gplan-2/design/engineering/test-conventions.md

测试规范（Dungeon Sweeper）

约束范围：game/probe/ 与 game/sim/、game/tests/ 与一切场景探针的编写与验收。 分工：测试执行许可（什么时候允许跑测试）归 AGENTS.md「硬性红线·测试执行两入口铁规」；跑什么闸、什么顺序归 tools/run_all_gates.sh（脚本即清单，本文与 AGENTS.md 均不另列）；本文管测试怎么写、怎么算合格。每件测试工具是什么、判什么、怎么单独跑、什么时候适合单独用——见 game/tests/README.md（测试工具手册），本文不重复工具介绍。 归属：随游戏逻辑写/改的测试＝需求改动的一部分（随需求卡片同批落地）；不伴随逻辑改动的纯测试维护＝工程改动（不写卡，用户发令直改）。

定测试方案前必须通读本文。

---

1. 测试总纲——"存在"必须证明"可达且正确"

核心层验收标准通过不算有测试：GDScript 编译不查字典字段与时序，呈现层错误只在运行时暴露。 测试必须证明功能可达（用户真的能用到）且行为正确（结果符合验收标准）。

2. 场景级探针标配

每新增一个可交互 UI 区域（视图/覆盖层/面板），必须配套场景级 headless 探针： 真实实例化场景 → 驱动真实输入路径 → 断言可见性与状态。

凡模态覆盖层，探针必须断言：打开后自身 visible 且遮挡物已隐藏（模态被遮挡 = 功能存在但不可达）。

3. 缺陷修复必须沉淀回归断言

每个缺陷修复必须在探针或冒烟中留下能抓住该缺陷的断言（例：封印动作耗尽 AP → 必须进入第 2 轮； 选用道具 → 库存态必须变 Used）。没有回归断言的修复视为未完成。

4. 验证时机（合回后远端 CI 制，2026-11-03 换代）

开发期窄测义务不变：每批开发中，本批新增/改动的验收测试自己跑绿即收口（卡内只测自己改的东西，process-conventions §6）。全量验证归合回后的远端 CI：git merge 合回 master 落地后 post-merge 钩子推送 origin master，远端按改动域分流跑 tools/run_all_gates.sh（游戏码批＝不带参数档两域全量、单元与集成测试全套件——跨卡触面与关联档选测的盲区由全量兜底；文档批＝文档域秒级闸；分流算法单点＝tools/ci/domain_route.sh），远端结果用 tools/ci_check.sh <合并提交> 按需现查（读 run 自身 status/conclusion，只呈报、不落盘——合回不等待、不唤醒，process-conventions §1 第 3 条）；CI 红态下修复合回落地即再推再验追绿（修复走新开 fix-<任务名> 修复 worktree，process-conventions §1）。同一份字节禁止第二次人手跑。该脚本是全部验证闸的唯一入口与唯一清单，域划分与选闸算法只写在脚本里，本文禁另列闸件清单。 行为探针使用随机化玩家行为（封印/停手/刷新/无效点击）——自动玩家不做的动作就是测试盲区。

5. 测试函数怎么写——验收清单条目的落码规范

需求卡片 §8「改动—验收对照表」每一条都要落成可执行的验证；本文定统一写法，卡里定每批的具体内容（测什么/注入哪里）。写卡期查不出执行载体的条目=不可测，当场呈报，禁拖到实现期。

1. 执行载体五选一，逐条声明：单元测试（tests/run_all）／系统测试断言（tests/system_test.gd）／场景探针（probe/ 下 *_probe）／MC 同种子逐项比对／人工核对（仅限无法自动化的纪律类需求点，如命名锁定、数值占位）。行为类条目以自动化载体为主。

2. 粒度与对应关系：每条清单条目至少一个自动断言，且断言必须从该条目的真实入口进入；多条条目可合用一个测试函数，但每条都要有自己单独可判红的判据（取证口径见 §8.4 唯一口径——禁变异/禁撤销）。断言失败消息末尾带编号尾缀〔卡短名 Vn〕（如〔秘宝批 V3〕）——断言与卡片清单可互相 grep 查找。Kit.check_quiet 静默收集形态（计数不入判定即打印、失败消息进 problems 汇总）的断言已入 tools/extract_checks.py 扫描面（2026-11-02 提取器改版：三通道同口径提取，静默通道条目 quiet 列记 channel:check_quiet），验收尾缀 grep 对该通道有效。

