test-intents-runner

name	test-intents-runner
description	Use when running, executing, or troubleshooting AIjia intent tests. Triggers from inside usertest-intents skill routing: "跑一下 X 这个 task", "跑 意图-XXX-NNN", "跑全部意图测试", "意图测试 FAIL 怎么处理", "tauri-pilot aijia ..." commands.
license	Internal

test-intents-runner

What this skill does

怎么读 + 跑一条意图、怎么处理失败、怎么写报告的完整方法论 + tauri-pilot aijia CLI 工具箱 + 已知 quirks 经验库。本 skill 不负责写 / 改意图（那是 test-intents-author）。

When to Use

• 跑某个 task（如「跑一下日程」）
• 跑单条意图（如「跑 意图-日程-001」）
• 跑全部 task 回归
• 处理意图测试 FAIL 的诊断 / triage
• 解释 tauri-pilot aijia ... 命令

0. 执行流程总览（被调起后从头看到尾）

接到「跑 X 意图」/「跑 X task」后，按下面 6 阶段顺序执行：

┌─ 阶段 1: 环境预检（§4.1）─────────────────────┐
│  - 检查 vite 是否在 5173 跑（lsof -ti tcp:5173）│
│  - 检查 tauri-pilot socket 是否就绪          │
│  - 没跑 → 提示用户起 `pnpm dev:with-pilot`   │
│    并等到首次 build 通过（首次 cargo 编译可能│
│    几分钟），不能用 `pnpm tauri:dev`         │
│  - socket 残留 → `rm -f /tmp/tauri-pilot-*`  │
└──────────────────────────────────────────────┘
                    ↓
┌─ 阶段 2: 探活 + 推断 scope ──────────────────┐
│  - tauri-pilot aijia health-check --json     │
│  - tauri-pilot aijia where --json 取 scope   │
│  - 失败 → 报「FAIL 主因 = rules/CLI 问题」  │
│    停止后续，不进阶段 3                       │
└──────────────────────────────────────────────┘
                    ↓
┌─ 阶段 3: 读 rules.md（§1）───────────────────┐
│  - 读 docs/test-intents/spec/tasks/<task>/   │
│    rules.md，定位要跑的意图                   │
│  - 跑全 task = 按 ID 升序逐条跑               │
│  - 跑单条 = 找到对应 ID 块                    │
└──────────────────────────────────────────────┘
                    ↓
┌─ 阶段 4: 逐条跑（§2）───────────────────────┐
│  - 顺序执行「操作步骤」段                     │
│  - 中途某步挂了 → 现场判断后续是否继续         │
│    跑（§2.1）；验收永远跑                     │
│  - 全 task：失败不串联，跑完所有意图才出报告 │
└──────────────────────────────────────────────┘
                    ↓
┌─ 阶段 5: 核验 → 写报告（§3）─────────────────┐
│  - 对每条意图核验「验收标准」的全部 bullet │
│  - 标 PASS/FAIL/SKIPPED + FAIL 主因三选一    │
│  - 报告**直接在对话里输出**，不落盘          │
└──────────────────────────────────────────────┘
                    ↓
┌─ 阶段 6: 经验沉淀建议（§5）──────────────────┐
│  - 跑出新陷阱 / 新诊断套路 → 在报告末尾建议  │
│    「这条经验值得沉淀到 runner skill §5」     │
│  - 由人决定 PR 加进来（你不直接改 skill）    │
└──────────────────────────────────────────────┘

铁则：不要跳阶段。阶段 1 没过就直接跑 CLI = 必失败。

1. 怎么读一条意图

rules.md 每条意图固定 3 段，agent 读时这样用：

段	agent 怎么用
场景	1-3 句产品视角描述。读懂这条意图测的是什么承诺，和你的执行预期对齐
操作步骤	编号步骤，从第 1 步顺序跑到最后一步；第一步永远是 tauri-pilot aijia health-check 探活；后续含搭环境命令 + 主测操作
验收标准	一组可观察、可复验的判定项；逐条核验，不按正反或结果拆小段

