ThearchyHelios 2f90f0eb3a 口径台账：固定执行、验证审阅发布与增量重导入 ...

- QueryCore 固定执行（K09）：按已发布的不可变口径跑一次，交回类型化标量、发布/manifest 引用与逐查询证据
- 依赖闭包（K08）：按选中的指标算出要拷的取数节点、要的入口字段，接进 derive / compose / metrics
- SQL 模板参数完整性（K01）：试跑、组合问数、派生图、运行时取数共用一套语义，缺参数在渲染前就拒
- 受限字段变更服务（K03）与口径领域边界（K01）：改动打在整图深拷贝上，身份与证据归属不可改
- 版本化受控模板绑定（K04）：业务口径按显式绑定落到 SQL，对不上就报 unsupported / needs_update
- 验证记录（K05）与最小审阅：样例匹配不等于正式批准，审批人只从服务端身份取
- 发布依据清单（K07）：发布时按不可变图物化内容寻址清单，正式用途按它判
- 增量重导入（K11）与 B/L/R 三方合并、受限自然语言修改提案（K12）：只产候选，落图仍走既有写路径
- 接口与前端：口径草稿页接上字段变更、绑定状态、验证与重导入，新增 caliber-drafts / studio 检查脚本

验证：前端 tsc -b 通过。

2026-11-10 15:05:18 +08:00

..

fakes

…

fixtures

虚构库 retail_trends 与分析题集：26 周的零售订单（截止昨天、固定种子），相对上一个整周埋了八个效应；题集 analysis_suite.json 每个效应一题，期望由平台的分析方法在期望 SQL 上算

2026-10-21 18:12:12 +08:00

analysis_samples.py

分析卡里随数据变化的调用错误记成算不了的一项，不让卡失败（复核 R6）：analysis.run 加参数 refuse_data_errors（缺省假），为真时 DATA_ERRORS 里的调用错误——上一层没做成 parent_refused、下钻的段这期没有 parent_key_missing、期次这期没有 period_not_found（变化拆解、波动基线的本期、差异检验按期比、可比性检查）、总数那一格越界或为空 row_out_of_range / headline_empty、要比的组这期没有 unknown_group / too_few_groups、要用的那一格这期为空 empty_cell（乘积拆解的乘积和因子；差异检验的计数为空原来报的是 not_count，改报 empty_cell）——记成 status refused 的结论：契约 REASONS 加 parent_refused、input_unavailable，CallError 加 reason（照实说是哪一项、哪个值，不带改法），判定语「{叫法}没有做成：原因」；params 照调用原样（label 照样消毒），取过还没记用法的快照都记进输入（Inputs.settle，角色照第一次取时的），上一层在核对它做没做成之前就记进输入，复算按它们走到同一处；阈值和判定标准同各算子自己算不了时那一份（各模块的 USED / refusal_basis，算子本身也改用它）。recompute 一律按真复现；结构性的调用错误照旧抛。分析卡运行器传真，agent 工具不传。顺手：段数不够的原因里维度叫法和汉字之间照 say 的规矩补空格

2026-10-21 15:47:30 +08:00

appdb.py

新增 python -m app.db copy-to-postgres：把 SQLite 数据目录里的应用库和断点导入 PostgreSQL（db/to_postgres.py）

2026-10-19 10:07:06 +08:00

binding_samples.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

blueprint_samples.py

…

bundle_samples.py

可验证报告样本页加异动周报（analysis，分析能力一轮）：Agent 在虚构零售库 shop 上查两周的总数和按地区两周的销售额，做按地区的变化拆解（带总数核对）、波动基线（两周历史不够，算不了）、两期可比性检查，结论按快照真算（app.analysis.run，目录事实按虚构的数据目录给），Agent 节点的 tool.end 照分析工具真实的写法带结论工件和判定那一段；报告引用拆解的判定语、具名的数、结果表的格和整张结果表，正文后面是 engine/analysis_scope 按虚构的数据目录算出的分析范围（没拆的是渠道）。check-bundle：样本页 19 份；异动周报原样导出全部通过——③ 三份结论和两份输入快照随文件附带，④ 输入快照按「已核对的分析结论的输入」认，⑤ 分开数判定语，点开判定语看得到判定标准、方法与版本、附带说明、Agent 写的假设、输入和导出时的复算，具名的数、结果表的格写对出处，分析范围的编号点得开（正文没引用的 A2 也随文件附带）、范围里的编号不核正文显示，390 宽不溢出；只改判定语、具名的数的显示并重算全部哈希各自变红并点名。另：「查询快照以外的工件标成遮罩」的原因照第 1 波改过的说法（只有查询快照、口径卡、分析结论和报告文档……），原来的断言没跟着改。test_bundle_build 的样本页清单加上它、核对它的形状

2026-10-21 19:09:21 +08:00

conftest.py

分析相关用例的数据源夹具前后都删干净：tests/fixtures/sources 加 sqlite_source（建之前先把同名的旧源连同数据目录、剖析和现查缓存删掉，交回新 id，可顺手探好表结构）和 forget_source（删源、数据目录随外键级联删除，再清掉 coverage 现查缓存 _LIVE 里按这个源 id 记的表范围），tests/conftest.py 加共用夹具 scratch_source（按它们建、测试结束时删）。以前各文件的 shop 夹具复用名叫 shop 的源却不清它的数据目录（复核时一条写了目录的端到端串扰了同进程后跑的用例），现查缓存按源 id 记、5 分钟内同一个进程里可能拿到别的用例的旧范围。test_analysis_e2e、test_analysis_e2e_claims、test_analysis_tools、test_metric_comparability、test_contract_analysis_claims 的 shop 夹具改用它（直接建遮罩源的两条用例一并改，去掉 try/finally）；test_analysis_tools 开头「算子还没落地」的说明改成照实写替身和真算子的端到端各在哪。测试：旧源留下的数据目录和现查范围在建新源时清掉，删源后现查缓存里没有它

2026-10-21 16:03:10 +08:00

eval_samples.py

…

fake_docker.py

复核 R-d2（起不来的库容器回退后还在一遍遍重启）：stop_pg 对在跑的和在重启的（restarting）都停；migrate-to-postgres 回退时先 docker update --restart=no 再停，再起库时（start_pg）恢复 --restart unless-stopped；./deploy.sh stop 用同一个函数一起好。假 docker 单测：镜像起不来、容器一直 restarting 时回退后停在 exited、重启策略是 no，换回能起的镜像重跑照常，stop 也停得下在重启的

2026-10-19 16:09:19 +08:00

jsonguard.py

两种库行为再对齐一轮（复核 NUL、R-a4、R-a6、R-a7、R-a10）

2026-10-19 12:06:31 +08:00

ledger_samples.py

…

pgpool.py

应用库可移植到 PostgreSQL：AGENTLAB_DATABASE_URL 设成 postgresql+asyncpg://… 时整个应用库用 PostgreSQL，断点用官方的 langgraph-checkpoint-postgres（同一个库，AGENTLAB_CHECKPOINT_URL 可另给）；不设时照旧是数据目录里的 SQLite，行为不变

2026-10-19 09:52:09 +08:00

publication_samples.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_acceptance_retail_fixture.py

…

test_access_key_gate.py

…

test_access_key_use.py

…

test_access_keys.py

…

test_action_assertion.py

…

test_agent_cited_fields.py

…

test_agent_guards.py

…

test_agent_steps.py

…

test_aiosqlite_close.py

…

test_analysis_bundle.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_analysis_card_data.py

分析卡运行时对合并后的阈值再核一遍（复核 R28）：画图时阈值覆盖只能对着缺省值校验（schema 不改），发起时的设置快照合进来以后可能冲突——管理员把「超出常规波动」调到 3、卡上把「明显超出」覆盖成 2.5，就永远判不出超出。卡上写了覆盖时，运行时对缺省 ← 快照 ← 覆盖合并后的阈值跑一次 contract.settings_problem，有问题让卡失败并说清「阈值覆盖和这次运行的分析设置冲突：…。请改分析卡上的阈值覆盖」（配置错误，不是数据问题，一项都不算）

2026-10-21 16:11:00 +08:00

test_analysis_card.py

分析入口的测试补真算子：test_analysis_e2e 加 agent 调波动基线（本周明显超出常规波动、历史新低，本期完不完整按现查的表范围判）、趋势、差异检验（逐行明细，华东的单笔金额高于华南）、可比性检查（两份查询各一周）各一次的端到端，台账、交回模型的那一段、复算逐字段相同都核；分析卡以合并查询为输入跑一次（输入写明 sqlite 方言、工件就是合并查询的快照）。test_analysis_card 的下钻样例 DRILL 原来 by 和 period 是同一列、真算子下会报错：shop 加渠道列（各地区两周的合计不变），DRILL 改成读华东按渠道的那次查询（drill_graph），另用真算子跑一遍下钻（闭合、主要来自线上、parent 是上一项的结论工件、复算一致）；夹具改用 scratch_source。过时的说明照实改：替身的用途、口径卡可比性挂钩里「还没有算子」的说法

2026-10-21 16:06:40 +08:00

test_analysis_claims_lexicon.py

说法表的 scan 加 bare=True：只按词认、不看上下文（构成、建议计划、业务状态、「相当」的比法、「未见异常」的主语这些只对整句话成立的规矩都不用），给认叫法（度量的叫法、因子名）里夹带的判断词用——叫法是一个名字不是一句话，「主要来自华东的销售额」照样认出来源；缺省照旧按整句的规矩。原因只是指代的那条注释改准。测试：几个叫法按词认、按整句不认

2026-10-21 17:10:43 +08:00

test_analysis_claims_operators.py

真实模型验收查出的五条修正：①比率拆解里比率本身是有量纲的比率（客单价，元 / 单）时不套百分数，以前 160.76 显示成 16,076.0%，各段分子都不超过分母（退款率这类占比）照旧按百分数；②写作规则补两条——判定语一句只引用一份结论、不把几份判定语用逗号拼成一句，「核对不了」是系统的核对说明不是结论；③说法核对的来源判断看整个分句（主来源写在判断词后面的「主要由订单量放大带来」也能认），点名的段按去掉结尾量词的词根兜底（订单量 认 订单数）；④数据目录还没维护时候选维度照实说目录没维护、提示怎么补，不说成认不出事实表；⑤评测估不出每题花费时金额照 0 记但记成未计价，账本上看得出；金额上限照旧按累计金额判

2026-10-21 17:33:49 +00:00

test_analysis_claims.py

「连续」按趋势结论记的末尾连续同向核（values 的 run_direction、run_length），不再先要整体判定是上升或下降：算子修复后趋势判定语在方向相反时写「，但最近已连续 N 期上升」，句子照它写「最近已连续 4 周上升」要对得上，整体没有明显趋势、末尾连续下降的也能说连续。句子写了期数的（「连续 5 周上升」「三连降」「十二连涨」，阿拉伯数字、全角数字、一到九十九的中文数字）要 run_length 不少于它，没写的至少 3 期；方向对不上照旧报相反；没记 run_direction 的老结论按整体的趋势方向。测试：期数不够、整体下降而末尾连续上升、没有明显趋势而末尾连续下降、老结论，和各种写法认出的期数

2026-10-21 15:56:49 +08:00

test_analysis_comparable.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_analysis_compare.py

运行对比里的分析卡只认做完了的那次执行：analysis.end 先按卡记在这一次执行里，见到这张卡的 node.finished 才算数（新的 node.started 清掉上一次没做完的）。分析卡执行到一半失败时前几项已经发了 analysis.end，以前运行对比会把这次失败执行的判定当成结果列出来、也算进执行次数。测试：中途失败的那次不列、不算次数，失败后重来做完的按做完的那次对比

2026-10-21 15:50:15 +08:00

test_analysis_conclusion_formats.py

验收复核查出的三处：有量纲比率的效应值（结构效应、自身效应、合计影响、变化）照原值显示，不再乘一百说成百分点（客单价影响 -11.12 元 / 单以前显示 -1,112.1 个百分点）；只读一张表、目录还没维护时分析范围照实说目录没维护，不说成对不上目录里的列；写作规则补一条不写重复判定语开头的引言

2026-10-21 18:08:59 +00:00

test_analysis_contract.py

分析结论记录说法模板版本：复算时版本不同不误报文字差异

2026-11-03 19:12:27 +08:00

test_analysis_decompose.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_analysis_differ.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_analysis_e2e_claims.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_analysis_e2e_evidence.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_analysis_e2e.py

分析入口的测试补真算子：test_analysis_e2e 加 agent 调波动基线（本周明显超出常规波动、历史新低，本期完不完整按现查的表范围判）、趋势、差异检验（逐行明细，华东的单笔金额高于华南）、可比性检查（两份查询各一周）各一次的端到端，台账、交回模型的那一段、复算逐字段相同都核；分析卡以合并查询为输入跑一次（输入写明 sqlite 方言、工件就是合并查询的快照）。test_analysis_card 的下钻样例 DRILL 原来 by 和 period 是同一列、真算子下会报错：shop 加渠道列（各地区两周的合计不变），DRILL 改成读华东按渠道的那次查询（drill_graph），另用真算子跑一遍下钻（闭合、主要来自线上、parent 是上一项的结论工件、复算一致）；夹具改用 scratch_source。过时的说明照实改：替身的用途、口径卡可比性挂钩里「还没有算子」的说法

2026-10-21 16:06:40 +08:00

test_analysis_evidence_api.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_analysis_evidence.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_analysis_intent.py

关分析工具那一臂挡分析卡：图里有分析卡、嵌套的子工作流里有分析卡或分析工具都挡回去改；关掉时节点手册里不再出现分析卡、分析工具和分析相关的配置（改写与整段去掉）；问题意图词表版本与自查交回的那句进评测的提示词指纹；问题意图不把「哪个贡献最多」当来源、不把「数据是否正常」当异常；评测「关」那一臂的替身改成照样试着加分析卡、靠真代码挡

2026-10-21 16:19:49 +00:00

test_analysis_judge_ledger.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_analysis_method_guide.py

分析方法定稿（ANALYSIS_METHOD_PROMPT，guide id 升到 analysis.method@2）：在第一版六条上写清按问题选基期（环比比上一个整期、同比比去年同期并写 lag、和目标比要库里有目标，没说就比上一个整期，本期取最近一个过完的整期）；周序列的期次在 SQL 里由日期列算出来，写每周第一天的日期（附 SQLite 写法）或 ISO 周，SQLite 的 %W、MySQL 的 %u 不是 ISO 周，直接取现成的周号文本本期齐不齐核对不了；先可比性与基线、趋势，再拆因子与结构、按维度由粗到细，找到主要来源再下钻一层；每次写明在验证什么，拆了不集中也是结论；不作因果断言；阈值不由模型定、算不了照实说、调用写错照说明改；最后交给写作者的文字里列出做过的分析（An）和判定原话。测试守这几件事都在、点名的工具是那五个、五个工具共用这一份

