AgentLab

2026-09-30 08:05:15 +08:00

test_agent_guards.py

2026-09-30 08:05:15 +08:00

test_agent_steps.py

2026-09-30 08:05:15 +08:00

test_aiosqlite_close.py

并行支路一条失败时，运行不再永久卡在 running

2026-09-25 15:20:46 +08:00

test_api_messages.py

2026-09-30 08:05:15 +08:00

test_approval_default.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

2026-09-29 05:26:34 +08:00

test_approval_report_check.py

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

test_approval.py

助手改图不再把没说完当成「画布无需修改」：输出被截断、或一个操作都没给时报错，不再对着原图自查、交付；改图额度从 8192 提到 32768，服务方不收时退回 8192；提示词要求不在思考里草拟 JSON

2026-09-30 08:05:15 +08:00

test_autofix_assist.py

2026-09-30 18:05:33 +08:00

test_autofix_governance.py

2026-09-30 08:05:15 +08:00

test_autofix_graph_defaults.py

2026-09-30 08:05:15 +08:00

test_autofix_rules.py

合入报告导出为自包含 HTML（数字点得开口径、来源、计算方式）与可验证报告数字详情里的口径卡一节；和可验证报告的遮罩改造合并：口径卡只给 id 的规则（有指标的值取自遮罩列、文档里写成「已遮罩」的）照旧，随文件附带的卡才附上它的输入指向的查询快照；数字详情保留显示文字核对和超过 2^53 的数照 JSON 原文显示，口径卡一节里输入的值同样照原文；样本页从 16 份变成 17 份

2026-09-30 08:05:15 +08:00

test_bubblewrap_probe.py

生产部署：prod.sh 直接运行，package-docker.sh 打 Docker 离线包（镜像 + 一键部署脚本 + 配置 + 说明）

2026-09-30 09:48:16 +08:00

test_bundle_api.py

期 5 验收修复 N1：取自遮罩格的口径卡指标不进报告文档和可验证报告；显示文字核对堵住紧挨着改字的绕过

2026-10-12 17:23:27 +08:00

test_bundle_build.py

2026-10-13 10:03:24 +08:00

test_bundle_masked_cards.py

期 5 验收修复 N1：取自遮罩格的口径卡指标不进报告文档和可验证报告；显示文字核对堵住紧挨着改字的绕过

2026-10-12 17:23:27 +08:00

test_bundle_masked_metrics.py

期 5 验收修复 N1 第 2 轮：取自遮罩格的指标只按确定取自遮罩列的认、转抄上游口径卡的也认；显示文字核对不误判正常写法，总览有一项无法核对就不给绿色的通过

2026-10-12 19:09:50 +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_bundle_prose_export.py

期 5 验收修复 N1 第 2 轮：取自遮罩格的指标只按确定取自遮罩列的认、转抄上游口径卡的也认；显示文字核对不误判正常写法，总览有一项无法核对就不给绿色的通过

2026-10-12 19:09:50 +08:00

test_bundle_shown.py

期 5 验收修复 N1 第 4 轮：转抄上游口径卡按整张卡、每一次执行认（保守规则）；显示文字白名单收紧复核点名的几类，软换行和金额符号不再误伤

2026-10-12 23:01:09 +08:00

test_bus_attach.py

UI 重构：Copilot 进侧栏，三个页面共用一条助手流

2026-09-17 18:29:16 +08:00

test_caliber_from.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

2026-09-30 08:05:15 +08:00

test_catalog_api.py

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

test_catalog_draft_engine.py

数据目录闭环第一步（后端 A）：起草遗留——宽表逐段落盘、按比例止损、块进度、停止后的说法、同步起草与任务互斥

2026-10-14 08:31:35 +08:00

test_catalog_draft_facts.py

数据目录闭环第一步（后端 A）：防错事实的提议——起草时提议有效行过滤和去重规则

2026-10-14 08:32:44 +08:00

test_catalog_draft_jobs.py

数据目录闭环第一步（后端 A）：宽表收尾那次写不进去时，写进目录的段数照库里逐段写进去的记

2026-10-14 08:35:44 +08:00

test_catalog_draft_settings.py

起草模型的 SDK 不再自己重试：ModelSpec 加 max_retries，build_chat_model 一直传到 SDK 客户端（Bearer 鉴权换上的 Anthropic 客户端也带上）；数据目录起草建的大、小两个模型都是 max_retries=0，429、5xx、网络错误、超时只由起草引擎按失败原因重试（最多 2 次）。以前 openai、anthropic 的 SDK 各自先重试 2 次，叠在引擎的重试上，一段最多发 9 次请求，报错却写「已重试 2 次」，网关限流时还放大流量。不写 max_retries 的调用照 SDK 默认，配方 AI 起草不动

