auto-test-code（批判性思维驱动的代码自审查技能）

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。

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：

（目录位置以 config.yaml:directories.tmp + config.yaml:directories.tests 为准；默认 tmp/run_{timestamp}/tests/；不再使用 reviews/）

• tmp/run_YYYYMMDDHHMMSS/tests/vYYYYMMDDHHMM/：A 轮会话目录（计划/过程/结果都在这里）
  • REVIEW.md：A 轮批判性审查（问题清单 + 改进计划）
  • TEST_PLAN.md：测试计划（本轮验证哪些修复点）
  • TEST_RUN.md：测试过程（命令、关键输出摘录、关键决策）
  • TEST_REPORT.md：测试结果（结论 + 证据 + 遗留问题）
  • _artifacts/：中间产物（命令输出、日志、截图、对比结果等）
• tmp/run_YYYYMMDDHHMMSS/tests/b-vYYYYMMDDHHMM/：B 轮会话目录（结构同上，REVIEW.md 为质量检查报告）

目录与命名规范

• 测试会话 ID：vYYYYMMDDHHMM（分钟级时间戳）
• 运行工作区：tmp/run_YYYYMMDDHHMMSS/（同一次技能执行的 A/B 轮必须复用同一个 run_id）
• A 轮会话目录：tmp/run_YYYYMMDDHHMMSS/tests/vYYYYMMDDHHMM/
• B 轮会话目录：tmp/run_YYYYMMDDHHMMSS/tests/b-vYYYYMMDDHHMM/
• 兼容：verify_session.py 可识别旧目录名 tests/B轮-vYYYYMMDDHHMM/；新建统一使用 tmp/run_*/tests/b-vYYYYMMDDHHMM/
• ⚠️ reviews/ 已废弃：不再创建、不再写入；如目标项目中存在旧的 reviews/，应将其视为历史遗留并在审查时排除。

工作流程

隔离工作区硬规则

• 每次 skill 执行开始时，必须先在目标项目根目录创建当次专用工作区：tmp/run_YYYYMMDDHHMMSS/。
• 所有由 skill 生成的计划、报告、日志、辅助脚本与中间产物，只能写入当前 tmp/run_*/ 工作区内。
• 运行可能产生缓存或临时文件的命令时，优先将工作目录、TMPDIR、XDG_CACHE_HOME、PYTHONPYCACHEPREFIX 等重定向到当前 tmp/run_*/ 工作区。
• 除了用户明确要求的源码修复外，不得把 skill 相关文件写到 tmp/run_*/ 之外的位置，以免污染源软件项目。

概览

用户输入（目标代码路径）
  ↓
[A轮 × N]：静态分析 → 动态推理 → 安全分类审查 → 计划 → 优化 → 轻量测试
  ↓
B轮：代码质量原则检查 → 针对性优化 → 轻量验证
  ↓
完成（文档齐全 + 问题闭环）

A 轮代码审查（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 tmp/run_*/tests/ 会话骨架（计划/过程/结果都在同一目录）。

推荐使用确定性脚本：

# 在目标代码根目录内执行（选择你实际的安装路径）
RUN_ID=run_YYYYMMDDHHMMSS
python3 ~/.codex/skills/auto-test-code/scripts/create_session.py --code-root . --run-id "$RUN_ID" --kind a --id vYYYYMMDDHHMM
# 或
RUN_ID=run_YYYYMMDDHHMMSS
python3 ~/.claude/skills/auto-test-code/scripts/create_session.py --code-root . --run-id "$RUN_ID" --kind a --id vYYYYMMDDHHMM

最低要求：

• tmp/run_YYYYMMDDHHMMSS/tests/ 存在
• tmp/run_YYYYMMDDHHMMSS/tests/vYYYYMMDDHHMM/REVIEW.md、TEST_PLAN.md、TEST_RUN.md、TEST_REPORT.md 存在

A.2 批判性分析与计划生成（写入 tmp/run_*/tests/ 会话目录）

目标：使用批判性思维发现代码中的系统性问题，写成可执行计划，按 P0/P1/P2 排序。

输出：tmp/run_YYYYMMDDHHMMSS/tests/vYYYYMMDDHHMM/REVIEW.md

⚠️ 批判性思维是核心要求：

• 必须使用「刁钻角度」思考（详见 references/CRITICAL_THINKING_FOR_CODE.md）
• 必须发现至少 3 个系统性问题（算法设计/边界条件/并发安全/内存安全/安全漏洞/设计质量）
• 禁止列出"不痛不痒"的表面问题（如"缺少注释"等 P2 级别问题不应占多数）

