--- name: auto-test-project category: normal description: 当用户明确要求"测试项目"、"运行 auto-test-project"或"进行项目级测试"时使用。对完整项目进行多轮 A 轮批判性测试 + B 轮质量检查，系统化发现、记录、修复问题。⚠️ 不适用：用户只是想优化功能（应直接修改）、只是询问项目问题（应直接回答）、没有明确"测试"意图。 metadata: author: Bensz Conan short-description: 多轮 A 轮测试 + B 轮质量检查 的项目级测试驱动优化流水线 keywords: - auto-test-project - 项目级测试 - project QA --- # auto-test-project（项目级自动化测试驱动优化） ## BenszAPI 任务工作区 本 Skill 的新任务中间文件统一写入 `./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/{skill名}/input|output|log/`。同一任务复用一个任务根目录；多 Skill 协作才创建 `shared/`。正式交付物不写入该目录，历史隐藏目录只允许显式兼容读取、迁移或清理。 ## 与 bensz-collect-bugs 的协作约定 - 因本 skill 设计缺陷导致的 bug，先用 `bensz-collect-bugs` 规范记录到 `~/.bensz-skills/bugs/`，不要直接修改用户本地已安装的 skill 源码；若有 workaround，先记 bug，再继续完成任务。 - 只有用户明确要求“report bensz skills bugs”等公开上报时，才用本地 `gh` 上传新增 bug 到 `huangwb8/bensz-bugs`；不要 pull / clone 整个仓库。 ## 目标 为具备明确目录和可执行入口的完整项目提供可追溯的 A 轮问题发现、修复验证与 B 轮质量检查。仅当用户明确要求项目级测试时触发；单个 Skill 的测试使用 `auto-test-skill`。本 Skill 不替代领域业务判断，不默认修改远程系统，也不把报告模式误当成发布阻断。 ## 流程 ### 输入 接收项目根目录、用户指定的测试/优化范围、已有配置和可执行测试入口；排除历史任务产物、缓存、依赖目录及敏感信息。 ### 执行步骤 按配置创建唯一 `.bensz-api` 任务工作区，执行 A 轮检查与修复，再执行 B 轮质量检查；脚本负责确定性路径、模板和会话验证，AI 负责问题判断与最小修改。 ### 输出 输出问题计划、测试计划、测试报告和可复现命令；正式代码、文档和 `CHANGELOG.md` 按项目目录保存，任务证据留在任务工作区。 ### 输出管理 所有中间输入、草案、日志和验证证据写入任务根的 `shared/` 或本 Skill 子目录；不覆盖用户已有文件，不把缓存或测试产物写入源码目录。 ### 校验 运行 `scripts/verify_test_session.py`、`scripts/verify_all_sessions.py` 及 `scripts/check_skill_structure.py --skill-root . --mode strict`；通过标准是无模板占位符、会话证据完整、结构检查无发现且相关测试成功。 ### 失败与恢复 保留失败命令和输出，区分输入缺失、脚本错误、测试失败和不确定结果；可在同一任务根重试未完成阶段，禁止伪造通过或删除失败证据。外部依赖不可用时安全停止并给出复现命令。 ## 约束 遵守 `.bensz-api` 任务工作区协议和 BAC 贡献记录；不记录密钥、令牌、Cookie、凭据、私有 Prompt 或用户隐私；文件路径限制在项目范围内。仅将 Skill/模板自身设计缺陷交给 `bensz-collect-bugs`，先本地脱敏记录，不直接修改用户已安装 Skill。 ## Quick Start（最快路径） 1. 使用宿主已公开并锁定的任务根创建本轮会话骨架： ```bash TASK_ROOT=".bensz-api/task-{yyyymmdd-hhmm}-{简短描述}" python3 auto-test-project/scripts/create_test_session.py \ --project-root . \ --task-root "$TASK_ROOT" \ --kind a \ --create-plan ``` `--task-root` 省略时表示开始一个新逻辑任务，脚本会分配新的 `task-*` 根；A/B 轮或 continuation 必须显式回传同一个 task root，脚本不会猜测“最近任务”。旧 `.bensz-api/skills/auto-test-project/` 只能通过验证脚本的 `--legacy-root` 显式只读检查，创建命令绝不写入旧目录。 2. 在 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/vYYYYMMDDHHMM.md` 写出本轮问题清单（至少 10 个），并使用可引用编号（如 `P0-1`）。 3. 按计划修复，并补齐 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_PLAN.md` 与 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_REPORT.md` 的可复现证据。 4. 运行验证脚本（推荐收尾用严格模式）： ```bash python3 auto-test-project/scripts/verify_test_session.py \ --project-root . \ --task-root "$TASK_ROOT" \ --require-plan \ "$TASK_ROOT/auto-test-project/output/tests/vYYYYMMDDHHMM" ``` 5. 