Acceptance Verify

---
name: acceptance-verify
description: 对整体功能或完整模块做交付前验收：以用户确认过的验收指标清单逐条核验（已有测试套件 + 临时场景测试 + e2e 真实链路三层证据），只判定不改产品代码，产出锚定分支与 commit 的验收报告，支持复验。仅用户明确指定时触发（"验收这个功能/模块"、"做验收"、"验收测试 / acceptance test"、"复验"）；只问"流程跑通没有"用 e2e-testing。
disable: false
---

# 🎯 功能 / 模块验收（acceptance-verify）

## AI 说明层

**目的**：解决"code review 说没问题、测试套件也全绿，但整个功能其实没达成目标"这一验收盲区。验收对象是**一个整体功能或一个完整模块**（空间维度的全量），不是某次改动（时间维度的 diff）。

**功能**：
- 提炼核心目标 → 推导验收指标清单 → **用户确认后锁定为验收基准** → 逐条核验
- 三层证据：L1 已有测试套件（基础基线）／ L2 临时场景测试（重点）／ L3 e2e 真实链路（重点，调用 `e2e-testing`）
- 指标未覆盖时补充测试：长期回归有价值的进正式测试套件，一次性场景走查落临时测试
- 场景执行过程留痕（`scenario-records/`），体验类结论必须有可追溯的观察记录
- 产出锚定**分支名 + commit** 的验收报告，使结论可追溯、可复现
- 落盘 `.requirements/acceptance/{slug}/`（按功能/模块 slug 组织，与需求编号解耦），多轮验收在同一目录累积
- **只判定不修改**：验收过程不改任何产品代码，不达标仅记录并给出建议（唯一例外是编写单测 / e2e 测试作为验证工具）
- **二次验收**：复验时重新采集基线、全量重跑指标，不比对中间提交与改动，只回答"现在好了没有"

> ⚠️ **仅用户明确指定时触发**：本技能是低频重成本能力（占用大量上下文、会起容器并执行真实链路测试），AI **不得**因"看起来该做验收"而自行启用——须由人显式发起。

**使用场景**：
- 一个功能模块开发完成，需要确认"它到底好了没有"
- 用户说"验收这个功能""验收一下这个模块""做验收""acceptance verify"
- 需求/设计文档里有验收标准，但不确定是否真的都达成了
- 重构或大改后，需要确认整体行为未被破坏
- 上轮验收未通过、修复后要确认"现在到底好了没有"，且不关心中间改了什么 → 二次验收
- （**被动调用**）并行交付中由 `integration-merge` 阶段 0.5 调用做**片级验收** → 见下方「片级验收模式」；该用法不由用户发起，也不进 L3 流程

**何时不使用**：
- 只改了几行、想看改动对不对 → `code-review`（对象是 diff，本技能对象是整体）
- 只想验证单个 HTTP 接口 → `api-testing`
- 只想跑通一条端到端流程、不涉及指标清单与验收结论 → `e2e-testing`
- 开发前验证技术方案可行性 → `demo-verify`
- 只要一份"该测什么"的计划、不做执行与判定 → `test-planner`

---

## 片级验收模式（被 `integration-merge` 阶段 0.5 调用）

本技能有两种用法，**别混淆**：

| 模式 | 触发 | 对象 | 成本 | 走什么流程 |
|------|------|------|------|-----------|
| **整体验收**（默认） | **仅用户明确指定** | 一个完整功能 / 模块 | 高（起容器、跑 L3 真实链路） | 下方完整阶段 0–7 |
| **片级验收**（本模式） | 被 `integration-merge` **阶段 0.5** 调用 | 一个**砖头包**（并行交付单元） | 低（不起容器） | 只走下方「三步」 |

### 三步

1. **锁定验收项**：读该片 `slice.md` 的验收标准表——它由上游给定（`design-craft` 5.5.1 承接的验收项 → 5.5.2 可执行化），**不是实现窗口自拟**；执行中不得改判据
2. **逐条核验**：跑对应命令、对照期望输出；**每条执行前先写下预期结果**（跑完再定结论会让一切"通过"）
3. **只判定不修改**：不达标 → **退回该片**（由实现窗口修），验收方不动手

### 本模式**不做**的事（与整体验收的差异）

| 不做 | 为什么 |
|------|--------|
| 不推导指标 | 验收项已由 `design-craft` 5.5.1/5.5.2 产出（避免与上游双源） |
| **不起容器、不跑 L3 真实链路** | 片级只证"片内功能 + 形状"；**跨片效果归拼接级**（`integration-merge` 阶段 4） |
| 不在此现写场景测试 | 验收测试骨架已在骨架阶段生成（红 → 绿），窗口已让它变绿 |
| 不由本技能自行触发 | 只在 `integration-merge` 调用时进入；用户仍可随时按**默认模式**发起整体验收 |