2026-10-21 18:08:25 +08:00

test_analysis_pages.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_analysis_periods.py

周号超出任何算法（W54 以上）的认不出、算起止超出日期范围的当这一周没有（复核 R3 补）：认不出算法时原来按周号排先后，「2026-W99」也会当一周收下，现在周号大于 53 的不当周号写法，原因里照实举它；按算法算起止时日子超出日期能表示的范围（公元 9999 年末）交回没有这一周，不抛异常

2026-10-21 16:56:48 +08:00

test_analysis_phrases_labels_bare.py

叫法消毒按词认判断词（scan bare）：说法核对修复后 scan 缺省按整句规矩认（没说变化的「主要来自」不算判断），叫法是一个名字不是一句话，「主要来自华东的销售额」这样的叫法要整个不要

2026-10-21 17:12:48 +08:00

test_analysis_phrases.py

判定语照方向接末尾连续期数、辛普森的结构变化只说一遍（复核 R14、R21）：趋势末尾连续同向的期数和趋势同向时接「，已连续 3 周下降」，反向时接「，但最近已连续 3 周上升」，不再出现「呈下降趋势……已连续 3 周上升」。比率拆解判在结构变化上（mix_driven）时正文已经说了结构变化、点了那一段，辛普森那一句只说「各段的退款率大多在下降，整体却上升」；别的判定照旧带上哪一段占比从多少变到多少

2026-10-21 15:57:51 +08:00

test_analysis_probe.py

分析算子收尾：复算剔除系统字段改用同一个 DERIVED_PARAMS；去掉没用的导入和小函数；测试按仓库的写法从 tests.analysis_samples 导入样例

2026-10-21 13:08:14 +08:00

test_analysis_run.py

测试：占比、变化率、权重按百分数显示（第 2 波 S1）——每种实测情况一条断言：正文引用 [[a:A1.top_share]]、[[v:A1.r0.share]]、[[v:A1.r0.pct]] 没写换算时取结论记的格式（61.9%、-14.6%），写了换算的照写作者的；整表按格式展开；写作目录的具名的数与结果表按格式写；证据面板接口的具名的数、结果表的格、整体比率那一格（空格写「—」）；导出页与可验证报告照引用渲染；老文档（3 版）照原样、复核不判对不上，按新规则重渲染才判对不上。另钉住各算子填了哪些列、pct 与 pp 的写法、同输入两次 run 逐字节相同、复算逐字段相同

2026-10-21 15:55:51 +00:00

test_analysis_scope_api.py

报告末尾「分析范围」里的编号点得开：证据接口加 GET /runs/{id}/evidence/analyses/{alias}（?report= 同片段接口），交回那份分析结论的出处链（判定 → 方法 → 计算 → 输入 → 复算 → 封存，和点开正文里它的判定语同一条，按导出页已有的 _scope_chain），正文没引用的结论（算不了的、可比性检查）也点得开；只认这份报告证据目录里的分析结论，没有的 404（evidence_analysis_not_found）。选报告、文档完好与否的几种错误挪进 _open_report，片段接口和它共用同一套错误码。测试：同一条链、算不了的照实给原因、目录里没有的和不是分析结论的 404、文档被改过 409

2026-10-21 18:02:34 +08:00

test_analysis_scope.py

验收复核查出的三处：有量纲比率的效应值（结构效应、自身效应、合计影响、变化）照原值显示，不再乘一百说成百分点（客单价影响 -11.12 元 / 单以前显示 -1,112.1 个百分点）；只读一张表、目录还没维护时分析范围照实说目录没维护，不说成对不上目录里的列；写作规则补一条不写重复判定语开头的引言

2026-10-21 18:08:59 +00:00

test_analysis_series.py

维度列、期次列和结果表的固定列重名时报调用错误（复核 R17）：结果表的列 id 是输入的维度列（期次列）加上固定的几列，维度列叫 flag、base、target、delta、share（可加）或 mix、rate、total、w_base……（比率），期次列叫 value、change、role（波动基线、趋势）时列 id 重复，引用结果表的格会认错，下钻还会报「A1 按 0 列拆」。common.reserved_check 不分大小写挡住这些名字，告诉 agent 在 SQL 里换个别名（比如 AS flag_name）；这是结构性的调用错误，分析卡里照旧让卡失败

2026-10-21 16:02:44 +08:00

test_analysis_settings.py

分析设置要求「集中」的合计占比不小于「主要来源」的占比（复核 R16）：contract.settings_problem 加一条（没写的项按缺省补齐了比），说法用 LABELS 的叫法：「「集中」的合计占比不能小于「主要来源」的占比」——原来「主要来源」0.9 配「集中」0.5 能通过，一段占 60% 时判分散、判定语却说「没有哪一段占到 90%」。设置页写进来的、分析卡上的覆盖都按它挡；api/settings.analysis_values 读存着的一组时这一对对不上同样两项都按缺省（同另外两对）

2026-10-21 16:00:29 +08:00

test_analysis_stats.py

分析算子的统计函数（app/analysis/stats.py，纯 Python、不加依赖）：正态分布函数（math.erfc）与分位数（Acklam 逼近 + Halley 修正）、t 分布（正则化不完全 β 的连分式，自由度很大时按正态）与分位数（二分）、Wilson（从 eval/stats 移过来，评测改为引用、行为不变）、Newcombe 区间、合并比例 z 检验、Fisher 精确检验（lgamma）、Welch t 检验与区间、Holm 校正、Mann–Kendall（n ≤ 10 且无并列用逆序数递推的精确分布，否则正态近似带并列修正和连续性校正）、Theil–Sen（精确的数在公分母上按整数比，只对浮点相等的那几个精确比）、中位数 / MAD / 名次；测试用公认表值钉住（正态 0.975 分位、t(10) 临界值、品茶表、Newcombe 例子、小样本精确分布对照暴力枚举）

2026-10-21 13:03:12 +08:00

test_analysis_tool_events.py

问数据时间线的分析一步、协作成员的分析：编号照实说是哪一层。Agent 工具那一步标题写「变化拆解（可加） · 本节点 A1」——编号是这份 Agent 自己的分析容器里的（交回模型的「【分析 A1】」），报告目录里的 A1 按整次运行的台账编，图里还有分析卡时就不是同一个，不再冒充报告里的编号；分析卡的一项照旧写这一项的标识。协作成员的分析不带编号（成员的结论还进不了台账，照它写「· A1」会和报告里点名的结论对不上），event_view 交回 alias=None。check-decode、check-stream、协作成员那条测试照新写法改

2026-10-21 15:52:58 +00:00

test_analysis_tools.py

趋势判断工具的说明开头改成契约的叫法「趋势判断：」（原来写「趋势：」，另外四个工具都以 OP_LABELS 的叫法开头）；测试补一条：五个分析工具的说明都以契约里这种分析的叫法加「：」开头，助手的工具清单、证据面板、评测写的是同一种说法

2026-10-21 20:02:41 +08:00

test_api_messages.py

…

test_app_access_scope.py

…

test_app_backfill.py

…

test_app_catalog.py

…

test_app_endpoint_masks.py

…

test_app_forms.py

…

test_app_instance_page.py

驳回出口（后端）：审批、补充输入、编辑稿件、动作确认、代码和工具审批、双盲裁决接了「驳回」出口时沿它往下走

2026-10-18 15:56:29 +08:00

test_app_platform_v1.py

…

test_app_polish_scope.py

…

test_app_principal_directory.py

…

test_app_spec_tools.py

测试：随机名字不带数字——新增 tests/fixtures/names.letters（uuid4 的十六进制里数字换成字母，同 test_run_data_versions 的写法），dual_check_shop 的数据源名、盲算的调用编号，评测、应用说明检查、导入、遮罩、通知几处测试里拼进文本的随机名字都改用它（以前带着「330」「300」「48」这类数时撞上「文本里不许出现这个数」的断言）；test_eval_schedule 查通知里有没有数时先去掉 32 位编号和发送时间（随机的编号带过「310」）；test_null_not_null_values_fall_back_to_the_model_default 显式导入 app.db.models（单独跑时 schedules 还没登记进元数据，KeyError）。deploy.sh 注明内置库不用 copy-to-postgres 的 --direct-url

2026-10-19 15:16:54 +08:00

test_app_use.py

…

test_app_versions.py

…

test_approval_default.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_approval_report_check.py

…

test_approval.py

…

test_architecture_contracts.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_architecture_impact.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_architecture_investigation.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_architecture_lifecycle.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_atomic_writes.py

原子写和部署脚本的几处（复核 R-a11、R-a12、R-a13 追加写）

2026-10-19 12:07:31 +08:00

test_auth_access.py

…

test_auth_identity.py

切到账号密码登录时，已经有能用密码登录的管理员就不再要求建第一个管理员：以前设置页只要从「未开启」切到账号密码登录就一律显示「第一个管理员」表单、一律提交 bootstrap（前端 needsBoot 只看切换方向），库里已经有设了密码的管理员也得再建一个。/api/auth/settings 现在带 local_admins（没停用、能用密码登录的管理员）和 passwordless_admins（没停用、还没设密码的）；设置页按它判断：有能登录的就提示「切换后用其中一个账号登录，保存后会回到登录页」、不提交 bootstrap；只有没设密码的管理员时照旧要建，并说清是谁没设密码、可以在用户列表里给他重设密码。从单点登录切到账号密码登录同样按这条判（以前不显示表单、后端却要求）。用户列表里新建用户、重设密码后，登录方式那一块重新判断。判据和后端 _local_admin_exists 同一个

2026-10-19 18:48:22 +08:00

test_autofix_assist.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_autofix_governance.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_autofix_graph_defaults.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_autofix_rules.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_background_drain.py

后台任务的 drain 不再空转：notify.service、eval.cleanup 的 drain 改用新增的 core/background.drain——做完了的任务直接从集合里摘掉，只等本事件循环上没做完的，别的循环上没做完的不等、循环关了的摘掉。以前 while _background: await gather(...) 碰上别的事件循环上做完、discard 回调永远不跑的任务，gather 立刻返回、不让出事件循环，在那里空转（CPU 打满、进程卡死）：PostgreSQL 全量里 test_personal_apps 的收尾两次卡在这里。单测在另一个线程里跑 drain、按线程等（空转时事件循环转不动，wait_for 救不了）

2026-10-19 15:29:00 +08:00

test_blueprint_data_sources.py

…

test_blueprint_generation.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_blueprint_ops.py

…

test_blueprint_starts.py

…

test_blueprint_template_run.py

…

test_blueprint_templates.py

自由形应用的两处小问题：入口按钮「发起」后英文名空一格，岗位显示名不再拿岗位名充数

2026-10-17 12:00:58 +08:00

test_blueprint_trial.py

…

test_bubblewrap_probe.py

bubblewrap 沙箱不再继承后端的环境变量（复核 R-a5）：bwrap 参数最前面加 --clearenv，再按缺省（HOME、TMPDIR、PATH、LANG、PYTHONDONTWRITEBYTECODE）和调用方给的逐条 --setenv；bwrap 进程本身也只拿 PATH

2026-10-19 12:07:31 +08:00

test_bundle_api.py

…

test_bundle_build.py

可验证报告样本页加异动周报（analysis，分析能力一轮）：Agent 在虚构零售库 shop 上查两周的总数和按地区两周的销售额，做按地区的变化拆解（带总数核对）、波动基线（两周历史不够，算不了）、两期可比性检查，结论按快照真算（app.analysis.run，目录事实按虚构的数据目录给），Agent 节点的 tool.end 照分析工具真实的写法带结论工件和判定那一段；报告引用拆解的判定语、具名的数、结果表的格和整张结果表，正文后面是 engine/analysis_scope 按虚构的数据目录算出的分析范围（没拆的是渠道）。check-bundle：样本页 19 份；异动周报原样导出全部通过——③ 三份结论和两份输入快照随文件附带，④ 输入快照按「已核对的分析结论的输入」认，⑤ 分开数判定语，点开判定语看得到判定标准、方法与版本、附带说明、Agent 写的假设、输入和导出时的复算，具名的数、结果表的格写对出处，分析范围的编号点得开（正文没引用的 A2 也随文件附带）、范围里的编号不核正文显示，390 宽不溢出；只改判定语、具名的数的显示并重算全部哈希各自变红并点名。另：「查询快照以外的工件标成遮罩」的原因照第 1 波改过的说法（只有查询快照、口径卡、分析结论和报告文档……），原来的断言没跟着改。test_bundle_build 的样本页清单加上它、核对它的形状

2026-10-21 19:09:21 +08:00

test_bundle_masked_cards.py

…

test_bundle_masked_metrics.py

…

test_bundle_masked_queries.py

…

test_bundle_prose_export.py

…

test_bundle_rejected.py

…

test_bundle_shown.py

测试：占比、变化率、权重按百分数显示（第 2 波 S1）——每种实测情况一条断言：正文引用 [[a:A1.top_share]]、[[v:A1.r0.share]]、[[v:A1.r0.pct]] 没写换算时取结论记的格式（61.9%、-14.6%），写了换算的照写作者的；整表按格式展开；写作目录的具名的数与结果表按格式写；证据面板接口的具名的数、结果表的格、整体比率那一格（空格写「—」）；导出页与可验证报告照引用渲染；老文档（3 版）照原样、复核不判对不上，按新规则重渲染才判对不上。另钉住各算子填了哪些列、pct 与 pp 的写法、同输入两次 run 逐字节相同、复算逐字段相同

2026-10-21 15:55:51 +00:00

test_bus_attach.py

…

test_caliber_access.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_bindings.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_closure.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_docdraft_attach.py

口径草稿：从业务文档抽定义，再从一次真实运行接上取数路径

2026-11-03 22:50:14 +08:00

test_caliber_docdraft_e2e.py

补一条端到端：文档草稿接上运行后图能过校验，且在发布前对问数不可见

2026-11-03 22:59:47 +08:00

test_caliber_draft_reads.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_entry_field_merge.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_field_baseline.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_field_changes.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_from_nodes.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_caliber_from.py

…

test_caliber_identity.py

口径增加内容指纹：指标集与账本候选记录定义哈希

2026-11-03 18:47:32 +08:00

test_caliber_lint.py

口径取数 SQL 增加书写 lint：取整、补 0 在画布提示并在受管发布时拦截

2026-11-03 18:36:26 +08:00

test_caliber_query_tool.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_regressions.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_reimport.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_selection.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_source_snapshot.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_validation_real_chain.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_validation_records.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_write_guard.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_caliber_write_race.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_capabilities_registry.py