2026-10-13 16:40:07 +08:00

test_catalog_draft.py

起草引擎按验收修正：列分段均分、超时拆小、段大小随模型减半、每段 8 次封顶、提醒、超时与没写出来的计数、模型留空的列、不插队、原因写清哪几段哪几列

2026-10-13 20:30:02 +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

数据目录重新起草不丢内容；库注释就是名字本身或标识符写法的不当中文名

2026-10-13 20:30:02 +08:00

test_catalog_patch.py

合入集成分支（阶段 2A 数据剖析、4B 剖析与 SQL 检查界面及修正）到 4A：两边功能都保留

2026-10-03 12:35:47 +08:00

test_catalog_profile_units.py

数据剖析的码值与时间列：状态类低基数列取值分布写成码值候选（含义待人填写），被遮罩的列不取；日期类列取最小值和最大值，只有一个日期列时提议为业务日期

2026-10-03 11:01:04 +08:00

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

数据目录 F3 / B1 服务端：SQL 只写在 Agent 里的模板也提醒目录变化——发布记录分直接引用和可能涉及两组，Agent 和协作成员绑定了查询工具的源记下所有有目录的表，正式运行两组都比、每张表标明属于哪一组；只记了直接引用的旧记录照旧按直接引用比；哪些节点算写死的查询统一交给 tool_queries

2026-10-04 01:07:15 +08:00

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

测试里建的数据源用完就删：留在共用测试库里的源会混进助手的数据源清单、触发挑表，别的用例的结果随执行顺序变

2026-10-03 11:09:09 +08:00

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

数据目录阶段 4A 术语：服务端上界面的目录校验报错改用界面的叫法，表类型写明细表、度量类型写可累加、关联关系两端写本表字段和目标表，给模型看的说法不变

2026-10-03 12:14:17 +08:00

test_challenge_masking.py

K3b 复核修正（第 1 轮）：数值格按位置认、(表达式).* 带外括号也整份遮、同名 CTE 按作用域认、认不全的写法名单合一、整份遮不再把每一格收成遮罩值、证据摘录分段遮、反方最后一道关只看正文

2026-10-07 01:09:36 +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_challenge_rationale_rules.py

验收第二轮的两处说法：审批质询整理回答那一步超时时，不再建议「缩小问题范围」（问题再小也要整理），改说调大时长上限或换用更快的核查模型，查询中途触顶的那句另补上可调大上限；反方判「被推翻」却没给理由时一句话说清「但没有给出理由」，不再先说「理由没有引用到任何查询结果」再接「反方没有给出理由」，固定的那句补上句号

2026-10-12 15:55:19 +08:00

test_claims_prefilter.py

可点击证据第四期：结论句由模型裁判；只引单元格的问数据图能发成受管

2026-09-29 11:10:53 +08:00

test_code_evidence_role.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

2026-09-30 08:05:15 +08:00

test_code_output.py

代码节点的变量不再带着 print 的换行：一个变量不该有两种判定

2026-09-24 23:15:19 +08:00

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

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

2026-09-30 08:05:15 +08:00

test_contract_cells.py

2026-09-30 08:05:15 +08:00

test_contract_citations.py

2026-09-30 08:05:15 +08:00

test_contract_claims.py

2026-09-30 08:05:15 +08:00

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

2026-09-30 10:04:52 +08:00

test_conversation_status.py

最终验收：148 项逐条复核（原审查 142 条 + 平台问题 6 条），返工后 145 项解决

2026-09-28 02:42:40 +08:00

test_conversations.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

2026-09-30 08:05:15 +08:00

test_copilot_approval_wording.py

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

移除仓库中的商业数据：删掉 21 个相关用例，其余标识符脱敏

2026-09-20 22:52:28 +08:00

test_copilot_entity_guide.py

可点击证据第四期：结论句由模型裁判；只引单元格的问数据图能发成受管

2026-09-29 11:10:53 +08:00

test_copilot_evidence_guide.py

2026-09-30 08:05:15 +08:00

test_copilot_merge.py

2026-09-30 08:05:15 +08:00

test_copilot_patch_layout.py

注释里也去掉工业场景的表述

2026-09-29 19:41:27 +08:00

test_copilot_prompt_evidence.py

2026-09-30 08:05:15 +08:00

test_copilot_scope.py

2026-09-27 23:37:32 +08:00

test_copilot_selfcheck.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

2026-09-27 10:16:32 +08:00

test_copilot_sql_alias.py

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

test_copilot_sqlcheck.py

数据目录 F3 / B8：一键升级的语义层（assist_upgrade）自查、修正轮和最终判断都带上基于数据目录的 SQL 检查器，和发布门禁一个口径——助手改出一对多关联后求和这类 SQL 会交回去改，改不好就作废

