ThearchyHelios c8127852a7 K3b：新测试文件去掉没用到的导入

2026-10-06 23:25:16 +08:00

..

fixtures

合入期 4 整合 J1：双盲复算写业务日期加类型门槛（两边的时间列都在表结构里声明为日期 / 时间类型才写，原因说清是哪一列）；跟上 SQL 差异说明收尾的测试与预览夹具（time_range 改为兜底变体，新增 time_column）；按位置取自另一份快照遮罩列的输入判为无法复算；可验证报告里被改过、解析不出的口径卡按内容认遮罩

2026-10-06 16:23:26 +08:00

bundle_samples.py

可验证报告：查询快照只给哈希时照实说明原因，样本页和浏览器检查补「遮罩源上的汇总查询可核对」

2026-10-06 17:11:41 +08:00

conftest.py

复核套件骨架（后端）：先把后续几个工作包要用的位置占好，各包只改自己的文件。节点类型加双盲复算 dual_check、反方审稿 challenge，执行器是占位（记一条 info 日志后跳过，产出 skipped 和原因），校验按普通节点走，叫法进 labels，暂不写进助手的节点说明。出具契约留一个通用口子：成果节点上游任何节点产出里的 issuance_gaps（字符串列表）收进缺口，前面加上「节点类型「节点名」：」，出具随之降档、不会升档；只认这个成果的上游，写坏的条目跳过。路由先登记 schedules、compare、bundle、inquiry、whatif 五个空前缀，挂在 /api/runs 下的四个排在 runs.router 之前，以后加固定路径不会被 /{run_id} 吃掉。定时任务的调度先放空的 start / stop，AGENTLAB_SCHEDULER 默认开、0 / false / off 关，写进设置；启动时开着才 start，测试环境默认关

2026-10-04 23:40:20 +08:00

test_acceptance_retail_fixture.py

真实模型验收用的虚构零售库：60 天订单截止昨天，埋退款行、下单日和支付日错开、取消单三个口径陷阱，华南每周都高于华东（供反方审稿推翻错话），手机号列供遮罩验收；append_day 给定时任务验收制造「只数据变」；测试守住陷阱确实在、同一天生成的库一样

2026-10-06 11:44:58 +08:00

test_agent_cited_fields.py

…

test_agent_guards.py

…

test_agent_steps.py

…

test_aiosqlite_close.py

…

test_api_messages.py

…

test_approval_default.py

…

test_approval_report_check.py

交给人工审批的报告，探索运行也在节点里裁判结论句：审批人批准前就能看到判了几句、几句证据相矛盾。按需裁判要等运行封存之后才能判，封存前放开会动证据清单的完整性约束，所以这种报告改在节点里当场判，和正式运行同一条路；没有审批的探索运行照旧按需判，不在节点里花钱。审批节点审哪几份报告的认法抽成 reviewed_report_ids，审批卡和报告节点共用，两边说的「要人审」对得上。审批卡上没开裁判的探索报告改写「这份报告没有开启结论句裁判……开启后，交给审批的报告会在批准前判完」；开了裁判却没在节点里判的老运行另给一句。助手指引、出口契约注释、前端类型注释同步；审批暂停时按需裁判仍拒绝，测试改成只看点击不多一次调用

2026-10-04 12:03:14 +08:00

test_approval.py

…

test_autofix_assist.py

…

test_autofix_governance.py

…

test_autofix_graph_defaults.py

…

test_autofix_rules.py

…

test_bubblewrap_probe.py

…

test_bundle_api.py

可验证报告接口测试：真跑一次，遮罩库上只汇总消费额的查询快照随文件附带

2026-10-06 17:12:56 +08:00

test_bundle_build.py

可验证报告：查询快照只给哈希时照实说明原因，样本页和浏览器检查补「遮罩源上的汇总查询可核对」

2026-10-06 17:11:41 +08:00

test_bundle_masked_cards.py

可验证报告复核修复（第 2 轮）：SQL 解析不了的快照，口径卡同样整张只给 id；整行引用补全函数记法、按表函数的先后认；拒绝名单补别的会话的 SQL 原文

2026-10-06 19:21:23 +08:00

test_bundle_masked_queries.py

可验证报告复核修复（第 2 轮）：SQL 解析不了的快照，口径卡同样整张只给 id；整行引用补全函数记法、按表函数的先后认；拒绝名单补别的会话的 SQL 原文

2026-10-06 19:21:23 +08:00

test_bus_attach.py

…

test_caliber_from.py

…

test_catalog_api.py

A2 模型起草一项都没写进去时不再算成功：认出没有 tables 外壳的单个表对象；结构化输出是空壳（只有表名、没有可用字段）时改走纯文本再问一次；某张表最终没有可用内容记 model_error「模型没有给出这张表的可用内容」；起草结果每张表多一个 model_items（模型给了几项可用内容），界面据此区分「和现有目录一致」与「模型没给内容」；「没有变化」改为只说起草出的内容与现有目录一致，另加「目录没有更新」一句；假模型能模拟空壳、单个对象、某条路不可用三种实测回复

2026-10-04 02:19:26 +08:00

test_catalog_draft.py

A2 模型起草一项都没写进去时不再算成功：认出没有 tables 外壳的单个表对象；结构化输出是空壳（只有表名、没有可用字段）时改走纯文本再问一次；某张表最终没有可用内容记 model_error「模型没有给出这张表的可用内容」；起草结果每张表多一个 model_items（模型给了几项可用内容），界面据此区分「和现有目录一致」与「模型没给内容」；「没有变化」改为只说起草出的内容与现有目录一致，另加「目录没有更新」一句；假模型能模拟空壳、单个对象、某条路不可用三种实测回复

