auto-test-project

name	auto-test-project
category	normal
description	当用户明确要求"测试项目"、"运行 auto-test-project"或"进行项目级测试"时使用。对完整项目进行多轮 A 轮批判性测试 + B 轮质量检查，系统化发现、记录、修复问题。⚠️ 不适用：用户只是想优化功能（应直接修改）、只是询问项目问题（应直接回答）、没有明确"测试"意图。
metadata	{"author":"Bensz Conan","short-description":"多轮 A 轮测试 + B 轮质量检查 的项目级测试驱动优化流水线","keywords":["auto-test-project","项目级测试","project QA"]}

auto-test-project（项目级自动化测试驱动优化）

BenszAPI 任务工作区

本 Skill 的新任务中间文件统一写入 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/{skill名}/input|output|log/。同一任务复用一个任务根目录；多 Skill 协作才创建 shared/。正式交付物不写入该目录，历史隐藏目录只允许显式兼容读取、迁移或清理。

与 bensz-collect-bugs 的协作约定

• 因本 skill 设计缺陷导致的 bug，先用 bensz-collect-bugs 规范记录到 ~/.bensz-skills/bugs/，不要直接修改用户本地已安装的 skill 源码；若有 workaround，先记 bug，再继续完成任务。
• 只有用户明确要求“report bensz skills bugs”等公开上报时，才用本地 gh 上传新增 bug 到 huangwb8/bensz-bugs；不要 pull / clone 整个仓库。

Quick Start（最快路径）

1. 使用宿主已公开并锁定的任务根创建本轮会话骨架：

TASK_ROOT=".bensz-api/task-{yyyymmdd-hhmm}-{简短描述}"
python3 auto-test-project/scripts/create_test_session.py \
  --project-root . \
  --task-root "$TASK_ROOT" \
  --kind a \
  --create-plan

--task-root 省略时表示开始一个新逻辑任务，脚本会分配新的 task-* 根；A/B 轮或 continuation 必须显式回传同一个 task root，脚本不会猜测“最近任务”。旧 .bensz-api/skills/auto-test-project/ 只能通过验证脚本的 --legacy-root 显式只读检查，创建命令绝不写入旧目录。

2. 在 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/vYYYYMMDDHHMM.md 写出本轮问题清单（至少 10 个），并使用可引用编号（如 P0-1）。
3. 按计划修复，并补齐 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_PLAN.md 与 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_REPORT.md 的可复现证据。
4. 运行验证脚本（推荐收尾用严格模式）：

python3 auto-test-project/scripts/verify_test_session.py \
  --project-root . \
  --task-root "$TASK_ROOT" \
  --require-plan \
  "$TASK_ROOT/auto-test-project/output/tests/vYYYYMMDDHHMM"

5. 重复 A 轮 N 次后，进入 B 轮质量检查与验证。

目标

为完整项目（包括技能项目、工作流项目、或其他具有 CLAUDE.md 或类似指令文件的项目）提供系统性的测试驱动优化能力，通过多轮迭代实现持续改进。

项目定义

本技能中的"项目"是指：

• 具有项目指令文件（如 CLAUDE.md、AGENTS.md、PROJECT.md 等）
• 具有明确的目录结构和功能模块
• 包含可执行的代码、脚本、或流程定义
• 类似 init-project 定义的项目结构

典型项目类型：

• Agent Skills：符合 Agent Skills 开放标准 的技能
• 工作流项目：定义了开发流程的项目
• 脚本工具集：一组协同工作的脚本和工具
• 文档项目：具有结构化文档和模板的项目

你要产出的东西

本 skill 的交付不是"口头建议"，而是一组可追溯的文件：

• .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/vYYYYMMDDHHMM.md：A 轮问题分析与改进计划（每轮 1 份）
• .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/：A 轮测试会话目录（包含 TEST_PLAN.md + TEST_REPORT.md）
• .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/B轮-vYYYYMMDDHHMM.md：B 轮质量检查报告（维度以 config.yaml:b_round_check.dimensions 为准）
• .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/B轮-vYYYYMMDDHHMM/：B 轮验证会话目录（包含 TEST_PLAN.md + TEST_REPORT.md）

目录与命名规范

• 测试会话 ID：vYYYYMMDDHHMM（分钟级时间戳）
• 规划文档：放在 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/
• 测试会话：放在 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/
• B 轮统一加前缀：B轮-

工作流程

概览

用户输入（项目根目录 + 问题列表/优化目标）
  ↓
[项目初始化]：验证项目结构、识别项目类型
  ↓
[A轮 × N]：分析 → 计划 → 优化 → 轻量测试
  ↓
B轮：质量原则检查（以 `config.yaml:b_round_check.dimensions` 为准） → 针对性优化 → 轻量验证
  ↓
完成（文档齐全 + 问题闭环 + 项目 CHANGELOG.md 已更新）

