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

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_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.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

数据目录 F1-A2：在目录页去掉外键约束、命名推断、数据剖析、模型起草得出的关联关系改为驳回、保留编号，只有人工添加的才真正删除；改了两端的旧关系同样驳回。以前删掉的推断关系下次起草又加回来，关系图按表结构现推也会带回来，照样驱动 SQL 检查和助手挑表。表结构推得出的人工关系（人工改过基数的外键关系）去掉时也只驳回。编辑界面上这类关系不给「删除」只给「驳回」（保存时等同单项驳回，可撤销），检查脚本跟上

2026-10-04 01:07:35 +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_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

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_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_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_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_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

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

test_evidence_entities.py

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

test_evidence_entity_chain.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

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

test_evidence_judge_api.py

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

test_evidence_judge.py

结论句裁判小批分波地问：一次调用最多 8 句（原来 40 句），第一批单独问、之后每波最多 4 批同时问，几批共用剩下的时长；超时只丢没回来的那几批，回来的判定照样留下。真实运行里推理模型拿着 40 句的摘录在 30 秒的时长上限内没回来，交给审批的报告一句都没判成，审批卡只能写全部未裁判；同一个模型 5 句一批 3 秒多就回来了。金额上限按已花的加这一波已定下的估算算；第一批调不通（鉴权、网关挂了）时只撞这一次，后面的统一记未裁判

2026-10-04 12:27:38 +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

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

2026-09-27 10:16:32 +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

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

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

test_issuance_upstream_gaps.py

2026-10-04 23:40:20 +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_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

2026-09-30 08:05:15 +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

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

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.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_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_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

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

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_judge.py

2026-09-30 10:04:52 +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.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_run_data_versions.py

2026-10-02 07:38:44 +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_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

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

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

test_scheduler_flag.py

2026-10-04 23:40:20 +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_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_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

SQL 语义复核修正：同一个口径不再因为子查询里的别名、HAVING 里的别名被报成不同；取哪几行逐段比，连同 OFFSET 和取前几行时的排序

2026-10-05 01:46:55 +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

2026-09-30 08:05:15 +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

核查工具箱收尾：连接的方面补上另一侧（关联条件里出现的别的表，CROSS JOIN 写它之前的来源），双盲复算对照数据目录里的关系时用得上；只读 agent 收尾前先拿到收尾用的模型再预留金额，模型拿不到时不在每日账上白记一次调用；收尾消息的参数改名 limit_words，说清是哪个上限的说法

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

test_verify_agent.py

2026-10-05 00:42:02 +08:00

test_verify_settings.py

核查设置：设置里加 verify 一组，双盲复算、反方审稿、审批质询共用。核查模型（接入、模型）空着沿用证据裁判模型的取值链；双盲复算 {启用, 允许的相对误差默认 1e-6, 查询次数, 时长}、反方审稿 {启用, 每份报告最多审几句, 每句查询次数, 时长}、审批质询 {启用, 每次查询次数, 时长}，另有核查每日金额上限，上限存 null 表示不限。写法照裁判一组：PUT 先查后写，有一项不对整个请求回 422、说明写设置页上的叫法；库里存坏的项读出来按默认，三项各自那一组逐项补。verify_settings(session) 给节点和质询接口读，verify_model_spec(session, node_config) 按节点 → 设置 → judge_model_spec 取模型，整组取一级、不跨级拼。核查的每日计数不从设置接口进出，另加只读的 GET /api/settings/verify/spend 给设置页看今天花了多少

2026-10-05 00:06:03 +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_version_level.py