注意：

• 没有「前提」段——搭环境步骤就在「操作步骤」最前面
• 没有「判定提示」段——边界容忍写进验收的容忍范围（T0 ± 1 分钟）；通用诊断套路在本 skill §5 经验库

2. 跑的执行语义

2.1 单条意图

按「操作步骤 → 验收标准」顺序执行。

中途某步挂了的处理——用产品视角现场判断「后续是否还有意义」：

情况	做法
后续步骤的前提因这一步失败而不成立（如点不开侧栏 → 后续点不到东西）	跳过后续步骤
后续步骤可独立（如某个等待 timeout 但实际状态可能已 OK）	继续跑后续步骤
任何步骤挂	验收永远要跑——挂在哪一步都核验「验收标准」的全部 bullet，看现场磁盘 / UI 状态对 triage 有用

2.2 报告 FAIL 主因必须三选一

主因	含义	修哪里
rules/CLI 问题	步骤本身写错 / CLI 接口变了 / selector 找不到	改 rules.md 或 aijia CLI
产品 bug	被测应用真的卡住 / 状态错乱	改产品代码
待 triage	不确定时写这个	请人判

2.3 跑全 task 的执行语义

• 串行——一次只跑一条意图，不并发
• 失败不串联——某条意图 FAIL 不影响后续意图跑；必须跑完所有意图才出报告
• 每条意图独立可跑已由 spec §3.6 保证（意图自给自足、无跨意图依赖），前一条 FAIL 不会污染后一条前置状态
• 报告里按 ID 升序逐条列结果（PASS/FAIL/SKIPPED），不汇总成 task 级别的「整体 PASS/FAIL」——意图测试不做总分

2.4 不分失败等级

FAIL 就是 FAIL，不分 P0 / P1 / P2；轻重由人看报告内容判。

2.5 不规定 FAIL → issue 流程

FAIL 之后开不开 issue / 改实现 / 改 rules，由人按 FAIL 主因 + 自身判断处置。意图测试只产报告，不联动外部 issue 系统。

3. 报告输出格式

agent 跑完意图测试，直接在对话里向调起者输出结构化报告，不落盘到仓库：

# 日程意图测试报告 — 2026-05-20 14:30

**应用版本**: v0.5.26
**登录账号**: [e-mail]（scope `t_xxx__u_yyy`）
**本轮跑了**: 意图-日程-001, 意图-日程-002, 意图-日程-003

## 意图-日程-001: 创建一次性日程后落盘 — ✅ PASS（45s）
- 操作按 rules.md 14 步执行无异常
- 验收标准：表单收起 ✓ / 列表条目 ✓ / JSON 字段全对 ✓ / 无旧字段名 ✓ / 列表无重复 ✓
- 备注：无

## 意图-日程-002: 一次性日程到期自动触发 — ❌ FAIL（120s）
- 操作按 rules.md 执行到第 8 步「等到 T0+4 分钟」时 wait timeout
- 实际现象：到点 +60s 仍未触发，`agenda/occurrences/` 目录无新文件
- **FAIL 主因** = 产品 bug
- 建议：开 issue 调查 agenda runner 调度逻辑

## 意图-日程-003: 用户点立即运行 — ⏭️ SKIPPED
- 因 意图-日程-002 涉及调度系统 FAIL，本条独立性已由 §3.6 保证、本可跑；
  作者在对话里说「先停下别跑了」，故 SKIPPED

不持久化：报告在对话里给调起者看完即关闭。下次跑从零开始，不读历史——读历史会带预设。

沉淀经验建议：如果跑出新陷阱 / 新诊断套路 / 新容忍判定，在报告末尾建议「这条经验值得沉淀到 test-intents-runner skill §5」，由人决定 PR 加进来。

4. CLI 工具箱：tauri-pilot aijia 16 子命令

4.1 启动连通性

⚠️ 必须用 pnpm dev:with-pilot 而不是 pnpm tauri:dev——tauri-plugin-pilot 在 src-tauri/Cargo.toml 里是 optional = true，只在 e2e cargo feature 开启时才会被 src-tauri/src/lib.rs 注册（#[cfg(feature = "e2e")]）。pnpm tauri:dev 默认不带 e2e feature，plugin-pilot 不会被注册、socket 永远不存在，CLI 全部命令会报 "No tauri-pilot socket found"。

pnpm dev:with-pilot 等同于 tauri dev --features e2e：

cd ~/IdeaProjects/lotus-app
rm -f /tmp/tauri-pilot-com.aijia.app.sock        # 清理可能的残留 socket