3. 断言词汇按验证对象五选一：

   词汇	适用场景
   逐位相等	同种子下确定性公式与结算的精确逐项比对
   区间/差值带	概率与平衡读数（MC 同种子配对比较，出带即红）
   快照比对	存档域结构、配置表行结构
   重放	同种子断点回放、改前改后配对
   状态/计数器断言	条件解锁、限次、充能——置数据→走路径→断计数值

4. 调试注入两层（能力测试与流程体验两分法的落码面）：自动化测试=测试代码直调核心层写口构造状态（直改数据表行/计数器/存档域，不经 UI、不走正常资源积累流程——冒烟现役做法）；人工体验=DebugOverlay/DS_DEBUG 调试面，服务用户目检（发布态该面恒隐、无 UI 开启口，开发期临时启用＝本地改 _debug_entry 缺省、不提交；能力测试不经 UI，本条口径不受影响）。清单条目的「怎么测」必须写到数据面粒度：改哪张表哪行、置哪个计数、调哪个核心写口。

5. 换代批旧验证约束同生死：删除旧数据行/旧实现代码的批次，必须同批摘除只验证旧实现的断言与护栏校验，由新断言替代——旧件断言残留=冒烟假绿来源；合并后冒烟全绿且全仓无旧件残留引用为证。

6. 违约通道类需求点必须落独立负面套件（2026-10-28 立）：预期运行期违约/致命路径的需求点（handler 通道、fail-fast 分支）一律落独立负面套件并按 manifest 登记 expect=1, negative=true，禁落现役非负面套件——headless 下 assert 失败必产不可捕获的 SCRIPT ERROR，非负面套件的输出被错误扫描命中即假红（先例＝reward_dangling_treasure／counter_prefix_fatal／extended_row_violation／run_time_fatal 四件）。

6. 判定三硬闸——闸承载的构造义务

任何新增或改写的闸承载（闸脚本／批跑编排／探针入口）必须三闸齐备；现行各闸状态登记归架构文档「测试与质量域」节（本文不另列闸件清单）：

1. 退出码为唯一权威判据——输出里的 PASS 串只作附加判据不作判据主体；打印 PASS 后 quit(1) 必须判红。
2. SCRIPT ERROR / Parse Error 扫描面在位——GDScript 脚本错误不改进程退出码、不计失败数（机制事实见 §7），错误标记必须扫输出，且判据必须覆盖「跑了但半途脚本错误」态——退出码 0 但输出缺预期签名同样判红（防静默退出）。
3. 断言数下限——零断言的正常返回与断言失败必须区分开（现行做法：Kit.finish 零断言返回专用退出码 2，不与「断言失败=1」混用，否则致命类套件的期望码协议会放过空跑）。
   • 负面套件（测试目标就是产生错误输出）仅可豁免第 2 闸，且须在 manifest 显式标记，其余两闸照判。
   • 子进程输出须经系统命令解释器重定向落盘再读——OS.execute 的输出管道在本机恒空。

新写测试件全类型标注——新写的测试件（冒烟断言／探针／单测）参数、返回值、容器一律带类型标注，与 S9 对产品码的要求同型；存量不强制清扫，被批次触碰时顺带换代。暂不机器闸（S9 扫描面=产品码，probe/sim/tests 不在扫描面是测量面直构惯例的既有裁量）。

7. 判定可靠性优先于覆盖率

• 「跑一遍没崩＝通过」无效：测试绿只证明当前代码没犯这个错，不证明犯了这个错会被抓住；断言存在不等于断言执行。
• 脚本错误会静默中断所在函数的剩余断言，而套件仍报全绿（机制事实）：GDScript 无脚本错误陷阱 API，错误不改进程退出码、不计失败数。三处实证：①「309 项 0 失败」实为断言未跑全；②敌人表行集纪律 10 条断言因定型数组赋值错误从未执行（修复后两条正向见红＝夹具本缺锚行）；③Callable 形参类型写错致解析函数返回 null、后续断言整段蒸发。
• 由此产生两条义务：写闸件按 §6 配三硬闸；写验收函数必须自证断言全数执行——真实入口断言在当轮执行并通过（§8.4）为主证，零命中自检（扫描面为空即判红）为辅证。
• 覆盖率不是目标：不引入行覆盖率度量（Godot 无内建，第三方属新基建）；现行补洞=能力清单覆盖域表+人工判定，判定可靠性靠上列自证手段，不靠覆盖率数字。