2026-10-04 02:19:26 +08:00

test_catalog_impact.py

数据目录 F3 / B1 界面：运行横幅、时间线和版本历史把 Agent 可能查询的表和直接引用分开说——直接引用写「有变化」，可能涉及写「Agent 可能查询的表有变化」并另起一组；版本历史按新的发布记录两组列出，发布之后才建目录的表也列；补发布记录两种写法的单测和三个检查脚本的断言

2026-10-04 01:24:50 +08:00

test_catalog_merge.py

…

test_catalog_patch.py

…

test_catalog_profile_units.py

…

test_catalog_profile.py

剖析也核实外键关系的基数：外键只保证被指向的键唯一，子表一侧一行还是多行看数据；以前跳过外键，扇出检查对外键来的一对多只能报警告，受管发布挡不住订单关联明细后对订单金额求和。来源、状态、覆盖率不动，只补基数和「用数据核实过」

2026-10-04 03:38:31 +08:00

test_catalog_publish_drift.py

…

test_catalog_render.py

冻结的数据目录有了读取方：证据接口的查询步骤带上表结构快照 id 和这条查询用到的表当时的目录版本，证据面板写「数据目录：订单 第 3 版」；冻结时保留被驳回关系的编号和状态（不放内容），新增按冻结的那份重建 SQL 检查器的 frozen_checker，驳回过的外键关系不会被推回来

2026-10-04 02:00:17 +08:00

test_catalog_runtime.py

…

test_catalog_schema_truncated.py

只探查了部分表时，查结构工具不再对没探查到的表说「没有」：说明不在已探查范围、无法判断，并给出查数据字典的办法

2026-10-04 01:31:16 +08:00

test_catalog_semantics.py

A7 剖析写进目录的说明不再写日期：以前写的是 UTC 日期（at[:10]），和界面上按本地时间显示的修改时间对不上；改为「数据剖析：…」，时间以这一项的 updated_at 为准。is_profile_note 同时认升级前带日期的「数据剖析（日期）：」；same_profile_note 继续兼容旧数据：只差日期、或一段带日期一段不带的同一结论都算相同，升级后重新剖析不会给每张表升版本

2026-10-04 02:19:26 +08:00

test_catalog_store.py

A6 扇出检查只在一对多确有其事时报错误：关系人工确认过，或数据剖析在数据上核实过子表一侧的键不唯一（关系上记 cardinality_checked，子表太大没核对的不算）才给 error；只凭外键结构推出的一对多降为 warning，说法改成「可能重复计算」，下一步写确认关联表里每个键只有一行、或先汇总再关联；人工编辑提交里带的 cardinality_checked 不作数；级别说明「结果必然有误」改为不夸大的说法；2B、F1 的测试按新规则更新：外键 + verified → warning，剖析核实过 → error，人工确认 → error

2026-10-04 02:19:26 +08:00

test_catalog_terms.py

…

test_challenge_masking.py

K3b：交给核查 agent 的证据摘录先遮；反方审稿的理由过最后一道关

2026-10-06 23:11:22 +08:00

test_challenge_node.py

K3 复核修正（第 2 轮）：* 把遮罩列带进别的列名时按展开落到的位置遮；函数参数里的 JSON 箭头认作遮罩列；agent 查到的遮罩值和报告里的分开记，上限收满也不丢

2026-10-06 20:29:58 +08:00

test_claims_prefilter.py

…

test_code_evidence_role.py

…

test_code_output.py

…

test_compare_api.py

运行对比的默认基准（GET /api/runs/{id}/compare/base）带上 previous：基准是不是紧挨着的上一次，取 pick_base 现成算好的那个值，和定时任务自动对比记下的 previous 同一个语义

2026-10-06 16:42:29 +08:00

test_compare_engine.py

运行对比加固（收尾）：区域等维度列设了遮罩时照样拿它核对两次引用的是不是同一批行，说明只写行号、不写值，挤出引用行段的和真的少了分得清，没挪的照常是数据变化；补单格反方向、归因维度按两边各自引用的行认、写入者改了配置时不严格拆分、并行支路查询四处守护用例

2026-10-05 16:41:59 +08:00

test_compare_guards.py

运行对比加固（收尾）：区域等维度列设了遮罩时照样拿它核对两次引用的是不是同一批行，说明只写行号、不写值，挤出引用行段的和真的少了分得清，没挪的照常是数据变化；补单格反方向、归因维度按两边各自引用的行认、写入者改了配置时不严格拆分、并行支路查询四处守护用例

2026-10-05 16:41:59 +08:00

test_continue_run.py

…

test_contract_cells.py

…

test_contract_citations.py

…

test_contract_claims.py

…

test_contract_fenced_body.py

出口契约认藏在代码块里的正文改为逐行标出代码：写明是文字的块不再因为一行 SQL、一行像 YAML 的键或 + / - 要点就整块当代码，公式、JSON、目录树这类像数据的行照代码看