2026-10-04 01:09:12 +08:00

test_copilot_stream.py

前端四处直接伤人的地方：输入法回车、覆盖别的图、停止不停、整站白屏

2026-09-25 15:41:30 +08:00

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

助手改图不再把没说完当成「画布无需修改」：输出被截断、或一个操作都没给时报错，不再对着原图自查、交付；改图额度从 8192 提到 32768，服务方不收时退回 8192；提示词要求不在思考里草拟 JSON

2026-09-30 18:05:33 +08:00

test_custom_tool_draft.py

2026-09-27 10:16:32 +08:00

test_custom_tool_schema.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

2026-09-30 08:05:15 +08:00

test_datasource_force_readonly.py

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

test_datasource_preview.py

2026-09-27 23:37:32 +08:00

test_datasource.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-09-30 08:05:15 +08:00

test_datasources_upload.py

2026-10-02 07:38:44 +08:00

test_direct_select.py

Excel 导入改造期 4：证据下钻——报告里引用上传表格的数，点开能看到它来自原表格的哪一格；裁判核对时看得到来源、口径、接受理由和区域外文字

2026-10-02 14:38:10 +08:00

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

M4 复核修正：规范化后不同的行带上所在的子句，ON 挂在 JOIN 那一行的末尾

2026-10-07 01:34:59 +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_rationale_rules.py

M1 复核修正（第 3 轮）：依据两边什么都没有时也判粘连，两个数不再并成一个；只装着依据的括号认【】［］〔〕[]；右边紧贴着下文的半角逗号后面补空格

2026-10-12 12:24:14 +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

运行和 Copilot 分成两层；顺带修了一个会丢事件的时序缺陷

2026-09-18 09:39:24 +08:00

test_engine_cache.py

Excel 导入改造期 1：止血与版本底座——写错的列名不再静默得 0，导入不再悄悄读错，每次上传生成不可变的版本，运行固定发起时的数据版本

2026-10-01 13:42:04 +08:00

test_evidence_api.py

2026-09-28 11:47:23 +08:00

test_evidence_audit.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

2026-09-30 08:05:15 +08:00

test_evidence_challenge_marks.py

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

test_evidence_entities.py

2026-09-30 08:05:15 +08:00

test_evidence_entity_chain.py

2026-09-30 08:05:15 +08:00

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

2026-09-29 05:26:34 +08:00

test_evidence_legacy.py

2026-09-29 05:26:34 +08:00

test_evidence_markers.py

M2 复核第 4 轮：报告自查认遮罩列和证据面板同一个口径，哪张表（含视图）里叫这个名字的列都算；结论句裁判的摘录按快照逐份遮确定取自遮罩列的列；没起别名、盖住全部结果列的表达式算确定取自遮罩列，值照收

2026-09-30 08:05:15 +08:00

test_evidence_mask_memo.py

2026-10-12 13:50:31 +08:00

test_evidence_masked_aliases.py

期 5 验收修复 N1：取自遮罩格的口径卡指标不进报告文档和可验证报告；显示文字核对堵住紧挨着改字的绕过

2026-10-12 17:23:27 +08:00

test_evidence_masks_like_bundle.py

M2 复核第 4 轮：报告自查认遮罩列和证据面板同一个口径，哪张表（含视图）里叫这个名字的列都算；结论句裁判的摘录按快照逐份遮确定取自遮罩列的列；没起别名、盖住全部结果列的表达式算确定取自遮罩列，值照收

2026-10-12 13:50:31 +08:00

test_evidence_metric_masks.py

期 5 验收修复 N1：取自遮罩格的口径卡指标不进报告文档和可验证报告；显示文字核对堵住紧挨着改字的绕过

2026-10-12 17:23:27 +08:00

test_evidence_on_demand_formal.py

M2 复核第 2 轮：报告自查按值认出正文里写着的遮罩值，只数个数的列不再判违规；遮没遮核对不了的输入写「无法核对」；整句面板挂的依据按证据图的标签写

2026-10-12 10:48:19 +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

2026-09-30 08:05:15 +08:00

test_evidence_quotes.py

2026-09-30 08:05:15 +08:00

test_evidence_see_brackets.py

M1 复核修正（第 3 轮）：依据两边什么都没有时也判粘连，两个数不再并成一个；只装着依据的括号认【】［］〔〕[]；右边紧贴着下文的半角逗号后面补空格

2026-10-12 12:24:14 +08:00

test_evidence_tidy_claims.py

结论句判定不再误伤定义句；数字后面重复的单位、see 前面多余的空格在渲染时去掉

2026-09-30 15:03:31 +08:00

test_evidence_unicode_names.py

Excel 导入改造期 1：止血与版本底座——写错的列名不再静默得 0，导入不再悄悄读错，每次上传生成不可变的版本，运行固定发起时的数据版本

2026-10-01 13:42:04 +08:00

test_evidence_validate.py

2026-09-30 08:05:15 +08:00

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

Excel 导入改造期 1：止血与版本底座——写错的列名不再静默得 0，导入不再悄悄读错，每次上传生成不可变的版本，运行固定发起时的数据版本

2026-10-01 13:42:04 +08:00

test_expressions.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-09-30 08:05:15 +08:00