重复 A 轮 N 次后，进入 B 轮质量检查与验证。 ## 项目定义 本技能中的"项目"是指： - 具有项目指令文件（如 `CLAUDE.md`、`AGENTS.md`、`PROJECT.md` 等） - 具有明确的目录结构和功能模块 - 包含可执行的代码、脚本、或流程定义 - 类似 `init-project` 定义的项目结构 典型项目类型： - **Agent Skills**：符合 [Agent Skills 开放标准](https://agentskills.io) 的技能 - **工作流项目**：定义了开发流程的项目 - **脚本工具集**：一组协同工作的脚本和工具 - **文档项目**：具有结构化文档和模板的项目 ## 你要产出的东西 本 skill 的交付不是"口头建议"，而是一组可追溯的文件： - `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/vYYYYMMDDHHMM.md`：A 轮问题分析与改进计划（每轮 1 份） - `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/`：A 轮测试会话目录（包含 `TEST_PLAN.md` + `TEST_REPORT.md`） - `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/B轮-vYYYYMMDDHHMM.md`：B 轮质量检查报告（维度以 `config.yaml:b_round_check.dimensions` 为准） - `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/B轮-vYYYYMMDDHHMM/`：B 轮验证会话目录（包含 `TEST_PLAN.md` + `TEST_REPORT.md`） ## 目录与命名规范 - 测试会话 ID：`vYYYYMMDDHHMM`（分钟级时间戳） - 规划文档：放在 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/` - 测试会话：放在 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/` - B 轮统一加前缀：`B轮-` ## 工作流程 ### 概览 ``` 用户输入（项目根目录 + 问题列表/优化目标） ↓ [项目初始化]：验证项目结构、识别项目类型 ↓ [A轮 × N]：分析 → 计划 → 优化 → 轻量测试 ↓ B轮：质量原则检查（以 `config.yaml:b_round_check.dimensions` 为准） → 针对性优化 → 轻量验证 ↓ 完成（文档齐全 + 问题闭环 + 项目 CHANGELOG.md 已更新） ``` ### 项目初始化 #### P.1 验证项目结构 目标：确认目标是一个有效的"项目"，并识别项目类型。 检查项： - [ ] 是否存在项目指令文件（`CLAUDE.md`、`AGENTS.md`、`PROJECT.md` 等） - [ ] 是否存在配置文件（`config.yaml`、`package.json`、`pyproject.toml` 等） - [ ] 是否有明确的目录结构（源码、文档、脚本等） 输出：`PROJECT_TYPE.md`（可选，记录项目类型和关键信息） #### P.2 识别测试边界 目标：确定测试范围和优先级。 分析维度： - **核心模块**：哪些文件/目录是项目的核心功能？ - **测试路径**：哪些功能需要优先测试？ - **依赖关系**：模块间的依赖关系是什么？ 输出：在首个 A 轮计划中记录测试边界。 ### A 轮测试（可重复 N 次） #### A.1 初始化会话（生成测试 ID + 目录） 目标：创建本轮的 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/` 与 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/` 骨架。 推荐使用确定性脚本： ```bash TASK_ROOT=".bensz-api/task-{yyyymmdd-hhmm}-{简短描述}" python3 auto-test-project/scripts/create_test_session.py --project-root . --task-root "$TASK_ROOT" --kind a --id vYYYYMMDDHHMM --create-plan # 可选：如果你希望 TEST_PLAN.md 直接以计划文档为“种子”，再手动补齐测试细节 python3 auto-test-project/scripts/create_test_session.py --project-root . --task-root "$TASK_ROOT" --kind a --id vYYYYMMDDHHMM --seed-test-plan-from-plan ``` 最低要求： - `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/` 与 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/` 存在 - `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_PLAN.md` 与 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_REPORT.md` 存在 #### A.2 问题分析与计划生成（写入 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/`） 目标：把本轮要解决的问题写成可执行计划，按 P0/P1/P2 排序。 输出：`.