2026-10-06 19:51:29 +08:00

test_contract_judge.py

…

test_conversation_status.py

…

test_conversations.py

…

test_copilot_approval_wording.py

助手写人工审批的说明不再许诺「正式出具」：真实运行里一次探索运行的审批写着「批准后才会正式出具」，成果节点也没有出具契约。节点手册的 human 一条写明只有成果节点配了出具契约、从已发布版本发起的正式运行才会出具，审批说明写「批准后输出」，运行类别由审批卡标明；自查新增 human_formal_issuance：这一轮写的审批标题、说明里有「正式出具」就交回模型改

2026-10-04 11:07:40 +08:00

test_copilot_challenge_guide.py

反方审稿复核修正：没有出处的结论不采信，推荐接法下审批卡有报告，重试和接着跑不重审、不拿旧审稿冒充

2026-10-05 15:08:53 +08:00

test_copilot_claims_default.py

助手搭多来源汇总的分析报告时默认开结论句裁判：节点手册的 report 一条写明几个 Agent 分头查库、或者几次查询合在一起写成的分析报告默认写 claims: judge，不写 judge 的预算（取设置里的默认），正式运行在节点里自动判、探索运行由读的人按需判，用户明确不要的不加。和受管级别「judge 必须写预算、拿不准就问」的取舍：那条只管要按受管级别发布的模板，普通草稿里默认开的 judge 不为预算问人；发布前修复缺预算要问的规矩不变。问数据路径原本定了不替人打开结论句策略，保留，并写明这条默认在问数里不适用

2026-10-04 11:10:28 +08:00

test_copilot_context.py

…

test_copilot_entity_guide.py

…

test_copilot_evidence_guide.py

…

test_copilot_merge.py

…

test_copilot_patch_layout.py

…

test_copilot_prompt_evidence.py

…

test_copilot_scope.py

…

test_copilot_selfcheck.py

…

test_copilot_sql_alias.py

助手写查库 SQL 时给结果列起中文别名：真实运行里报告表格的表头全是英文缩写的原始列名（[[table:]] 原样用查询结果的列名）。节点手册里 Agent 查库的说明和写 SQL 的硬性要求都加上一条：结果列用中文别名，按方言加标识符引号（MySQL / MariaDB 用反引号，PostgreSQL、Oracle、SQLite 用双引号，不用单引号），只给最外层 SELECT 起别名；自查的列名核对把带引号的中文标识符抹掉再判，不再因为有带引号的中文别名就整条放弃核对、把猜错的英文列名一起放过去

2026-10-04 11:13:12 +08:00

test_copilot_sqlcheck.py

…

test_copilot_stream.py

…

test_copilot_table_pick.py

没有数据目录的大库：助手「参考了 N 张表」那一行提示先起草目录。真实运行里的大库一张目录都没有，挑表和 SQL 检查都用不上目录，用户也不知道该先去起草。服务端 context 操作的每个数据源多带 source_id 和 catalog_tables（去掉驳回项后还有内容的表数）；前端 copilotContext 在要挑表的大库 catalog_tables 为 0 时给出下一步「这个数据源还没有数据目录，起草后挑表和 SQL 检查会更准」，入口直达 /data/catalog/:sourceId（几个库时点名，老服务端不给目录表数时不提示）。check-decode、check-stream、check-chat 补断言

2026-10-04 11:28:49 +08:00

test_copilot_truncation.py

…

test_custom_tool_draft.py

…

test_custom_tool_schema.py

…

test_datasource_force_readonly.py

数据源查询工具加 force_readonly：核查的 agent 另起一路、没有审批关卡兜底，要查的源却可能可写。开了就不管源可不可写，一律按只读守卫检查：先过一遍和 run_query 相同的检查（多条语句、结构变更照原来的说法拒），再按只读判，写语句交回「这次查询只允许读取数据」、不执行，数据原样；查询照常落查询快照。工具描述跟着写「只读」，审批判定也不再把写语句当危险调用。只靠守卫这一道：连接池按源缓存、不分只读与否，不能为此另起一个只读池（缓存键相同，会把这个源平时用的可写连接换成只读）。build_datasource_tools 透传这个参数，不传时一切照旧

2026-10-05 00:26:04 +08:00

test_datasource_preview.py

…

test_datasource.py

…

test_datasources_upload.py

…

test_direct_select.py

…

test_dual_check_config.py

双盲复算复核整改：指标自己的筛选范围不再写成有效记录条件，盲算不再看到原流程的列名，差异说明收窄到这一格

2026-10-05 15:54:03 +08:00

test_dual_check_executor.py

双盲复算复核整改：指标自己的筛选范围不再写成有效记录条件，盲算不再看到原流程的列名，差异说明收窄到这一格

2026-10-05 15:54:03 +08:00

test_dual_check_facts.py

测试里三行超过 120 字的断开写，和周围代码的行宽一致

2026-10-06 17:06:23 +08:00

test_dual_check_fixture.py

双盲复算复核修正（第 1 轮）：业务日期只认带日期的类型、原因按哪一边说清；遮罩列在子查询或 WITH 里改了名不再收窄，交给盲算的分组取值按 SQL 认出取自遮罩列的；按位置取的格点名原因、认不出出处的不写进计算式、不再改变容器输入的判法