### 仍适用的铁律（四条）

- **指标先确认后执行**：验收项锁定后不得边跑边改（测不出来标 `⚪`，不删项、不放宽）
- **断言锚定指标、不锚定实现**：不读实现再反推断言
- **只判定不修改**：不修产品代码
- **⚪ 不等于 ✅**：未验项单列「需补验清单」

### 降级

无独立验收方（单人单机）时，至少做到「验收项外部给定（**非窗口自拟**）」+ 用户抽查，并在报告中**显式声明"未独立验收"**。

> **交叉引用**：片级验收在拼接流程中的位置见 `integration-merge` 阶段 0.5（它是拼接前的门，与阶段 1「产出预检」分工：**0.5 管做没做对，1 管规不规范**）。

---

## 核心立场（本技能存在的理由）

| 常见错觉 | 为什么不成立 |
|---------|-------------|
| code review 通过 = 功能没问题 | review 看的是 **diff**：局部改动正确 ≠ 功能完整，可能某个目标压根没实现 |
| 测试套件全绿 = 可以交付 | 套件测的是**已覆盖的部分**；验收标准里没被任何测试覆盖的指标，套件不会告诉你 |
| 跑通主流程 = 验收通过 | 主流程通了，边界、异常、跨模块组合、实际体验仍可能不成立 |

> **一句话**：L1 测试套件只回答"已有测试是否还绿"，**不回答"这个功能是否达成目标"**。回答后者靠 L2 场景测试 + L3 真实链路——这是本技能的重心。

---

## 核心概念

### 1. 验收对象
一个**完整功能或一个模块**（如"用户登录模块""订单导出功能"），不是单个函数、不是一次提交。
阶段 0 必须把边界写清楚：模块路径 / 入口 / 涉及的外部依赖。边界不清，指标无从推导。

### 2. 核心目标与验收指标
- **核心目标**：一句话说明这个功能/模块要达成什么（验收的"北极星"）
- **验收指标**：从核心目标拆解出的**多条可判定条目**，每条必须能回答"达成 / 未达成"

指标六型（推导时逐型过一遍，避免只想到功能正确性）：

| 类型 | 回答什么问题 | 典型证据层 |
|------|-------------|-----------|
| 🎯 功能达成 | 核心能力按目标工作了吗 | L1 / L2 |
| 🌐 场景覆盖 | 各类**真实使用场景**都走得通吗 | L2 / L3 |
| 🧱 边界异常 | 极端/错误输入下行为可控吗 | L1 / L2 |
| 💎 体验质量 | 实际用起来顺手吗、反馈清晰吗、犯错后好恢复吗 | L2 / L3 |
| 🔗 契约集成 | 对外契约 / 跨模块耦合成立吗 | L1 / L3 |
| 📊 非功能 | 性能阈值、幂等、并发等**可测**项达标吗 | L2 / L3 |

> ⚠️ **指标必须可判定**——每条写清「判据」（什么算达成）。只写"体验良好""性能达标"这种无法判定的描述，等于没写指标。

### 3. 三层证据

| 层 | 名称 | 地位 | 做什么 | 产物落盘 |
|----|------|------|--------|---------|
| **L1** | 已有测试套件 | **基础** | 扫描项目既有单测/集成测试 → 匹配指标 → **直接跑，取结果**。只复用，不改写 | 不落盘（引用现有路径） |
| **L2** | 临时场景测试 | **重点** | 针对指标现写场景化脚本，模拟**真实使用路径**；体验类指标在此做场景走查并留观察记录 | `{slug}/temp-tests/` |
| **L3** | e2e 测试 | **重点** | 真实环境 + 真实链路，验证跨组件终态与实际体验 | 调用 `e2e-testing`，产物按其约定落 `tests/e2e/` |

**证据层分配原则**：

| 指标特征 | 分配到 |
|---------|--------|
| 已有测试明确覆盖该判据 | L1（跑它，别重写） |
| 需跨多步/多模块的真实业务场景 | L3 |
| 单次/少次调用可验证、无现成测试 | L2 |
| 判据含"体验/反馈/流畅度/容错" | L2 场景走查（留观察记录），真实环境可用时叠加 L3 动态体验 |
| 依赖真实环境 / 外部系统 / 跨组件终态 | L3 |