8. 改动级验收闭合（2026-10-21 立）

8.1 验收单位是行为改动

一个行为改动 = 新增或修改一条函数、一条数据、一处接线、一个生命周期行为、一条玩家可见文案。纯改名、注释、格式化不算行为改动，但必须在对照表里单独列一行写「非行为改动」及判断依据。禁止用「重构」两个字把行为改动藏起来。

8.2 四层与真实入口

• 单元：不依赖场景树和真实宿主的纯逻辑；测试从领域类的对外方法进出，断言钉对外可观测面（返回值／信号／查询接口／落盘内容）。内部字段直查＝受控例外：仅当该行为没有公开可观测面可钉时允许，对照表该行注明理由；存量不回头清扫，被批次触碰时顺带换代。
• 接口：模块边界的公开契约——数据表加载、存档与断点、事件载荷、命令接口；测试从公开入口进出。接口级断言随单元套件落（unit/contracts/），不另设承载目录。
• 集成：跨宿主的接线、持久、生命周期——例如 LevelRunner 把 level_counters 传给 BattleOrchestrator、两场战斗共享同一个桶、断点续玩；测试必须实例化真实宿主链，禁止用裸 EffectEngine 代替。
• 探针/golden：玩家可达性与观感；真实实例化场景、驱动真实输入。

分层不是形式。改动发生在哪一层，验收就必须从那一层的真实入口进入。测试绕过了改动点，就不算这个改动的验收——这正是「断言存在、接线坏了却不红」的来源。

8.3 改动—验收对照表

需求卡片列需求侧对照表；实现报告列实际对照表。每行至少六格：

需求点	改动（文件:行/行为）	验收测试（名称＋文件:行＋尾缀）	层级	真实入口	判据绑定面

实现报告另加「结果」格（绿/红/未过及依据）。两端都要对上：

• 正向：每个需求点至少一行；每行必须有真实入口和判据绑定面。缺任一项＝该需求点未验收。
• 反向：diff 里每个行为改动至少一行；没有对应行的改动，必须写明「非行为改动」或「由第 X 行覆盖」。
• 测试侧：新增或改写的每条断言至少挂一行；挂不上的孤儿断言删掉或补挂到需求点。

验收档申报（2026-11-04 立，自 2026-11-05 起对文件名日期不早于该日的需求卡片生效；旧卡不回头改）：每张需求卡片在头部信息区（与设计事实源声明同区）申报一个验收档，三档：高／中／低。判据＝失败代价单维——这条改动做错了，后果随存档或结算传播的（存档写读与迁移、RNG 流、战斗结算公式与乘区、经济入账、数值表结构校验）＝高；后果玩家可见但不损持久状态的（常规玩法逻辑、门控、交互逻辑、呈现数据面）＝中；后果即看即知且无状态残留的（文案、纯呈现样式、布局微调）＝低。一张卡触多档按最高档申报；申报由写卡段落笔，用户批卡（U0）时确认或改判。档位只调节 §8.7 审计深度——闸机与 CI 的域划分、选闸算法、全量强制档一概不因档位变化，真实入口、判据绑定面、禁削弱等验收闭合判据全部照旧。未申报档位的卡一律按高档全量审计。机检＝tools/pipeline_gate.py 判据 C4：卡内须含「验收档：高／中／低」申报行。

能力清单维护锚（2026-10-29 用户裁改版定稿）：game/tests/README.md「能力清单」是实现指导＋阅读导航＋义务声明——只宣布「要验证什么」，不记「是否已验证／是否跑过」；落地账归现行验收闭合链（改动—验收对照表逐条挂断言＋合回前独立验收审计），本清单不承载验证状态。表为四列：能力｜系统｜真实入口｜代表用例（文件:函数）。维护归写卡段，当场入表：写需求卡片时，本批新增能力当场写入能力行——真实入口取自设计文档已定的入口，代表用例＝卡里定死的计划测试（文件:函数）；受影响存量行（入口／用例名变更）同批更新；能力退役删行。实现照单落名：测试函数名以清单为唯一依据，名实不符＝卡片没写清＝停卡退回。收尾核对：批末收尾只核对表上名字与实际落地一致（改名则回表），不刷任何批次字段；实现批禁写该文件的现行红线不变（process-conventions §3 第 11 条），核对义务归收尾提交。三层模型见 §8.9。改动—验收对照表纪律不变：新增或改写的每条断言仍须挂一行（上文「测试侧」）；断言改判仍受 §8.4 真实入口口径约束。