2026-10-06 13:42:51 +08:00

test_dual_check_node.py

K3 复核修正（第 1 轮）：后面的查询按此前遮掉的值遮、质询工件照回答时记下的位置重放；表值函数拆开遮罩列也认；汇总遮罩列的指标不派盲算；反方理由按值遮

2026-10-06 19:11:14 +08:00

test_dual_check_upload.py

双盲复算写业务日期：真写按写入时的版本重读上传表格导入时认作日期的列，几个列表块写同一张表时每一块都记为日期才算

2026-10-06 18:03:12 +08:00

test_emit_order.py

…

test_engine_cache.py

…

test_evidence_api.py

…

test_evidence_audit.py

…

test_evidence_challenge_marks.py

证据图的每份报告带上被反方审过的句子 → 判断（challenge_verdicts）：正文据此给被审句子挂句末标记，不逐句请求片段接口；和片段接口的 unit.challenge 共用同一个读审稿的迭代（_reviews），每句取最后跑完、审到了它的那次审稿，审稿记录丢了按产出里列的那几句，节点报错按审完时的日志；一句都没审的报告没有这个键

2026-10-06 12:02:03 +08:00

test_evidence_entities.py

…

test_evidence_entity_chain.py

…

test_evidence_judge_api.py

核查模型的输出额度改为 16384、服务方嫌大时退回 4096，截断照实说：工具循环、收尾的每次调用都看有没有到了上限被截断

2026-10-06 12:58:37 +08:00

test_evidence_judge.py

核查模型的输出额度改为 16384、服务方嫌大时退回 4096，截断照实说：工具循环、收尾的每次调用都看有没有到了上限被截断

2026-10-06 12:58:37 +08:00

test_evidence_legacy_guess.py

…

test_evidence_legacy.py

…

test_evidence_markers.py

…

test_evidence_metric_masks.py

证据接口复核整改（后端）：反方审稿带整份报告的真实计数、跑停运行的审稿照样认得，双盲复算的跳过原因按指标说，遮罩核对不了的宁可多遮

2026-10-06 09:20:09 +08:00

test_evidence_query_catalog.py

证据接口查询步骤的 schema_artifact、catalog 只在这条查询对照过数据目录时才加：没有目录的源、老快照的查询步骤和以前一字不差（期 4 的金样逐字比对）

2026-10-04 02:35:33 +08:00

test_evidence_query_chain.py

…

test_evidence_quotes.py

…

test_evidence_tidy_claims.py

…

test_evidence_unicode_names.py

…

test_evidence_validate.py

…

test_evidence_verify_status.py

证据接口测试跟上期 4 合并：反方审稿节点的产出带着 unreviewed（没能反查的句数），句子的 challenge 照样带上，两条整句比对的期望补上这个键

2026-10-06 11:37:22 +08:00

test_excel_p1_integration.py

…

test_expressions.py

…

test_extract_truncation.py

结构化抽取被截断时加大额度重试，仍截断就照实说是额度在推理阶段用完了

2026-10-04 11:02:06 +08:00

test_fan_in.py

…

test_fixtures_xlsx.py

…

test_gov_wrapup.py

…

test_governance_judge.py

…

test_governance_report_lint.py

…

test_graph_checks.py

…

test_guardrails.py

…

test_health_record.py

…

test_inquiry_api.py

K3 复核修正（第 2 轮）：* 把遮罩列带进别的列名时按展开落到的位置遮；函数参数里的 JSON 箭头认作遮罩列；agent 查到的遮罩值和报告里的分开记，上限收满也不丢

2026-10-06 20:29:58 +08:00

test_inquiry_masking_e2e.py

K3b：新测试文件去掉没用到的导入

2026-10-06 23:25:16 +08:00

test_inquiry_masking.py

K3b：分档写在派生来源里、外层按它分组的标签列照常显示，和当分组键的 CASE 一样

2026-10-06 22:52:28 +08:00

test_inquiry_usage.py

追加事件收紧几处，封存后追加的质询不计进运行用量。复核提出：停在审批时追加只看运行还停着，关于第一张审批卡的质询问完时运行可能已经批过它、停到了第二张上，问答照样写进去；没有终态事件的老封存运行追加之后 verify 由一致变成不一致；返回给调用方的事件 id 和库里的不一样；测试证明不了先落库再广播；封存后追加的质询平时不计用量，继续运行之后又被计进去。

2026-10-05 01:18:03 +08:00

test_introspect_broken_view.py

…

test_introspect_constraints.py

…

test_issuance_matched.py

…

test_issuance_positions.py

…

test_issuance_upstream_gaps.py

出具缺口不再把节点类型说两遍：上游缺口的前缀在节点名就是类型叫法时只写一次（「反方审稿：」），双盲复算、反方审稿的缺口正文去掉自带的类型（「推翻了 1 句结论：…」「指标「X」两路结果不一致，审核人选择了盲算结果」）；时间线和报错里那句照旧带主语

2026-10-05 18:45:59 +08:00

test_issuance.py

…

test_judge_entity_sql.py

…

test_judge_provenance.py

…

test_judge_rework_api.py

…

test_judge_rework_engine.py

…

test_judge_rework_grading.py

…

test_judge_settings.py

核查模型的输出额度改为 16384、服务方嫌大时退回 4096，截断照实说：工具循环、收尾的每次调用都看有没有到了上限被截断

2026-10-06 12:58:37 +08:00

test_judge_truncation.py

证据裁判截断的回复整批不采信，截断另记 judge_truncated，时间线的下一步指到换模型

2026-10-06 14:30:15 +08:00

test_kb_progress.py

…

test_kb.py

…

test_layout.py

…

test_lint_contract_report_from.py

…

test_manage_api.py

…

test_markup_leak.py

…

test_masking_opaque_sql.py

K3b：认不全的 SQL 写法整份遮——(表达式).* 展开、表名和 SQL 写在字符串里的函数、分析出意外或超出工作量上限；LATERAL 看不见它自己；一长串 CTE 不再卡住