…

test_capability_review.py

…

test_catalog_api.py

…

test_catalog_assistant.py

…

test_catalog_draft_engine.py

…

test_catalog_draft_facts.py

…

test_catalog_draft_jobs.py

…

test_catalog_draft_settings.py

…

test_catalog_draft.py

…

test_catalog_impact.py

…

test_catalog_mask_scrub.py

新设遮罩列时清理目录里的码值、含义与备注

2026-11-03 18:53:39 +08:00

test_catalog_merge.py

…

test_catalog_observe.py

剖析任务接口收取值观察范围，对话框给出「取值观察」；定时维护挑不出要观察的表时把原因记进触发记录

2026-10-17 08:51:51 +08:00

test_catalog_patch.py

…

test_catalog_profile_jobs.py

数据剖析可以同时剖析几张表：剖析设置加「同时剖析的表数」（table_concurrency，1–3，缺省 1，即以前的一张做完再做下一张；上限 3 是给这个源上的分析留出连接池的临时连接），每张表的查询仍一条一条发，所以同一时刻对业务库最多这么多条查询。剖析任务的执行改成按设置开几个执行者，按任务里的顺序一张结束就开始下一张；进度、发过的查询各落在自己那张表上（不再记「正在做的那一张」）。每张表开始前照旧重读数据源：停用、关掉剖析或止损后不再开始新的表，正在做的几张照常做完（止损时剩下的项记止损的原因），都结束后再把没开始的记停下；止损的连续失败、超时比例按几张表的查询合起来算。停止、关停时正在做的几张各自收尾，做完的项照常写进目录，都收完才往上交（等的时候又被停止也等完）；一张表让任务整体出错（快照被改动、数据源没了、记结果写库出错）时，另几张按停止收尾、原因写这一句，本进程续不上租约的不写。同时要估同一张表的行数时只估一次（按表加锁，先来的没估成后来的自己估）。同源已有剖析时的 409 说法从「第 x / y 张表」改成「已完成 x / y 张表」。界面：设置表单多一格（单位「张」，提示写明业务库同时要应付几条查询、和分析共用连接），风险说明、卡片悬停、开始前的醒目一句在大于 1 时写明「同时剖析 N 张表、每张表的查询一条一条地发」，预算多一行，这次最多用时按几轮算。测试：同一时刻在途查询不超过设置、每张表仍一条一条发（1/2/3 三种）、几张一起显示进行中并按顺序开始、同时停止各自写进目录、止损后不再开始新表、停用时正在做的做完、一张出错另几张按停止收尾、共享行数只估一次；check-catalog-profile 加一节（预算、估算、说法、两行进行中、表清单）。验收：后端全量 14979 通过；止损那条并发测试单独跑 30 遍、整个剖析任务测试文件并行跑 15 遍都没有偶发；tsc；check-catalog-profile 217 项、check-copy 28 项全过

2026-10-21 09:08:10 +08:00

test_catalog_profile_units.py

数据剖析可以同时剖析几张表：剖析设置加「同时剖析的表数」（table_concurrency，1–3，缺省 1，即以前的一张做完再做下一张；上限 3 是给这个源上的分析留出连接池的临时连接），每张表的查询仍一条一条发，所以同一时刻对业务库最多这么多条查询。剖析任务的执行改成按设置开几个执行者，按任务里的顺序一张结束就开始下一张；进度、发过的查询各落在自己那张表上（不再记「正在做的那一张」）。每张表开始前照旧重读数据源：停用、关掉剖析或止损后不再开始新的表，正在做的几张照常做完（止损时剩下的项记止损的原因），都结束后再把没开始的记停下；止损的连续失败、超时比例按几张表的查询合起来算。停止、关停时正在做的几张各自收尾，做完的项照常写进目录，都收完才往上交（等的时候又被停止也等完）；一张表让任务整体出错（快照被改动、数据源没了、记结果写库出错）时，另几张按停止收尾、原因写这一句，本进程续不上租约的不写。同时要估同一张表的行数时只估一次（按表加锁，先来的没估成后来的自己估）。同源已有剖析时的 409 说法从「第 x / y 张表」改成「已完成 x / y 张表」。界面：设置表单多一格（单位「张」，提示写明业务库同时要应付几条查询、和分析共用连接），风险说明、卡片悬停、开始前的醒目一句在大于 1 时写明「同时剖析 N 张表、每张表的查询一条一条地发」，预算多一行，这次最多用时按几轮算。测试：同一时刻在途查询不超过设置、每张表仍一条一条发（1/2/3 三种）、几张一起显示进行中并按顺序开始、同时停止各自写进目录、止损后不再开始新表、停用时正在做的做完、一张出错另几张按停止收尾、共享行数只估一次；check-catalog-profile 加一节（预算、估算、说法、两行进行中、表清单）。验收：后端全量 14979 通过；止损那条并发测试单独跑 30 遍、整个剖析任务测试文件并行跑 15 遍都没有偶发；tsc；check-catalog-profile 217 项、check-copy 28 项全过

2026-10-21 09:08:10 +08:00

test_catalog_profile.py

数据剖析可以同时剖析几张表：剖析设置加「同时剖析的表数」（table_concurrency，1–3，缺省 1，即以前的一张做完再做下一张；上限 3 是给这个源上的分析留出连接池的临时连接），每张表的查询仍一条一条发，所以同一时刻对业务库最多这么多条查询。剖析任务的执行改成按设置开几个执行者，按任务里的顺序一张结束就开始下一张；进度、发过的查询各落在自己那张表上（不再记「正在做的那一张」）。每张表开始前照旧重读数据源：停用、关掉剖析或止损后不再开始新的表，正在做的几张照常做完（止损时剩下的项记止损的原因），都结束后再把没开始的记停下；止损的连续失败、超时比例按几张表的查询合起来算。停止、关停时正在做的几张各自收尾，做完的项照常写进目录，都收完才往上交（等的时候又被停止也等完）；一张表让任务整体出错（快照被改动、数据源没了、记结果写库出错）时，另几张按停止收尾、原因写这一句，本进程续不上租约的不写。同时要估同一张表的行数时只估一次（按表加锁，先来的没估成后来的自己估）。同源已有剖析时的 409 说法从「第 x / y 张表」改成「已完成 x / y 张表」。界面：设置表单多一格（单位「张」，提示写明业务库同时要应付几条查询、和分析共用连接），风险说明、卡片悬停、开始前的醒目一句在大于 1 时写明「同时剖析 N 张表、每张表的查询一条一条地发」，预算多一行，这次最多用时按几轮算。测试：同一时刻在途查询不超过设置、每张表仍一条一条发（1/2/3 三种）、几张一起显示进行中并按顺序开始、同时停止各自写进目录、止损后不再开始新表、停用时正在做的做完、一张出错另几张按停止收尾、共享行数只估一次；check-catalog-profile 加一节（预算、估算、说法、两行进行中、表清单）。验收：后端全量 14979 通过；止损那条并发测试单独跑 30 遍、整个剖析任务测试文件并行跑 15 遍都没有偶发；tsc；check-catalog-profile 217 项、check-copy 28 项全过

2026-10-21 09:08:10 +08:00

test_catalog_publish_drift.py

…

test_catalog_reason.py

…

test_catalog_render.py

…

test_catalog_review_queue.py

目录的「使用次数」和「用过这张表的运行」口径照实写：一个按查询计、一个按运行计

2026-10-17 11:55:53 +08:00

test_catalog_runtime.py

…

test_catalog_schema_truncated.py

运行时 db_schema 按需加入探查范围的留痕记上运行的发起人

2026-10-17 09:12:29 +08:00

test_catalog_semantics.py

…

test_catalog_store.py

…

test_catalog_terms.py

…

test_catalog_transfer.py

…

test_catalog_view.py

分析能力入口（二）：五个 agent 分析工具（analysis_decompose / baseline / trend / differ / comparable，名字取 contract.TOOL_NAMES），参数只有「算什么」（引用本节点查过的结果 Q3、列的角色、期次、总数 headline、下钻 parent、度量叫法、在验证什么），没有阈值参数；五个工具共用一份「分析方法」说明（ToolSpec 新增 guide：方法说明 + 去重用的 id，register / build_tools 透传进工具的 metadata），Agent 节点、协作成员绑了任一分析工具就接在 Skill 后面注入 system，同一份只注入一次，模型调用节点不注入。Agent 建工具时经 ToolContext.extra 交一个本节点的分析容器（app/tools/analysis.py 的 AnalysisScope），每次查询记台账时往里放一份输入快照（编号和「【证据 Qn】」同一个），分析结论落成 analysis_result 工件、台账记 contract.ledger_entry（带 call_id），交回模型「【分析 An】」加判定语、判定标准、关键数、附带说明、算不了的原因、结果表前几段；tool.end 带 analysis_artifact；下钻按 An 取本节点的结论；调用写错（contract.CallError，含这个节点的分析次数用完 max_calls）作为工具错误交回、不记台账、不占编号；算不了照样记结论并发一条 analysis_refused。编号只在记台账时放进容器，审批恢复重放时分析不再执行、编号不错位。遮罩列按证据面板同一个函数认（数据源设的、按 SQL 认出改了名字的），遮罩运行交给算子的是遮过的快照。阈值读发起时的快照，没有就现读设置；运行期依赖给运行当天、按运行目录视图读的目录、剖析事实、现查表范围的探查（W1-a 的 make_prober，还没有时不给）。协作成员同样注入方法、同样编号（协作节点不记台账）。使用者问数据的白名单加上五个分析工具和分析卡；调用工具节点调分析工具在画布上就报错（analysis.tool_node）。能力登记不把它们当查询（is_platform_query 不认）

2026-10-21 13:02:30 +08:00

test_challenge_masking.py

测试：随机名字不带数字——新增 tests/fixtures/names.letters（uuid4 的十六进制里数字换成字母，同 test_run_data_versions 的写法），dual_check_shop 的数据源名、盲算的调用编号，评测、应用说明检查、导入、遮罩、通知几处测试里拼进文本的随机名字都改用它（以前带着「330」「300」「48」这类数时撞上「文本里不许出现这个数」的断言）；test_eval_schedule 查通知里有没有数时先去掉 32 位编号和发送时间（随机的编号带过「310」）；test_null_not_null_values_fall_back_to_the_model_default 显式导入 app.db.models（单独跑时 schedules 还没登记进元数据，KeyError）。deploy.sh 注明内置库不用 copy-to-postgres 的 --direct-url

2026-10-19 15:16:54 +08:00

test_challenge_node.py

子工作流里的反方审稿按全局 id 记它审的报告：审稿记录和工件上的报告写这次运行里的 id（「sub/write」，同 report.checked、报告文档，第 1 波 B1 修过报告节点同样的问题），证据面板连子工作流里的审稿一起认（_Sealed.nodes_of nested），点开子图里那份报告的句子认得出审它的那次审稿；审批卡上的报告按全局 id 记，打开证据面板、审批质询对得上；单句面板的报告名写「子工作流 › 报告」，不写内部 id

2026-10-19 09:08:45 +08:00

test_challenge_rationale_rules.py

…

test_chat_turn_policy.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_chat_turns_races.py

问数据一轮的复核修正（后端）：同时来的几次发起只起得来一次、事件 seq 不撞号、晚到的复核记得上也送得到、使用者不能继续运行、

2026-10-18 18:07:03 +08:00

test_chat_turns.py

助手把操作写成工具调用格式时照操作读；一个能落地的操作都没有时当场纠正一次；报错按诊断照实说

2026-10-19 22:48:23 +08:00

test_chat_user_caliber.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_claims_prefilter.py

…

test_cluster_fence.py

复核 R-b15（隔离后等不到重新登记的运行原因记错、任务没摘）：_drive 里 fence.ready() 等不到时照实收尾——排队中的（一步都没执行过）收成失败，写明「本进程隔离后没能重新登记，这次运行没有开始执行」并记 run.failed；要接着执行的（继续、批了审批）收成中断、断点完好可继续运行；条件更新，状态、属主变了（别的进程先接手）就不动；执行任务从 run_manager._tasks 里摘掉。补测试：隔离后新身份一直没登记上，新发起的运行收成失败、原因写对、run.failed 记下、任务摘掉

2026-10-19 15:08:39 +08:00

test_cluster.py

复核 R-b14（PostgreSQL 单进程墙钟一跳就隔离自己）：取得到计入休眠的钟（SLEEP_AWARE）时 stale() 只看它，墙钟只在取不到时当后备（两只里走得多的那只）；两只钟对不上（jumped）不再直接隔离，先续一次租——续租那一句按库的时钟核对「自己的租约还没过期」，以它为准：续上了只记一条日志照常，续不上才隔离。README「多进程」补一句：库服务器自己的时钟往前跳超过一个租约时所有进程一起隔离、怎么恢复，往回跳时真没了的进程要多等，本机墙钟跳了不隔离。补测试：墙钟往前往后跳一小时不算续晚了、只算对不上，计入休眠的钟走过两个租约照样算，取不到时墙钟当后备；PostgreSQL 单进程墙钟 ±1 小时续租照常续上、不隔离，真过期仍隔离；执行到一半墙钟 ±1 小时，运行照常跑完、世代不变（改前的写法往前跳那条不过）

2026-10-19 15:07:17 +08:00

test_code_evidence_role.py

…

test_code_output.py

…

test_compare_api.py

运行对比里子工作流的口径卡按卡所在那一层找产出：组装推演用的 Sources 时带上是哪张卡，节点产出、跑完的时刻按 engine/lineage.in_scope 换成卡那一层的 id（同推演 api/whatif._sources、证据面板 _InputMasks._output）。以前子图里的卡取值链写的是子图里的 id（nodes.parse），对比拿父图里同名的节点当它的产出，容器输入认到父图那次查询上；加一条子图卡的真跑对比测试

2026-10-19 09:03:37 +08:00

test_compare_engine.py

…

test_compare_guards.py

…

test_continue_run.py

…

test_contract_analysis_claims.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_contract_cells.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_contract_citations.py

…

test_contract_claims.py

…

test_contract_fenced_body.py

…

test_contract_judge.py

…

test_contract_shapes.py

…

test_conversation_status.py

…

test_conversations_isolation.py

…

test_conversations.py

…

test_copilot_analysis.py

关分析工具那一臂挡分析卡：图里有分析卡、嵌套的子工作流里有分析卡或分析工具都挡回去改；关掉时节点手册里不再出现分析卡、分析工具和分析相关的配置（改写与整段去掉）；问题意图词表版本与自查交回的那句进评测的提示词指纹；问题意图不把「哪个贡献最多」当来源、不把「数据是否正常」当异常；评测「关」那一臂的替身改成照样试着加分析卡、靠真代码挡