# 启动带 e2e feature 的 dev server（首次 cargo 编译可能 5-10 分钟）
pnpm dev:with-pilot &

# 等 vite 起来
until lsof -ti tcp:5173 >/dev/null; do sleep 2; done

# 等 tauri build + socket 就绪（cargo 编译完才会有 socket）
until [ -S /tmp/tauri-pilot-com.aijia.app.sock ]; do sleep 2; done

# 探活
tauri-pilot aijia health-check --json   # → {"ok":true,"readyState":"complete",...}

如果 dev server 在跑但 socket 不存在，多半是用了错误的命令 pnpm tauri:dev——停掉 + 重起 pnpm dev:with-pilot。不要尝试同时跑两个 dev server 抢 cargo lock。

4.1b 也可以用 release 包跑意图测试（自 2026-05-25 起）

如果你有 pnpm build:with-pilot 出来的 release 包（src-tauri/target/release/bundle/macos/AIjia.app），可以直接 open 它代替起 dev server。Release 包跟 dev 模式接口完全等价——同样的 socket 路径、同样的 aijia CLI 子命令。差异只是：

• ✅ 不需要 vite / cargo 跑着（启动更快、不占编译器）
• ✅ 体感跟 QA 真实场景一致（带 bundled runtime、release 优化）
• ⚠️ 修改 lotus-app 代码不会热更新，要重 pnpm build:with-pilot（每次 5-7 分钟）

实操：

rm -f /tmp/tauri-pilot-com.aijia.app.sock
open /Users/a20250311/IdeaProjects/lotus-app/src-tauri/target/release/bundle/macos/AIjia.app
until [ -S /tmp/tauri-pilot-com.aijia.app.sock ]; do sleep 1; done
tauri-pilot aijia health-check --json

发版流程 + release build 工程细节见 docs/e2e-release-build.md。

4.2 命令清单

所有命令默认 stdout 一行 JSON（加 --json）。

会话流（P0）

命令	作用
aijia new-task	新建空对话
aijia type-message <text>	Tiptap execCommand('insertText', ...) 输入
aijia send	点发送
aijia wait-reply [--timeout 30]	阻塞等流式结束（stability window: 3 连续 ready tick）
aijia ui-message [--last N] [--role user|assistant|tool_call] [--since 2m] [--include-tools]	dump DOM 消息
aijia last-reply	ui-message --last 1 --role assistant 别名

会话管理（P1）

命令	作用
aijia list-sessions	列侧栏所有会话 [{id, title, index, active, archived}]
aijia switch-session <id|index>	切对话（数字 0=最新）
aijia archive-session <id|index>	IPC archive_conversation（不走 UI hover）
aijia cleanup-test-sessions [--prefix e2e-test-]	批量归档 title 前缀匹配的会话（只匹配 title）

流式取消（P2）

命令	作用
aijia cancel	流式中点停止；流式未开始时报错

诊断

命令	作用
aijia where	dump 现场 {url, title, route, activeConversationId, messageCount, isStreaming, hasEditor}——失败时第一步跑这个
aijia screenshot [--label <label>]	截图到 /tmp/aijia-e2e-{label}-{ts}.png
aijia health-check	app ready 探测（启动后第一个跑）

未实现（不要在 rules.md 里依赖）

aijia select-workspace / aijia restart-app — 当前返回 not implemented。

4.3 铁则

e2e 脚本只走 aijia 子命令，禁直接 click / eval（来源：MEMORY.md project_e2e_testing_tauri_pilot.md）。

一条 rule 无法用现有 16 个 CLI 表达时，应该新加 aijia 子命令而不是绕过用 raw CLI。这种情况下：

1. 报告里写明「rule X 第 N 步无对应 CLI」
2. 建议产品方加新子命令（写进报告"经验沉淀"建议）
3. 暂时把这条意图标为 FAIL 主因 = rules/CLI 问题，不强跑