2026-10-06 23:03:35 +08:00

test_masking_reformatted_numbers.py

K3 复核修正（第 1 轮）：后面的查询按此前遮掉的值遮、质询工件照回答时记下的位置重放；表值函数拆开遮罩列也认；汇总遮罩列的指标不派盲算；反方理由按值遮

2026-10-06 19:11:14 +08:00

test_masking_star_renames.py

K3 复核修正（第 3 轮）：写了库名的表按「库名.表名」查表结构；UNION 第一支按表结构数出的列名要和后面每一支一样宽才用；整行引用、函数参数里的 *、表的列名表、TABLE x、PIVOT 这类认得出

2026-10-06 21:50:48 +08:00

test_masking_table_functions.py

K3 复核修正（第 2 轮）：* 把遮罩列带进别的列名时按展开落到的位置遮；函数参数里的 JSON 箭头认作遮罩列；agent 查到的遮罩值和报告里的分开记，上限收满也不丢

2026-10-06 20:29:58 +08:00

test_masking_tool_boundary.py

K3b：新测试文件去掉没用到的导入

2026-10-06 23:25:16 +08:00

test_masking_whole_rows.py

K3 复核修正（第 3 轮）：写了库名的表按「库名.表名」查表结构；UNION 第一支按表结构数出的列名要和后面每一支一样宽才用；整行引用、函数参数里的 *、表的列名表、TABLE x、PIVOT 这类认得出

2026-10-06 21:50:48 +08:00

test_mcp_cache.py

…

test_merge_engine.py

…

test_merge_node.py

合并查询的警告带上结构化字段：键类型不一致带 keys、detail，行数放大带 rows、input、input_rows、duplicates，结果截断带 rows、max_rows，随运行日志一起发出，界面读字段，不再从中文原话里解析

2026-10-04 02:17:32 +08:00

test_merge_provenance.py

…

test_merge_sqlcheck.py

…

test_metric_lineage.py

…

test_metric_value_artifact.py

口径卡给容器型 vars 输入另存完整值（value_artifact），供数字推演重算

2026-10-05 03:26:43 +08:00

test_microvm_kvm.py

…

test_model_budget.py

核查、证据裁判退回小额度时多认两种拒绝，被嫌大过的接入记在进程里

2026-10-06 14:29:48 +08:00

test_model_error.py

…

test_names.py

…

test_nested_loops.py

…

test_net_fake_ip.py

…

test_openai_stream_usage.py

模型不在价格目录里时运行金额写「金额无法估算」，不写 $0：真实运行里 token 记到了上百万，金额却是 $0，看着像没花钱。llm.end 发出时，用了 token、模型却不在价格目录里的标 unpriced（目录里标 0 价的本地模型不算）；运行用量按 llm.end 数出 unpriced_calls，成功的运行也补上（状态里的用量分不出 0 是免费还是没价）。运行详情、画布运行面板、航迹的金额：一分都没估出来写「金额无法估算」，估出一部分写「≥ $x」，悬停说几次调用不在价格目录中。check-trace 补断言；流式用量测试和注释里的真实调用次数换成概括说法

2026-10-04 12:27:38 +08:00

test_p3_api_errors.py

…

test_positional_masks_elsewhere.py

双盲复算复核修正（第 1 轮）：业务日期只认带日期的类型、原因按哪一边说清；遮罩列在子查询或 WITH 里改了名不再收窄，交给盲算的分组取值按 SQL 认出取自遮罩列的；按位置取的格点名原因、认不出出处的不写进计算式、不再改变容器输入的判法

2026-10-06 13:42:51 +08:00

test_provenance_acceptance.py

…

test_provenance_api.py

…

test_provenance_contract.py

…

test_provenance_db.py

…

test_provenance_unchanged.py

…

test_provenance.py

…

test_provider_ref_checks.py

模型接入报错收尾（第 1 轮复核，后端）：交给设置的核查、裁判落到演示模型照实说；给不出修复时说卡在哪里；接入名恰好是模型名那句按这一处检查器里有哪几栏写；修复规划只重算被改的节点；助手栏那一格另给一份说法；几处措辞对齐

2026-10-06 19:43:44 +08:00

test_provider_ref_landing.py

模型接入报错收尾（第 1 轮复核，后端）：交给设置的核查、裁判落到演示模型照实说；给不出修复时说卡在哪里；接入名恰好是模型名那句按这一处检查器里有哪几栏写；修复规划只重算被改的节点；助手栏那一格另给一份说法；几处措辞对齐

2026-10-06 19:43:44 +08:00

test_provider_ref_runtime.py

模型接入报错的说法与修复候选收尾（后端）：修复规划只否决这次改动造成的失败、问题只认自己那一处的修复、没有修复时提示不指到发布前检查、落到演示类接入照实说；各处说法对齐

2026-10-06 17:29:18 +08:00

test_provider_ref_wording.py

模型接入报错收尾（第 1 轮复核，后端）：交给设置的核查、裁判落到演示模型照实说；给不出修复时说卡在哪里；接入名恰好是模型名那句按这一处检查器里有哪几栏写；修复规划只重算被改的节点；助手栏那一格另给一份说法；几处措辞对齐

