AI 智能体用得最多，不等于测得最准：软件

不少团队建了一堆 AI 测试 Agent，看板上却只有一个总调用量。这数涨了，真不代表测试变好了。

GitHub Copilot 最近把自定义能力的明细上限从 5 条扩到了 25 条。现在 API 回归、日志分诊这些活儿终于能分清是谁在干了，不再全塞进 other 里。

不过官方也交了底：这数据来自客户端遥测，只能看个趋势，算不上精确账本。说白了，某个 Agent 调用最多，只能证明它被用得多，不能证明它抓 Bug 厉害。

用量必须和测试结果绑在一起看。比如有个回归 Agent 调用量翻了三倍，缺陷没多抓，单次成本却翻倍。这哪是提效，分明是把任务交给了更贵的路径。

所以得建张归因表，把调用量、通过率、风险和成本全落到具体工具上。高调用又高失败的先修，低调用还烧钱的直接砍掉。

AI 测试的下一步不是多建几个 Agent，而是让每次使用都能归因到具体能力。