多智能体系统一旦从顺序执行走向并行，测试的需求就更严格了。单个智能体的输出可能都是对的，但多个智能体并行决策、彼此影响时，集体行为可能违反系统级约束，而传统的单元测试和输出断言对这类问题完全无能为力。
这篇文章聚焦的就是这个问题：如何测试并行多智能体系统的协调行为。以一个跨四个城市的网络流量调度系统为例，从轨迹捕获、行为不变量、回放回归、黄金数据集到 CI/CD 集成，逐步搭建一套完整的协调测试框架。
https://avoid.overfit.cn/post/da0b85b778d24bd4b8aa8430026b37f6