项目初始化

P.1 验证项目结构

目标：确认目标是一个有效的"项目"，并识别项目类型。

检查项：

• 是否存在项目指令文件（CLAUDE.md、AGENTS.md、PROJECT.md 等）
• 是否存在配置文件（config.yaml、package.json、pyproject.toml 等）
• 是否有明确的目录结构（源码、文档、脚本等）

输出：PROJECT_TYPE.md（可选，记录项目类型和关键信息）

P.2 识别测试边界

目标：确定测试范围和优先级。

分析维度：

• 核心模块：哪些文件/目录是项目的核心功能？
• 测试路径：哪些功能需要优先测试？
• 依赖关系：模块间的依赖关系是什么？

输出：在首个 A 轮计划中记录测试边界。

A 轮测试（可重复 N 次）

A.1 初始化会话（生成测试 ID + 目录）

目标：创建本轮的 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/ 与 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/ 骨架。

推荐使用确定性脚本：

TASK_ROOT=".bensz-api/task-{yyyymmdd-hhmm}-{简短描述}"
python3 auto-test-project/scripts/create_test_session.py --project-root . --task-root "$TASK_ROOT" --kind a --id vYYYYMMDDHHMM --create-plan

# 可选：如果你希望 TEST_PLAN.md 直接以计划文档为“种子”，再手动补齐测试细节
python3 auto-test-project/scripts/create_test_session.py --project-root . --task-root "$TASK_ROOT" --kind a --id vYYYYMMDDHHMM --seed-test-plan-from-plan

最低要求：

• .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/ 与 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/ 存在
• .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_PLAN.md 与 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_REPORT.md 存在

A.2 问题分析与计划生成（写入 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/）

目标：把本轮要解决的问题写成可执行计划，按 P0/P1/P2 排序。

输出：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/vYYYYMMDDHHMM.md

⭐️ 核心价值：本项目级测试的核心价值在于系统视角和批判性思维，而非替代 linter 进行表面检查。

数量要求（强制）：

• 每轮至少发现 10 个问题（P0 + P1 + P2 总和）⚠️ 强制门槛
• 建议目标范围 15-25 个问题（考虑跨模块复杂性）

⚠️ 质量要求（批判性思维门槛）：

• 每轮至少有 1-2 个痛点级问题（架构级/设计级问题，非表面问题）
• 每轮至少有 3 个系统性问题（架构/过度设计/一致/安全等；项目级优先关注跨模块/跨文件矛盾）
• 每轮问题类型分布推荐：痛点级 ~20%、隐患级 ~50%、噪音级 ~30%
• 每个 P0/P1 问题必须包含批判性思维字段（批判性质疑、根本原因、价值判断）
• P0 + P1 占比必须 ≥ 60%（确保问题有价值；小项目可在计划中说明为何达不到）

说明：默认口径以 config.yaml:test_rounds.min_issues_per_round 与 config.yaml:test_rounds.target_issues_range 为准。

核心要求：

• 独立评估原则（默认启用，除非用户明确要求“沿上轮跟进修复”）：
  • 每轮 A 轮基于目标项目的当前工作状态独立分析
  • 默认不查看历史 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/ 与 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/（避免确认偏差/路径依赖）
  • 排除范围建议以 config.yaml:a_round_check.independent_review.exclude_patterns 为准（历史产物/缓存/依赖目录应排除）
• 批判性思维优先：优先使用技巧 0（批判性分析框架），再辅以技术检查技巧（技巧 1-8）
  • 技巧 0.1：第一性原理思考（评估项目是否偏离核心目标）
  • 技巧 0.2：架构合理性质疑（评估模块划分、依赖方向、抽象层次）
  • 技巧 0.3：价值导向的问题分类（避免噪音级问题，聚焦痛点级/隐患级）
  • 技巧 0.4：根本原因分析（5 Whys）（挖掘问题本质，而非修复表象）
• 全局意识：明确本轮在优化 journey 中的位置（首轮/中间/收尾）
• 上下文连贯：说明与上轮的关联，避免孤立的问题清单
• 项目视野：考虑跨模块影响和依赖关系，记录涉及的模块
• 优先级依据：P0/P1/P2 必须有明确的判定标准和价值判断
  • P0: 阻塞性问题、安全风险、核心功能缺陷、架构级偏离
  • P1: 重要优化、模块间接口优化、测试覆盖不足、技术债务
  • P2: 锦上添花、文档改进、后续迭代项
• 可追溯性：每个问题必须包含位置、涉及模块、影响、修复建议、验证方法
• 问题深度：每个 P0/P1 问题必须有批判性质疑和根本原因分析（至少 3 次"为什么"）