质量要求（强制）：

• 每轮至少发现 10 个问题（P0 + P1 + P2 总和）
• 鼓励达到 15-20 个问题
• P0 + P1 占比必须 ≥ 60%
• 系统性问题 ≥ 3 个（算法/边界/并发/内存/安全/架构/设计）

核心要求：

• 独立评估原则（强制）：
  • 每轮 A 轮必须基于目标代码的当前工作状态独立分析
  • 不查看历史 tmp/run_*/ 工作区中的审查文件
  • 每轮都是一次完整的、无偏见的系统性审查
• 审查范围（强制）：
  • 必须审查：核心源代码文件（以 config.yaml:a_round_check.independent_review.scan_patterns 为准）
  • 必须审查：配置文件、构建脚本、测试代码
• 排除范围：tmp/ 等 skill 产物目录，以及 node_modules/、venv/、__pycache__/ 等依赖/缓存目录；目标项目的测试代码仍属于必须审查范围
• 全维度覆盖（强制）：每轮必须覆盖所有审查维度（以 config.yaml:a_round_check.dimensions 为准）；不得以“本轮不聚焦”为由跳过任何维度
• 深挖维度（可选）：可在全覆盖基础上额外指定 1-2 个深挖维度，对该维度使用刁钻角度做更细致分析；多轮时建议轮换深挖点
• 刁钻角度：在深挖维度上必须使用至少一个刁钻角度（空输入/超大输入/恶意输入/竞态条件/资源耗尽/权限绕过/供应链污染）
• 优先级依据：P0/P1/P2 必须有明确的判定标准
  • P0: 崩溃风险、可利用安全漏洞、未授权访问、敏感信息泄露、数据损坏、死锁/活锁、内存泄漏
  • P1: 性能问题、边界条件缺陷、逻辑错误、资源泄漏、需要前置条件或组合利用的安全风险
  • P2: 代码风格、可读性、冗余代码
• 可追溯性：每个问题必须包含位置、现象、影响、修复建议、验证方法

批判性思维框架（必读）：

• references/CRITICAL_THINKING_FOR_CODE.md ⚠️ 核心文档，必须使用
  • 框架 1: 静态分析视角（算法设计/数据结构/代码复杂度/设计质量）
  • 框架 2: 动态推理视角（边界条件/异常处理/资源管理）
  • 框架 3: 问题质量标准（黄金公式 + 质量检查清单）
  • 框架 4: 设计质量视角（架构/扩展性/API/状态/建模/耦合/模式）
  • 框架 5: 安全漏洞分类视角（CWE/OWASP/STRIDE/七大王国/CVSS）
• references/A_ROUND_REVIEW_TEMPLATE.md ⚠️ 代码审查计划模板
• references/CODE_SMELLS.md 代码异味识别指南
• references/SECURITY_PATTERNS.md 安全漏洞模式库
• references/SECURITY_TAXONOMY.md 安全漏洞分类审查体系（必须用于安全维度）
• references/DESIGN_ANTI_PATTERNS.md 设计反模式识别指南

A.3 执行优化与轻量测试（写入 tmp/run_*/tests/）

目标：按计划逐项修复，并用轻量测试验证。

输出：

• 过程：tmp/run_YYYYMMDDHHMMSS/tests/vYYYYMMDDHHMM/TEST_RUN.md
• 结果：tmp/run_YYYYMMDDHHMMSS/tests/vYYYYMMDDHHMM/TEST_REPORT.md

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、日志、对比结果）
• 中间产物放入 tmp/run_YYYYMMDDHHMMSS/tests/vYYYYMMDDHHMM/_artifacts/

可选增强：

python3 ~/.codex/skills/auto-test-code/scripts/verify_session.py --require-review tmp/run_YYYYMMDDHHMMSS/tests/vYYYYMMDDHHMM
# 或
python3 ~/.claude/skills/auto-test-code/scripts/verify_session.py --require-review tmp/run_YYYYMMDDHHMMSS/tests/vYYYYMMDDHHMM