新增 core 件的覆盖登记义务（2026-11-03 架构审查 P1 余项裁）：拆件或重构产出的新 core 文件不触发 process-conventions §3 第 6 条「新功能必配新测试」（那条只管新增玩法/机制），因此单由本条承接——新 core 件要么被 game/tests/ 某套件按文件名或 class_name 点名，要么在承接它的能力行「代表用例」里申报「经宿主链覆盖（宿主＝<件>）」；两者都无＝批末收尾核对时补登。本条不是覆盖率要求，与 §7「覆盖率不是目标」同轨：登记的是能力义务的归属，不做文件计数——「每个 core 件必须被点名一次」的机器闸已裁否（它逼出为点名而点名的空套件，且与 §7 正面冲突）。落笔面沿用现行分工：申报行由写卡段入能力清单（实现批禁写该文件），核对归批末收尾提交。

8.4 真实入口断言（验收闭合的主判据）

• 唯一口径（2026-10-24／2026-10-28 用户两裁）：每个需求点与每个行为改动的验收＝一条从真实入口进入的断言，可 grep 定位、在当轮真实跑批中执行并通过。禁变异类测试（把生产码或数据表改成错值看断言抓不抓得到）；禁撤销类取证（回退本批改动或该 hunk 看断言红不红）——两者都是人为制造红，属伪造证据，一律禁止。
• 判据绑可观测提交面：断言判据要绑「被测改动特有的可观测提交面」（信号发射、事件、入参、绘制记录、状态源取值），不绑多层防御之后的终态——否则改动被下游兜底吸收时终态不变、断言假绿。例：探针「雾不扩可点域」首版只看屏／选路态终态，命中面放宽后断言仍绿；改绑 route_chosen 发射面后即红。
• 判据绑不上的出口＝停卡呈报：某改动确实造不出可观测提交面（纯防御分支、release 独有位）时，走静态判据＋代码评审注记并在对照表申报观测面局限；不得自造替代证明。
• 正面效力自检：精确等式优于不等式与非空即过；扫描类断言带「扫描面 > 0」非空前置，防扫描面为空静默绿。
• 持久化、生命周期、存档、跨战共享这类接线逐条配断言；判定可靠性细则见 §7。

8.5 禁止削弱测试

实现期不得为了让测试变绿而删除断言、放宽阈值、缩小扫描面、把真实入口换成下层直调。确需改判据＝需求卡片没写清＝上游缺陷：停该卡、呈报退回写卡段，不在实现期自行决定。卡片可预先声明允许改动的旧断言及理由；未声明的削弱由独立审计判红。

8.6 测试时机

不要求 TDD，不要求先红后绿。允许实现后补测试；但补的测试必须满足 §8.4 的真实入口断言口径。实现完再补、补完就绿，不算验收。

8.7 独立验收审计

合并前由没有参与实现的会话或子代理做一次审计。审计只读需求卡片、实际对照表、diff、测试文件和实现报告，自己跑最窄测试抽查，不采信报告里的「已全绿」。审计至少做四件事：

1. 逐行核对对照表：测试存在、真的执行、尾缀能 grep 到、真实入口没有绕过改动点；
2. 抽查判据绑定面：断言从真实入口进入、钉在被测改动的特有可观测提交面上，且当轮真实跑批执行过；
3. 检查测试削弱：删除断言、放宽阈值、缩小扫描面、换下层直调，逐处要卡片申报或用户批准。
4. 核对内部字段直查的受控例外：直查行是否已在对照表注明理由（该行为无公开可观测面可钉）。