详细结构模板：references/A_ROUND_PLAN_TEMPLATE.md（包含"系统视角与批判性分析"章节）

批判性思维必读：

• references/CRITICAL_THINKING_GUIDE.md ⚠️ 核心文档，必须使用
• references/CONSTRUCTIVE_SUGGESTION_GUIDELINES.md 建设性建议标准（避免“空洞建议/不可验证”）
• references/ANTI_PATTERNS_LIBRARY.md 反例库（快速识别常见项目级反模式）

问题挖掘技巧：references/PROJECT_ISSUE_DISCOVERY_TECHNIQUES.md

• ⚠️ 强制要求：每轮必须使用技巧 0（批判性分析框架）
  • ⚠️ 强烈建议：每轮使用 3-5 个技巧组合（如技巧 0.1 + 0.2 + 技巧 1 跨模块一致性检查）

如首轮无明确问题列表：先做静态检查与一致性检查，再给出问题清单。

A.3 执行优化与轻量测试（写入 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/）

目标：按计划逐项修复，并用轻量测试验证。

输出：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_PLAN.md 和 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/TEST_REPORT.md

⚠️ 强制要求 - 防止"假计划、空报告"：

禁止行为：

• ❌ 保留模板占位符（{{TEST_ID}}、{{MODULE_1}} 等）
• ❌ 使用"（填入...）"、"待补充"等占位文本
• ❌ 报告内容少于 500 字（排除模板）
• ❌ 缺少具体证据（命令输出、文件路径、截图）

必须满足：

• ✅ TEST_PLAN.md 和 TEST_REPORT.md 必须完全替换模板占位符
• ✅ 每个验证点必须有具体的执行记录（命令、输出、结果）
• ✅ 每个问题修复必须有前后对比或可复现证据
• ✅ 报告必须包含明确的结论（通过/失败/部分通过）

验证方法（每轮结束后必须执行）：

# 检查是否还有未替换的模板占位符
grep -r "{{" .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/
# 如果有输出，说明模板未被正确替换，必须修复

# 使用验证脚本（推荐）
python3 auto-test-project/scripts/verify_test_session.py --project-root . --task-root "$TASK_ROOT" "$TASK_ROOT/auto-test-project/output/tests/vYYYYMMDDHHMM"

# 可选：更严格模式（要求 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/vYYYYMMDDHHMM.md 存在且包含 P0-1 等编号，才能做计划-报告一致性检查）
python3 auto-test-project/scripts/verify_test_session.py --project-root . --task-root "$TASK_ROOT" --require-plan "$TASK_ROOT/auto-test-project/output/tests/vYYYYMMDDHHMM"

轻量测试原则：

• 只验证"核心路径"与"本轮变更点"
• 每条结论必须有可复现证据（命令输出、文件、对比结果）
• 中间产物放入 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/vYYYYMMDDHHMM/_artifacts/，不污染主目录
• 项目级测试需要考虑模块间交互

TEST_PLAN.md 最低内容标准：

• 具体的测试目标（非模板，明确本轮要验证什么）
• 明确的测试范围和边界（哪些模块/文件）
• 可执行的验证点（至少 3 个，每个包含：描述、方法、预期结果）
• 清晰的通过标准（可衡量的成功条件）

TEST_REPORT.md 最低内容标准：

• 执行摘要（状态：✅ 通过 / ❌ 失败 / ⚠️ 部分通过）
• 每个验证点的执行结果（包含实际执行的命令、输出、截图路径等）
• 问题修复记录（每个 P0/P1 问题必须记录：修复前状态 → 修复措施 → 修复后状态）
• 遗留问题清单（未解决的问题及原因）
• 下一步建议（是否需要下一轮、重点是什么）

A.4 是否进入下一轮

⚠️ 数量验证（强制检查）：

在进入下一轮之前，必须确认：

• 本轮已提出至少 10 个问题（P0 + P1 + P2 总和）
• 如未达到，必须继续挖掘问题（使用跨模块分析、依赖关系分析等技巧）

⚠️ 进入下一轮前的强制检查：

在进入下一轮 A 轮之前，必须执行以下验证：

# 1. 检查模板占位符是否被替换
python3 auto-test-project/scripts/verify_test_session.py --project-root . --task-root "$TASK_ROOT" "$TASK_ROOT/auto-test-project/output/tests/vYYYYMMDDHHMM"

# 2. 检查计划与报告的一致性
# - .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/vYYYYMMDDHHMM.md 中的每个问题是否在 TEST_REPORT.md 中有对应记录
# - 成功标准是否在报告中有验证结论