说明：verify_session.py --strict 仅用于你已将会话文档中的模板占位符全部替换后的最终自检；新建骨架默认会失败（属于预期行为）。

A.4 是否进入下一轮

⚠️ 强制检查：

• 本轮已提出至少 10 个问题（P0 + P1 + P2 总和）

进入下一轮 A 轮的条件：

• 用户指定的轮次数未完成
• 本轮问题（P0/P1/P2）已全部闭环

重要：A 轮结束后，必须进入 B 轮代码质量检查。

B 轮代码质量检查

⚠️ 强制执行：B 轮代码质量检查是自动测试流程的强制性环节。

B.1 产出质量检查报告（写入 tmp/run_*/tests/ 会话目录）

目标：对 A 轮后的最新代码做系统性质量检查。

输出：tmp/run_YYYYMMDDHHMMSS/tests/b-vYYYYMMDDHHMM/REVIEW.md

推荐使用确定性脚本创建 B 轮会话目录：

# 在目标代码根目录内执行（选择你实际的安装路径）
RUN_ID=run_YYYYMMDDHHMMSS
python3 ~/.codex/skills/auto-test-code/scripts/create_session.py --code-root . --run-id "$RUN_ID" --kind b --id vYYYYMMDDHHMM --a-test-id vYYYYMMDDHHMM
# 或
RUN_ID=run_YYYYMMDDHHMMSS
python3 ~/.claude/skills/auto-test-code/scripts/create_session.py --code-root . --run-id "$RUN_ID" --kind b --id vYYYYMMDDHHMM --a-test-id vYYYYMMDDHHMM

检查维度（以 config.yaml 的 b_round_check.dimensions 为准）：

• 算法复杂度分析
• 边界条件覆盖
• 异常处理完整性
• 资源管理（内存/文件/连接）
• 并发安全性
• 安全漏洞分类审查（CWE/OWASP/STRIDE/七大王国/CVSS）
• 代码可读性与可维护性
• 测试覆盖充分性
• 设计质量（可扩展性/架构/API/状态/建模/耦合/模式）

模板：templates/B_ROUND_CODE_QUALITY_TEMPLATE.md

B.2 B 轮优化与验证（写入 tmp/run_*/tests/）

⚠️ 强制修复要求：

• B 轮发现的 所有 P0-P2 问题都必须处理
• P0 问题必须修复
• P1 问题必须修复（除非有合理理由）
• 每个修复必须有验证证据

完成条件：

• P0 问题修复率 = 100%
• P1 问题修复率 ≥ 80%
• 所有修复都有可复现证据

完成条件（验收）

• 用户指定的 A 轮次数已完成
• B 轮代码质量检查已完成
• 每轮 A 轮平均问题数量 ≥ 10 个
• 每轮 P0 + P1 占比 ≥ 60%
• 每轮系统性问题 ≥ 3 个（算法/边界/并发/内存/安全/设计）
• 关键问题（P0/P1）已闭环
• tmp/run_*/tests/ 会话结构完整且可追溯（每轮都有 REVIEW/PLAN/RUN/REPORT + artifacts）

可复用资源

• 配置：config.yaml
• 模板：templates/
  • A 轮审查：templates/CODE_REVIEW_TEMPLATE.md
  • B 轮质量检查：templates/B_ROUND_CODE_QUALITY_TEMPLATE.md
  • 测试计划：templates/SESSION_TEST_PLAN_TEMPLATE.md
  • 测试过程：templates/SESSION_TEST_RUN_TEMPLATE.md
  • 测试报告：templates/SESSION_TEST_REPORT_TEMPLATE.md
• 参考：references/
  • 批判性思维指南：references/CRITICAL_THINKING_FOR_CODE.md ⚠️
  • A 轮审查结构：references/A_ROUND_REVIEW_TEMPLATE.md ⚠️
  • 代码异味识别：references/CODE_SMELLS.md
  • 安全漏洞模式：references/SECURITY_PATTERNS.md
  • 安全漏洞分类审查体系：references/SECURITY_TAXONOMY.md ⚠️
  • 边界条件检查清单：references/BOUNDARY_CHECKLIST.md
  • 设计反模式识别：references/DESIGN_ANTI_PATTERNS.md
• 辅助脚本：scripts/create_session.py
• 辅助脚本：scripts/verify_session.py