2026-10-06 19:43:44 +08:00

test_provider_resolution.py

模型接入报错收尾（第 1 轮复核，后端）：交给设置的核查、裁判落到演示模型照实说；给不出修复时说卡在哪里；接入名恰好是模型名那句按这一处检查器里有哪几栏写；修复规划只重算被改的节点；助手栏那一格另给一份说法；几处措辞对齐

2026-10-06 19:43:44 +08:00

test_publish_check_api.py

…

test_publish_sqlcheck.py

数据目录 F2b / B3 跟进：合入 F2a 之后一对多关联后重复计算也可能只是提醒级（只凭外键推出的一对多），发布前检查不能再按规则编号认级别——服务端最小改动：门禁里 SQL 检查的问题带上检查本来的级别 sql_level（别的问题不带、序列化时不出现），界面按它写「错误 / 提醒」和拦不拦；老服务端不给时按受管档的 level 认；补后端测试和检查脚本

2026-10-04 02:52:43 +08:00

test_query_column_types.py

…

test_query_deadline.py

…

test_readonly_source.py

…

test_recipe_acceptance_p3.py

…

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

…

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

…

test_recipe_engine_p3.py

…

test_recipe_fixes.py

…

test_recipe_imports_p3.py

…

test_recipe_imports.py

…

test_recipe_mutations.py

…

test_recipe_notes_p3.py

…

test_recipe_notes.py

…

test_recipe_perf.py

…

test_recipe_select.py

…

test_recipe_suggest.py

…

test_recipe_validate_p3.py

…

test_recipe_validate.py

…

test_recompute_followups.py

推演重算与口径卡共用取整函数，补推演两处测试缺口

2026-10-05 18:50:34 +08:00

test_recompute.py

证据接口复核整改（后端）：反方审稿带整份报告的真实计数、跑停运行的审稿照样认得，双盲复算的跳过原因按指标说，遮罩核对不了的宁可多遮

2026-10-06 09:20:09 +08:00

test_replay_side_effects.py

…

test_report_absence_claim.py

清单有省略时不许断言「没有数据」：写作规则加一条，核对认出缺失断言交回重写一次，仍有的只标注

2026-10-04 11:28:23 +08:00

test_report_catalog_budget.py

证据目录的省略警告照实说省略了什么：放不下不一定省略了查询。真实运行里查询全部列出、只是有的只列前几行，警告却写「0 次只列编号和摘要（）。写作模型看不到这些查询的明细」。现在分三种写：有查询只列编号和摘要的照旧；查询都列出、有的只列前几行的写「N 次查询都列出了数据，其中 M 次只列前 3 行」并按来源列次数；只省略了表和字段说明的照实说。事件多带 compact、compact_rows，各来源带 compact；时间线按同样三种写标题。另外把测试夹具、注释和 check-decode 里沿用的那次运行的真实查询次数换成虚构的次数或概括说法

2026-10-04 12:28:07 +08:00

test_report_cells.py

…

test_report_claims.py

…

test_report_datetime_display.py

报告里单元格的 ISO 日期时间显示成「2026-06-30 08:21:39」，只改显示

2026-10-04 11:33:09 +08:00

test_report_evidence_regression.py

清单有省略时不许断言「没有数据」：写作规则加一条，核对认出缺失断言交回重写一次，仍有的只标注

2026-10-04 11:28:23 +08:00

test_report_fenced.py

整篇包在 ``markdown 里、中间再套一段一样长的 ``sql 时照样去掉外层围栏：带信息串的一行开、不带的一行收，两两配对。以前一样长的内层围栏一律不去，模型最常见的这种写法仍是 0 句结论，裁判和反方审稿没有句子可审，正式运行照样出具

2026-10-06 13:32:38 +08:00

test_report_judge.py

…

test_report_node.py

…

test_report_schema.py

…

test_report_see_placement.py

写作指引说清 [[see:]] 只放句末、码值写含义（A4、B4）：写作规则后面加两条，依据标记渲染后不显示，写进句子中间会留下「以 为依据」这样的断句；涉及码值时写含义（「作废记录」），不写码值本身，数字核对不放宽。组装报告时认出拿得准的句中写法（「以 [[see:…]] 为」「根据、按照、基于、参见、详见 [[see:…]]」）记 inline_see，交回写作者重写，重写不好也不判失败；助手写报告节点的指引同样写明这两条

2026-10-04 02:24:49 +08:00

test_report_sqlcheck_cells.py

降档时报告页顶部写明出具档位和原因（B5）：出具声明和 issuance 事件另带结构化的 sql_checks（哪次查询、问题、受影响的引用、对应的缺口），证据页签在报告上方放出具横幅，SQL 检查导致的降档单列一块写在显眼处、不在其余缺口里重复；不是完整出具时「N 个数字都有出处」不再画成绿色

2026-10-04 02:33:15 +08:00

test_retrieval_quality.py

…

test_review_verify_codes.py

期 4 复核修正（第 1 轮，后端）：预告组合先算个数再列、上限按每项算，核查 agent 的两个日志代码归类，未能反查的句数守住不多于无法判断

2026-10-06 09:31:00 +08:00

test_review.py

…

test_run_append.py

追加事件收紧几处，封存后追加的质询不计进运行用量。复核提出：停在审批时追加只看运行还停着，关于第一张审批卡的质询问完时运行可能已经批过它、停到了第二张上，问答照样写进去；没有终态事件的老封存运行追加之后 verify 由一致变成不一致；返回给调用方的事件 id 和库里的不一样；测试证明不了先落库再广播；封存后追加的质询平时不计用量，继续运行之后又被计进去。