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

汇合节点只跑一次：长短支路不再把它触发两遍，循环的 done 出口也不再被提前放行

2026-09-25 14:33:56 +08:00

test_fixtures_xlsx.py

2026-10-02 07:38:44 +08:00

test_gov_wrapup.py

2026-09-30 08:05:15 +08:00

test_governance_judge.py

2026-09-30 10:04:52 +08:00

test_governance_report_lint.py

2026-09-30 08:05:15 +08:00

test_graph_checks.py

2026-09-27 10:16:32 +08:00

test_guardrails.py

2026-09-30 08:05:15 +08:00

test_health_record.py

验收第二轮的两处说法：审批质询整理回答那一步超时时，不再建议「缩小问题范围」（问题再小也要整理），改说调大时长上限或换用更快的核查模型，查询中途触顶的那句另补上可调大上限；反方判「被推翻」却没给理由时一句话说清「但没有给出理由」，不再先说「理由没有引用到任何查询结果」再接「反方没有给出理由」，固定的那句补上句号

2026-09-27 10:16:32 +08:00

test_inquiry_api.py

2026-10-12 15:55:19 +08:00

test_inquiry_masking_e2e.py

K3b 复核修正（第 1 轮）：数值格按位置认、(表达式).* 带外括号也整份遮、同名 CTE 按作用域认、认不全的写法名单合一、整份遮不再把每一格收成遮罩值、证据摘录分段遮、反方最后一道关只看正文

2026-10-07 01:09:36 +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_rationale_rules.py

验收第二轮的两处说法：审批质询整理回答那一步超时时，不再建议「缩小问题范围」（问题再小也要整理），改说调大时长上限或换用更快的核查模型，查询中途触顶的那句另补上可调大上限；反方判「被推翻」却没给理由时一句话说清「但没有给出理由」，不再先说「理由没有引用到任何查询结果」再接「反方没有给出理由」，固定的那句补上句号

2026-10-12 15:55:19 +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

Excel 导入改造期 1：止血与版本底座——写错的列名不再静默得 0，导入不再悄悄读错，每次上传生成不可变的版本，运行固定发起时的数据版本

2026-10-01 13:42:04 +08:00

test_introspect_constraints.py

数据目录阶段 1A：探查补读外键和唯一约束（读不到就跳过、不写键），新增 50 张表的合成景区库夹具

2026-10-03 09:30:50 +08:00

test_issuance_matched.py

2026-09-28 11:47:23 +08:00

test_issuance_positions.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

2026-09-28 11:47:23 +08:00

test_issuance_upstream_gaps.py

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

test_issuance.py

出具校验认得中文数字了："增长三成、客户两千五百家"不再能盖 formal 章

2026-09-25 15:30:32 +08:00

test_judge_entity_sql.py

结论句裁判看得到表名、字段名出现过的 SQL；讲算法的句子挂到那次查询上

2026-09-29 16:07:19 +08:00

test_judge_excerpt_masks.py

M2 复核第 4 轮：报告自查认遮罩列和证据面板同一个口径，哪张表（含视图）里叫这个名字的列都算；结论句裁判的摘录按快照逐份遮确定取自遮罩列的列；没起别名、盖住全部结果列的表达式算确定取自遮罩列，值照收

2026-10-12 13:50:31 +08:00

test_judge_provenance.py

Excel 导入改造期 4：证据下钻——报告里引用上传表格的数，点开能看到它来自原表格的哪一格；裁判核对时看得到来源、口径、接受理由和区域外文字

2026-10-02 14:38:10 +08:00

test_judge_rework_api.py

2026-09-30 10:04:52 +08:00

test_judge_rework_engine.py

2026-09-30 10:04:52 +08:00

test_judge_rework_grading.py

2026-09-30 10:04:52 +08:00

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

2026-09-27 10:16:32 +08:00

test_kb.py

工具审批三档、智能体护栏取代固定 12 步、检查脚本分道并行

2026-09-28 11:47:45 +08:00

test_layout.py

多 agent 节点在画布上展开协作矩阵，运行时的动效统一成一套语汇

2026-09-25 12:47:07 +08:00

test_lint_contract_report_from.py

2026-09-30 08:05:15 +08:00

test_manage_api.py

2026-09-30 08:05:15 +08:00

test_markup_leak.py

K3b 复核修正（第 1 轮）：数值格按位置认、(表达式).* 带外括号也整份遮、同名 CTE 按作用域认、认不全的写法名单合一、整份遮不再把每一格收成遮罩值、证据摘录分段遮、反方最后一道关只看正文