2026-10-21 16:19:49 +00:00

test_copilot_answer_ops.py

助手把操作写成工具调用格式时照操作读；一个能落地的操作都没有时当场纠正一次；报错按诊断照实说

2026-10-19 22:48:23 +08:00

test_copilot_approval_wording.py

…

test_copilot_blueprint_stream.py

…

test_copilot_challenge_guide.py

…

test_copilot_claims_default.py

…

test_copilot_context.py

…

test_copilot_coverage.py

助手搭图时就发现「查的区间里表里没有数据」：自查（GraphChecker）对工具节点写死的 SQL 按今天跑一遍覆盖检查（data/coverage.sql_gaps：不跑原 SQL，只跑算界和现查范围的两条小查询，SQL 里所有带时间谓词的表都查，按表去重、限时，异步查库，带模板的 SQL 不查）；完全不重叠的作为一条 sql_no_data 问题交回模型改一轮（换有这段数据的表，没有就在 done 的说明里照实告诉用户数据只到哪天），修正后仍在的不挡运行，作为提醒留在检查结果和交付的问题清单里（问数据流式、画布非流式都是）。look / db_schema 的剖析信息在日期范围最早和最晚是同一天时加一句「剖析时这张表的 X 只有一天的数据，可能每天整表重灌：算历史周期请换有历史的表」；助手节点手册写明按周期取数前先看表的日期范围，只有一天、最新日期早于要查的区间的表不能用来算这段时间

2026-10-20 10:38:30 +08:00

test_copilot_empty_diagnosis.py

助手把操作写成工具调用格式时照操作读；一个能落地的操作都没有时当场纠正一次；报错按诊断照实说

2026-10-19 22:48:23 +08:00

test_copilot_entity_guide.py

…

test_copilot_evidence_guide.py

…

test_copilot_look.py

…

test_copilot_markup_ops.py

助手把操作写成工具调用格式时照操作读；一个能落地的操作都没有时当场纠正一次；报错按诊断照实说

2026-10-19 22:48:23 +08:00

test_copilot_merge.py

…

test_copilot_patch_layout.py

…

test_copilot_prompt_evidence.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_copilot_reject_exit_guide.py

助手的节点手册讲驳回出口：哪些节点能接（审批、补充输入、编辑稿件、动作确认、代码和工具审批、双盲裁决），连线写 sourceHandle="rejected"，什么时候接（驳回后要通知、退回修改、走另一条路），不接时怎样（运行结束、记为被驳回；审批模式这一路到此为止；写了驳回即终止就别接），驳回那条路必须走到成果节点或结束，失败重试、出错时继续不管驳回。以前手册只有一句审批的 approved / rejected，助手画出来的图驳回就整轮结束

2026-10-19 08:47:53 +08:00

test_copilot_scope.py

…

test_copilot_selfcheck.py

…

test_copilot_sql_alias.py

…

test_copilot_sqlcheck.py

…

test_copilot_stream.py

…

test_copilot_table_pick.py

…

test_copilot_truncation.py

助手把操作写成工具调用格式时照操作读；一个能落地的操作都没有时当场纠正一次；报错按诊断照实说

2026-10-19 22:48:23 +08:00

test_copy_to_postgres.py

测试：随机名字不带数字——新增 tests/fixtures/names.letters（uuid4 的十六进制里数字换成字母，同 test_run_data_versions 的写法），dual_check_shop 的数据源名、盲算的调用编号，评测、应用说明检查、导入、遮罩、通知几处测试里拼进文本的随机名字都改用它（以前带着「330」「300」「48」这类数时撞上「文本里不许出现这个数」的断言）；test_eval_schedule 查通知里有没有数时先去掉 32 位编号和发送时间（随机的编号带过「310」）；test_null_not_null_values_fall_back_to_the_model_default 显式导入 app.db.models（单独跑时 schedules 还没登记进元数据，KeyError）。deploy.sh 注明内置库不用 copy-to-postgres 的 --direct-url

2026-10-19 15:16:54 +08:00

test_csv_grid.py

…

test_custom_tool_draft.py

…

test_custom_tool_schema.py

…

test_datasource_force_readonly.py

…

test_datasource_option_keys.py

数据源的探查范围、定时维护不再被拼进连接串：data/engine._NON_DRIVER_OPTIONS 补上 introspect_scope、catalog_maintenance。以前漏在名单外，设过探查范围（运行时按需把范围外的表加进来时也会自动写）或定时维护的 MySQL / PostgreSQL / Oracle 数据源，驱动 connect() 收到不认识的关键字参数，每一条查询都失败；加守卫测试，把 app/data 下所有 *_OPTION 常量扫出来逐个核对都不进连接串

2026-10-19 08:08:51 +08:00

test_datasource_preview.py

…

test_datasource.py

…

test_datasources_upload.py

应用库可移植到 PostgreSQL：AGENTLAB_DATABASE_URL 设成 postgresql+asyncpg://… 时整个应用库用 PostgreSQL，断点用官方的 langgraph-checkpoint-postgres（同一个库，AGENTLAB_CHECKPOINT_URL 可另给）；不设时照旧是数据目录里的 SQLite，行为不变

2026-10-19 09:52:09 +08:00

test_db_direct.py

R-b12 的尾巴：check_pgbouncer 判同一个主机端口时把主机名规范化——localhost、127.x.x.x、::1 都算本机回环，IP 按地址比（::ffff:10.0.0.5 和 10.0.0.5 相同），解析不成 IP 的按字面（小写）比、不查 DNS。补测试：localhost 对 127.0.0.1、127.0.0.1 对 ::1、IPv4 映射地址同端口都拒绝，本机另一个端口、名字不同的放行

2026-10-19 15:09:10 +08:00

test_db_portable.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_db_startup.py

合入 nr8/b 之后的配合：启动时先等库再做版本检查（cluster/version.preflight 是第一次连库，放在等库之前的话库的容器晚一步起来服务就直接崩），单测核对先后；deploy/README 多进程一段写明内置 PostgreSQL 是直连、不用 AGENTLAB_DATABASE_DIRECT_URL，upgrade 先停掉旧容器（全部工作进程）、备份、再起新版本，正合不许新旧版本同时运行的拦截

2026-10-19 14:06:20 +08:00

test_deploy_script.py

复核 R-d6（sudo ./deploy.sh 时 DATA_DIR=~/… 展开成 /root 下）：有 SUDO_USER 时 ~ 按它的家目录展开（getent passwd 取，取不到退回 $HOME），「不能是家目录本身」也按它查；install、upgrade、migrate 开头打印展开后的绝对路径（DATA_DIR 用了 ~ 时注明 ~ 是哪个目录）。deploy/README 写一句（agentlab.env 已有的行没动）。假 docker 单测：SUDO_USER 的家目录、取不到时退回 $HOME

2026-10-19 16:15:21 +08:00

test_direct_select.py

…

test_directory_candidates.py

…

test_dual_check_config.py

…

test_dual_check_executor.py

…

test_dual_check_facts.py

…

test_dual_check_fixture.py

…

test_dual_check_node.py

双盲复算：盲算触顶、按无法复算记时（_limit_text 那一路），把盲算交回的理由（渲染后的正文，已经过遮罩）截一段带进原因（「盲算已达每项最多查询次数（1 次）；盲算交回的理由：…」），审批卡、缺口说明上看得到它查到了什么，没有理由的照旧。原值所在的格子落在「查询区间里这张表没有数据」的列上时不派盲算、按无法复算记；盲算交回的格子落在这样的列上时不判一致、按无法复算记；原因都写「查询区间里这张表没有数据（…）」

2026-10-20 10:33:34 +08:00

test_dual_check_rationale_rules.py

…

test_dual_check_upload.py

…

test_emit_order.py

…

test_endpoints.py

…

test_engine_cache.py

…

test_eval_analysis_runs.py

合入第 2 波复核修复 S2、S5、S6：关分析工具那一臂挡分析卡与用了分析的子工作流、节点手册里不再出现分析；问题意图词表与自查那句进评测的提示词指纹；问题意图不把问构成当来源、不把问数据质量当异常

2026-10-21 16:22:21 +00:00

test_eval_analysis_suite.py

分析测试的「今天」按题集的时区取，不看本机时区：题集里的期次（上周、本周）按 suite.timezone 算，生成虚构库、判今天是不是周一也照它，本机在别的时区（或跨午夜那几个钟头）时两边不是同一天

2026-10-21 14:57:06 +00:00

test_eval_analysis.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_eval_cases.py

…

test_eval_cleanup.py

…

test_eval_compare.py

评测变体加「分析工具」开 / 关（缺省开）和「分析工具贡献」预设对照：eval/variants 的变体多一项 analysis {tools: on | off}，只认这两个值、缺省开，不合规的照实拒（eval_variant_invalid，落到 variant.analysis）；analysis_tools(变体) 读开关，加这一项之前存下的变体按开。eval/answer.TurnContext 加 analysis_tools，Driver 透传给 chat/drive.TurnDriver（再到 api/copilot.answer_ops）：关的那一臂建图时工具清单不列分析工具、节点手册不讲分析卡；工作流题不建图，不受影响。同一变体（variant_key）认分析工具：开着时不写进去，和加这一项之前算出来的一样，以前的评测照样当基准、趋势线不断；关着时不同。指纹记 analysis_tools，对比的指纹差异写「分析工具：开 → 关」（老指纹里没有这一项的按开）；变体那一句写「分析工具开 / 关」，结果页、A/B、估算照它显示。api/evals 的预设对照加 analysis_tools（variants.analysis_tools_preset：开、关两臂，名字「分析工具开」「分析工具关」，别的项照 variant 或题集的缺省）。测试：变体规范化、拒收、同一变体指纹、变体那一句、预设两臂和 Driver 拿到的开关、估算与 A/B 拒收（test_eval_runner）；指纹差异的开、关和老指纹（test_eval_compare）；真运行的「分析工具贡献」对照（test_eval_analysis_runs：关的那一臂助手看到的 system 里没有分析工具和分析卡、作答运行里没有分析结论、算错，开的那一臂对且可追溯，两臂共用期望、指纹和同一变体都不同）

2026-10-21 19:32:38 +08:00

test_eval_e2e.py

…

test_eval_gold.py

…

test_eval_origin.py

补上 caliber_trial 进系统来源时漏改的断言

2026-11-03 23:11:45 +08:00

test_eval_runner.py

关分析工具那一臂挡分析卡：图里有分析卡、嵌套的子工作流里有分析卡或分析工具都挡回去改；关掉时节点手册里不再出现分析卡、分析工具和分析相关的配置（改写与整段去掉）；问题意图词表版本与自查交回的那句进评测的提示词指纹；问题意图不把「哪个贡献最多」当来源、不把「数据是否正常」当异常；评测「关」那一臂的替身改成照样试着加分析卡、靠真代码挡

2026-10-21 16:19:49 +00:00

test_eval_schedule.py

定时评测的测试不依赖同进程里的数据源个数（同 843be9a5 给 test_eval_runner 的做法）：这里的题没有限定数据源，评测按进程里全部的数据源拍目录快照，别的测试留下的数据源超过 app/eval/snapshots.MAX_SOURCES 时整次评测按设计失败（「这次评测用到的数据源超过 20 个」），断言的 partial 就成了 failed；后端全量并行时分到同一个进程就复现。这里不测这个上限，测试里把上限放大

2026-10-21 19:32:40 +08:00

test_eval_score.py

评测逐题比 SQL 和账本同一个口径：传报告引用了哪几列（ledger/match.referenced_of），整条比不等价时按引用的列投影再比；「多查了几列」那一条不算差在哪个方面

2026-10-17 12:29:20 +08:00

test_eval_snapshots.py

多进程协调（W2-b）第一步：新增 app/cluster——工作进程在库里登记、心跳续租约（属主随进程，进程没了它认领的行一起到期），调度当班的租约，发给属主进程的停止 / 记事件请求，PostgreSQL 的 LISTEN/NOTIFY 叫醒，跨进程的互斥锁（咨询锁），SQLite 单进程守卫（第二个进程拒绝启动）；运行、问数据一轮、起草 / 剖析 / 探查 / 评测 / 影子起草、文档、发布单记 owner，启动整理改成只接手属主不在了的行，当班进程隔一会儿再接手一次；运行的并发名额改成库里按交互 / 应用 / 定时 / 系统四类发（各有全站上限和优先级，设置里可调），替掉进程内的信号量；同源队记在库里；运行停止、记事件跨进程交给属主；运行事件、问数据事件跨进程转发（库里按 seq 追，不落库的流式增量和保活心跳只转给在看的进程）；每日花费账先占住那一行再读写；访问密钥限流、登录失败计数在 PostgreSQL 时记在库里；登录设置、对外地址、向量模型、能力快照、数据源连接池、应用页面缓存跨进程失效；上传版本库、记录表、按需探查、出具、召回、补算、按需视图、个人刷新、定时发起的锁换成跨进程的锁

2026-10-19 11:40:33 +08:00

test_eval_stats.py

评测估算和每题平均花费：有估不出金额的调用时不再写成 0 美元

2026-10-17 11:40:27 +08:00

test_evals_api.py

零售样例题集的试算：退款金额两边都按两位小数比（SQLite 的 ROUND(SUM(amount), 2) 出来是浮点，6448.19 存成 6448.1900000000005，逐字比会随数据变而失败；main 上同样失败）

2026-10-21 16:19:28 +00:00

test_evals_ui_api.py

…

test_evidence_api.py

…

test_evidence_audit.py

报告撰写节点加「分析说法核对」（analysis_claims：off / check / strict，缺省 check）和「分析范围」（analysis_scope：auto / off，缺省 auto），画布校验和执行时报同一句话（report.analysis_claims_invalid / analysis_scope_invalid），界面叫法进 labels，运行对比登记这两项。check：判断词没挂对分析结论、原因没有依据的句子交回写作者重写一次（不按最多重写次数反复），仍有的标在报告里、写一条日志 report_analysis_claims，不影响档位；strict：按最多重写次数重写，仍有的写进产出的 issuance_gaps（另记 analysis_gap）；两种都不让节点失败（不挡生成）；off 不核、写作规则和文档一字不变；升级前发起的运行照旧。写作者角色改成「挑重点、组织结构、说清变化；有分析结论时说清变化来自哪里；原因只按证据写」，写作规则按目录里有没有分析结论各加一段判断词规则，重写请求列出违规和修法；这次有分析结论、取值 auto 时每一稿文档都带系统写的 analysis_scope。产出和 report.checked 记下处置。几个测裁判、结论句策略、审计表的用例写作者那句「增长主要来自新客」没有拆解可挂，把分析说法核对关掉

2026-10-21 13:12:15 +08:00

test_evidence_challenge_marks.py

…

test_evidence_duplicate_exec.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_evidence_entities.py

字段标记紧跟在同一张表名后面时只显示字段名（部署上的「取自 某表 的 某表.某列」）：[[c:表.列]] 前面紧挨着（隔空白、「的」「中的」「里的」）刚写过同一张表的名字——写成文字或 [[t:同一张表]] 都算，按 name_key 比，带库名的全名、末段都认，英文名前面还连着字母的不算——正文只显示列名，出处、证据标识照旧是那个字段，引用上记 short: true，复核照它核对显示的字；没有这一项的老文档照旧按全名核对。整篇组装、render_markers、流式渲染一致（流式渲染记着已放出正文的末尾一截）。写作规则（ENTITY_RULES）写一句

