diff --git a/DEVELOPMENT.md b/DEVELOPMENT.md
index 63eb5b9..13fbccd 100644
--- a/DEVELOPMENT.md
+++ b/DEVELOPMENT.md
@@ -37,14 +37,26 @@ tests/                   # 测试目录（镜像 src 结构）
 ## 开发命令
 
 ```bash
-bun test                      # 运行全部测试
-bun test tests/core/          # 运行指定目录测试
+bun test                  # 运行单元/集成测试（排除 agent e2e 测试）
+bun run test:e2e          # 运行 agent 端到端测试（Tier 1 + 2，< 5s）
+bun run test:e2e:llm      # 运行 LLM-as-Judge 测试（Tier 3，需设置环境变量）
+bun test tests/core/      # 运行指定目录测试
 bun src/cli.ts init opencode  # 测试 init 命令
 bun src/cli.ts plan <变更名> <文档名>  # 测试 plan 命令
 bun src/cli.ts status [变更名]        # 测试 status 命令
-bun src/cli.ts help           # 查看全局帮助
-bun src/cli.ts help init      # 查看 init 命令帮助
-bun src/cli.ts version        # 查看版本号
+bun src/cli.ts help       # 查看全局帮助
+bun src/cli.ts help init  # 查看 init 命令帮助
+bun src/cli.ts version    # 查看版本号
+```
+
+### Tier 3 LLM-as-Judge 环境变量
+
+```bash
+export RUNE_E2E_LLM_API_KEY="your-api-key"     # 必填
+export RUNE_E2E_LLM_PROVIDER="openai"          # 可选，默认 openai
+export RUNE_E2E_LLM_MODEL="gpt-4o-mini"        # 可选，默认 gpt-4o-mini
+export RUNE_E2E_LLM_BASE_URL="https://..."     # 可选，自定义 endpoint
+bun run test:e2e:llm
 ```
 
 ### 代码质量
@@ -117,18 +129,22 @@ CLI 通过子命令提供帮助和版本信息，不使用 `--help`/`--version`
 
 ## 测试策略
 
-### Level 1 — 纯单元/集成测试（当前）
+### 单元/集成测试（`bun test`）
 
-在临时目录执行完整流程，验证文件创建、目录结构、提示词输出。
+在临时目录执行完整流程，验证文件创建、目录结构、提示词输出。覆盖 `src/core/`、`src/cli/`、`src/adapters/`、`tests/integration/`。
 
-### Level 2 — 提示词快照测试（后续增强）
+### Agent 端到端测试（`bun run test:e2e`）
 
-对每个阶段捕获提示词输出，与预期快照对比。
+位于 `tests/agent/`，灰度盒测试互补现有白盒测试，三层架构：
 
-### Level 3 — mock-agent 端到端（后续增强）
+| Tier           | 说明                         | 触发                           |
+| -------------- | ---------------------------- | ------------------------------ |
+| 1 命令级 mock  | 每命令预设行为，CI 快速门禁  | `bun run test:e2e`             |
+| 2 场景级 mock  | 行为重写，覆盖边界和错误恢复 | `bun run test:e2e`             |
+| 3 LLM-as-Judge | 调用 LLM API 验证提示词质量  | `bun run test:e2e:llm`（手动） |
 
-编排完整闭环：rune 输出 → mock-agent 处理 → rune 继续下一阶段。
+运行策略：
 
-### Level 4 — 真实 AI 工具集成（CI 可选）
-
-调用 LLM API 验证输出格式可被解析。
+- `bun test`（pre-commit 用）：Tier 1 + 2 **不参与**，仅跑单元/集成
+- `bun run test:e2e`：Tier 1 + 2（< 5s）
+- `bun run test:e2e:llm`：Tier 3（手动触发，需 `RUNE_E2E_LLM_API_KEY`）
diff --git a/package.json b/package.json
index f9aaee1..76d2b57 100644
--- a/package.json
+++ b/package.json
@@ -9,6 +9,9 @@
   "module": "src/cli.ts",
   "scripts": {
     "prepare": "husky",
+    "test": "bun test --path-ignore-patterns 'tests/agent/**'",
+    "test:e2e": "bun test tests/agent/",
+    "test:e2e:llm": "bun test tests/agent/e2e-llm-judge.test.ts --timeout 120000",
     "lint": "oxlint",
     "format": "oxfmt .",
     "format:check": "oxfmt --check .",