76d38f2dc7
- 模型锁定完整 ID 等值：role_policy 废弃子串匹配，前置校验+事后 MODEL_POLICY_VIOLATION 熔断+回执 modelMatch，治理链角色放行 BUDGET_CHAIN - 工具白名单只读机械强制：任务包 allowlist ⊆ 只读注册表，TOOL_NOT_READONLY - 本地向量检索 truthful 化：aiContext 裁剪、指针行跳过、资格失败关闭 （bindingStatus/productionRetrievalEligible 不再伪造 active） - 角色提示词 name 回归英文系统 ID；planner 补 fine_outline 绑定； writer 数据契约对齐 writer-candidate-body-v1 - 测试账本隔离：sqlite_path 三层透传（bridge/two_phase），9 处派发测试 改用临时库；清除 muse.db 测试残留 5 runs+26 events+reviews 5/6（有备份） - test-inventory 补 3 条登记并机械重算 summary；评测场景补 output_contract/fail_closed 与 stability 两类；死代码清理 （project_paths.py、offline_only 死参数、harness/harness 残骸） - 新增 metaphysical-diff-review 技能（红线 4.2 载体）并登记，共 59 技能
agent-example Harness
项目开发、验证和行为评测支架的入口与索引。 这里的文档和工具服务开发者与评测编排，不会作为任何 Skill 的运行时提示词自动注入 Agent。
1. 作用
agent-example 同时包含三种不同性质的验证工作：
- 运行时文档的静态卫生检查；
- 确定性工具、数据库边界和 fake pipeline 的机械测试；
- 将 Skill 交给 Agent 后的外部行为评测。
Harness 负责把这三类工作分开编排并保留证据，不能用其中一类的通过结果冒充另一类结论。
2. 目录索引
harness/
├── README.md # 本入口：项目 harness 介绍、边界和索引
├── specs/
│ ├── skill-testing.md # Skill 测试与评测规范、证据分级
│ └── skill-quality-rubric.md # Skill 分类字段与质量评分标准
├── skill_harness.py # Skill 文档与分类的静态审计入口
├── run_selected.py # 按 manifest 选择性执行测试
├── test_skill_harness.py # 静态审计器离线测试
├── test_run_selected.py # 选择性执行器离线测试
├── manifests/
│ ├── skills.json # 全部 Skill 的分类字段、责任方与协作领域清单
│ └── test-inventory.json # 测试分类、依赖、副作用与证据等级
└── evals/
├── skill_eval.py # 行为评测引擎：场景合同、适配器与裁决报告
├── test_skill_eval.py # 评测管道自测（不构成 Skill 行为证据）
└── skills/<skill>/ # 逐 Skill 场景与评测入口（真实模型需显式授权）
项目级实现测试位于 `../tests/skills/<skill>/`，不进入运行时 Skill 目录。
现有专项支架：
| 路径 | 责任 | 证据边界 |
|---|---|---|
humanization/eval/run_eval.py |
去 AI 味规则合同和回归陷阱试跑 | 规则合同回放，不证明文学效果 |
muse/lifecycle/quality/skills/replay/evaluate-frozen-replay/ |
正文/细纲冻结回放、盲评和质量门 | 评测编排与质量证据，不是通用 Skill 单测入口 |
harness/ |
跨 Skill 的开发验证与行为评测治理 | 只编排和裁决证据，不拥有业务合同 |
3. 权威关系
skills.json的skill_path指向的SKILL.md：Skill 的运行时行为合同；路径允许嵌套，不放开发测试说明。skill_path同目录的scripts/：Skill 使用的运行时确定性实现与机械门。tests/skills/<skill>/：对应 Skill 的实现测试、集成测试和 fake pipeline 测试；测试性质由 harness 清单标注。harness/specs/：测试、评测与质量评分规范；不被业务 Skill 当作运行时指令读取。harness/manifests/：测试/评测登记与执行配置；不复制业务字段合同。harness/evals/：外部行为评测案例、适配器和报告生成逻辑。muse/sot/domains/：领域与数据权威 SoT；harness 只引用，不复制领域定义。docs/：单次设计、运行证据和历史资料；不替代 harness 规范。
4. 当前状态
skill_harness.py已实现 Skill 文档与skills.json的只读静态审计，覆盖分类字段合法性、invocation与 frontmatter 一致性、开发测试污染，以及必备节、行数与description预算、scripts/形态等质量发现。阻断级问题决定退出码，严重与一般级发现进advisories，--strict时一并阻断。
推荐门禁命令（仓库级 Skill 改动必跑）：
cd agent-example
.venv/bin/python harness/skill_harness.py --strict # 阻断与质量发现必须为零
.venv/bin/python harness/test_skill_harness.py -q # 审计器回归
- 全部 47 个 Skill 已按
lifecycle/invocation/side_effects/compounding登记，阻断级问题为零；存量质量发现与复利改造方案见docs/2026-08-20-skill-质量审查与复利改造清单.md。 test-inventory.json已登记实现测试、集成测试、fake pipeline、领域评测和 harness 自测的依赖与证据等级。run_selected.py已实现显式选择、磁盘/manifest 对账、危险依赖阻断、超时和执行证据检查；它不提供默认全仓一键通过结论。- 项目运行时 Skill 的实现测试以
tests/skills/<skill>/为目标位置，物理现状以test-inventory.json为准。 skill_behavior_eval脚手架已建立：评测引擎、diagnose-ai-flavor 参考场景与管道自测就位；真实模型适配器未授权时以稳定码失败关闭，真实行为评测执行数量仍为 0；没有外部 Agent/模型行为证据时，不声称 Skill 内容有效。- humanization 规则/样例运行时权威已入库（DDL-111 +
humanization/tools/seed_rules_db.py种子同步）；生产读取失败关闭，不静默回退 Git 文件资产。 - PostgreSQL 集成条目在显式授权后全部通过（含规则库指纹一致性和 rollback 冒烟）；网络和真实模型证据未由离线结果替代，是否执行仍受授权和预算约束。
5. 运行边界
- 默认只允许静态检查和明确标注的离线测试；
- PostgreSQL、网络、真实模型和额度探针必须显式选择并满足授权、预算和环境前置条件；
- 任何测试失败、依赖缺失或未发现测试都必须显式返回状态，不能静默跳过；
- 报告必须区分已验证事实、推断和未验证假设。