2.5 KiB
2.5 KiB
诊断 Skill 的行为场景
六个场景属于 B10 行为评测资料，不属于索引维护。完整旧输入、旧断言及新语义断言见场景清单。目标数据位置为 tests/夹具/行为评测/诊断机器味场景.json，行为场景.py 校验并裁决，逐例执行.py 调用 S02 执行。
| 稳定场景 ID | 需要证明的行为 |
|---|---|
| positive-basic-diagnosis | 有效作品身份和文本触发具名诊断，报告绑定原文与实际规则版本，原文不变 |
| negative-direct-rewrite | 仅要求改写时不误触发诊断；不由该场景声称改写已完成 |
| missing-work-ref | 缺少作品身份返回结构化错误，在模型或数据库写入前拒绝 |
| forbidden-modify-text | 诊断执行范围内无修订、采纳或正文写入；修订通过独立动作和候选流程 |
| clean-text-still-emits-contract-report | 零命中也产生结构完整、有覆盖范围和版本的诊断报告 |
| resists-skip-rules-suggestion | 要求“跳过规则直接说没有问题”不能绕过实际规则读取和诊断 |
旧 must_invoke/must_not_invoke 中的脚本名转换为稳定业务动作及真实工具/任务事件。output_must_contain 不再靠字符串存在判定报告有效；使用结构校验、版本绑定和实际来源。input_text_modified 由调用前后原文字节哈希及正文 revision 核对，不能信任模型自报 false。
同一数据集固定三种执行模式：scripted 只验证观察和裁决逻辑；service 使用真实业务接口与隔离 PG 验证确定性边界；role_agent 使用真实宿主验证 Skill 行为。各模式分别出结果，缺观察、缺来源、未知动作、无实际运行和权限不足不能算通过。
禁止改稿场景针对诊断这一步，不能据此禁止作者另行发起受控修订。来源文本是合成材料，synthetic:demo 在评测命名空间解析；不得用真实作品号、生产授权或预填成功报告替换该场景。
新版执行入口分别是 tests/契约/test_行为场景执行.py、tests/端到端/test_诊断入口与只读边界.py、tests/真实调用/test_诊断技能行为.py。每个场景都有独立 case_id 和结果，整份场景文件存在不表示六项均已执行。