4.4 与 rules.md 对接（最小回合）

tauri-pilot aijia new-task
tauri-pilot aijia type-message "你好"
tauri-pilot aijia send
tauri-pilot aijia wait-reply --timeout 60
reply=$(tauri-pilot aijia last-reply --json | jq -r .text)
conv=$(tauri-pilot aijia where --json | jq -r .activeConversationId)

[ -n "$reply" ]
test -d ~/.renlijia/users/$scope/conversations/$conv/

5. 已知 quirks 经验库（持续追加）

rules.md 是单条意图精确规约；本节是跑了很多意图后沉淀的横切知识。属于本 skill 不属于 task。

agent 跑意图时遇到新陷阱 / 新诊断套路 / 新容忍判定，在报告末尾建议「这条经验值得沉淀到本 skill §5」，由人决定 PR 加进来。

5.1 pnpm tauri:dev 不带 e2e feature，必须 pnpm dev:with-pilot

tauri-plugin-pilot 在 src-tauri/Cargo.toml 里是 optional = true，只有开启 e2e cargo feature 才会被 src-tauri/src/lib.rs::run() 注册（#[cfg(feature = "e2e")]）。

• ❌ pnpm tauri:dev —— 不带 feature，plugin-pilot 不注册，socket 永不存在
• ✅ pnpm dev:with-pilot —— package.json 里专为 e2e 准备的脚本，等同于 tauri dev --features e2e

症状识别：所有 tauri-pilot aijia ... 命令一律报 Error: No tauri-pilot socket found. Is a Tauri app running?——多半是用错命令。

首次跑会很慢：开启 e2e feature 会从 GitHub 拉 tauri-plugin-pilot（https://github.com/panzhenchao/tauri-pilot.git），初次 cargo 编译 5-10 分钟，不要中途打断。

5.2 wait-reply 必须用 stability window

aijia wait-reply 用 3 连续 isStreaming === false 才算流结束——单点采样会在 tool_calls 之间误判完成。工具调用密集的 turn，默认 30s timeout 可能不够，按需调 --timeout 60 或更长。

5.3 archive 后 list-sessions 不会自动刷新

aijia archive-session 走 IPC：磁盘 conv.json.isArchived=true 已更新，但侧栏 DOM 还显示老状态。要么 sleep + 触发别处刷新，要么直接读 ~/.renlijia/.../conv.json 验证。

5.4 cleanup-test-sessions 只看 title 前缀

aijia cleanup-test-sessions --prefix e2e-test- 只匹配 title，发消息不会更新 title——想匹配必须先 rename。

5.5 screenshot 30s 超时绕道

aijia screenshot 可能 30s 超时（wrapper 走 html-to-image）。用 raw tauri-pilot screenshot <path> 兜底（webview screenshot，~100ms 完成）。

5.6 socket 残留

应用 crash 后 /tmp/tauri-pilot-com.aijia.app.sock 不会被清理，下次启动前 rm -f 一下。

5.7 messages.jsonl 格式

单文件 ndjson，每行末尾 \t✓ 校验位——解析时要先 split('\t')[0]。content 是 {text: "..."} 嵌套对象，不是字符串。额外坑：content.text 内的真实换行 \n 没被 JSON-escape 成 \\n，所以 wc -l / 按字面行号取 user / assistant 都会错位。真正的记录分隔符是 \t✓\n——按它 split 后的每段才是一条记录。tool_calls 在顶层（不在 content.tool_calls），tool_result 关联字段是 toolCallId（不是 tool_use_id）。

5.7b agenda occurrences jsonl 是 append-update 语义

每条 occurrence 在生命周期中会写多行同 id 记录：先在 running 状态写入一行、succeeded/failed 完成时再 append 新一行。验收时必须 tail -1 取最新一条而非首条；按行数判定 occurrence 数量会虚高（一条 manual_run_now 看上去像 2 条 occurrence）。判 occurrenceCount 时应该读 items 文件里的字段，不是数 jsonl 行。