**补充测试：进套件 还是 临时？**

| 进正式测试套件 | 落临时测试 |
|---------------|-----------|
| 有长期回归价值（核心不变量、对外契约、边界条件） | 仅本次验收需要的场景走查 |
| 断言稳定、不依赖一次性数据 | 依赖一次性构造数据 / 特定环境状态 |
| CI 能稳定跑 | 跑完即弃，避免污染 CI |

> 两种都是"补"，区别只在**归属**。判断不清时问：三个月后这条断言还值得跑吗？值得 → 进套件。
>
> ⚠️ **进套件的准入条件（不可跳过）**：**只有通过的测试才进正式套件**。指标未达成（❌）或状态未定（⚪）时，验证脚本一律落临时测试或只做记录——把一条失败的测试固化进 CI，而本技能又不许改产品代码，结果是 CI 长期红灯且无人有权修。若确需把"已知失败"留档，落 `temp-tests/` 并在报告中标注，不进 CI。

---

## 验收流程（6 阶段，严格顺序）

```
阶段 0 确定验收对象与代码基线 → 阶段 1 推导核心目标与指标
→ 阶段 2 用户确认指标（锁定基准）→ 阶段 3 证据映射
→ 阶段 4 执行三层验证 → 阶段 5 逐指标核验 → 阶段 6 产出报告并落盘
```

### 📍 阶段 0：确定验收对象与代码基线

**0.1 验收对象边界与 slug**
- 明确模块路径 / 功能入口 / 涉及的外部依赖（DB、MQ、第三方 API）
- **确定 slug**：功能/模块的 kebab-case 标识（如 `user-login`、`order-export`）。**同一对象跨轮必须一致**，否则验收历史断裂。确定前先列 `.requirements/acceptance/` 下已有 slug，与用户确认是**复用（复验）**还是**新建（新对象）**——避免 `user-login` 与 `user-login-v2` 这类近似 slug 把同一对象的历史拆成两截
- 有需求或设计文档 → 读取（`.requirements/config` 的 `storage_path` → `{storage_path}/{date}-{slug}/`），作为指标推导的**首要来源**
- 有 `test/test-plan.md`（test-planner 产出）→ 读取，作为指标来源之一，避免重复推导
- 边界不清或信息不足 → 最小化提问，不臆测

**0.2 代码基线采集（必做，不可省）**

```bash
git rev-parse --abbrev-ref HEAD                  # 分支名
git log -1 --format='%H|%h|%s|%ci|%an'           # 完整hash|短hash|标题|时间|作者
git status --porcelain                            # 非空 = 工作区 dirty
```

报告中必须包含：**分支名、commit（短 hash + 完整 hash + 标题）、是否 dirty**。

> ⚠️ **dirty 处理**：工作区有未提交改动时**不阻断验收**，但须先提示「建议先提交或 stash 后验收，否则结论不可按 commit 复现」；用户仍继续则报告中标注 `⚠️ 工作区存在未提交改动（N 个文件），结论仅对当前工作区有效，不可按 commit 复现`——否则报告里的 commit 锚点会误导读者。
>
> ⚠️ **验收过程中代码变了**：若执行期间 HEAD 发生变化（新提交/切分支），**停止并重新采集基线**，在报告中标注原基线与实际执行基线。禁止顶着旧 commit 出结论。

**0.3 环境准备与可用性探测（结论须在阶段 3 生效）**
L3 需要真实环境。先备齐验收依赖的**第三方组件**（Redis / MySQL / MQ / 对象存储等），再探测可达性与凭证（凭证走 env 文件，不内联真实密钥——详见 `e2e-testing`「敏感信息外部化」）。

**组件获取优先级**（自上而下，命中即停）：① **复用现成实例**（本地已装 / dev 环境 / 已有容器在跑；须确认可连接、版本匹配、**非生产**）→ ② **Docker 起容器**（无现成实例时的**首选**）→ ③ **装 docker 后回到 ②**（**仅 Linux**）→ ④ **装组件本体**（最后手段，**Windows 由用户安装**）。

> **平台规则**：Linux 无 docker 时 AI 可安装 docker（须先告知用户——安装改变机器状态）；**Windows 及其他非 Linux 平台禁止 AI 自行安装**（需 GUI 交互 / 管理员权限 / 重启，AI 无法可靠完成）→ 提示用户手动安装并给出指引。
> 起容器与装组件属**环境准备**，不违反「只判定不修改」铁律（该铁律只约束**产品代码**）。检测命令、容器约定、清理、生产告警见 [reference.md](reference.md)「环境准备」。

记录环境状态并**传递到阶段 3**：环境最终不可用 → 依赖真实环境的指标**不得分配 L3**，直接判 `⚪ 未验证` 或降级 L2 模拟，**不降级为通过**，并列入"需补验清单"。⚠️ 若阶段 3 仍分配给 L3、到阶段 4 才发现跑不了 = 白走一轮——环境结论必须在**分配证据层时**生效。