2026-10-19 17:55:02 +08:00

test_evidence_entity_chain.py

…

test_evidence_judge_api.py

应用库可移植到 PostgreSQL：AGENTLAB_DATABASE_URL 设成 postgresql+asyncpg://… 时整个应用库用 PostgreSQL，断点用官方的 langgraph-checkpoint-postgres（同一个库，AGENTLAB_CHECKPOINT_URL 可另给）；不设时照旧是数据目录里的 SQLite，行为不变

2026-10-19 09:52:09 +08:00

test_evidence_judge.py

…

test_evidence_legacy_guess.py

…

test_evidence_legacy.py

…

test_evidence_markers.py

…

test_evidence_mask_memo.py

…

test_evidence_masked_aliases.py

…

test_evidence_masks_like_bundle.py

…

test_evidence_metric_masks.py

…

test_evidence_on_demand_formal.py

…

test_evidence_query_catalog.py

…

test_evidence_query_chain.py

…

test_evidence_quotes.py

…

test_evidence_see_brackets.py

…

test_evidence_tidy_claims.py

数字标记后面重复写的单字单位也去掉（部署上的「覆盖 8条 条产线」）：以前单字的单位后面紧跟着字时一律不动，现在只在它和后面的字连起来是一个更长的单位（人次、个月、台套、元/…，_LONGER_UNIT）时不动，让「人」对「人次」这样的不一致照旧露出来；「条产线」「人参加」照样去掉重复的那个字，流式渲染一致。写作规则加一条 UNIT_RULE（[[m:]]、[[v:]] 自带单位，后面不要再写一遍），助手节点手册讲 [[m:]] 的那一行也写明

2026-10-19 17:55:02 +08:00

test_evidence_unicode_names.py

字段标记紧跟在同一张表名后面时只显示字段名（部署上的「取自 某表 的 某表.某列」）：[[c:表.列]] 前面紧挨着（隔空白、「的」「中的」「里的」）刚写过同一张表的名字——写成文字或 [[t:同一张表]] 都算，按 name_key 比，带库名的全名、末段都认，英文名前面还连着字母的不算——正文只显示列名，出处、证据标识照旧是那个字段，引用上记 short: true，复核照它核对显示的字；没有这一项的老文档照旧按全名核对。整篇组装、render_markers、流式渲染一致（流式渲染记着已放出正文的末尾一截）。写作规则（ENTITY_RULES）写一句

2026-10-19 17:55:02 +08:00

test_evidence_validate.py

…

test_evidence_verify_status.py

…

test_excel_p1_integration.py

…

test_expressions.py

…

test_extract_truncation.py

…

test_fan_in.py

…

test_files.py

…

test_fixtures_xlsx.py

…

test_frontend_eval_unions.py

评测页分析期望的参数格和分析卡用同一份：CaseEditor 原来自抄的 PARAM_FIELDS 去掉，改用 canvas/analysisItems.paramSpecs（差异检验的比率、均值、逐行三模式也带上期次三格了，和服务器参数模型一致）；参数叫法只剩 lib/termsAnalysis 一份（EVAL_TEXT.analysis.param/basis/grain 引用 ANALYSIS_TEXT.node），格子的取值转换也用 paramText/paramValue，期次格保留 {{ }} 时间变量

2026-10-21 14:57:12 +00:00

test_frontend_type_unions.py

…

test_gov_wrapup.py

…

test_governance_analysis_claims.py

自动修复和门禁对 analysis_claims 写了认不出的值（如 loose）对齐 claims 的做法：G3 那一条修复（_plan_report_policy）不再顺手改成 strict（门禁跳过它、交给校验报），认不出的取值由校验那条 report.analysis_claims_invalid 自己的修复管——受管级别改成 strict（G3 只认它，答案唯一），别的级别不核对、重写一次后标出、重写后仍有的计入缺口三档要人选，不给建议（同 claims_invalid 的 _plan_claims）；跳过认不出的取值统一按门禁的 _POLICY_PROBLEMS 判。测试：受管级别 G3 修复只改 numbers、认不出的取值另有一条改成 strict，一起应用后通过；已发布级别三档候选、选了照写

2026-10-21 16:08:22 +08:00

test_governance_judge.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_governance_report_lint.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_graph_checks.py

…

test_guardrails.py

…

test_health_record.py

…

test_inquiry_api.py

…

test_inquiry_masking_e2e.py

…

test_inquiry_masking.py

…

test_inquiry_rationale_rules.py

…

test_inquiry_usage.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_integration_errors.py

…

test_introspect_broken_view.py

…

test_introspect_constraints.py

…

test_introspect_jobs.py

多进程协调（W2-b）第一步：新增 app/cluster——工作进程在库里登记、心跳续租约（属主随进程，进程没了它认领的行一起到期），调度当班的租约，发给属主进程的停止 / 记事件请求，PostgreSQL 的 LISTEN/NOTIFY 叫醒，跨进程的互斥锁（咨询锁），SQLite 单进程守卫（第二个进程拒绝启动）；运行、问数据一轮、起草 / 剖析 / 探查 / 评测 / 影子起草、文档、发布单记 owner，启动整理改成只接手属主不在了的行，当班进程隔一会儿再接手一次；运行的并发名额改成库里按交互 / 应用 / 定时 / 系统四类发（各有全站上限和优先级，设置里可调），替掉进程内的信号量；同源队记在库里；运行停止、记事件跨进程交给属主；运行事件、问数据事件跨进程转发（库里按 seq 追，不落库的流式增量和保活心跳只转给在看的进程）；每日花费账先占住那一行再读写；访问密钥限流、登录失败计数在 PostgreSQL 时记在库里；登录设置、对外地址、向量模型、能力快照、数据源连接池、应用页面缓存跨进程失效；上传版本库、记录表、按需探查、出具、召回、补算、按需视图、个人刷新、定时发起的锁换成跨进程的锁

2026-10-19 11:40:33 +08:00

test_issuance_matched.py

…

test_issuance_positions.py

…

test_issuance_upstream_gaps.py

…

test_issuance.py

…

test_job_runtime.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_judge_entity_sql.py

…

test_judge_excerpt_masks.py

…

test_judge_provenance.py

…

test_judge_rework_api.py

…

test_judge_rework_engine.py

…

test_judge_rework_grading.py

报告撰写节点加「分析说法核对」（analysis_claims：off / check / strict，缺省 check）和「分析范围」（analysis_scope：auto / off，缺省 auto），画布校验和执行时报同一句话（report.analysis_claims_invalid / analysis_scope_invalid），界面叫法进 labels，运行对比登记这两项。check：判断词没挂对分析结论、原因没有依据的句子交回写作者重写一次（不按最多重写次数反复），仍有的标在报告里、写一条日志 report_analysis_claims，不影响档位；strict：按最多重写次数重写，仍有的写进产出的 issuance_gaps（另记 analysis_gap）；两种都不让节点失败（不挡生成）；off 不核、写作规则和文档一字不变；升级前发起的运行照旧。写作者角色改成「挑重点、组织结构、说清变化；有分析结论时说清变化来自哪里；原因只按证据写」，写作规则按目录里有没有分析结论各加一段判断词规则，重写请求列出违规和修法；这次有分析结论、取值 auto 时每一稿文档都带系统写的 analysis_scope。产出和 report.checked 记下处置。几个测裁判、结论句策略、审计表的用例写作者那句「增长主要来自新客」没有拆解可挂，把分析说法核对关掉

2026-10-21 13:12:15 +08:00

test_judge_settings.py

…

test_judge_truncation.py

…

test_kb_progress.py

知识库「同时只跑一个重建」的两条测试，放行之后只重建一个空集合：测的是互斥不是重建本身。按全部集合重建要把同一个 xdist 进程里别的测试留下的几百段都重算一遍（这一轮加了测试，分到它那个进程的多了，实测停在 428/431），满载时超过 10 秒的等待，后面一条也跟着撞上「正在重建」

2026-10-19 12:07:31 +08:00

test_kb.py

…

test_layout.py

…

test_ledger_api.py

E4 的版本用量只算有口径卡的工作流

2026-10-17 09:19:24 +08:00

test_ledger_cells.py

复盘修正：试运行不计入统计、评估标签遮罩、规则/评估卡可组合

2026-11-03 21:23:08 +08:00

test_ledger_certify_build_graph.py

把从运行固化的建图部分抽成 build_graph，供文档草稿接上数据路径时复用

2026-11-03 22:42:32 +08:00

test_ledger_certify.py

问题聚类的类 id 由成员定，「不是口径」按成员记

2026-10-17 12:15:07 +08:00

test_ledger_compose.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_ledger_derive.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_ledger_descriptor.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_ledger_docdraft_api.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_ledger_docdraft.py

同义词随定义一起留在口径卡上

2026-11-03 23:08:28 +08:00

test_ledger_draftplan.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_ledger_feedback.py

…

test_ledger_issue.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_ledger_match.py

…

test_ledger_nlchange.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_ledger_projection.py

按行号取多行查询里的一格，重跑、核对时行序不定的照实标出来：sql_semantics.ordered / row_stable 认这一行重跑时还是不是同一行（最外层带 ORDER BY 的按位置认，一定只出一行的第 0 行认得住，别的行序不定）。口径账本的比对记下 ordered、one_row，指标标签按「同一行」认来自口径只在行认得住时成立，行序不定的标相关、写明原因；口径召回里两版都按行号取一格、查询又没有 ORDER BY 的指标记行序不定（changed 为空），召回待办上写「行序不定」，不按位置硬比；对账的多行对齐每一组先核对那一行的维度就是它，重跑时缺了一行、多出一行错位的记空值，不拿别的维度的数冒充

2026-10-19 10:01:05 +08:00

test_ledger_recall.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_ledger_reconcile.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_ledger_row_order.py

按行号取多行查询里的一格，重跑、核对时行序不定的照实标出来：sql_semantics.ordered / row_stable 认这一行重跑时还是不是同一行（最外层带 ORDER BY 的按位置认，一定只出一行的第 0 行认得住，别的行序不定）。口径账本的比对记下 ordered、one_row，指标标签按「同一行」认来自口径只在行认得住时成立，行序不定的标相关、写明原因；口径召回里两版都按行号取一格、查询又没有 ORDER BY 的指标记行序不定（changed 为空），召回待办上写「行序不定」，不按位置硬比；对账的多行对齐每一组先核对那一行的维度就是它，重跑时缺了一行、多出一行错位的记空值，不拿别的维度的数冒充

2026-10-19 10:01:05 +08:00

test_ledger_trial.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_ledger_usage.py

记录口径调用审计：compose 与正式出具各记一条参数指纹

2026-11-03 19:38:00 +08:00

test_lineage_static_copy.py

静态地认指标出处也跨卡往下追：转抄同一张图里另一张口径卡的指标，按那个指标的式子接着认（最多 MAX_COPY_DEPTH 层），受管级发布检查、应用检查和运行时、证据面板同一套说法；被抄的卡按 caliber_from 固定在别处版本的照旧停在那张卡

2026-10-17 12:31:13 +08:00

test_lint_contract_report_from.py

…

test_lint_process.py

…

test_look_caliber_definition.py

口径详情给模型看定义说明

2026-11-03 23:04:58 +08:00

test_look_large.py

探查范围外、没有注释的表中文需求命不中：照实写进模块说明，加一条测试钉住

2026-10-17 11:53:54 +08:00

test_maintenance_fire_history.py

…

test_manage_api.py

…

test_markup_leak.py

…

test_masked_merge_queries.py

…

test_masked_metric_values.py

…

test_masking_excerpts.py

…

test_masking_opaque_sql.py

…

test_masking_reformatted_numbers.py

…

test_masking_star_renames.py

…

test_masking_table_functions.py

…

test_masking_tool_boundary.py

…

test_masking_values_and_show.py

…

test_masking_whole_rows.py

…

test_mcp_cache.py

…

test_merge_engine.py

…

test_merge_node.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_merge_provenance.py

…

test_merge_sqlcheck.py

…

test_metric_comparability.py

分析入口的测试补真算子：test_analysis_e2e 加 agent 调波动基线（本周明显超出常规波动、历史新低，本期完不完整按现查的表范围判）、趋势、差异检验（逐行明细，华东的单笔金额高于华南）、可比性检查（两份查询各一周）各一次的端到端，台账、交回模型的那一段、复算逐字段相同都核；分析卡以合并查询为输入跑一次（输入写明 sqlite 方言、工件就是合并查询的快照）。test_analysis_card 的下钻样例 DRILL 原来 by 和 period 是同一列、真算子下会报错：shop 加渠道列（各地区两周的合计不变），DRILL 改成读华东按渠道的那次查询（drill_graph），另用真算子跑一遍下钻（闭合、主要来自线上、parent 是上一项的结论工件、复算一致）；夹具改用 scratch_source。过时的说明照实改：替身的用途、口径卡可比性挂钩里「还没有算子」的说法

2026-10-21 16:06:40 +08:00

test_metric_copy_lineage.py

转抄口径卡指标的出处跨卡往下追，对账、召回运行按追到底的结果判档

2026-10-17 12:05:12 +08:00

test_metric_definition.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_metric_id_duplicate.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_metric_lineage.py

口径卡分母为 0 时算不出来就是空值，和「缺少输入」分开说；指标清单按格式渲染。助手节点手册讲口径卡的那段写明分母可能为 0 时写「… if 分母 else None」、不要写 else 0，附示例；画布校验加一条提醒 metrics.zero_for_undefined（按语法树认：条件表达式一边有除法、另一边是常量 0，两边对调、套在 round 里、嵌套的都认）。输入都齐、计算式自己交回空值的指标多记 undefined: true（状态仍是 missing_input，按状态认的地方和老运行不受影响），清单、写作目录、引用解析不了的原因、运行对比、证据面板都说「算不出来（这组输入下计算式没有值，比如分母为 0）」；推演把它当不带值的字段。指标清单（{{ nodes.卡.text }}）改用卡上渲染好的 rendered：比率 0.0007 显示成 0.07%、金额带千分位，和报告里 [[m:]] 一致；有值却显示不出来的照实说，不拼原值

2026-10-20 10:04:53 +08:00

test_metric_no_data.py

应用实例页：成果没配出具契约时（印章上是「未声明出具契约」），本该降档的缺口照实写进印章的说明——口径卡里输入取自「查询区间里这张表没有数据」的列的指标、双盲复算的缺口（无法复算、审核人没采用原流程……）；配了契约的已经按缺口降档，不另写

2026-10-20 10:39:53 +08:00

test_metric_origin.py

…

test_metric_value_artifact.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_metrics_issuance.py

