完善文档

docs/testing/README.md

@@ -0,0 +1,3 @@
+# Testing
+
+测试与评估文档目录。

docs/testing/agent-evaluation.md

@@ -0,0 +1,13 @@
+# Agent Evaluation
+
+评估维度：
+
+- Task Success
+- Tool Selection
+- Plan Quality
+- Recovery
+- Hallucination
+- Cost
+- Latency
+
+评估数据集需要版本化。

docs/testing/integration.md

@@ -0,0 +1,13 @@
+# Integration Test
+
+覆盖：
+
+- PostgreSQL
+- Redis
+- VectorStore
+- GraphStore
+- FileStorage
+- MCP
+- Tool Runtime
+
+外部服务优先使用隔离测试环境或 Mock。

docs/testing/rag-evaluation.md

@@ -0,0 +1,13 @@
+# RAG Evaluation
+
+评估：
+
+- Retrieval Recall
+- MRR
+- NDCG
+- Context Relevance
+- Faithfulness
+- Answer Accuracy
+- Source Accuracy
+
+模型、Embedding、Chunking、Retriever 变化时应重新运行基准集。

docs/testing/strategy.md

@@ -0,0 +1,18 @@
+# Testing Strategy
+
+测试层次：
+
+```mermaid
+flowchart TB
+    Unit --> Integration
+    Integration --> API
+    API --> Workflow
+    Workflow --> Evaluation
+    Evaluation --> E2E
+```
+
+Agent 系统除了传统测试，还必须建立：
+
+- Agent Evaluation
+- RAG Evaluation
+- Tool Reliability Evaluation

docs/testing/unit.md

@@ -0,0 +1,12 @@
+# Unit Test
+
+单元测试重点：
+
+- Domain Logic
+- Planner
+- Memory Manager
+- Tool Schema
+- Permission
+- Data Transformation
+
+避免在单元测试中真实调用外部 LLM 或第三方 API。