**0.4 轮次判定（必须在阶段 1 之前完成）**

检查 `.requirements/acceptance/{slug}/` 是否存在：

| 检查结果 | 轮次 | 阶段 1 的走法 |
|---------|------|--------------|
| 目录不存在 | **round-1（首次验收）** | AI 推导核心目标与指标 |
| 目录已存在 | **round-N（二次验收）** | **不重新推导**——读 `metrics.md` 沿用指标；同步读上一轮报告，**只看"哪些未达标"，不看修复过程** |

> ⚠️ 判定必须在阶段 1 之前：一旦先推导再发现是复验，等于用新推导的指标覆盖了已锁定基准，历史轮次失去可比性。

### 🎯 阶段 1：推导核心目标与验收指标

> **复验（round-N）时跳过推导**：直接沿用 `metrics.md` 中已锁定的指标，进入阶段 2 确认是否沿用 / 是否追加。下方推导流程仅适用于**首次验收**。

AI 自主推导（依据：需求/设计文档 → 模块代码 → 对外契约 → 使用场景），输出：

```markdown
## 验收对象
- 模块/功能：<名称>
- 边界：<路径 / 入口 / 依赖>

## 核心目标
<一句话：这个功能/模块要达成什么>

## 验收指标清单（草案）

| 指标 ID | 类型 | 指标描述 | 判据（什么算达成） | 建议证据层 | 来源 |
|---------|------|---------|-------------------|-----------|------|
| M-01 | 🎯 功能达成 | <描述> | <可判定判据> | L1/L2/L3 | 需求 REQ-xx / 代码推导 |
| M-02 | 💎 体验质量 | <描述> | <可判定判据> | L2 | 场景推导 |
...
```

**推导纪律**：
- 六型指标逐型过一遍，命中不足的显式说明"本模块无此型指标"（防止只推导功能正确性）
- 每条指标必须能追溯到来源（需求条目 / 设计点 / 代码推导 / 场景推导）；**凭空编造的指标一律不写**
- 无需求文档时，从模块对外契约 + 真实使用场景推导，并在报告中标注指标来源为「代码/场景推导（无需求文档，置信度 🟡）」

### 🔒 阶段 2：指标确认（锁定验收基准）

将指标清单呈现给用户确认：

```markdown
## 验收指标确认（请确认后进入执行）

核心目标：<...>

| 指标 ID | 类型 | 指标描述 | 判据 | 证据层 |
|---------|------|---------|------|--------|
| M-01 | ... | ... | ... | ... |

请确认：
1. **完整性**：是否遗漏了应验收的目标？
2. **判据可判定性**：每条判据能否明确判定达成/未达成？
3. **证据层分配**：场景类指标是否该走 L3（真实链路）？
4. **优先级**：哪些是 🔴 必达（不达成就不能交付）？
```

**复验时确认内容不同**（沿用而非新建）：

```markdown
## 验收指标确认（复验 · 沿用 round-{N-1} 基准）

沿用指标：<N 条，来自 metrics.md>

请确认：
1. **沿用**：沿用已锁定的 N 条指标，是否同意？
2. **追加**：是否需新增指标？（新增项在本轮「轮次对比」中记为 `—` → 新状态，并说明新增原因）
3. **重验范围**：默认全量重跑（含上轮已 ✅ 的），是否同意？
```

- 用户确认 → **锁定为验收基准**，进入阶段 3
- 用户修正 → 更新后再次确认，最多迭代 3 次
- ⚠️ **锁定后不得边跑边改指标**——发现"这条测不出来"应标 `⚪ 未验证` 并说明，而不是删掉或改判据。否则验收变成"测到什么算什么"

### 🗺 阶段 3：证据映射

为每个指标确定**具体怎么验**，输出映射表：

| 指标 ID | 证据层 | 具体验证方式 | 已有测试 / 需新建 | 落盘位置 |
|---------|--------|-------------|------------------|---------|
| M-01 | L1 | 跑 `tests/test_login.py::test_login_success` | 已有 | — |
| M-02 | L2 | 新写场景脚本：错误密码 → 检查返回与提示文案 | 新建·临时 | `{slug}/temp-tests/...` |
| M-03 | L3 | e2e 旅程：注册→登录→访问受保护资源 | 调用 e2e-testing | `tests/e2e/` |

