c9f69d9d6d
范围（不含 design-story-foundation、docs/、humanization/README.md 等进行中改动）:
1. 新增 harness/ 控制平面
- skill_harness.py 静态审计：32 个运行时 Skill 的 frontmatter/manifest/文档污染，当前 0 问题
- run_selected.py 选择性执行器：manifest 与磁盘一一对账、依赖阻断、
空跑与 skip-only 失败关闭、AST 测试形状门
- manifests/skills.json：32 个 Skill 的合同责任方与协作领域登记
- manifests/test-inventory.json：81 个测试资产登记
- specs/skill-testing.md 与 README.md：测试分层、证据边界与 harness 职责
2. 实现测试从 .claude/skills/*/scripts/ 迁至 tests/skills/<skill>/
- 71 个测试文件迁移并修复项目根与临时目录运行导入
- 数据库触发器测试宽泛异常收窄为 psycopg.errors.RaiseException
- 抽取离线大测试拆出真实 PG smoke（默认阻断，不计入离线通过）
- 抽取 presence 去重边界拆出独立测试：493 + 78 = 571 项检查不变
3. 运行时文档清理
- 13 个 SKILL.md 移除自测/离线验证段落、测试命令与测试文件事实源表述，
只保留运行时合同；业务运行合同、额度、授权与离线模式均保留
4. SoT 同步
- AGENTS.md：新增 Skill 领域索引（7 个合同责任方分组，覆盖 32 个运行时 Skill）
- 领域 07：测试入口改由 harness/manifests/ 登记，SKILL.md 不承载测试命令
- humanization 覆盖矩阵：活动测试路径同步迁移
验证证据: harness 自测 15 项 + runner 自测 13 项通过；静态审计 32 Skill / 0 问题；
73 个非数据库测试通过；8 个集成条目中 6 个 PostgreSQL 项被依赖门明确阻断；
py_compile 与 git diff --check 通过。未连接 PostgreSQL、网络、真实模型或额度。
已知边界: 真正 skill_behavior_eval 仍为 0，尚未验证任何 Skill 自然语言行为；
evaluate-frozen-replay 的 raw 存储边界冲突留待单独治理。
69 lines
3.9 KiB
Markdown
69 lines
3.9 KiB
Markdown
# 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
|
||
|
||
```text
|
||
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（唯一规范正文）
|
||
├── skill_harness.py # 运行时 Skill 文档静态审计入口
|
||
├── 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 # 运行时 Skill 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>/ # Skill 行为评测夹具与适配器（尚未建立）
|
||
|
||
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 |
|
||
| `.claude/skills/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
|
||
|
||
- `.claude/skills/*/SKILL.md`：Skill 的运行时行为合同；不放开发测试说明。
|
||
- `.claude/skills/*/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/`：测试和评测规范；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。
|
||
- `.agent/docs/architecture/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` 已实现运行时 Skill 文档与 `skills.json` 的只读静态审计。
|
||
- `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` 当前登记数量为 0；没有外部 Agent/模型行为证据时，不声称 Skill 内容有效。
|
||
- PostgreSQL、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。
|