在 AI Agent 迴圈中使用 TDD：究竟是形式主義還是真有價值？

Martin Fowler 針對在 AI Agent 迴圈 中實施 測試驅動開發 (TDD) 進行了探索性評估，探討此方法是否真能為軟體開發帶來實際效益。

• 實驗透過 Sonnet 4.6 執行不同規模的業務邏輯開發任務，並交由 Opus 4.8 在匿名情況下評估程式碼與測試品質。 • 評估結果顯示，採用 TDD 工作流程 的方案與未採用的方案在程式碼品質上並沒有明顯的優勢差異，甚至在某些情況下，非 TDD 方案的設計與測試品質還略高一籌。 • 經過分析發現，非 TDD 方案會在寫程式碼前先建立完整的架構與邊界條件設計，而 TDD 指令反而會限制這種全面性的前端設計。 • AI 的訓練資料中包含大量完整函數，但「逐步 TDD」的範例佔比極小，這導致 LLM 較難透過 TDD 發展出優秀的整體架構。

雖然 TDD 對人類開發者有助益，但強迫 AI Agent 遵循嚴格的 TDD 迴圈，可能反而會妨礙其發揮全域設計的優勢。