**L1 扫描方式**（不假设固定路径，同 `test-planner` 阶段 2.5）：用 `list_dir` / `search_file` 找项目既有测试目录约定，识别框架与运行命令。

### ▶️ 阶段 4：执行三层验证

按 **L1 → L2 → L3** 顺序执行。前一层的结果用于收敛后一层的重点（L1 已明确覆盖且通过的指标，L2 不必重复造轮子，把时间留给 L2/L3 的场景与体验）。

#### L1 已有测试套件（基础）
- 执行映射到的已有测试，取**全量**结果（通过/失败/跳过）
- 已有测试失败 → 记为「L1 基线异常」，按影响面定级，**不等同于验收不通过**，但必须进入报告
- 只跑不改写；发现问题记下来，不改测试去迁就实现
- **「L1 已覆盖」判定从严**：必须是「该测试的断言确实覆盖了这个判据」，不是「测了同一个函数」。只测了返回值却没测判据里的边界/文案/副作用 → 不算覆盖，转 L2
- L1 覆盖且 PASS → 该指标可标 ✅，**不重复造轮子**，但报告中注明「证据来自 L1，未做场景级复验」
- 🌐 场景覆盖型 / 💎 体验质量型**原则上不走 L1**——单测测不了完整业务场景与使用体验

#### L2 临时场景测试（重点）
- **按真实使用路径写**，不是按函数逐个调用——一个场景脚本应模拟"用户/调用方真正会怎么用"
- 断言**锚定指标判据，不锚定当前实现**——但边界要划准，否则无从下手：

  | ✅ 允许读代码 | ❌ 禁止读代码 |
  |--------------|--------------|
  | 识别调用入口、函数签名、请求/响应契约（否则连怎么调都不知道） | 读实现内部逻辑**反推断言的期望值**（如"这里返回 3，就断言 ==3"） |

  判据期望值的唯一来源是**阶段 2 锁定的指标判据**（其源头是需求/设计文档或用户确认）。无需求文档、指标由代码推导而来时，该类指标置信度标 🟡 并在报告中声明——**这是"防自欺"的诚实标注，不是禁止读代码**
- 体验类指标（💎）在此做**场景走查**：连续操作、故意犯错、观察反馈，记录到 `scenario-records/`
- 落盘 `{slug}/temp-tests/`，命名 `acceptance-{指标ID}-{YYYYMMDD-HHmm}.{ext}`
- 执行完保留（作为验收证据，报告中标注路径）

#### L3 e2e 测试（重点）
- 调用 `use_skill("e2e-testing")`，传入：本次需真实链路的指标清单（含判据）+ 场景描述 + 需求来源（`requirement_ref`）
- **不重复实现 e2e 编排**——环境、凭证、`tests/e2e/` 隔离、teardown、安全门禁一律遵其约定
- 体验类指标如需真实环境体验 → 走 `e2e-testing` 的动态体验验证
- 回收 e2e 报告 → **映射回指标 ID**（e2e 的 step 与验收的指标不是一一对应，必须人工/AI 做映射，不能把 journey 报告直接当验收结论）

> **L3 失败 ≠ 验收不通过**：先判断是否环境/数据/时序问题。非编排问题且根因不明 → 调用 `use_skill("debug")` 定位。本技能判定"指标是否达成"，不负责定位"服务为什么失败"。

### ✅ 阶段 5：逐指标核验

每个指标给出**状态 + 证据 + 结论**：

| 状态 | 含义 |
|------|------|
| ✅ 达成 | 有证据，判据满足 |
| 🟡 部分达成 | 主路径成立但存在未满足的边界/体验缺口，不阻塞交付 |
| ❌ 未达成 | 判据不满足。**必达与否都记 ❌**，区别只在计入哪一档结论（必达❌ → ❌ 不通过；非必达❌ → ⚠️ 有条件通过） |
| ⚪ 未验证 | 环境不可用 / 无手段验证 / 需人工——**必须显式列出，禁止静默略过** |

核验纪律：
- **证据必须可追溯**：写明"哪条测试 / 哪个场景记录 / e2e 的哪个 step"，不写"已验证"这种无据结论
- **体验类结论必须有观察记录**：不能凭感觉给"体验良好"，要引用 `scenario-records/` 里的具体观察
- **⚪ 不等于 ✅**：未验证的指标在结论中单独列「需补验清单」
- 全部指标过完后才出总结论

**验收结论**：
- ✅ **通过** — 全部 🔴 必达指标达成，且**无任何 ❌**（可容忍 🟡 / ⚪）
- ⚠️ **有条件通过** — 🔴 必达全达成，但存在**非必达指标 ❌**，或存在 🟡 / ⚪
- ❌ **不通过** — 存在任一 🔴 **必达**指标 ❌

