# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Nathan Tarbert (@nathan_tarbert) · 平台：X (Twitter) · 日期：2026-04-09

> 原始來源：https://x.com/nathan_tarbert/status/2042002302341443674

## 中文摘要

「aimock」提供了一套全方位的 AI 應用測試基礎設施，透過單一封裝解決 LLM、Agent 及向量資料庫的模擬需求。

**核心定位與價值**
「aimock」旨在解決 AI 應用開發中測試困難的痛點，特別是針對依賴外部 API（如 LLM、向量資料庫、搜尋服務）的複雜系統。該工具強調「單一封裝、單一埠口、零依賴」的極簡設計，讓開發者能輕鬆模擬各種 AI 基礎設施，確保測試環境的穩定性與可預測性。

**關鍵功能與技術特性**
「aimock」提供了一系列針對 AI 應用場景的測試功能，不僅止於簡單的 API 模擬：
- **全方位模擬支援**：涵蓋 LLM (OpenAI, Claude, Gemini 等)、MCP 工具、Agent 對 Agent (A2A) 協議、向量資料庫 (Pinecone, Qdrant 等) 及搜尋服務。
- **錄製與重播 (Record & Replay)**：允許開發者代理真實 API 請求並將其儲存為固定資料 (fixtures)，實現確定性的測試重播。
- **混沌測試 (Chaos Testing)**：支援模擬 500 錯誤、格式錯誤的 JSON 或中途斷線，協助開發者驗證系統的韌性。
- **漂移檢測 (Drift Detection)**：透過每日 CI 驗證，確保模擬環境與真實 API 行為保持一致。
- **串流物理模擬 (Streaming Physics)**：可配置首字延遲 (ttft)、每秒 Token 數 (tps) 及抖動 (jitter)，精確模擬真實網路環境。
- **部署彈性**：提供 Docker 映像檔與 Helm Chart，方便整合至 CI/CD 流程中。

**實際應用與生態整合**
該工具不僅提供程式化 API，亦具備完整的 CLI 介面，支援透過設定檔進行大規模測試。目前已有如「AG-UI」等專案將其應用於 End to End (端到端) 測試套件中，驗證 AI Agent 在不同 LLM 提供者之間的行為一致性。此外，官方亦提供了從 MSW、mock-llm 等現有工具遷移的詳細指南，降低開發者轉換測試框架的門檻。

## 標籤

LLM, Agent, 開源專案, 新產品, aimock