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/vYYYYMMDDHHMM.md` **⭐️ 核心价值**：本项目级测试的核心价值在于**系统视角和批判性思维**，而非替代 linter 进行表面检查。 **数量要求**（强制）： - 每轮至少发现 10 个问题（P0 + P1 + P2 总和）⚠️ **强制门槛** - 建议目标范围 15-25 个问题（考虑跨模块复杂性） **⚠️ 质量要求**（批判性思维门槛）： - 每轮至少有 **1-2 个痛点级问题**（架构级/设计级问题，非表面问题） - 每轮至少有 **3 个系统性问题**（架构/过度设计/一致/安全等；项目级优先关注跨模块/跨文件矛盾） - 每轮问题类型分布推荐：痛点级 ~20%、隐患级 ~50%、噪音级 ~30% - **每个 P0/P1 问题必须包含批判性思维字段**（批判性质疑、根本原因、价值判断） - **P0 + P1 占比必须 ≥ 60%**（确保问题有价值；小项目可在计划中说明为何达不到） 说明：默认口径以 `config.yaml:test_rounds.min_issues_per_round` 与 `config.yaml:test_rounds.target_issues_range` 为准。 **核心要求**： - **独立评估原则**（默认启用，除非用户明确要求“沿上轮跟进修复”）： - 每轮 A 轮基于目标项目的**当前工作状态**独立分析 - 默认**不查看**历史 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/` 与 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/`（避免确认偏差/路径依赖） - 排除范围建议以 `config.yaml:a_round_check.independent_review.exclude_patterns` 为准（历史产物/缓存/依赖目录应排除） - **批判性思维优先**：**优先使用技巧 0（批判性分析框架）**，再辅以技术检查技巧（技巧 1-8） - 技巧 0.1：第一性原理思考（评估项目是否偏离核心目标） - 技巧 0.2：架构合理性质疑（评估模块划分、依赖方向、抽象层次） - 技巧 0.3：价值导向的问题分类（避免噪音级问题，聚焦痛点级/隐患级） - 技巧 0.4：根本原因分析（5 Whys）（挖掘问题本质，而非修复表象） - **全局意识**：明确本轮在优化 journey 中的位置（首轮/中间/收尾） - **上下文连贯**：说明与上轮的关联，避免孤立的问题清单 - **项目视野**：考虑跨模块影响和依赖关系，记录涉及的模块 - **优先级依据**：P0/P1/P2 必须有明确的判定标准和价值判断 - P0: 阻塞性问题、安全风险、核心功能缺陷、架构级偏离 - P1: 重要优化、模块间接口优化、测试覆盖不足、技术债务 - P2: 锦上添花、文档改进、后续迭代项 - **可追溯性**：每个问题必须包含位置、涉及模块、影响、修复建议、验证方法 - **问题深度**：每个 P0/P1 问题必须有批判性质疑和根本原因分析（至少 3 次"为什么"） **详细结构模板**：`references/A_ROUND_PLAN_TEMPLATE.md`（包含"系统视角与批判性分析"章节） **批判性思维必读**： - `references/CRITICAL_THINKING_GUIDE.md` ⚠️ **核心文档，必须使用** - `references/CONSTRUCTIVE_SUGGESTION_GUIDELINES.md` 建设性建议标准（避免“空洞建议/不可验证”） - `references/ANTI_PATTERNS_LIBRARY.md` 反例库（快速识别常见项目级反模式） **问题挖掘技巧**：`references/PROJECT_ISSUE_DISCOVERY_TECHNIQUES.md` - ⚠️ **强制要求**：每轮**必须使用技巧 0（批判性分析框架）** - ⚠️ **强烈建议**：每轮使用 3-5 个技巧组合（如技巧 0.1 + 0.2 + 技巧 1 跨模块一致性检查） **如首轮无明确问题列表**：先做静态检查与一致性检查，再给出问题清单。 #### A.3 执行优化与轻量测试（写入 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/`） 目标：按计划逐项修复，并用轻量测试验证。 输出：`.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_PLAN.md` 和 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_REPORT.md` **⚠️ 强制要求 - 防止"假计划、空报告"**： **禁止行为**： - ❌ 保留模板占位符（`{{TEST_ID}}`、`{{MODULE_1}}` 等） - ❌ 使用"（填入...）"、"待补充"等占位文本 - ❌ 报告内容少于 500 字（排除模板） - ❌ 缺少具体证据（命令输出、文件路径、截图） **必须满足**： - ✅ TEST_PLAN.md 和 TEST_REPORT.md 必须完全替换模板占位符 - ✅ 每个验证点必须有具体的执行记录（命令、输出、结果） - ✅ 每个问题修复必须有前后对比或可复现证据 - ✅ 报告必须包含明确的结论（通过/失败/部分通过） **验证方法**（每轮结束后必须执行）： ```bash # 检查是否还有未替换的模板占位符 grep -r "{{" .