> ⚠️ **非必达指标 ❌ 归 ⚠️，既不归 ✅ 也不归 ❌**：它不阻塞交付，但必须列入报告「交付前必须完成」或由用户显式接受风险——不得因"只是非必达"就当它不存在。三档结论必须对任一指标组合都能给出唯一归属。

### 📄 阶段 6：产出验收报告并落盘

落盘到 `.requirements/acceptance/{slug}/reports/round-{N}-{YYYY-MM-DD}.md`。

报告模板见「验收报告模板」。落盘后：

- 指标清单同步落 `metrics.md`（首次验收创建；后续轮次沿用，需追加指标时追加并在本轮报告中说明）
- 本轮未通过项写入 `metrics.md` 的「历史未达标」区，供下轮复验定位
- 本轮为复验时，报告**必含「轮次对比」区**（见下方「二次验收」）

### 🔁 二次验收（复验）

二次及以上验收时，**不关注中间做了哪些提交和改动**——不 diff 版本、不读中间 commit、不追溯"修复了什么"。只看**当前状态下这个功能是否达成目标**。

> **为什么**：一旦去看中间改动，就会不自觉地把"改动是否修好了那个点"当成验收结论，退回到 diff 视角（那是 `code-review` 的事）。验收只回答"现在好了没有"。

**与首次验收的执行差异**：

| 环节 | 首次验收 | 二次验收 |
|------|---------|---------|
| 指标 | AI 推导 → 用户确认 → 锁定 | **读 `metrics.md` 沿用**；需追加则追加并在本轮报告说明，**不回溯修改历史轮的指标定义** |
| 代码基线 | 采集当前分支 + commit | **重新采集**（分支/commit 大概率已变），**不比对上轮基线** |
| 重跑范围 | 全量 | **默认全量重跑**——不掌握中间改动，无法判断上轮 ✅ 的指标是否仍成立 |
| 输入参考 | 需求/设计文档 | 需求/设计文档 + 上轮报告（**只看"哪些未达标"，不看修复过程**） |
| 输出 | `round-1-{date}.md` | `round-{N}-{date}.md` |

**轮次报告必须包含「轮次对比」区**（只比结果，不比过程）：

```markdown
## 轮次对比（vs round-{N-1}）

| 指标 ID | 上轮状态 | 本轮状态 | 变化 |
|---------|---------|---------|------|
| M-02 | ❌ 未达成 | ✅ 达成 | 已解决 |
| M-05 | 🟡 部分达成 | 🟡 部分达成 | 缺口未变：<...> |
| M-07 | — | ⚪ 未验证 | 本轮新增指标 |

代码基线：`main@a1b2c3` → `main@d4e5f6`（**不比对中间改动**）
```

**发现回归时的处置**（上轮 ✅、本轮 ❌/🟡）：

- **只记录事实，不做归因**——本技能不 diff 中间改动，因此无从也不应回答"是哪次提交导致的"
- 报告中记录「回归：M-XX 由 ✅ 变为 🟡/❌」+ 当前实际表现 + 证据，并**建议转 `code-review` / `debug` 定位**
- ❌ 禁止为了解释回归而回头去 diff 中间提交——那会退回 diff 视角，把"那个点改坏了"当成验收结论
- 用户追问"为什么" → 明确答复"验收不做归因，建议转 `debug`"，而非临时破例去看 diff

> ⚠️ **复验的执行成本**：全量重跑意味着 L3 要在真实环境**再走一遍完整旅程**（含创建订单、扣库存等真实副作用）。复验前确认：① 环境可重复使用 ② `e2e-testing` 的 teardown 到位、上轮数据已清理。成本过高时允许按风险分层（🔴 必达全跑 + 🟡 抽样），但**必须在报告中显式标注"本轮为抽样复验"及未覆盖的指标**，不得让抽样结果被误读为全量结论。

**收敛判据**：全部 🔴 必达指标 ✅ 且无 ❌ → 验收通过，可停止复验。同一指标连续两轮仍为 ❌/🟡 → 报告中标注「需重新评估方案」并提示用户，不再机械复验。

---

## 落盘结构

验收记录按**功能/模块 slug** 组织，与具体需求编号解耦——同一对象的每轮验收累积在同一目录，形成验收历史：

```
.requirements/acceptance/{slug}/
├── metrics.md                          # 验收指标基准（首次锁定，跨轮复用）
├── reports/                            # 每轮一份验收报告
│   ├── round-1-2026-09-09.md
│   └── round-2-2026-09-12.md
├── scenario-records/                   # L2/L3 场景执行观察记录
│   └── YYYY-MM-DD-{场景slug}.md
└── temp-tests/                         # L2 临时场景测试脚本
    └── acceptance-{指标ID}-{YYYYMMDD-HHmm}.{ext}
```