2026-09-30 08:05:15 +08:00

test_masked_merge_queries.py

M2 复核第 2 轮：报告自查按值认出正文里写着的遮罩值，只数个数的列不再判违规；遮没遮核对不了的输入写「无法核对」；整句面板挂的依据按证据图的标签写

2026-10-12 10:48:19 +08:00

test_masked_metric_values.py

M2 复核第 2 轮：报告自查按值认出正文里写着的遮罩值，只数个数的列不再判违规；遮没遮核对不了的输入写「无法核对」；整句面板挂的依据按证据图的标签写

2026-10-12 10:48:19 +08:00

test_masking_excerpts.py

2026-10-07 01:09:36 +08:00

test_masking_opaque_sql.py

认不全写法的名单补上 Postgres 扩展里记着别的会话 SQL 的视图：pg_stat_monitor（语句原文）、pg_qualstats（条件里的常量）、pg_store_plans（执行计划），交回的就是带号码的原文，和 pg_stat_statements 同一类，工具边界整份遮、可验证报告只给哈希（K3b 统一复核留下的一条）

2026-10-12 13:14:36 +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

K3b 复核修正（第 2 轮）：VALUES、行构造器里的 (表达式).* 和交回复合类型的表值函数整份遮；记着别的会话 SQL 的视图、不只读表结构的 SHOW 和 EXPLAIN 整份遮

2026-10-12 10:50:40 +08:00

test_masking_tool_boundary.py

test_masking_tool_boundary：查金额原值之前先去掉哈希——工件 id、快照里记的哈希是随机的十六进制，偶尔碰巧含「1200」，全量并行时偶发失败

2026-10-13 16:59:58 +08:00

test_masking_values_and_show.py

K3b 复核修正（第 3 轮）：VALUES 当一张表用又读到遮罩列的整份遮，列名按方言认；sys 库读 performance_schema 的 ps_* 函数进认不全的名单

2026-10-12 12:18:34 +08:00

test_masking_whole_rows.py

K3b 复核修正（第 1 轮）：数值格按位置认、(表达式).* 带外括号也整份遮、同名 CTE 按作用域认、认不全的写法名单合一、整份遮不再把每一格收成遮罩值、证据摘录分段遮、反方最后一道关只看正文

2026-10-07 01:09:36 +08:00

test_mcp_cache.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

2026-09-27 10:16:32 +08:00

test_merge_engine.py

数据目录 F3 一致性：查询结果的截断判定抽成 data/engine.py 的 RowCollector，查询层和合并查询都调它，不再各写一遍

2026-10-04 01:08:42 +08:00

test_merge_node.py

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

test_merge_provenance.py

合并查询节点（二）：证据面板展示合并的输入、合并 SQL 和警告，被引用的格沿逐格来历追到输入的那一格并接上输入的查询步骤；推断来源穿过合并下钻到原表格子，追不到的判为没有逐格来历；裁判摘录写明合并的输入并按底层数据源遮罩

2026-10-03 09:36:20 +08:00

test_merge_sqlcheck.py

指标经过合并查询也认得出来源查询的 SQL 检查问题：合并快照没有自己的 checks，顺着 inputs 往下找，源库一对多重复计算的数不再经一次合并就完整出具

2026-10-03 10:40:47 +08:00

test_metric_lineage.py

2026-09-28 11:47:23 +08:00

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

Docker 镜像内置 microVM：构建时装好运行时、预拉沙箱镜像；deploy.sh 检测到 KVM 先试启动一台，起得来才交给容器；没有 KVM 时服务端不再选 microVM