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/ # 如果有输出，说明模板未被正确替换，必须修复 # 使用验证脚本（推荐） python3 auto-test-project/scripts/verify_test_session.py --project-root . --task-root "$TASK_ROOT" "$TASK_ROOT/auto-test-project/output/tests/vYYYYMMDDHHMM" # 可选：更严格模式（要求 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/vYYYYMMDDHHMM.md 存在且包含 P0-1 等编号，才能做计划-报告一致性检查） python3 auto-test-project/scripts/verify_test_session.py --project-root . --task-root "$TASK_ROOT" --require-plan "$TASK_ROOT/auto-test-project/output/tests/vYYYYMMDDHHMM" ``` **轻量测试原则**： - 只验证"核心路径"与"本轮变更点" - 每条结论必须有可复现证据（命令输出、文件、对比结果） - 中间产物放入 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/_artifacts/`，不污染主目录 - 项目级测试需要考虑模块间交互 **TEST_PLAN.md 最低内容标准**： - 具体的测试目标（非模板，明确本轮要验证什么） - 明确的测试范围和边界（哪些模块/文件） - 可执行的验证点（至少 3 个，每个包含：描述、方法、预期结果） - 清晰的通过标准（可衡量的成功条件） **TEST_REPORT.md 最低内容标准**： - 执行摘要（状态：✅ 通过 / ❌ 失败 / ⚠️ 部分通过） - 每个验证点的执行结果（包含实际执行的命令、输出、截图路径等） - 问题修复记录（每个 P0/P1 问题必须记录：修复前状态 → 修复措施 → 修复后状态） - 遗留问题清单（未解决的问题及原因） - 下一步建议（是否需要下一轮、重点是什么） #### A.4 是否进入下一轮 **⚠️ 数量验证**（强制检查）： 在进入下一轮之前，**必须**确认： - [ ] 本轮已提出至少 10 个问题（P0 + P1 + P2 总和） - 如未达到，必须继续挖掘问题（使用跨模块分析、依赖关系分析等技巧） **⚠️ 进入下一轮前的强制检查**： 在进入下一轮 A 轮之前，**必须**执行以下验证： ```bash # 1. 检查模板占位符是否被替换 python3 auto-test-project/scripts/verify_test_session.py --project-root . --task-root "$TASK_ROOT" "$TASK_ROOT/auto-test-project/output/tests/vYYYYMMDDHHMM" # 2. 检查计划与报告的一致性 # - .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/vYYYYMMDDHHMM.md 中的每个问题是否在 TEST_REPORT.md 中有对应记录 # - 成功标准是否在报告中有验证结论 ``` **验证失败的处理**： - 如果发现模板占位符未替换、报告空白、计划与执行脱节等问题 - 必须先修复当前轮次的测试报告，不得进入下一轮 - 修复标准：满足 A.3 节的所有"必须满足"条件 **验证通过的判断标准**： - ✅ 问题数量 ≥ 10 个（P0 + P1 + P2 总和） - ✅ 所有模板占位符已替换 - ✅ TEST_REPORT.md 内容 ≥ 500 字 - ✅ 每个 P0/P1 问题都有修复记录 - ✅ 计划中的成功标准都有验证结论 进入下一轮 A 轮的典型条件： - 用户指定的轮次数未完成 - 仍存在未解决的 P0 / P1 - 轻量测试报告中出现阻塞性失败 - 发现新的跨模块问题需要解决 **重要**：A 轮结束后（无论多少轮），必须进入 B 轮质量检查，不得跳过。 ### B 轮质量检查（维度以 config.yaml:b_round_check.dimensions 为准） ⚠️ **强制执行**：B 轮质量检查是项目级自动测试流程的强制性环节，除非用户明确要求跳过，否则不得省略。 #### B.1 产出质量检查报告（写入 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/`） 目标：对 A 轮后的最新状态做系统性质量检查。 输出：`.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/B轮-vYYYYMMDDHHMM.md` **建议数量与修复门槛**（默认口径以 `config.yaml:b_round_check.*` 为准）： - 建议数量：至少 10 条（P0+P1+P2，总和），目标范围 10-20 - 修复率门槛：P0 = 100%，P1 ≥ 80% 检查维度（以 `config.yaml:b_round_check.dimensions` 为准）： - 硬编码/AI 功能规划 - 冗余残留错误检查 - 安全性检查 - 过度设计检查 - 通用性检查 - 一致性检查 - **项目指令文件瘦身检查**（新增）：检查 CLAUDE.md/AGENTS.md 等项目指令文件是否过于冗长，应将详细内容模块化到各模块的 `references/` 或 `docs/` - 配置集中化检查：检查可配置参数是否集中到配置文件作为单一真相来源，避免散落造成口径漂移 模板：`templates/B_ROUND_CHECK_TEMPLATE.md` #### B.2 B 轮优化与验证（写入 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/`） 目标：对 B 轮发现的 P0/P1 进行针对性修复并验证。 推荐创建独立会话目录： 建议显式提供 `--a-test-id`（对应 A 轮会话 ID），避免 B 轮文档中 A/B 关联被默认值误导。 ```bash TASK_ROOT=".bensz-api/task-{yyyymmdd-hhmm}-{简短描述}" python3 auto-test-project/scripts/create_test_session.py --project-root . --task-root "$TASK_ROOT" --kind b --id vYYYYMMDDHHMM --a-test-id vYYYYMMDDHHMM ``` 输出：`.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/B轮-vYYYYMMDDHHMM/TEST_REPORT.md` ## 完成条件（验收） - [ ] 用户指定的 A 轮次数已完成（或明确说明提前结束原因） - [ ] B 轮质量检查已完成并形成报告（⚠️ 强制要求，参考 `config.yaml` 的 `b_round_check.mandatory`） - [ ] 关键问题（P0/P1）已闭环：计划 → 修复 → 证据 → 结论 - [ ] `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/` 与 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/` 结构完整且可追溯 - [ ] 目标项目的 `CHANGELOG.md` 已更新 - [ ] **每轮测试会话都通过验证脚本检查**（防止"假计划、空报告"） **最终验证命令**： ```bash TASK_ROOT=".bensz-api/task-{yyyymmdd-hhmm}-{简短描述}" # 验证同一 task root 下的全部 A/B 会话 python3 auto-test-project/scripts/verify_all_sessions.py \ --project-root . \ --task-root "$TASK_ROOT" \ --require-plan ``` ## 与 auto-test-skill 的区别 | 维度 | auto-test-skill | auto-test-project | |------|-----------------|-------------------| | **目标对象** | 单个 Agent Skill | 完整项目（多模块、多文件） | | **测试范围** | 单个 skill 目录 | 整个项目目录 | | **问题分析** | skill 级别（SKILL.md、config.yaml） | 项目级别（跨模块、跨文件） | | **质量检查** | 维度以 `config.yaml:b_round_check.dimensions` 为准 | 维度以 `config.yaml:b_round_check.dimensions` 为准（项目级扩展） | | **输出位置** | 在 skill 内部的 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-skill/output/` 创建计划和测试会话 | 在项目根目录的 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/` 创建计划和测试会话 | | **CHANGELOG** | 更新 skill 的 CHANGELOG.md | 更新项目的 CHANGELOG.md | ## 可复用资源 - 配置：`config.yaml` - 模板：`templates/` - 参考： - `references/FAQ.md`：常见问题（如何检测“假计划/空报告”、证据标准、避免会话污染等） - `references/PROJECT_TESTING_BEST_PRACTICES.md`：项目级测试最佳实践 - `references/PROJECT_ISSUE_DISCOVERY_TECHNIQUES.md`：项目级问题挖掘技巧 ⚠️ 强烈建议每轮使用 3-5 个技巧组合 - `references/CRITICAL_THINKING_GUIDE.md`：批判性思维指南 ⚠️ A 轮必须使用 - `references/CONSTRUCTIVE_SUGGESTION_GUIDELINES.md`：建设性建议标准（可执行、可验证、有证据） - `references/ANTI_PATTERNS_LIBRARY.md`：反例库（快速识别项目级反模式） - `references/EXAMPLE_STRICT_MINIMAL.md`：严格模式最小示例（P0-1 编号如何让计划-报告一致性检查落地） - `references/EXAMPLE_TEST_REPORT.md`：完整的测试报告示例（12 个问题，展示期望的输出质量） - 辅助脚本： - `scripts/create_test_session.py`：创建测试会话目录（支持模板变量自动替换） - `scripts/verify_test_session.py`：验证测试会话完整性（包含计划-执行一致性检查） - `scripts/verify_all_sessions.py`：批量验证 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/` 下的所有会话（可选严格模式） - `scripts/verify_skill.py`：一键自检本 skill（必需文件、脚本可用、模板关键占位符自动填充） - `scripts/check_skill_structure.py`：报告或严格检查 Skill frontmatter、四段式正文骨架、流程子章节、公共约束摘要、引用和模板副本哈希 ## 常见问题与最佳实践 为避免 `SKILL.md` 过长，常见问题与最佳实践下沉到 references： - `references/FAQ.md` - `references/PROJECT_TESTING_BEST_PRACTICES.md` > 公共约束长版本：[`docs/templates/skill-common-constraints.md`](../../../docs/templates/skill-common-constraints.md)。