5.8 list-sessions 字段命名

实际返回 {id, title, index, active, archived}（不是 name / isActive / isArchived）。

5.9 last-reply 返回字段是 text 不是 content

实际是 {id, index, role, text, tool_calls}。

5.10 跨工作目录测试不支持

aijia select-workspace 未实现，沿用当前 workspace。

5.11 改 bridge.js 后 cargo 不会自动重编

修改 crates/tauri-plugin-pilot/src/bridge.js 后，touch crates/tauri-plugin-pilot/src/lib.rs 强制重新 include_str!。

5.12 wait-reply 超时多半是授权弹窗卡住，不是 LLM 慢

wait-reply --timeout 90 超时后先怀疑授权弹窗：某些 tool（ReadFile 跨目录、上传文件、外部 HTTP 等）首次执行会弹权限对话框等用户同意，UI 期间 isStreaming: true 但流不前进。诊断顺序：

1. aijia where --json 看 isStreaming 还是 true → 截图 aijia screenshot --label timeout-debug 看屏幕
2. 看到弹窗 → 手动点同意/记住选择，再 wait-reply --timeout 60 续等
3. 没弹窗、isStreaming 还在 true → 看 messages.jsonl 时间戳：相邻两条 assistant/tool 行间隔 > 60s 就是真有东西卡住，不是 stability window 没捕到

实战来源：项目记忆 task 意图 2，SearchMemory 完成后到 ReadFile 触发之间空档 3 分 37 秒（07:43:15 → 07:46:52），跨 workspace 路径访问的授权弹窗在等同意。wait-reply 阻塞期间无法看到弹窗，必须先 aijia where --json + screenshot。

长期方向：aijia 应加 auto-approve-permissions / 启动期 e2e 模式禁用所有需要交互的 permission ask，避免每次跑测都被弹窗截胡。

5.13 aijia new-task 切到 home 路由，conv id 懒创建

aijia new-task 调用后立刻 aijia where --json 拿到 route: "home"、sessionId: null（或 stale 的上一个 active sessionId）、stale 的 messageCount。新对话 ID 要等 aijia send 真把第一条消息发出去后才生成。rules.md 写"新建对话"步骤的 CLI 序列必须是 new-task → type-message → send，send 之后再 where --json 才能取到新 sessionId 作为 $CONV_ID。

实战来源：意图-对话-001 跑测（2026-05-29），new-task 后 where 返回 home + stale messageCount=162（上一个 active conv 的字段），send 后才出现新 conv id。

6. 环境契约

• 直接在真实 ~/.renlijia/ 跑、不隔离、跑后不清理
• scope 从 tauri-pilot aijia where --json 推断
• 登录账号选择顺序：已有有效登录态且意图不要求重新登录时沿用当前账号；当前未登录或意图必须走登录表单时，优先用用户本轮提供的账号密码；只有用户未提供账号密码且不登录就无法继续跑时，才用兜底账号 test@ai / testtest，不要停下来反问；报告里只写账号和 scope，不重复输出密码
• 要纯净测试环境，开新电脑 / 新用户重新登，不靠代码做 sandbox
• 意图测试产生的真实对话 / 真实 LLM 调用 / 真实日程 / 真实文件会落到你账号下——有意的设计

Red Flags（看到自己在这样想就停下来）

想法	应该
「这条意图应该可以用 eval / click 偷懒」	不行——只走 aijia 子命令；要么新加子命令
「上次 FAIL 是因为 X，我直接判 FAIL 吧」	不行——每次按 rules.md 客观跑、看现场，不读历史
「这步挂了后面没意义跑，验收也不用了吧」	不行——验收永远跑，看现场
「跑全 task 时第 3 条 FAIL 后续就别跑了」	不行——FAIL 不串联，必须跑完所有意图
「这条 FAIL 是真 bug 还是测试问题不确定，先写 PASS 吧」	不行——写 FAIL 主因 = 待 triage，请人判
「报告写得长点显得我跑得认真」	不必——按 §3 格式精确、关键 FAIL 主因写到即可
「我顺手在仓库写一份 progress.md 留个记录」	不行——progress 已废除，报告只在对话里