tdd-guard
tdd-guard 是一款专为 Claude Code 设计的自动化插件,旨在强制落实测试驱动开发(TDD)的最佳实践。在 AI 辅助编程日益普及的今天,开发者常面临代理模型跳过测试直接写代码,或过度实现功能导致代码冗余的问题。tdd-guard 通过智能拦截机制解决了这一痛点:当检测到未先编写失败测试就尝试实现功能,或代码超出当前测试需求时,它会立即阻止操作并引导修正,确保开发流程严格遵循“红 - 绿 - 重构”循环。
这款工具特别适合追求高质量代码的软件开发者和团队,尤其是那些希望利用 AI 提升效率但不愿牺牲代码严谨性的专业人士。其技术亮点在于深度集成了多种主流测试框架(如 Jest、Vitest、pytest 等)及 Lint 工具,不仅能验证测试先行原则,还能自动推动代码重构。此外,tdd-guard 提供了高度灵活的配置选项,允许用户自定义验证规则、选择不同能力的校验模型,甚至支持在会话中动态开关。它就像一位严格的结对编程伙伴,时刻守护着你的代码质量,让 AI 生成的每一行代码都经得起测试的考验。
使用场景
某全栈开发者正利用 Claude Code 快速构建一个高并发的电商订单服务,需要在极短时间内交付稳定的核心逻辑。
没有 tdd-guard 时
- 测试滞后:Claude Code 倾向于直接编写大量业务实现代码,往往在功能完成后才补写测试,导致初期缺乏安全网。
- 过度设计:模型容易“想太多”,一次性实现了未来可能需要的复杂功能,引入了不必要的依赖和潜在 Bug。
- 重构困难:由于缺乏即时的测试反馈循环,代码质量随迭代迅速下降,后期修复回归错误耗时巨大。
- 规范失效:即使开发者口头要求“先写测试”,AI 在长上下文对话中极易遗忘或忽略这一约束。
使用 tdd-guard 后
- 强制测试先行:tdd-guard 会拦截任何在没有失败测试用例情况下的代码提交,迫使 AI 严格遵循红 - 绿 - 重构节奏。
- 最小化实现:当 AI 试图编写超出当前测试范围的代码时,tdd-guard 立即阻断并提示仅实现通过测试所需的最小逻辑。
- 自动 lint 重构:一旦测试通过,tdd-guard 结合 Lint 规则自动触发重构建议,确保代码简洁且符合团队规范。
- 持续合规:无论会话多长,tdd-guard 始终作为“守门员”实时监控,确保 TDD 流程不被中断或绕过。
tdd-guard 将原本依赖自觉的 TDD 流程转化为不可逾越的自动化铁律,显著提升了 AI 生成代码的可靠性与维护性。
运行环境要求
- 未说明 (基于 Node.js,通常支持 Linux
- macOS
- Windows)
不需要
未说明

快速开始
TDD 守卫
为 Claude Code 提供的自动化测试驱动开发强制执行工具。
概述
TDD 守卫确保 Claude Code 遵循测试驱动开发原则。当你的代理试图跳过测试或过度实现时,TDD 守卫会阻止该操作,并解释应该采取什么措施。
功能特性
- 测试优先强制执行 - 在没有失败测试的情况下阻止代码实现
- 最小化实现 - 防止超出当前测试需求的代码编写
- 与 Lint 集成 - 使用你的 Lint 规则强制执行重构
- 可自定义规则 - 根据你的 TDD 风格调整验证规则
- 灵活的验证方式 - 根据需求选择更快或更强大的模型
- 会话控制 - 可在会话中随时开启或关闭
快速开始
需求
- Node.js 22+
- 支持的测试框架(Vitest、Jest、Storybook、pytest、PHPUnit、Go、Rust、RSpec)
安装
在你的项目中打开 Claude Code 并执行以下步骤:
/plugin marketplace add nizos/tdd-guard/plugin install tdd-guard@tdd-guard/tdd-guard:setup
这将添加插件市场、安装插件,并为你的项目配置测试报告器。你可能需要重启终端会话或 IDE 扩展,以使设置技能显示出来。如需手动安装和配置,请参阅 安装指南。
配置
- 自定义指令 - 自定义 TDD 验证规则
- Lint 集成 - 自动化重构支持
- 强化执行 - 防止代理绕过验证
- 忽略模式 - 控制哪些文件会被验证
- 验证模型 - 选择更快或更强大的模型
- 所有设置 - 完整的设置文档
安全性
TDD 守卫的钩子以你的用户权限运行。我们维护自动化的安全扫描、依赖项审计,并欢迎源代码审查。有关钩子安全性的更多信息,请参阅 Claude Code 的安全注意事项。
开发
贡献
欢迎贡献!请参阅 贡献指南 开始参与。
贡献者:
- Python/pytest 支持:@Durafen
- PHP/PHPUnit 支持:@wazum
- Rust/cargo 支持:@104hp6u
- Go 支持:@sQVe、@wizzomafizzo
- Storybook 支持:@akornmeier
- Ruby/RSpec 支持:@Hiro-Chiba
路线图
- 扩展对更多语言和测试框架的支持
- 验证通过 MCP 和 Shell 命令进行的文件修改
- 鼓励在测试通过时进行有意义的重构
- 添加对每个项目多个并发会话的支持
支持
许可证
版本历史
rspec-v0.3.02026/04/06storybook-v0.2.02026/04/05vitest-v0.2.02026/04/05v1.4.02026/04/05rspec-v0.2.02026/04/03rspec-v0.1.02026/04/03v1.3.02026/03/25v1.2.02026/03/21storybook-v0.1.02026/01/30phpunit-v0.1.32025/11/01jest-v0.1.42025/11/01jest-v0.1.32025/10/06vitest-v0.1.62025/10/06v1.1.02025/10/06v1.0.22025/09/16jest-v0.1.22025/09/13vitest-v0.1.52025/09/13v1.0.12025/09/13v1.0.02025/09/09vitest-v0.1.42025/09/05常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。