- **slug 命名**：功能/模块的 kebab-case 标识（如 `user-login`、`order-export`）。同一对象跨轮必须保持一致，否则验收历史断裂
- **L1 产物不落盘**——引用项目既有测试路径即可
- **L3 产物落在 `tests/e2e/`**（遵 `e2e-testing` 约定），验收侧只存报告与映射关系
- **补进正式套件的测试**落在项目既有测试目录（遵 `test-planner` 阶段 2.5 的位置判断）
- **不做 `req update --docs add` 注册**：验收目录不在需求目录内，强行注册会造成双源。报告内记录关联需求 ID 即可

---

## 验收报告模板

```markdown
# 验收报告：{功能/模块名}

## 验收基线
- 验收对象：<模块路径 / 功能名 / 边界>
- 验收轮次：round-{N}（首次验收 / 二次复验）
- 代码基线：`{branch}` @ `{short_hash}`（`{full_hash}`）
  - commit 标题：{title}　时间：{time}　作者：{author}
  - 工作区：✅ 干净 / ⚠️ 存在 N 个未提交文件
- 验收时间：<时间>　执行方式：L1 套件 / L2 临时场景 / L3 e2e
- 关联需求：REQ-NNN《需求名》/ [无需求文档]

## 核心目标
<一句话>

## 验收结论
✅ 通过 / ⚠️ 有条件通过 / ❌ 不通过

- 指标总数：N　✅ 达成 X　🟡 部分 Y　❌ 未达成 Z　⚪ 未验证 W
- 🔴 必达指标：A 条，达成 A' 条

## 验收指标核验

| 指标 ID | 类型 | 指标描述 | 判据 | 层 | 证据 | 状态 |
|---------|------|---------|------|----|------|------|
| M-01 | 🎯 | <描述> | <判据> | L1 | `tests/test_x.py::test_y` PASS | ✅ |
| M-02 | 💎 | <描述> | <判据> | L2 | `{slug}/temp-tests/acceptance-M02-....py` PASS + 观察记录 | 🟡 <缺口> |
| M-03 | 🌐 | <描述> | <判据> | L3 | e2e journey step: register→login→access | ✅ |
| M-04 | 🔗 | <描述> | <判据> | L3 | — | ⚪ 环境不可用，需补验 |

## 三层证据执行结果

**L1 已有测试套件（基础）**
- 复用 N 条：通过 X / 失败 Y / 跳过 Z
- 基线异常：<列出失败测试及影响面，或"无">

**L2 临时场景测试（重点）**
- 新建 M 条（临时 K 条 / 进套件 P 条）
- 场景走查：<覆盖的场景 + 观察记录路径>

**L3 e2e 测试（重点）**
- 场景：<journey 名>　结果：✅ PASS / ❌ FAIL（abort 于 step X）
- 动态体验：<执行了 / 未执行，原因>

## 体验观察摘要（💎 类指标）
> 引用 `scenario-records/`，不凭感觉下结论
| 场景 | 观察 | 评价 |
|------|------|------|
| <场景> | <实际见到的反馈/耗时/提示> | 良好 / <缺口> |

## 未通过指标明细
### [M-0X] <指标描述>
- 判据：<...>
- 实际：<...>
- 证据：<测试/场景记录路径>
- 影响：<功能影响，翻译成用户/业务语言>
- 建议：<方向>

## 需补验清单（⚪ 指标）
| 指标 ID | 未验证原因 | 补验方式 | 阻塞交付? |
|---------|-----------|---------|----------|

## 交付建议
- 🔴 交付前必须完成：<...>
- 🟡 交付后跟进：<...>
```

---

## 与相邻 skill 的边界

| skill | 关系 |
|-------|------|
| `e2e-testing` | **L3 的执行者**。本技能在 L3 调用它，不重复实现 e2e 编排 / 环境 / 凭证 / 隔离约定。它回答"流程跑通了吗、终态对吗"，本技能回答"功能达成目标了吗" |
| `test-planner` | 其 `test/test-plan.md` 可作为指标来源之一；其测试落盘位置判断方式（扫描不假设固定路径）被本技能 L1 复用 |
| `code-review` | **无依赖、无门禁、可独立触发**。它看 diff（局部+增量），本技能看整体（全量）。review 通过不构成验收通过，反之亦然 |
| `api-testing` | 单接口验证；本技能需要时可作为 L2 的执行手段，不重复实现其客户端与断言约定 |
| `demo-verify` | 开发**前**验证技术可行性；本技能是交付**前**确认目标达成。时间轴不冲突 |
| `debug` | L3 失败且根因不明时转交定位；本技能只判定"是否达成" |