…

test_metrics_undefined.py

口径卡分母为 0 时算不出来就是空值，和「缺少输入」分开说；指标清单按格式渲染。助手节点手册讲口径卡的那段写明分母可能为 0 时写「… if 分母 else None」、不要写 else 0，附示例；画布校验加一条提醒 metrics.zero_for_undefined（按语法树认：条件表达式一边有除法、另一边是常量 0，两边对调、套在 round 里、嵌套的都认）。输入都齐、计算式自己交回空值的指标多记 undefined: true（状态仍是 missing_input，按状态认的地方和老运行不受影响），清单、写作目录、引用解析不了的原因、运行对比、证据面板都说「算不出来（这组输入下计算式没有值，比如分母为 0）」；推演把它当不带值的字段。指标清单（{{ nodes.卡.text }}）改用卡上渲染好的 rendered：比率 0.0007 显示成 0.07%、金额带千分位，和报告里 [[m:]] 一致；有值却显示不出来的照实说，不拼原值

2026-10-20 10:04:53 +08:00

test_microvm_kvm.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_model_budget.py

…

test_model_error.py

…

test_multiprocess_e2e.py

复核 R-b1（卡住但没死的进程被当成没了）：续租约挪到单独的任务、专用连接（不走连接池，不被同一拍别的活拖住）；进程间请求另起任务办，不在心跳里等收尾；新增 cluster/fence 自我隔离——离上次续上租约超过一个租约时长，或者这段执行属于上一次隔离之前，执行在写事件、写断点、开审批、发外部写入、后台任务写库之前就停手（Fenced 是 BaseException，节点里的 except Exception 拦不住），续租时发现续晚了就隔离：停掉手上的运行和后台任务、不写终态，换一个身份重新登记；运行收尾先占住那一行、属主不是自己就不写；别的进程按租约过期再多等一个租约时长才算不在了（两边中间留一段）；run_events 的 (run_id, seq) 改成唯一索引（存量库先数重复，有就照实记日志、这一次不建，不让启动失败）。补测试：卡住期间被接手之后不盖终态、不写事件、序号不重；被接手的那次在别处接着跑完只结束一次、后面那一步只跑一次；收尾按属主写；撞号被库拒绝；多进程端到端加 6b、6c（真 SIGSTOP / SIGCONT）

2026-10-19 13:15:56 +08:00

test_names.py

…

test_nested_loops.py

…

test_net_fake_ip.py

…

test_notify_channels.py

测试：随机名字不带数字——新增 tests/fixtures/names.letters（uuid4 的十六进制里数字换成字母，同 test_run_data_versions 的写法），dual_check_shop 的数据源名、盲算的调用编号，评测、应用说明检查、导入、遮罩、通知几处测试里拼进文本的随机名字都改用它（以前带着「330」「300」「48」这类数时撞上「文本里不许出现这个数」的断言）；test_eval_schedule 查通知里有没有数时先去掉 32 位编号和发送时间（随机的编号带过「310」）；test_null_not_null_values_fall_back_to_the_model_default 显式导入 app.db.models（单独跑时 schedules 还没登记进元数据，KeyError）。deploy.sh 注明内置库不用 copy-to-postgres 的 --direct-url

2026-10-19 15:16:54 +08:00

test_notify_digest.py

…

test_notify_events.py

…

test_notify_mail.py

…

test_notify_run.py

测试：随机名字不带数字——新增 tests/fixtures/names.letters（uuid4 的十六进制里数字换成字母，同 test_run_data_versions 的写法），dual_check_shop 的数据源名、盲算的调用编号，评测、应用说明检查、导入、遮罩、通知几处测试里拼进文本的随机名字都改用它（以前带着「330」「300」「48」这类数时撞上「文本里不许出现这个数」的断言）；test_eval_schedule 查通知里有没有数时先去掉 32 位编号和发送时间（随机的编号带过「310」）；test_null_not_null_values_fall_back_to_the_model_default 显式导入 app.db.models（单独跑时 schedules 还没登记进元数据，KeyError）。deploy.sh 注明内置库不用 copy-to-postgres 的 --direct-url

2026-10-19 15:16:54 +08:00

test_openai_stream_usage.py

…

test_ops.py

复核 R-d4（升级前的 SQLite 备份只拷了应用库和断点库）：填报的记录表 records/**/*.db 也用 SQLite 的备份接口拷进同一份备份，相对路径照旧，目录 0700、文件 0600；库在 PostgreSQL 时不做这份（记录表跟着整目录备份）。deploy/README 写清这份备份含什么、不含什么（上传原件和版本库、工件库、附件、知识库、沙箱工作区、.secret_key 要整目录备份），恢复步骤加上记录表

2026-10-19 16:12:07 +08:00

test_p3_api_errors.py

多进程端到端验收：scripts/test-multiprocess.sh 用本机 postgres:16 起临时库，tests/test_multiprocess_e2e.py（缺省跳过，AGENTLAB_MULTIPROCESS_E2E=1）在上面起两个 uvicorn 工作进程，用演示模型跑七个场景——两个进程都登记、一个当班；运行由接到请求的进程认领，另一个进程上的流收得到实时事件和流式增量，同一个审批决定同时发给两边只执行一次，两边事件流不重不漏、封存核对得上；跨进程停止；定时只触发一次；全站一个名额时评测的作答运行排着队，后来的问数据运行先拿到名额；两个进程同时记同一本每日账不越过上限；强杀一个进程后在跑的运行被照实标中断、停在审批上的照常在另一个进程上批完、当班交接。顺带修：等名额时被停止也照实收成已取消（以前停在排队中）；当班的本地余量不超过租约的四分之一（租约调短时一直不当班）；启动清理上传半成品时没有别的活着的进程就全清；文件锁守卫的几项测试只在 SQLite 跑；问数据事件日志清理那一拍不带时刻时按现在算

2026-10-19 12:03:35 +08:00

test_personal_apps.py

…

test_plain_layer.py

…

test_positional_masks_elsewhere.py

…

test_process_actions.py

结果未知自动核实的测试先等排上查询再看记录：运行先挂起、runner 再安排核实（actions.on_unknown），并行跑时测试会在中间读到还没排上查询的记录。测试的竞态，产品行为不动

2026-10-19 11:58:45 +08:00

test_process_hooks.py

…

test_process_tasks.py

…

test_profile_dialect_golden.py

…

test_profile_dialect_units.py

…

test_profile_facts.py

…

test_provenance_acceptance.py

…

test_provenance_api.py

…

test_provenance_contract.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_provenance_db.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_provenance_unchanged.py

…

test_provenance.py

…

test_provider_ref_checks.py

…

test_provider_ref_landing.py

…

test_provider_ref_runtime.py

报告撰写节点加「分析说法核对」（analysis_claims：off / check / strict，缺省 check）和「分析范围」（analysis_scope：auto / off，缺省 auto），画布校验和执行时报同一句话（report.analysis_claims_invalid / analysis_scope_invalid），界面叫法进 labels，运行对比登记这两项。check：判断词没挂对分析结论、原因没有依据的句子交回写作者重写一次（不按最多重写次数反复），仍有的标在报告里、写一条日志 report_analysis_claims，不影响档位；strict：按最多重写次数重写，仍有的写进产出的 issuance_gaps（另记 analysis_gap）；两种都不让节点失败（不挡生成）；off 不核、写作规则和文档一字不变；升级前发起的运行照旧。写作者角色改成「挑重点、组织结构、说清变化；有分析结论时说清变化来自哪里；原因只按证据写」，写作规则按目录里有没有分析结论各加一段判断词规则，重写请求列出违规和修法；这次有分析结论、取值 auto 时每一稿文档都带系统写的 analysis_scope。产出和 report.checked 记下处置。几个测裁判、结论句策略、审计表的用例写作者那句「增长主要来自新客」没有拆解可挂，把分析说法核对关掉

2026-10-21 13:12:15 +08:00

test_provider_ref_wording.py

…

test_provider_resolution.py

…

test_public_url.py

…

test_publication_gate.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_publication_manifest.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_publish_check_api.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_publish_plan.py

…

test_publish_sqlcheck.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_query_column_types.py

…

test_query_coverage.py

覆盖检查：现查没成功（大表全表 MIN / MAX 超时、库一时连不上）也记 LIVE_TTL_S，期间同一张表直接退回剖析、取值观察，不再每次白等 PROBE_TIMEOUT_S 秒（测试 test_a_failed_probe_is_not_retried_for_a_while）；方言容器集成测试（scripts/dialect_it.py）加一段覆盖检查：只存当天的滚动表（DATE 列，MySQL / MariaDB 另有按文字 'YYYYMMDD' 存的），按运行当天现算的上周区间判成没有数据、区间包含当天只是别的条件筛空的不报，查询后和助手自查两个入口都核——PostgreSQL 16、MySQL 8.4、MariaDB 11、Oracle Free 23 全过

2026-10-20 10:58:20 +08:00

test_query_deadline.py

…

test_querycore_execute.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_querycore_perf.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_querycore_user_access.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_question_vectors.py

…

test_readonly_source.py

…

test_recipe_acceptance_p3.py

多进程端到端验收：scripts/test-multiprocess.sh 用本机 postgres:16 起临时库，tests/test_multiprocess_e2e.py（缺省跳过，AGENTLAB_MULTIPROCESS_E2E=1）在上面起两个 uvicorn 工作进程，用演示模型跑七个场景——两个进程都登记、一个当班；运行由接到请求的进程认领，另一个进程上的流收得到实时事件和流式增量，同一个审批决定同时发给两边只执行一次，两边事件流不重不漏、封存核对得上；跨进程停止；定时只触发一次；全站一个名额时评测的作答运行排着队，后来的问数据运行先拿到名额；两个进程同时记同一本每日账不越过上限；强杀一个进程后在跑的运行被照实标中断、停在审批上的照常在另一个进程上批完、当班交接。顺带修：等名额时被停止也照实收成已取消（以前停在排队中）；当班的本地余量不超过租约的四分之一（租约调短时一直不当班）；启动清理上传半成品时没有别的活着的进程就全清；文件锁守卫的几项测试只在 SQLite 跑；问数据事件日志清理那一拍不带时刻时按现在算

2026-10-19 12:03:35 +08:00

test_recipe_acceptance.py

…

test_recipe_accumulate.py

…

test_recipe_ai.py

…

test_recipe_checks.py

…

test_recipe_compare.py

…

test_recipe_confirm_p3.py

…

test_recipe_confirm.py

…

test_recipe_contract.py

交叉表支持按文字导入的指标（如「高峰时段」一行写着「18-19」），堵上占位符陷阱：配方的 measures 分段加 text_measures（标签 → text / hour_range），落成文字列（时段存规范写法），空格、公式、占位符照块的取值规则，数字、日期、解析不了的时段报 value_not_text / value_not_hour_range；规则起草遇到无标题指标块里整行是文字的行（标签不带词表单位）按文字指标起草，并出卡片和问题要人确认（「不是」就去掉，回到按数字导入、试运行拒收），确认清单加 text_measure 项，前后对照报类型和存法变化；数值区不合格的格一行合成一条起草失败（不再一行 30 条）。陷阱：以前照「请添加占位符」把「18-19」加成占位符，整格静默存成空值、干跑照样通过——静态校验拒收含数字的占位符（placeholder_digits，重放和沿用现行配方的放行），value_not_number 的下一步按格子情况写：整行文字的提示改「指标类型」并给修复按钮 declare_text_measure，含数字的不再提示加占位符；标签带单位的拒按文字导入（text_measure_unit），文字列不能写单位（unit_on_text）。配方面板每个指标多一个「指标类型」下拉（数字 / 时段 / 文字）。默认值不进规范形式，已存配方的哈希不变。测试 tests/test_recipe_text_measures.py（合成夹具，假名）；check-manage 加指标类型三项

2026-10-20 11:41:28 +08:00

test_recipe_diff_p3.py

…

test_recipe_diff.py

…

test_recipe_e2e.py

…

test_recipe_engine_crosstab.py

…

test_recipe_engine_list.py

…

test_recipe_engine_messages.py

交叉表支持按文字导入的指标（如「高峰时段」一行写着「18-19」），堵上占位符陷阱：配方的 measures 分段加 text_measures（标签 → text / hour_range），落成文字列（时段存规范写法），空格、公式、占位符照块的取值规则，数字、日期、解析不了的时段报 value_not_text / value_not_hour_range；规则起草遇到无标题指标块里整行是文字的行（标签不带词表单位）按文字指标起草，并出卡片和问题要人确认（「不是」就去掉，回到按数字导入、试运行拒收），确认清单加 text_measure 项，前后对照报类型和存法变化；数值区不合格的格一行合成一条起草失败（不再一行 30 条）。陷阱：以前照「请添加占位符」把「18-19」加成占位符，整格静默存成空值、干跑照样通过——静态校验拒收含数字的占位符（placeholder_digits，重放和沿用现行配方的放行），value_not_number 的下一步按格子情况写：整行文字的提示改「指标类型」并给修复按钮 declare_text_measure，含数字的不再提示加占位符；标签带单位的拒按文字导入（text_measure_unit），文字列不能写单位（unit_on_text）。配方面板每个指标多一个「指标类型」下拉（数字 / 时段 / 文字）。默认值不进规范形式，已存配方的哈希不变。测试 tests/test_recipe_text_measures.py（合成夹具，假名）；check-manage 加指标类型三项

2026-10-20 11:41:28 +08:00

test_recipe_engine_p3.py

…

test_recipe_fixes.py

…

test_recipe_imports_p3.py

…

test_recipe_imports.py

测试：随机名字不带数字——新增 tests/fixtures/names.letters（uuid4 的十六进制里数字换成字母，同 test_run_data_versions 的写法），dual_check_shop 的数据源名、盲算的调用编号，评测、应用说明检查、导入、遮罩、通知几处测试里拼进文本的随机名字都改用它（以前带着「330」「300」「48」这类数时撞上「文本里不许出现这个数」的断言）；test_eval_schedule 查通知里有没有数时先去掉 32 位编号和发送时间（随机的编号带过「310」）；test_null_not_null_values_fall_back_to_the_model_default 显式导入 app.db.models（单独跑时 schedules 还没登记进元数据，KeyError）。deploy.sh 注明内置库不用 copy-to-postgres 的 --direct-url

2026-10-19 15:16:54 +08:00

test_recipe_mutations.py

…

test_recipe_notes_p3.py

…

test_recipe_notes.py

…

test_recipe_p5_e2e.py

…

test_recipe_p5.py

…

test_recipe_perf.py

…

test_recipe_select.py

…

test_recipe_suggest.py

…

test_recipe_text_measures.py

交叉表支持按文字导入的指标（如「高峰时段」一行写着「18-19」），堵上占位符陷阱：配方的 measures 分段加 text_measures（标签 → text / hour_range），落成文字列（时段存规范写法），空格、公式、占位符照块的取值规则，数字、日期、解析不了的时段报 value_not_text / value_not_hour_range；规则起草遇到无标题指标块里整行是文字的行（标签不带词表单位）按文字指标起草，并出卡片和问题要人确认（「不是」就去掉，回到按数字导入、试运行拒收），确认清单加 text_measure 项，前后对照报类型和存法变化；数值区不合格的格一行合成一条起草失败（不再一行 30 条）。陷阱：以前照「请添加占位符」把「18-19」加成占位符，整格静默存成空值、干跑照样通过——静态校验拒收含数字的占位符（placeholder_digits，重放和沿用现行配方的放行），value_not_number 的下一步按格子情况写：整行文字的提示改「指标类型」并给修复按钮 declare_text_measure，含数字的不再提示加占位符；标签带单位的拒按文字导入（text_measure_unit），文字列不能写单位（unit_on_text）。配方面板每个指标多一个「指标类型」下拉（数字 / 时段 / 文字）。默认值不进规范形式，已存配方的哈希不变。测试 tests/test_recipe_text_measures.py（合成夹具，假名）；check-manage 加指标类型三项

