Tercera entrega de la serie ADLC: Williams convierte el testing en la especificación en el único lenguaje que el builder no puede rebatir. Mientras que el TDD es una práctica de calidad opcional para código escrito por humanos, se convierte en el mecanismo de confianza estructural de todo el ciclo de vida en cuanto los agentes escriben el código. Tres reglas de "disciplina de raíles": contextos de autoría separados (agentes solo-specs antes de la implementación), congelación mecánica a nivel de herramienta (no de prompt) y auditorías adversariales ("¿falla un test si se elimina la funcionalidad?"). Se prefiere el mutation testing frente al porcentaje de cobertura, que es Goodhart-able a velocidad de máquina.
Cuarta entrega de la serie ADLC: Williams replantea la revisión de código como una "acusación" adversarial en lugar de una evaluación colaborativa. Encarga a los agentes que refuten ("encontrar qué está mal"), despliega revisores de lente única con contextos nuevos (corrección, seguridad, cumplimiento del contrato, alineación con la especificación, calidad de las pruebas), actúa solo sobre hallazgos verificados (reproducidos mediante una prueba que falla) y repite el ciclo hasta que dos pasadas consecutivas arrojen cero hallazgos. Mide la calibración plantando errores conocidos, al estilo de las pruebas de mutación. Puerta de salida: cero hallazgos abiertos, dos pasadas en seco, pruebas en verde, diff de pruebas vacío.