- src/muse 新版全模块（装配/共享/上下文/任务运行/作品规划/故事世界/正文写作/审校修订/知识方法/作者经验/效果评测/交付连载/资料研究/正式变更/元数据/接入/基础设施/编排）+ 测试树（单元/契约/集成/架构/迁移/端到端/夹具）
- 129 项功能全部实现与自动验证（功能覆盖.json/矩阵），含 W31 补齐的规则与代价/节奏安排/伏笔与承诺
- 旧实现按处置清单退出（702 条中 324 删，保护合同与未迁移条目留存有据）；web/app.py 旧工作台退役，新工作台为唯一写入口
- 数据库/旧库迁移：真实旧库内容批次迁移链（端点守卫/PG作品正文映射/质量资产缺省投影）
- 运行手册 docs/运行手册.md；W30 本机服务阶段一已运行（infra PG 为正式内容权威）
- R2 执行证据与私有运行材料在 .agents.local/改造/R2-20260909/（不入库）

2026-09-15 12:47:42 +08:00

2.8 KiB

Raw Blame History

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；角色行为.py从真实工具证据重建观察，编排/行为评测.py通过S02有限会话执行。

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。合成HTTP＋Pi的runtime_verified只证明角色工具协议，不把model_verified改为true；真实外部模型场景证据仍须另行取得。缺作品项是零调用前置拒绝；其他场景禁止的S02.model_call是诊断业务动作，不包含外层行为评测角色本身。

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。

原资料：旧场景数据、旧执行入口（原 muse/lifecycle/quality/harness/evals/skills/诊断机器味/run_eval.py，已随旧实现退出）。

2.8 KiB Raw Blame History Unescape Escape

诊断 Skill 的行为场景

2.8 KiB

Raw Blame History