2026-10-20 11:41:28 +08:00

test_recipe_validate_p3.py

…

test_recipe_validate.py

…

test_recompute_followups.py

…

test_recompute.py

…

test_records.py

…

test_reject_exit_triggers.py

驳回出口接上数据事件触发：正式运行收尾时把途经的驳回（_rejected_via）交给 outbox.stage_run_finished，workflow.finished 照发并带上 rejected_via，缺省不认途经驳回的触发不派；补一条走驳回出口的正式运行与批准走完的对照测试

2026-10-18 18:25:24 +08:00

test_reject_exit_wording.py

驳回出口之后，待办、通知、Webhook 照实说转到哪：中断内容带上驳回之后去哪（engine/replay.reject_route：接了驳回出口写转到哪几步，没接的写运行就此结束，审批没接、没设驳回即终止的写这一路到此为止），待办卡的提示、驳回按钮、驳回后的提示、处理过的「结果」照它说，不再一律写「转入驳回分支」「本次运行终止」；超时驳回不再露出英文结论码；双盲裁决、动作确认被驳回的提示同样照它说。子工作流里的关卡走驳回出口时，名字记成「子工作流 › x」（RunContext.global_label），走过的那几步交回父图的 trail，父运行的终态事件照实带上途经驳回，实例页、通知写「「子工作流 › 把关」被驳回，转到「子工作流 › 退回」」，不写内部 id、不写成已完成。定时任务的 Webhook：照驳回那条路成功结束的，标题、状态写途经驳回，另起一行写谁被驳回、转到哪一步

2026-10-19 08:59:15 +08:00

test_reject_exit.py

驳回出口（后端）：审批、补充输入、编辑稿件、动作确认、代码和工具审批、双盲裁决接了「驳回」出口时沿它往下走

2026-10-18 15:56:29 +08:00

test_relative_dates.py

数字标记后面重复写的单字单位也去掉（部署上的「覆盖 8条 条产线」）：以前单字的单位后面紧跟着字时一律不动，现在只在它和后面的字连起来是一个更长的单位（人次、个月、台套、元/…，_LONGER_UNIT）时不动，让「人」对「人次」这样的不一致照旧露出来；「条产线」「人参加」照样去掉重复的那个字，流式渲染一致。写作规则加一条 UNIT_RULE（[[m:]]、[[v:]] 自带单位，后面不要再写一遍），助手节点手册讲 [[m:]] 的那一行也写明

2026-10-19 17:55:02 +08:00

test_replay_side_effects.py

…

test_report_absence_claim.py

…

test_report_analysis_claims.py

报告撰写节点的「上游没有可引用的来源」认分析结论（_CITABLE 加分析结论，_no_evidence 照 00-总方案 D10）：「证据来自」只选了分析卡时不再误报没有可引用的来源；分析卡做的结论总能引用，受管级别的正式出具没开「单元格引用」、上游有分析卡结论时也不再报「只有查询结果…无法引用单元格」；Agent 现场做的分析和它查的格同一个规矩，没开单元格引用时照报，说法写明「只有查询结果和 Agent 现场做的分析…无法引用单元格和这些分析结论」，只有查询时一字不变。测试：只有分析卡结论（开没开单元格引用都不报）、Agent 的分析按单元格引用的规矩、什么都没有时点名分析结论

2026-10-21 16:04:42 +08:00

test_report_catalog_budget.py

…

test_report_cells.py

整表标记 rows= 的结束行越界、起始行在范围内时截到最后一行（不加注），只有起始行越界才算解析不了；行数上限按截完的行数算。单元格显示规则升到 3 版：截行只影响组装（截完照样展开成一格格的单元格引用、按格复核），复核 3 版以前的文档时没展开的整表标记照老规矩判，老文档里那句「没有第 N 行」不会被当成文档被改过。文档的 cell_display 改记渲染得出这些格子的最低一版（只有日期时间被改写的照旧记 2，离线核对页不受影响）

2026-10-19 17:00:32 +08:00

test_report_claims.py

报告撰写节点加「分析说法核对」（analysis_claims：off / check / strict，缺省 check）和「分析范围」（analysis_scope：auto / off，缺省 auto），画布校验和执行时报同一句话（report.analysis_claims_invalid / analysis_scope_invalid），界面叫法进 labels，运行对比登记这两项。check：判断词没挂对分析结论、原因没有依据的句子交回写作者重写一次（不按最多重写次数反复），仍有的标在报告里、写一条日志 report_analysis_claims，不影响档位；strict：按最多重写次数重写，仍有的写进产出的 issuance_gaps（另记 analysis_gap）；两种都不让节点失败（不挡生成）；off 不核、写作规则和文档一字不变；升级前发起的运行照旧。写作者角色改成「挑重点、组织结构、说清变化；有分析结论时说清变化来自哪里；原因只按证据写」，写作规则按目录里有没有分析结论各加一段判断词规则，重写请求列出违规和修法；这次有分析结论、取值 auto 时每一稿文档都带系统写的 analysis_scope。产出和 report.checked 记下处置。几个测裁判、结论句策略、审计表的用例写作者那句「增长主要来自新客」没有拆解可挂，把分析说法核对关掉

2026-10-21 13:12:15 +08:00

test_report_datetime_display.py

整表标记 rows= 的结束行越界、起始行在范围内时截到最后一行（不加注），只有起始行越界才算解析不了；行数上限按截完的行数算。单元格显示规则升到 3 版：截行只影响组装（截完照样展开成一格格的单元格引用、按格复核），复核 3 版以前的文档时没展开的整表标记照老规矩判，老文档里那句「没有第 N 行」不会被当成文档被改过。文档的 cell_display 改记渲染得出这些格子的最低一版（只有日期时间被改写的照旧记 2，离线核对页不受影响）

2026-10-19 17:00:32 +08:00

test_report_entity_short.py

字段标记紧跟在同一张表名后面时只显示字段名（部署上的「取自 某表 的 某表.某列」）：[[c:表.列]] 前面紧挨着（隔空白、「的」「中的」「里的」）刚写过同一张表的名字——写成文字或 [[t:同一张表]] 都算，按 name_key 比，带库名的全名、末段都认，英文名前面还连着字母的不算——正文只显示列名，出处、证据标识照旧是那个字段，引用上记 short: true，复核照它核对显示的字；没有这一项的老文档照旧按全名核对。整篇组装、render_markers、流式渲染一致（流式渲染记着已放出正文的末尾一截）。写作规则（ENTITY_RULES）写一句

2026-10-19 17:55:02 +08:00

test_report_evidence_regression.py

…

test_report_export_masked_metrics.py

…

test_report_export.py

…

test_report_failed_queries.py

report.failed_queries 不再把「写错一条、下一条就改对了」当取数失败：同一个节点里，失败之后还有一条同一数据源的成功平台查询、读的表覆盖了失败那条的表（按 sql_semantics.facets 取表；失败那条解析不了就按同一数据源之后有成功的查询认），这次失败算已被替代，不进写作提示、不记 report_queries_failed；一次成功的都没有时照旧写「这次一次成功的查询都没有」

2026-10-19 16:47:07 +08:00

test_report_fenced.py

…

test_report_identifier_cells.py

报告里标识列的数不分千位（产线编码 1203 不再写成「1,203」）：新增 engine/cell_format.plain_columns，按序看查询当时冻结的数据目录给源列标的度量类型（identifier / status / attribute 不分，flow / stock / ratio 分）、源列名像编码编号（CODE、ID、NO 整词或结尾、驼峰的 Id/No/Code、编码、编号、代码）、是分组键（列、别名、序号都认）而不是聚合；SUM、COUNT、AVG 这类聚合是量，MIN、MAX 按那一列判；判断不了的照旧分千位。只看查询快照和它指向的表结构快照（内容寻址），组装、流式渲染、写作目录、出口复核一致。单元格显示规则 3 版：真有格子因此改了写法的文档记 cell_display: 3、引用上记 plain；离线核对页认 3 版、照 plain 渲染（解析不了 SQL），老文档按记下的版本复核照旧分千位。样本里订单号（order_no）随之不分组，check-bundle 跟着改

2026-10-19 17:55:02 +08:00

test_report_judge.py

报告撰写节点加「分析说法核对」（analysis_claims：off / check / strict，缺省 check）和「分析范围」（analysis_scope：auto / off，缺省 auto），画布校验和执行时报同一句话（report.analysis_claims_invalid / analysis_scope_invalid），界面叫法进 labels，运行对比登记这两项。check：判断词没挂对分析结论、原因没有依据的句子交回写作者重写一次（不按最多重写次数反复），仍有的标在报告里、写一条日志 report_analysis_claims，不影响档位；strict：按最多重写次数重写，仍有的写进产出的 issuance_gaps（另记 analysis_gap）；两种都不让节点失败（不挡生成）；off 不核、写作规则和文档一字不变；升级前发起的运行照旧。写作者角色改成「挑重点、组织结构、说清变化；有分析结论时说清变化来自哪里；原因只按证据写」，写作规则按目录里有没有分析结论各加一段判断词规则，重写请求列出违规和修法；这次有分析结论、取值 auto 时每一稿文档都带系统写的 analysis_scope。产出和 report.checked 记下处置。几个测裁判、结论句策略、审计表的用例写作者那句「增长主要来自新客」没有拆解可挂，把分析说法核对关掉

2026-10-21 13:12:15 +08:00

test_report_masked_any_table.py

…

test_report_masked_card_copies.py

…

test_report_masked_cells.py

…

test_report_masked_copy_any_run.py

…

test_report_masked_copy_closure.py

…

test_report_masked_metric_sure.py

…

test_report_masked_metrics.py

…

test_report_masked_precision.py

…

test_report_masked_values.py

…

test_report_node.py

…

test_report_schema.py

…

test_report_see_placement.py

…

test_report_sqlcheck_cells.py

…

test_report_text_cell_numbers.py

报告里照抄查询结果中文本格的名字（「冲压5线」「KX-205 线」）时，名字里的数字不再算裸数字：目录里每次查询的快照中、文本格里带数字的值（至少一个数字、至少一个不是数字的字，本身不是数也不是带单位的数），在正文里一字不差地出现、前后不紧挨着数字的那几段，查裸数字时涂白。组装和出口复核用同一条规则；只认快照里真有的值，不做模糊匹配，同一个数单独写出来照样要出处，数值格不受影响

2026-10-19 17:06:08 +08:00

test_retail_trends_fixture.py

虚构库 retail_trends 与分析题集：26 周的零售订单（截止昨天、固定种子），相对上一个整周埋了八个效应；题集 analysis_suite.json 每个效应一题，期望由平台的分析方法在期望 SQL 上算

2026-10-21 18:12:12 +08:00

test_retrieval_quality.py

…

test_review_analysis.py

复核信号认分析能力一轮的缺口：一次运行里算不了的几次分析并成一条「有 n 次分析没做成」，点名是哪一项、为什么（叫法取契约的 OP_LABELS，不再写 analysis_baseline 这样的工具名；老事件没带这几项的照日志原话），排在第一次出现的位置；分析调用写错（tool.error 带 call_error）后来同一个分析工具做成了是 Agent 照说明改对了，不再报 tool_args_fixed、为它叫一次复核模型，一直没做成的并成一条 analysis_call_failed（缺口，只写说明），不再落成 tool_error（严重、可重来，一次写错的分析会让整轮问数据重来）；判断词核对重写后仍有的照报告节点原话说处数和重写次数。核对过第 1 波新增的日志代码：report_analysis_claims、analysis_refused、metric_comparability_skipped 三种，都已登记、都是缺口、都在只写说明的一组，RETRYABLE / REBUILD 不加。改了一条旧测试：test_analysis_signals_are_registered_as_gaps_that_only_need_a_note 原来断言三种日志正好等于 NOTE_ONLY，NOTE_ONLY 多了 analysis_call_failed 这种不是日志代码的信号，改成比去掉它之后的

2026-10-21 18:08:48 +08:00

test_review_subgraph.py

复核规则对子工作流里失败的那一步只报一条：子图里那一步、子工作流节点各发一条原话相同的 node.failed，以前合成两条「执行失败」（驳回同理两条「被驳回」），问数据的复核提示里同一件事写两遍。现在保留更具体的那一步，名字一层层接上写清在哪个子工作流里（「复核子流程 › 算一下」），不写内部 id；子工作流节点自己失败、原话不同的照报

2026-10-19 09:10:27 +08:00

test_review_verify_codes.py

…

test_review.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_rule_compile.py

规则 DSL 编译成只读 SQL，并用 fixture 验证

2026-11-03 20:50:06 +08:00

test_run_append.py

多进程协调（W2-b）第一步：新增 app/cluster——工作进程在库里登记、心跳续租约（属主随进程，进程没了它认领的行一起到期），调度当班的租约，发给属主进程的停止 / 记事件请求，PostgreSQL 的 LISTEN/NOTIFY 叫醒，跨进程的互斥锁（咨询锁），SQLite 单进程守卫（第二个进程拒绝启动）；运行、问数据一轮、起草 / 剖析 / 探查 / 评测 / 影子起草、文档、发布单记 owner，启动整理改成只接手属主不在了的行，当班进程隔一会儿再接手一次；运行的并发名额改成库里按交互 / 应用 / 定时 / 系统四类发（各有全站上限和优先级，设置里可调），替掉进程内的信号量；同源队记在库里；运行停止、记事件跨进程交给属主；运行事件、问数据事件跨进程转发（库里按 seq 追，不落库的流式增量和保活心跳只转给在看的进程）；每日花费账先占住那一行再读写；访问密钥限流、登录失败计数在 PostgreSQL 时记在库里；登录设置、对外地址、向量模型、能力快照、数据源连接池、应用页面缓存跨进程失效；上传版本库、记录表、按需探查、出具、召回、补算、按需视图、个人刷新、定时发起的锁换成跨进程的锁

2026-10-19 11:40:33 +08:00

test_run_data_versions.py

…

test_run_deadline.py

…

test_run_defaults.py

…

test_run_launch.py

应用库可移植到 PostgreSQL：AGENTLAB_DATABASE_URL 设成 postgresql+asyncpg://… 时整个应用库用 PostgreSQL，断点用官方的 langgraph-checkpoint-postgres（同一个库，AGENTLAB_CHECKPOINT_URL 可另给）；不设时照旧是数据目录里的 SQLite，行为不变