2026-09-30 11:19:25 +08:00

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

2026-09-30 08:05:15 +08:00

test_names.py

Excel 导入改造期 1：止血与版本底座——写错的列名不再静默得 0，导入不再悄悄读错，每次上传生成不可变的版本，运行固定发起时的数据版本

2026-10-01 13:42:04 +08:00

test_nested_loops.py

嵌套循环的内层每轮都从头数：max_iterations 是"每进来一次"的上限，不是整次运行合计

2026-09-25 23:14:50 +08:00

test_net_fake_ip.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

2026-09-30 08:05:15 +08:00

test_openai_stream_usage.py

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

test_p3_api_errors.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

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

Excel 导入改造期 4：证据下钻——报告里引用上传表格的数，点开能看到它来自原表格的哪一格；裁判核对时看得到来源、口径、接受理由和区域外文字

2026-10-02 14:38:10 +08:00

test_provenance_api.py

Excel 导入改造期 4：证据下钻——报告里引用上传表格的数，点开能看到它来自原表格的哪一格；裁判核对时看得到来源、口径、接受理由和区域外文字

2026-10-02 14:38:10 +08:00

test_provenance_contract.py

合并查询节点（二）：证据面板展示合并的输入、合并 SQL 和警告，被引用的格沿逐格来历追到输入的那一格并接上输入的查询步骤；推断来源穿过合并下钻到原表格子，追不到的判为没有逐格来历；裁判摘录写明合并的输入并按底层数据源遮罩

2026-10-03 09:36:20 +08:00

test_provenance_db.py

Excel 导入改造期 4：证据下钻——报告里引用上传表格的数，点开能看到它来自原表格的哪一格；裁判核对时看得到来源、口径、接受理由和区域外文字

2026-10-02 14:38:10 +08:00

test_provenance_unchanged.py

M2 复核第 1 轮：合并查询按合并 SQL 认遮罩列，报告自查只拦确定取自遮罩列的格子，推演和证据面板对指标原值同一个判断，面板认法和可验证报告同一个函数

2026-10-12 10:17:40 +08:00

test_provenance.py

Excel 导入改造期 4：证据下钻——报告里引用上传表格的数，点开能看到它来自原表格的哪一格；裁判核对时看得到来源、口径、接受理由和区域外文字

2026-10-02 14:38:10 +08:00

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

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

2026-09-30 08:05:15 +08:00

test_publish_sqlcheck.py

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

test_query_column_types.py

可点击证据第二期：取数链路打通、问数据的答案逐段可点；发布前自动修复

2026-09-28 21:20:04 +08:00

test_query_deadline.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-09-30 08:05:15 +08:00

test_readonly_source.py

只读数据源真的只读了：WITH … DELETE 不再从首关键字下面钻过去，连接本身也写不进去

2026-09-25 14:44:56 +08:00

test_recipe_acceptance_p3.py

2026-10-02 07:38:44 +08:00

test_recipe_acceptance.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_accumulate.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_ai.py

Excel 导入改造期 2：配方引擎与确认向导——表从哪一行哪一列开始、哪些是合计、日期怎么补年份，都写进一份可校验的配方；首次导入经人确认，之后每期按配方重放并核对

2026-10-01 22:00:07 +08:00

test_recipe_checks.py

Excel 导入改造期 2：配方引擎与确认向导——表从哪一行哪一列开始、哪些是合计、日期怎么补年份，都写进一份可校验的配方；首次导入经人确认，之后每期按配方重放并核对

2026-10-01 22:00:07 +08:00

test_recipe_compare.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_confirm_p3.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_confirm.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_contract.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_diff_p3.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_diff.py

Excel 导入改造期 2：配方引擎与确认向导——表从哪一行哪一列开始、哪些是合计、日期怎么补年份，都写进一份可校验的配方；首次导入经人确认，之后每期按配方重放并核对

2026-10-01 22:00:07 +08:00

test_recipe_e2e.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_engine_crosstab.py

Excel 导入改造期 4：证据下钻——报告里引用上传表格的数，点开能看到它来自原表格的哪一格；裁判核对时看得到来源、口径、接受理由和区域外文字

2026-10-02 14:38:10 +08:00

test_recipe_engine_list.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_engine_messages.py

Excel 导入改造期 2：配方引擎与确认向导——表从哪一行哪一列开始、哪些是合计、日期怎么补年份，都写进一份可校验的配方；首次导入经人确认，之后每期按配方重放并核对

2026-10-01 22:00:07 +08:00

test_recipe_engine_p3.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_fixes.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_imports_p3.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_imports.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_mutations.py

Excel 导入改造期 2：配方引擎与确认向导——表从哪一行哪一列开始、哪些是合计、日期怎么补年份，都写进一份可校验的配方；首次导入经人确认，之后每期按配方重放并核对

2026-10-01 22:00:07 +08:00

test_recipe_notes_p3.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_notes.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_perf.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_select.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_suggest.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_validate_p3.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_recipe_validate.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

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

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

2026-09-30 08:05:15 +08:00

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

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

test_report_cells.py

2026-09-30 08:05:15 +08:00

test_report_claims.py

修好报告证据回归测试的偶发失败：假模型按共用列表的最后一项（budgets[-1]）认这一次抽取要的额度，几个 Agent 并行抽取时，别的 Agent 刚要的大额度会算到这一个头上，该截断重试的这次成了一次过；改成额度跟着发起抽取的那个任务走（ContextVar）。单独连跑 30 次全过（以前约五到十二次挂一次），产品代码没有竞争