---

## 约束与原则

1. **指标先确认后执行**：阶段 2 锁定后即为基准，**本轮内**不得边跑边改。测不出来标 ⚪，不删指标、不改判据。跨轮次允许**追加**新指标，但已有指标的定义与判据一律冻结
2. **L1 只是基线**：套件全绿不构成验收通过；本技能的价值在 L2/L3
3. **断言锚定指标，不锚定实现**：写 L2 断言前先读指标判据；先读实现再写断言 = 自欺欺人
4. **场景优先于函数**：L2 按真实使用路径写，不按函数逐个调用
5. **体验结论必须有观察记录**：💎 类指标不能凭感觉判定，必须引用 `scenario-records/`
6. **commit 锚定不可省**：分支名 + commit + dirty 状态三要素齐全；执行期间 HEAD 变化须重新采集
7. **⚪ 不等于 ✅**：未验证指标单独列「需补验清单」，禁止静默略过或降级为通过
8. **不重复实现 e2e**：L3 一律走 `e2e-testing`，含其环境/凭证/隔离/teardown/安全门禁约定
9. **证据可追溯**：每条结论写明来源（测试路径 / 场景记录 / e2e step），禁止"已验证"式无据结论
10. **结论翻译成功能语言**：未通过指标要说清"用户/业务层面会怎样"，不只是"测试失败"
11. **凭据不入库**：环境/凭证一律 env 文件注入，验收文档与脚本中不内联任何真实密钥/URL
12. **中文输出**：报告与指标用中文，代码标识符保持原样
13. **只判定不修改（铁律）**：验收是**判定动作，不是修复动作**——不修改任何产品代码（实现、配置、依赖、数据迁移、脚本），不达标仅记录并给出建议方向。唯一例外是**编写单元测试与 e2e 测试**，它们是验证工具而非产品代码。发现缺陷 → 记入报告「未通过指标明细」+ 建议转 `debug` / `code-review`，**不在验收过程中修复**
14. **二次验收只看终态**：复验时重新采集基线、全量重跑指标；不 diff 版本、不读中间 commit、不追溯"修复了什么"、不比对上轮基线。只回答"现在好了没有"
15. **L3 一律调用 e2e-testing**：不自行实现 e2e 编排、环境准备、凭证注入、`tests/e2e/` 隔离与 teardown——重复实现会产生双源并违反其隔离约定

---

## 常见陷阱

- **把验收做成"再跑一遍测试套件"** → L1 全绿就出通过结论，恰恰是本技能要防的盲区。重心必须在 L2/L3
- **指标不可判定** → 写"体验良好""性能达标"，执行时无法判定，最后不了了之
- **边跑边改指标** → 某条测不出来就删掉或放松判据，验收沦为走过场
- **先读实现再写断言** → 写成"一定能过"的断言，验收失去意义（同 `e2e-testing` 的"写断言前不读实现代码"）
- **场景脚本按函数写** → 逐个函数调用跑通了，但真实使用路径没验到
- **忘记录 commit / 忽略 dirty** → 报告无法复现，结论失去追溯价值
- **把 ⚪ 当 ✅** → 环境不可用的指标静默略过，交付后才发现没验
- **把 e2e journey 报告直接当验收结论** → step PASS ≠ 指标达成，必须做 step → 指标 ID 的映射
- **重复实现 e2e 编排** → 与 `e2e-testing` 双源，且容易违反其 `tests/e2e/` 隔离约定
- **体验结论无记录** → 报告写"体验良好"但无任何观察依据
- **验收时顺手修代码** → 验收只判定不修改。顺手改会让本轮报告的代码基线失真（报告锚定的 commit 与实际验证的代码不一致），且这次修改本身未经 review
- **复验时去 diff 中间改动** → 退回到 diff 视角，把"那个点修好了"当成验收结论；应全量重跑指标只看终态
- **复验只跑上轮失败项** → 不掌握中间改动时，上轮 ✅ 的指标可能已被破坏；默认全量重跑
- **复验时改写历史指标定义** → 上一轮的 ❌ 会因判据放松而"变成" ✅，验收历史失去可比性

---

## 更多资源

- 指标推导细则、三层证据执行细节、commit 采集、场景观察记录模板：[reference.md](reference.md)
- 完整验收示例（模块级 + 功能级）：[examples.md](examples.md)
- L3 执行依赖：`use_skill("e2e-testing")`
- L1 落盘位置判断参考：`use_skill("test-planner")`