件事：先讀懂你要測的那個 Agent。