2026-09-30 08:05:15 +08:00

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

2026-10-12 14:26:43 +08:00

test_report_export_masked_metrics.py

报告导出成 HTML 时，升级前写的老文档里取自遮罩列的指标写「已遮罩」：正文引用了、证据目录里却还带着原值的那几个，按可验证报告认老文档的同一个判断（certain_masks + bundle/build.py 的 withheld_metric_aliases，只认确定取自遮罩列的）照现在的报告撰写节点的写法改写，正文、按钮提示和出处链里都不出现原值；普通指标照常，现在写的文档本来就是「已遮罩」

2026-10-13 10:04:30 +08:00

test_report_export.py

报告导出为自包含 HTML（数字点得开口径、来源、计算方式）；可验证报告的数字详情补齐口径卡一节

2026-10-10 12:59:21 +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

M2 复核第 4 轮：报告自查认遮罩列和证据面板同一个口径，哪张表（含视图）里叫这个名字的列都算；结论句裁判的摘录按快照逐份遮确定取自遮罩列的列；没起别名、盖住全部结果列的表达式算确定取自遮罩列，值照收

2026-09-30 10:04:52 +08:00

test_report_masked_any_table.py

2026-10-12 13:50:31 +08:00

test_report_masked_card_copies.py

期 5 验收修复 N1 第 4 轮：转抄上游口径卡按整张卡、每一次执行认（保守规则）；显示文字白名单收紧复核点名的几类，软换行和金额符号不再误伤

2026-10-12 23:01:09 +08:00

test_report_masked_cells.py

M2 复核第 3 轮：报告自查只查引用、别的表里同名的列不算；裁判摘录退回只按数据源设的遮罩列；收遮罩值只收确定取自遮罩列的值；遮罩分析和收到的值按快照工件记在进程里

2026-10-12 12:33:32 +08:00

test_report_masked_copy_any_run.py

期 5 验收修复 N1 第 4 轮：转抄上游口径卡按整张卡、每一次执行认（保守规则）；显示文字白名单收紧复核点名的几类，软换行和金额符号不再误伤

2026-10-12 23:01:09 +08:00

test_report_masked_copy_closure.py

期 5 验收修复 N1 第 4 轮：转抄上游口径卡按整张卡、每一次执行认（保守规则）；显示文字白名单收紧复核点名的几类，软换行和金额符号不再误伤

2026-10-12 23:01:09 +08:00

test_report_masked_metric_sure.py

期 5 验收修复 N1 第 2 轮：取自遮罩格的指标只按确定取自遮罩列的认、转抄上游口径卡的也认；显示文字核对不误判正常写法，总览有一项无法核对就不给绿色的通过

2026-10-12 19:09:50 +08:00

test_report_masked_metrics.py

期 5 验收修复 N1：取自遮罩格的口径卡指标不进报告文档和可验证报告；显示文字核对堵住紧挨着改字的绕过

2026-10-12 17:23:27 +08:00

test_report_masked_precision.py

M2 复核第 4 轮：报告自查认遮罩列和证据面板同一个口径，哪张表（含视图）里叫这个名字的列都算；结论句裁判的摘录按快照逐份遮确定取自遮罩列的列；没起别名、盖住全部结果列的表达式算确定取自遮罩列，值照收

