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。

写任何测试前必须通读本文。

---

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. 提交前全量验证

交付前跑 tools/run_all_gates.sh（不带 --quick）全绿——该脚本是全部验证闸的唯一入口与唯一清单，本文禁另列闸件清单。闸件增减只改脚本。 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，但撤销对应改动时每条都要能单独变红。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。

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。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. 判定三硬闸——闸承载的构造义务（迭代 29 起）

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（迭代 29 核心命题）

• 「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：①2026-09-19「309 项 0 失败」实为断言未跑全（状态记录 83）；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（迭代 29 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——撤销证明（§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：行覆盖率度量缺失（Godot 无内建，第三方属新基建，是否引入待办清单在册待裁）；现行补洞=零指名单测清单+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；测试直接调用被测函数。
• 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。
• 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	撤销证明

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证明方式。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。

验证集清单维护锚（2026-10-22 用户裁）：game/tests/验证集清单.md 是迁移断言全体的冻结参照清单（机器提取生成、只剪切禁改写、出口逐条核对，机制见该文件头注；清单自断言迁移批第 0 步建立时起存在）——清单在册后，任何断言新增、删除或改判必须同步该清单，与改动—验收对照表同一条纪律：清单没跟上的断言改动视同未完成。

8.4 撤销证明

• 修改既有行为：只撤销该改动（回退该 hunk 或该处接线）→ 跑能覆盖它的最窄测试 → 对应断言必须变红 → 还原 → 复绿。
• 新增行为：只撤销该新增（回退该 hunk 或删去该新增段）→ 跑能覆盖它的最窄测试 → 对应断言必须变红 → 还原 → 复绿。
• 撤销后仍然绿：说明断言没钉在这个改动上，判缺漏；不得用「代码能跑通」代替。
• 判据绑可观测提交面：端到端断言的判据要绑「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），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。
• 每张任务卡至少一条撤销证明记录；持久化、生命周期、存档、跨战共享这类接线逐行做。

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；但补的测试必须通过 §8.4 的撤销证明。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」。审计至少做三件事：

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. 抽查撤销证明：每张任务卡至少一条，按记录复现红/绿；
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。

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」。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。