2026-10-05 01:18:03 +08:00

test_run_data_versions.py

修好数据版本测试的偶发失败：几条断言靠「第二版的 100 不在报错原文里」证明没改用当前版本，原文里却带着十六进制的随机源名，约五百个名字就有一个含「100」，断言无缘无故变红（和并行、时序、文件句柄无关）；源名改成只有字母，另加一条守住这个约定

2026-10-05 18:45:59 +08:00

test_run_deadline.py

运行时限测试的两处说明对上代码：下游余量那条写剩 239 秒时不再开始（代码查的就是 239），慢写报告那条写明写报告的执行器换成了要 3 秒的替身

2026-10-06 14:32:30 +08:00

test_run_defaults.py

…

test_run_launch.py

发起时就定下的事件和运行记录同一个事务写进事件流：受管级别那条日志、目录变化、口径升版处置以前在 run_manager.start 返回之后另外写，这时运行已经建好、执行任务已经起了。其中任何一次写失败（库被锁超过等待时长之类），launch_run 抛出普通异常，运行却在执行；定时任务按「LaunchRefused 以外的异常记未能发起」会把一次正在执行的正式运行记成未能发起，封存范围里也少了受管级别那条日志（governed_formal 找不到它就退回看工作流现在的 status，中途改过画布的会按已发布级别出具）。另外这几条和执行抢先后，运行结束得快时可能落到封存之后。

2026-10-05 01:18:43 +08:00

test_run_options.py

运行记下选项快照和来源：runs 加 options（JSON，默认 {}）和 schedule_id（可空，建索引）两列。后面的核查设置要在发起时定下、整次运行沿用，审批停下期间改了设置，恢复和重放仍按发起时的（同 approval_default 的道理）；定时任务要能找回自己发起的运行。RunManager.start 收 options、schedule_id 并落库，选项先深拷一份，调用方之后改自己的 dict 不影响快照；选项非空时写进每一段的 run.started（进封存范围），为空时 run.started 和以前逐字相同；恢复、继续运行照运行记录沿用，节点从 RunContext.extra 的 run_options 读同一份拷贝。RunOut 带 schedule_id，GET /api/runs 可按 schedule_id 筛，launch_run 原样往下交。旧库走 _COLUMN_MIGRATIONS 补列，存量运行回填 {} 和 NULL；create_all 不碰已有的表，新列的索引另由 _INDEX_MIGRATIONS 补建，索引名和新库 create_all 建出来的相同

2026-10-05 00:07:07 +08:00

test_run_races.py

…

test_run_timing.py

…

test_run_tool_precheck.py

…

test_runs_api.py

…

test_runs_cancel_waiting.py

…

test_runtime_sqlcheck.py

报告直接引用没通过 SQL 检查的查询时出具降档：报告里引用的查询格子、表格和依据（含合并查询的输入）有错误级检查就记缺口；按出问题的那条查询归并，同一条查询算出几个指标、又被引用时只记一句并列出受影响的引用；运行日志也按查询归并成一行，带上受影响的指标、问题、检查结果、来源节点和要改的栏；写作目录里给这些查询标「存疑」

2026-10-04 01:52:24 +08:00

test_sandbox_errors.py

…

test_scheduler_compare_guards.py

定时任务自动对比复核整改（后端）：只比成功的运行、按发起先后挑上一次成功的基准、和两边的封存绑定，对比挪到认领之前在锁外做并限时限并发；失败通知的处理行不再重复原因

2026-10-06 08:48:56 +08:00

test_scheduler_compare.py

运行对比的默认基准（GET /api/runs/{id}/compare/base）带上 previous：基准是不是紧挨着的上一次，取 pick_base 现成算好的那个值，和定时任务自动对比记下的 previous 同一个语义

2026-10-06 16:42:29 +08:00

test_scheduler_cron.py

定时任务小修：数字按 isdecimal 认，输入生成失败的原因不再说成模板写错

2026-10-05 08:50:57 +08:00

test_scheduler_flag.py

定时任务后台：三张表、输入模板、调度循环和 Webhook 推送，设置加「通知」一组

2026-10-05 08:37:57 +08:00

test_scheduler_inputs.py

定时任务小修：输入模板的字段名去掉首尾空白再存，后台通知任务的异常记日志

2026-10-05 08:47:18 +08:00

test_scheduler_loop.py

定时任务遗留问题：失败通知不再许诺能继续运行、30 天前的触发停在审批上照样推送、调度循环测试不再依赖整分边界

2026-10-05 18:39:10 +08:00

test_scheduler_notice_rules.py

定时任务自动对比复核整改（后端）：只比成功的运行、按发起先后挑上一次成功的基准、和两边的封存绑定，对比挪到认领之前在锁外做并限时限并发；失败通知的处理行不再重复原因

2026-10-06 08:48:56 +08:00

test_scheduler_webhook.py

定时任务自动对比复核整改（后端）：只比成功的运行、按发起先后挑上一次成功的基准、和两边的封存绑定，对比挪到认领之前在锁外做并限时限并发；失败通知的处理行不再重复原因