2026-10-12 13:50:31 +08:00

test_report_masked_values.py

期 5 验收修复 N1：取自遮罩格的口径卡指标不进报告文档和可验证报告；显示文字核对堵住紧挨着改字的绕过

2026-10-12 17:23:27 +08:00

test_report_node.py

结论句判定不再误伤定义句；数字后面重复的单位、see 前面多余的空格在渲染时去掉

2026-09-30 15:03:31 +08:00

test_report_schema.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

2026-09-30 08:05:15 +08:00

test_report_see_placement.py

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

2026-09-30 08:05:15 +08:00

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

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。

2026-09-30 08:05:15 +08:00

test_run_append.py

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

界面与交互全面翻修（前两波）：运行态有了 HUD 和时间轴，终态会收尾，全站令牌、组件、文案统一

2026-09-26 23:11:31 +08:00

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

2026-09-30 08:05:15 +08:00

test_run_timing.py

2026-09-30 08:05:15 +08:00

test_run_tool_precheck.py

2026-09-30 08:05:15 +08:00

test_runs_api.py

2026-09-27 23:37:32 +08:00

test_runs_cancel_waiting.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」

2026-09-27 10:16:32 +08:00

test_runtime_sqlcheck.py

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

test_sandbox_errors.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

2026-09-27 23:37:32 +08:00

test_schedule_fire_cursor.py

M4：触发历史的翻页游标写成 Z 结尾，照原样拼进查询串也能翻页

2026-10-07 00:02:15 +08:00

test_scheduler_compare_guards.py

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

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-09-30 08:05:15 +08:00

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

服务重启不再把运行记成"用户取消"；接着跑也不再替人答掉下一个审批

2026-09-25 16:05:14 +08:00

test_source_versions_api.py

2026-10-02 07:38:44 +08:00

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

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

2026-09-29 05:26:34 +08:00

test_sql_guard.py

只读数据源真的只读了：WITH … DELETE 不再从首关键字下面钻过去，连接本身也写不进去

2026-09-25 14:44:56 +08:00

test_sql_semantics.py

M4 复核修正：规范化后不同的行带上所在的子句，ON 挂在 JOIN 那一行的末尾

2026-10-07 01:34:59 +08:00

test_sql_text_diff.py

M4 复核修正：规范化后不同的行带上所在的子句，ON 挂在 JOIN 那一行的末尾

2026-10-07 01:34:59 +08:00

test_sqlcheck.py

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

test_sqlite_dqs.py

Excel 导入改造期 1：止血与版本底座——写错的列名不再静默得 0，导入不再悄悄读错，每次上传生成不可变的版本，运行固定发起时的数据版本

2026-10-01 13:42:04 +08:00

test_step_budget.py

2026-09-30 08:05:15 +08:00

test_supervisor.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-09-30 08:05:15 +08:00

test_table_imports_api_p3.py

2026-10-02 07:38:44 +08:00

test_table_imports_api.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_table_versions_p2.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_table_versions_p3.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_table_versions.py

Excel 导入改造期 3：网格交互、自助修复、按期累积——每月的报表可以累积成一份跨月的表，漂移了点修复按钮就能接着导入，网格上框一块就能写进配方，版本页可以回滚、移除一期、清除原件

2026-10-02 07:38:44 +08:00

test_tabular.py

Excel 导入改造期 2：配方引擎与确认向导——表从哪一行哪一列开始、哪些是合计、日期怎么补年份，都写进一份可校验的配方；首次导入经人确认，之后每期按配方重放并核对

2026-10-01 22:00:07 +08:00

test_team_exhausted.py

2026-09-30 08:05:15 +08:00

test_team_live.py

界面与交互全面翻修（前两波）：运行态有了 HUD 和时间轴，终态会收尾，全站令牌、组件、文案统一

2026-09-26 23:11:31 +08:00

test_template_traceable.py

2026-09-28 11:47:23 +08:00

test_text_columns.py

可点击证据第二期：取数链路打通、问数据的答案逐段可点；发布前自动修复

2026-09-28 21:20:04 +08:00

test_thinking.py

工具调用失败能自救；agent 改成一步一个工具

2026-09-18 17:57:20 +08:00

test_tool_args.py

M4：db_schema 认整个写成一个字符串的 JSON 数组的表名

2026-10-07 00:02:15 +08:00

test_tool_deadline.py

2026-09-30 08:05:15 +08:00

test_tool_evidence.py

2026-09-30 08:05:15 +08:00

test_tool_trust.py

2026-09-30 08:05:15 +08:00

test_transform_json_error.py

2026-09-30 08:05:15 +08:00

test_truncated_results.py

测试里建的数据源用完就删：留在共用测试库里的源会混进助手的数据源清单、触发挑表，别的用例的结果随执行顺序变

2026-10-03 11:09:09 +08:00

test_upgrade_assist.py

2026-09-30 08:05:15 +08:00

test_upgrade_evidence.py

2026-09-30 08:05:15 +08:00

test_validate_repair.py

2026-09-27 10:16:32 +08:00

test_validation_text.py

2026-09-30 08:05:15 +08:00

test_variables.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

2026-09-30 08:05:15 +08:00

test_verify_agent_masking.py

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_rationale_rules.py

M1 复核修正（第 3 轮）：依据两边什么都没有时也判粘连，两个数不再并成一个；只装着依据的括号认【】［］〔〕[]；右边紧贴着下文的半角逗号后面补空格

2026-10-12 12:24:14 +08:00

test_verify_schema_table_arg.py

M4：db_schema 认整个写成一个字符串的 JSON 数组的表名

2026-10-07 00:02:15 +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_settle_timeout.py

M1 复核修正（第 1 轮）：去掉只装着依据的括号不再把两边的数字粘成另一个数；括号去掉之后外面照一个依据再收拾；换行不算句末；核查 agent 的理由按渲染后的正文判有没有给；反方审稿收尾超时按时长上限说

2026-10-07 01:19:26 +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