auto-test-project（项目级自动化测试驱动优化）
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。
Quick Start（最快路径）
- 在“目标项目根目录”创建本轮会话骨架（会自动创建
plans/与tests/）：
python3 auto-test-project/scripts/create_test_session.py --project-root . --kind a --create-plan
安全提示：该脚本会在 --project-root 下创建 plans/ 与 tests/。为防止误用，默认拒绝将系统根目录或用户主目录作为 project-root；如你确有需要，可显式加 --allow-unsafe-root 覆盖。
- 在
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）。 - 按计划修复，并补齐
tests/vYYYYMMDDHHMM/TEST_PLAN.md与tests/vYYYYMMDDHHMM/TEST_REPORT.md的可复现证据。 - 运行验证脚本（推荐收尾用严格模式）：
python3 auto-test-project/scripts/verify_test_session.py --require-plan tests/vYYYYMMDDHHMM
- 重复 A 轮 N 次后，进入 B 轮质量检查与验证。
目标
为完整项目（包括技能项目、工作流项目、或其他具有 CLAUDE.md 或类似指令文件的项目）提供系统性的测试驱动优化能力，通过多轮迭代实现持续改进。
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 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：
plans/vYYYYMMDDHHMM.md：A 轮问题分析与改进计划（每轮 1 份）tests/vYYYYMMDDHHMM/：A 轮测试会话目录（包含TEST_PLAN.md+TEST_REPORT.md）plans/B轮-vYYYYMMDDHHMM.md：B 轮质量检查报告（维度以config.yaml:b_round_check.dimensions为准）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
plans/ - 测试会话：放在
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 plans/ 与 tests/ 骨架。
推荐使用确定性脚本：
python3 auto-test-project/scripts/create_test_session.py --project-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 . --kind a --id vYYYYMMDDHHMM --seed-test-plan-from-plan
最低要求：
plans/与tests/存在tests/vYYYYMMDDHHMM/TEST_PLAN.md与tests/vYYYYMMDDHHMM/TEST_REPORT.md存在
A.2 问题分析与计划生成（写入 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：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
plans/与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 tests/）
目标：按计划逐项修复，并用轻量测试验证。
输出：tests/vYYYYMMDDHHMM/TEST_PLAN.md 和 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）：
# 检查是否还有未替换的模板占位符
grep -r "{{" 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 tests/vYYYYMMDDHHMM
# 可选：更严格模式（要求 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 --require-plan 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
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：
# 1. 检查模板占位符是否被替换
python3 auto-test-project/scripts/verify_test_session.py tests/vYYYYMMDDHHMM
# 2. 检查计划与报告的一致性
# - 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 plans/）
目标：对 A 轮后的最新状态做系统性质量检查。
输出：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 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。
python3 auto-test-project/scripts/create_test_session.py --project-root . --kind b --id vYYYYMMDDHHMM --a-test-id vYYYYMMDDHHMM
输出：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
-
plans/与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：
# 验证所有测试会话的完整性
for session in tests/v*/; do
echo "验证: $session"
python3 auto-test-proj