2026-10-06 08:48:56 +08:00

test_schedules_api.py

定时运行结束后自动和同一定时任务的上一次对比：结果存成工件记在触发记录上，触发历史和通知只给计数摘要与对比页链接

2026-10-05 18:45:59 +08:00

test_segment_missing_input.py

…

test_settings_notify.py

定时任务后台：三张表、输入模板、调度循环和 Webhook 推送，设置加「通知」一组

2026-10-05 08:37:57 +08:00

test_shutdown.py

…

test_source_versions_api.py

…

test_sql_equivalence.py

SQL 差异说明收尾（第 2 轮）：PostgreSQL 符号运算符和 || 混用不判等价；条件写在聚合里、时间窗口、反连接、经主键定死的列不再说错

2026-10-06 08:10:41 +08:00

test_sql_guard_scan.py

…

test_sql_guard.py

…

test_sql_semantics.py

SQL 差异说明收尾：前缀的 NOT 后面同一段里既有谓词、又有算术 / 拼接 / 按位运算时（NOT status IN (…) * amount），SQLite 里 NOT 最松、sqlglot 读成 (NOT …) * amount，不在语法树上判等价、只给兜底；48 种组合两种方言都不再判等价，常见的 NOT … IN、NOT … = 照样认得出等价改写。模块说明照实列出仍做不到的几类说明准确度问题（Unix 秒的时间列、带 time 的时长列、被函数定死的列）

2026-10-06 09:18:10 +08:00

test_sqlcheck.py

A6 扇出检查只在一对多确有其事时报错误：关系人工确认过，或数据剖析在数据上核实过子表一侧的键不唯一（关系上记 cardinality_checked，子表太大没核对的不算）才给 error；只凭外键结构推出的一对多降为 warning，说法改成「可能重复计算」，下一步写确认关联表里每个键只有一行、或先汇总再关联；人工编辑提交里带的 cardinality_checked 不作数；级别说明「结果必然有误」改为不夸大的说法；2B、F1 的测试按新规则更新：外键 + verified → warning，剖析核实过 → error，人工确认 → error

2026-10-04 02:19:26 +08:00

test_sqlite_dqs.py

…

test_step_budget.py

…

test_supervisor.py

…

test_table_imports_api_p3.py

…

test_table_imports_api.py

…

test_table_versions_p2.py

…

test_table_versions_p3.py

…

test_table_versions.py

…

test_tabular.py

…

test_team_exhausted.py

…

test_team_live.py

…

test_template_traceable.py

…

test_text_columns.py

…

test_thinking.py

…

test_tool_args.py

…

test_tool_deadline.py

…

test_tool_evidence.py

…

test_tool_trust.py

…

test_transform_json_error.py

…

test_truncated_results.py

…

test_upgrade_assist.py

…

test_upgrade_evidence.py

…

test_validate_repair.py

…

test_validation_text.py

…

test_variables.py

…

test_verify_agent_masking.py

K3 复核修正（第 3 轮）：写了库名的表按「库名.表名」查表结构；UNION 第一支按表结构数出的列名要和后面每一支一样宽才用；整行引用、函数参数里的 *、表的列名表、TABLE x、PIVOT 这类认得出

2026-10-06 21:50:48 +08:00

test_verify_agent.py

核查 agent 复核修正：数值字段的各种写法都换成格子引用、认不出的结构下的数不采信；退回普通调用时把结构写进消息，没交的字段不再算「查不到」；收尾的钱按最贵的样子留、留过的不再被上限拦；永远不抛

2026-10-05 01:46:55 +08:00

test_verify_deadline.py

运行时限测试的两处说明对上代码：下游余量那条写剩 239 秒时不再开始（代码查的就是 239），慢写报告那条写明写报告的执行器换成了要 3 秒的替身

2026-10-06 14:32:30 +08:00

test_verify_labels.py

双盲复算、反方审稿的字段与取值叫法挪到 labels.py：field_label、option_label 按节点类型说「盲算模型」「结论被推翻时」「只标注」这些检查器上的叫法，发布门禁、升级预览不再说成通用的「模型」「启用」；schema.py 照旧再导出，校验和执行器的报错取同一份

2026-10-05 18:45:44 +08:00

test_verify_settings.py

保存设置、画布校验、发布时就查出点名了不存在或已停用的模型接入

2026-10-06 13:04:50 +08:00

test_verify_spend.py

核查花费账：engine/spend.py 照结论句裁判的每日计数做一本核查用的每日账（设置表 verify_spend 一行，按本地日期滚动）。调用前按估算预留，加上这笔会超过每日上限就不记、返回 None，上限为 None 表示不限；调用后按实际用量找补，跨了天不找补；价格目录里没有的模型只计次数。和裁判分开记：核查一次要查好几轮库、花得多，记在同一本账上会把当天的裁判挤到判不了、让报告出具无故降档。读改写按事件循环各持一把锁，并发预留不会一起越过上限

2026-10-05 00:06:03 +08:00

test_verify_truncation.py

核查截断的回复一律不采信，触顶原因的先后照旧，截断的建议按模型从哪来的说

2026-10-06 14:30:03 +08:00

test_version_level.py

…

test_web_dist.py

…

test_whatif_api.py

数字推演复核修正（第 3 轮）：决定取哪一格的容器不再给可勾的行段，包着它的引用给了新值时不再说不准

2026-10-05 07:37:02 +08:00

test_whatif_selection.py

数字推演复核修正（第 2 轮，后端）：整个指标推演不了的不改动也照实说，完整值找不回来的数组排除行后不再报「无变化」

2026-10-05 06:49:33 +08:00

test_workflow_delete_guard.py

…

test_workflow_restore.py

…

test_xlsx_cells.py

…

test_xlsx_scan.py

…