2026-10-19 09:52:09 +08:00

test_run_options.py

应用库可移植到 PostgreSQL：AGENTLAB_DATABASE_URL 设成 postgresql+asyncpg://… 时整个应用库用 PostgreSQL，断点用官方的 langgraph-checkpoint-postgres（同一个库，AGENTLAB_CHECKPOINT_URL 可另给）；不设时照旧是数据目录里的 SQLite，行为不变

2026-10-19 09:52:09 +08:00

test_run_origin_ref.py

…

test_run_races.py

应用库可移植到 PostgreSQL：AGENTLAB_DATABASE_URL 设成 postgresql+asyncpg://… 时整个应用库用 PostgreSQL，断点用官方的 langgraph-checkpoint-postgres（同一个库，AGENTLAB_CHECKPOINT_URL 可另给）；不设时照旧是数据目录里的 SQLite，行为不变

2026-10-19 09:52:09 +08:00

test_run_rejected.py

…

test_run_timing.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_run_tool_precheck.py

…

test_runs_api.py

…

test_runs_cancel_waiting.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_runs_origin_f2.py

…

test_runs_origin_tasks.py

…

test_runtime_sqlcheck.py

…

test_sandbox_errors.py

完善口径管理、主动调查与后台任务，修复通用问题

2026-11-06 17:14:45 +08:00

test_schedule_events_api.py

测试：conftest 把 AGENTLAB_SECRET_KEY、AGENTLAB_SCHEDULER 挪到任何 app.* 导入之前（PostgreSQL 分支先导入 app.db.base 装连接池，settings 那一刻就定下来了，以前单独跑 test_schedule_events_api.py 在 PostgreSQL 上 scheduler_on 是 True）；test_trigger_options 按名字（q）查要核对的那几个对象，不再指望一页 100 个装得下同一个库里别的测试建的工作流和数据源

2026-10-19 14:06:20 +08:00

test_schedule_events_review.py

数据事件触发按复核意见修正：途经驳回、去抖积压、source.changed 补写、按期次分窗口、补算缺省不认、示例出口字段同一套过滤

2026-10-18 18:09:20 +08:00

test_schedule_events_scale.py

列表上「有几条在等」按任务各取各的上限（复核 L4）：等着的事件按任务、还没派发的事件按（事件种类, 对象）用 ROW_NUMBER 各取前 N 条（同改前每个任务各读的那么多），不再所有任务合起来一个上限——积压多的任务会把别的挤掉，它们的 due_at 为空、未派发数少算。补测试

2026-10-19 11:45:55 +08:00

test_schedule_events.py

数据事件触发：去抖中的等待状态补一条断言（几次在等、窗口何时结束）

2026-10-18 16:15:28 +08:00

test_schedule_fire_cursor.py

…

test_schedule_target.py

…

test_scheduler_compare_guards.py

…

test_scheduler_compare.py

…

test_scheduler_cron.py

…

test_scheduler_flag.py

…

test_scheduler_inputs.py

…

test_scheduler_loop.py

…

test_scheduler_notice_rules.py

…

test_scheduler_webhook.py

…

test_schedules_api.py

数据事件触发（后端）：待派发事件表、调度循环派发与去抖、防环、{{ event.* }} 模板变量、接口收 trigger_kind / trigger

2026-10-18 15:53:08 +08:00

test_schema_changes.py

…

test_schema_diff.py

…

test_segment_missing_input.py

…

test_settings_apps_auth.py

…

test_settings_notify.py

…

test_shares.py

撤销分享链接交回的 page_title 是页面标题，和建、列的一样

2026-10-17 09:19:24 +08:00

test_shutdown.py

…

test_signer_verified.py

…

test_source_change_terms.py

…

test_source_changes.py

…

test_source_maintenance.py

剖析任务接口收取值观察范围，对话框给出「取值观察」；定时维护挑不出要观察的表时把原因记进触发记录

2026-10-17 08:51:51 +08:00

test_source_upkeep.py

多进程协调（W2-b）第一步：新增 app/cluster——工作进程在库里登记、心跳续租约（属主随进程，进程没了它认领的行一起到期），调度当班的租约，发给属主进程的停止 / 记事件请求，PostgreSQL 的 LISTEN/NOTIFY 叫醒，跨进程的互斥锁（咨询锁），SQLite 单进程守卫（第二个进程拒绝启动）；运行、问数据一轮、起草 / 剖析 / 探查 / 评测 / 影子起草、文档、发布单记 owner，启动整理改成只接手属主不在了的行，当班进程隔一会儿再接手一次；运行的并发名额改成库里按交互 / 应用 / 定时 / 系统四类发（各有全站上限和优先级，设置里可调），替掉进程内的信号量；同源队记在库里；运行停止、记事件跨进程交给属主；运行事件、问数据事件跨进程转发（库里按 seq 追，不落库的流式增量和保活心跳只转给在看的进程）；每日花费账先占住那一行再读写；访问密钥限流、登录失败计数在 PostgreSQL 时记在库里；登录设置、对外地址、向量模型、能力快照、数据源连接池、应用页面缓存跨进程失效；上传版本库、记录表、按需探查、出具、召回、补算、按需视图、个人刷新、定时发起的锁换成跨进程的锁

2026-10-19 11:40:33 +08:00

test_source_versions_api.py

…

test_spend_ledger.py

…

test_sql_binding.py

…

test_sql_equivalence.py

…

test_sql_guard_scan.py

…

test_sql_guard.py

…

test_sql_left_on_times.py

差异说明投影之后再说；日期条件写在 LEFT JOIN 的 ON 里的说清楚

2026-10-17 11:49:31 +08:00

test_sql_parameter_integrity.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_sql_projection.py

认口径按答案引用的那几列比：整条比不等价时先投影再交现有的绑定和判等价

2026-10-17 11:47:26 +08:00

test_sql_semantics.py

差异说明认得一边套了 ROUND：说「X 套了 ROUND(…, 2)：保留 2 位小数，另一边没有取整」，只陈述写法、不断言值不同，判等价照旧不等价；零售样例题集的期望 SQL 去掉 ROUND(…, 2)（取整交给展示，评分本来按容差比数），评测逐题比 SQL 不再因为期望里的取整一律对不上

2026-10-17 13:31:25 +08:00

test_sql_text_diff.py

…

test_sqlcheck.py

…

test_sqlite_dqs.py

…

test_step_budget.py

…

test_subgraph_end_labels.py

子工作流里那一步结束了运行时各处同一个名字：新增 apps/resolve.end_label（终态事件上记的「子工作流 › x」），定时任务的 Webhook 不再在找不到节点时什么都不写、发布单不再写内部 id「sub/x」；补测试

2026-10-18 18:28:17 +08:00

test_subgraph_evidence.py

补子图查询进入父图账本比对的回归测试

2026-11-03 19:14:23 +08:00

test_subgraph_repeat.py

子工作流里的写入跨升级认旧键时按事件和内容认是谁的、是哪一笔（复核 L1、L2）：升级前子图里的写入按子图里的 id 记键，和父图同名节点的键一样。以前父图有同名节点时一律不认旧键：子图里结果未知的那一笔核实为已生效后接着跑，用新键又发一笔；父图那个节点按自己的键找到子图那一笔、交回它的回执，自己那笔一直发不出去。现在一条记录是哪个节点写的按它的 action.* 事件上记的节点 id 认（认不出的按能力和内容指纹）：按自己的键找到别人那一笔的换一个只属于自己的键；认旧键时还要内容指纹是这一次的——跨升级的循环第二轮按老算法同样是第 1 次执行，找到的是第一轮那一笔，金额不同就照常发，不再记「已经生效」。去掉不再用的最外层节点 id 传递；改对两处过时的说明（审批恢复时子图从自己的断点接着跑；终态事件的途经驳回含子工作流里的）。补跨版本测试：同一个进程里先装成升级前的代码跑到挂起、再换回现在的代码接着跑

2026-10-19 11:43:41 +08:00

test_supervisor.py

…

test_table_imports_api_p3.py

…

test_table_imports_api.py

测试：随机名字不带数字——新增 tests/fixtures/names.letters（uuid4 的十六进制里数字换成字母，同 test_run_data_versions 的写法），dual_check_shop 的数据源名、盲算的调用编号，评测、应用说明检查、导入、遮罩、通知几处测试里拼进文本的随机名字都改用它（以前带着「330」「300」「48」这类数时撞上「文本里不许出现这个数」的断言）；test_eval_schedule 查通知里有没有数时先去掉 32 位编号和发送时间（随机的编号带过「310」）；test_null_not_null_values_fall_back_to_the_model_default 显式导入 app.db.models（单独跑时 schedules 还没登记进元数据，KeyError）。deploy.sh 注明内置库不用 copy-to-postgres 的 --direct-url

2026-10-19 15:16:54 +08:00

test_table_versions_p2.py

应用库可移植到 PostgreSQL：AGENTLAB_DATABASE_URL 设成 postgresql+asyncpg://… 时整个应用库用 PostgreSQL，断点用官方的 langgraph-checkpoint-postgres（同一个库，AGENTLAB_CHECKPOINT_URL 可另给）；不设时照旧是数据目录里的 SQLite，行为不变

2026-10-19 09:52:09 +08:00

test_table_versions_p3.py

多进程端到端验收：scripts/test-multiprocess.sh 用本机 postgres:16 起临时库，tests/test_multiprocess_e2e.py（缺省跳过，AGENTLAB_MULTIPROCESS_E2E=1）在上面起两个 uvicorn 工作进程，用演示模型跑七个场景——两个进程都登记、一个当班；运行由接到请求的进程认领，另一个进程上的流收得到实时事件和流式增量，同一个审批决定同时发给两边只执行一次，两边事件流不重不漏、封存核对得上；跨进程停止；定时只触发一次；全站一个名额时评测的作答运行排着队，后来的问数据运行先拿到名额；两个进程同时记同一本每日账不越过上限；强杀一个进程后在跑的运行被照实标中断、停在审批上的照常在另一个进程上批完、当班交接。顺带修：等名额时被停止也照实收成已取消（以前停在排队中）；当班的本地余量不超过租约的四分之一（租约调短时一直不当班）；启动清理上传半成品时没有别的活着的进程就全清；文件锁守卫的几项测试只在 SQLite 跑；问数据事件日志清理那一拍不带时刻时按现在算

2026-10-19 12:03:35 +08:00

test_table_versions.py

…

test_tabular.py

…

test_task_resume_errors.py

复核 R-b2（单进程下周期整理退回判定中的待办）：当班进程隔一会儿的那一次接手（trust_mine）不论有没有别的进程，停在 resolving 的待办只收拾停了两个租约时长以上的，启动时又没有别的进程的那一次照旧全收拾；顺带把其余周期调用的整理过一遍——结果未知的写入只补停了两个租约时长以上的（收尾和安排核实之间的不碰），问数据没有任务行的老轮次只在启动时整理（老页面开的轮次建图时也是这个样子）。补测试：判定到一半当班进程来一次，待办照样记已处理、那一票不撤回（改前的写法这条不过）

2026-10-19 13:18:23 +08:00

test_team_exhausted.py

…

test_team_live.py

…

test_template_anomaly.py

内置模板 ⑪「异动分析（可追溯）」：两个调用工具节点取数（整体按周 26 周、按地区两周，期次在 SQL 里按每周第一天的日期算出来、整体按周倒序排），分析卡固定做两项（本周的变化放回历史看的波动基线、按地区的可加变化拆解，总数取整体按周的第 0、1 行核对闭合；阈值不写死、取设置），报告撰写节点按受管级别写明最严的几项（含分析说法核对严格），出口按报告来自 + 单元格引用的契约出具。拿来就能按受管级别发布。界面文案白名单加一条：模板 SQL 里中文列别名按 SQLite 加的双引号是 SQL 语法。测试：画布校验、受管发布检查没有错误（模板 ⑨ 一并核）、接一份虚构的四地区 26 周零售库从头运行，两项都做成（明显超出常规波动、主要来自华东）、完整出具

2026-10-21 18:08:59 +08:00

test_template_traceable.py

…

test_text_columns.py

…

test_thinking.py

…

test_tool_args.py

…

test_tool_deadline.py

…

test_tool_evidence.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_tool_node_snapshot_owner.py

…

test_tool_trust.py

…

test_transform_json_error.py

…

test_truncated_results.py

…

test_upgrade_assist.py

…

test_upgrade_evidence.py

…

test_usage_meter.py

没做完的模型调用也计一次：挑表超时被取消的那次不再漏掉

2026-10-17 11:36:50 +08:00

test_user_chat_access.py

…

test_valid_filter_quote.py

…

test_validate_repair.py

…

test_validation_text.py

…

test_value_drift.py

…

test_variables.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_verify_agent_masking.py

…

test_verify_agent.py

口径台账：固定执行、验证审阅发布与增量重导入

2026-11-10 15:05:18 +08:00

test_verify_deadline.py

…

test_verify_labels.py

…

test_verify_rationale_rules.py

…

test_verify_schema_table_arg.py

…

test_verify_settings.py

…

test_verify_settle_timeout.py

…

test_verify_spend.py

…

test_verify_truncation.py

…

test_version_level.py

门禁 G3 加一条：受管级别的报告撰写节点要把「分析说法核对」设为严格（REPORT_POLICY 加 analysis_claims: strict，没写时运行时是 check、只标注）。受管级别挡住发布、已发布级别只警告，写错的值交给校验；已经发布的版本照常运行（按缺省的 check 核），下次发布才按新规则查。同一份要求自动跟到自动修复（一键写明）、一键升级成受管、按口径出具起草的报告节点；自动修复「不许放宽」的判断认这一项（从严格改回去算放宽）；白话补一句分析说法；模板 ⑨ 的报告节点补上这一项，拿来照旧能发布成受管。各处「受管要求都满足」的图（测试夹具）跟着补上这一项

2026-10-21 13:13:04 +08:00

test_web_dist.py

…

test_web_security.py

…

test_whatif_api.py

…

test_whatif_masked_values.py

…

test_whatif_selection.py

…

test_workflow_delete_guard.py

…

test_workflow_pins_process.py

…

test_workflow_rename.py

工作流可以改名：画布顶栏名字旁边、工作流列表每一行多一个「重命名」，两处共用 canvas/WorkflowPicker.renameWorkflow——只改名字，不加版本、不碰图，画布上还没保存的改动原样留着（改的正是打开的这一张时只换它的名字）。服务端 PATCH /api/workflows/{id} 的名字以前原样写入：现在去掉首尾空白，空名 422、超过 200 字 422、和别的工作流同名 409；内置模板不许改名（启动时 seed_defaults 按名字补内置模板，改了名下次启动会再导入一份原名的），界面上也不给模板改名入口，要改就「以此模板新建」。测试 tests/test_workflow_rename.py

2026-10-20 08:18:55 +08:00

test_workflow_restore.py

…

test_workflow_run_count.py

…

test_xlsx_cells.py

…

test_xlsx_scan.py

…