审计深度分级（2026-11-04 立）：审计按卡内申报的验收档（§8.3）逐卡定深度；梯度只落在昂贵的判断件上，机械且堵造假向量的两件（削弱检查、例外核对）三档全保留不抽。中/低档省略的测试复跑以远端 CI 读数为执行证据——tools/ci_check.sh <合并提交> 的现查输出（commit＋run 号＋conclusion）是机器产物，run 号在远端永久可复核，审计报告照抄该行即可；照抄前先核对读数必须是「绿」——「未验」（零触发批跑闸步全跳过）与「不可判」不作证据，那种批的回补办法是等一次含代码面的合回或用户自发全量回归（2026-11-04 用户裁：回执等待件退役，证据由落盘文件改为现查读数；「不采信实现者自述已全绿」的口径不变）：

审计动作	高	中	低
对照表逐行核对	全量	全量	抽查 ≥1/3 行；新增行与改判行必抽
判据绑定面核对	抽查（现行口径）	抽查（现行口径）	抽 1 行
测试削弱检查	逐处	逐处	逐处
直查例外核对	逐条	逐条	逐条
最窄测试复跑	抽查（现行口径）	省略——以远端 CI 现查读数代证	省略——以远端 CI 现查读数代证

低档的抽查面与抽中依据照写审计报告；「每批必有审计、禁零审计批」不变；档位存疑按高档执行。

审计报告落 reports/iter<N>-验收审计-<日期>.md，逐行写「通过／缺漏／例外及依据」，逐卡标注验收档与实际执行深度。未通过不得合并。测试执行两入口铁规不变：审计在迭代 loop 内启动的子代理算 loop；另开会话须用户点名。

8.8 生效与旧卡

本规自 2026-10-21 起对文件名日期不早于该日的需求卡片生效；旧卡不回头改。旧卡在开工前缺对照表的，由写卡段补，补完再开工。

8.9 三层模型（验收意图·义务清单·执行证据，2026-10-29 定稿）

验收体系分三层，各层各管一件事，互不代行：

层	载体	切分轴	一行是什么
验收意图	系统文档「验收标准」节	按 owner 文档	一条玩家或系统可观测的判据
义务清单	game/tests/README.md「能力清单」	按玩家旅程与系统归属	一条待验证义务：能力＋真实入口＋代表用例（文件:函数）
执行证据	测试套件断言	按代码归属	一条从真实入口进入的断言

四条法则：

1. 每格非空：每个系统文档有验收标准节；每个能力行有真实入口与至少一个代表用例；每条断言挂在某个需求点或能力行上。
2. 每条断言有归属：孤儿断言删掉或补挂；不建无归属断言。
3. 数量不守恒、承接守恒：三层条数天然不等——一条验收意图可由多个能力承接，一条能力义务由多条断言覆盖。要守的是两个满射：每条验收意图至少有一条能力义务承接，每条能力义务至少有一条真实入口断言落地。数量对账只在批内做，见第 4 条。
4. 无全局对账总账：不建逐断言账本，不做跨层条数对账；对账只在每批的改动—验收对照表里做（§8.3）。历史教训：阶段 2 退役的逐断言账本正因把义务清单层与证据层压成一本账而失修。

维护时序（2026-10-29 改版）：能力清单归写卡段维护——写需求卡片时当场入表：本批新增能力当场增行（真实入口取自设计文档已定的入口，代表用例＝卡内定死的计划测试 文件:函数），受影响存量行（入口／用例名变更）同批更新，能力退役删行；实现批禁写该文件（process-conventions §3 第 11 条）。实现照单落名：测试函数名以清单为唯一依据，名实不符＝卡片没写清＝停卡退回。批末收尾只核对表上名字与实际落地一致（改名则回表），不刷任何批次字段——清单不记「是否已验证／是否跑过」，落地账在改动—验收对照表（§8.3）与独立验收审计（§8.7）。

文档纯度：验收意图与能力描述只写玩家或系统可观测面，禁写代码路径（.gd／.py／.sh）、测试文件名、断言名；唯一例外＝配置文件索引（game/data/tables/*.tres 这类表路径与表名）。规则正文见 doc-conventions §5「禁实现内容」。

机器闸：本节的结构由文档域闸「能力审计」机检——GDD 纯度（同款禁实现内容口径）、系统文档验收标准节非空、能力行四列与非空、代表用例（文件:函数）与真实入口可核（双通道：代码在或卡在——计划中的用例与入口由需求卡片锚定）、覆盖域表与能力行对得上；红项按新增红处理。闸件清单与域划分的唯一出处＝tools/run_all_gates.sh 头部。