テストなしのコードは推測。
リリース前、自動プレイスルー を走らせる — ロボットがゲームをプレイし、Step 3 のプランと結果を照合する。
1 つでも失敗したら出さない。直してから。
ロボットの仕事
▶ tap-bounce-survives-spike PASS
▶ no-input-loses-energy PASS
▶ combo-resets-on-late-tap PASS
▶ boss-wall-defeats-ball FAIL ✗
期待：壁で跳ね返る 実際：壁を通り抜ける
✗ 1 個失敗 → deploy ブロック
/テスト
ロボットがプレイする。
本物のタップ。本物の物理。本物のスコア。人は見ていない。
各テストはプランの 1 ルールにマップ。ルール #6 失敗 = どこが壊れたか即座にわかる。
なぜ AI に自己採点させないか
最重要ルール。
AI がコードを書くのを手伝った。そして 別のシステム がテストを走らせる。AI は「テスト合格」を判断しない。コンピュータが実際の出力と期待値を比較。純粋な数字。
# プランは言う：
完璧 5 タップでコンボ = 5
# ロボットが完璧 5 タップ。 # 画面のコンボ数を読む。
実際：5 期待：5
✓ 一致 → PASS
# もし 4 だったら： 実際：4 期待：5
✗ 不一致 → FAIL 「合ってそう」は許されない。
/no-vibes
数字は嘘をつかない。
チェックは「正しく見える」じゃなく「5 == 5」。数字が一致しなければ失敗。
これが vibe-coded アプリのバグが私たちのゲームに乗らない理由。
落とし穴
✗ AI に自己採点させる（vibes scoring）
✗ 「私の Mac で速いから」性能テストスキップ
✗ ハッピーパスのみテスト
✗ 失敗テストを直さず無効化
✗ flaky テストを「たまに」扱い — それは本物のバグ