验证失败的处理：

• 如果发现模板占位符未替换、报告空白、计划与执行脱节等问题
• 必须先修复当前轮次的测试报告，不得进入下一轮
• 修复标准：满足 A.3 节的所有"必须满足"条件

验证通过的判断标准：

• ✅ 问题数量 ≥ 10 个（P0 + P1 + P2 总和）
• ✅ 所有模板占位符已替换
• ✅ TEST_REPORT.md 内容 ≥ 500 字
• ✅ 每个 P0/P1 问题都有修复记录
• ✅ 计划中的成功标准都有验证结论

进入下一轮 A 轮的典型条件：

• 用户指定的轮次数未完成
• 仍存在未解决的 P0 / P1
• 轻量测试报告中出现阻塞性失败
• 发现新的跨模块问题需要解决

重要：A 轮结束后（无论多少轮），必须进入 B 轮质量检查，不得跳过。

B 轮质量检查（维度以 config.yaml:b_round_check.dimensions 为准）

⚠️ 强制执行：B 轮质量检查是项目级自动测试流程的强制性环节，除非用户明确要求跳过，否则不得省略。

B.1 产出质量检查报告（写入 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/）

目标：对 A 轮后的最新状态做系统性质量检查。

输出：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/B轮-vYYYYMMDDHHMM.md

建议数量与修复门槛（默认口径以 config.yaml:b_round_check.* 为准）：

• 建议数量：至少 10 条（P0+P1+P2，总和），目标范围 10-20
• 修复率门槛：P0 = 100%，P1 ≥ 80%

检查维度（以 config.yaml:b_round_check.dimensions 为准）：

• 硬编码/AI 功能规划
• 冗余残留错误检查
• 安全性检查
• 过度设计检查
• 通用性检查
• 一致性检查
• 项目指令文件瘦身检查（新增）：检查 CLAUDE.md/AGENTS.md 等项目指令文件是否过于冗长，应将详细内容模块化到各模块的 references/ 或 docs/
• 配置集中化检查：检查可配置参数是否集中到配置文件作为单一真相来源，避免散落造成口径漂移

模板：templates/B_ROUND_CHECK_TEMPLATE.md

B.2 B 轮优化与验证（写入 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/）

目标：对 B 轮发现的 P0/P1 进行针对性修复并验证。

推荐创建独立会话目录：

建议显式提供 --a-test-id（对应 A 轮会话 ID），避免 B 轮文档中 A/B 关联被默认值误导。

TASK_ROOT=".bensz-api/task-{yyyymmdd-hhmm}-{简短描述}"
python3 auto-test-project/scripts/create_test_session.py --project-root . --task-root "$TASK_ROOT" --kind b --id vYYYYMMDDHHMM --a-test-id vYYYYMMDDHHMM

输出：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/B轮-vYYYYMMDDHHMM/TEST_REPORT.md

完成条件（验收）

• 用户指定的 A 轮次数已完成（或明确说明提前结束原因）
• B 轮质量检查已完成并形成报告（⚠️ 强制要求，参考 config.yaml 的 b_round_check.mandatory）
• 关键问题（P0/P1）已闭环：计划 → 修复 → 证据 → 结论
• .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/plans/ 与 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/ 结构完整且可追溯
• 目标项目的 CHANGELOG.md 已更新
• 每轮测试会话都通过验证脚本检查（防止"假计划、空报告"）

最终验证命令：

TASK_ROOT=".bensz-api/task-{yyyymmdd-hhmm}-{简短描述}"
# 验证同一 task root 下的全部 A/B 会话
python3 auto-test-project/scripts/verify_all_sessions.py \
  --project-root . \
  --task-root "$TASK_ROOT" \
  --require-plan

与 auto-test-skill 的区别

维度	auto-test-skill	auto-test-project
目标对象	单个 Agent Skill	完整项目（多模块、多文件）
测试范围	单个 skill 目录	整个项目目录
问题分析	skill 级别（SKILL.md、config.yaml）	项目级别（跨模块、跨文件）
质量检查	维度以 config.yaml:b_round_check.dimensions 为准	维度以 config.yaml:b_round_check.dimensions 为准（项目级扩展）
输出位置	在 skill 内部的 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-skill/output/ 创建计划和测试会话	在项目根目录的 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/ 创建计划和测试会话
CHANGELOG	更新 skill 的 CHANGELOG.md	更新项目的 CHANGELOG.md

可复用资源

• 配置：config.yaml
• 模板：templates/
• 参考：
  • references/FAQ.md：常见问题（如何检测“假计划/空报告”、证据标准、避免会话污染等）
  • references/PROJECT_TESTING_BEST_PRACTICES.md：项目级测试最佳实践
  • references/PROJECT_ISSUE_DISCOVERY_TECHNIQUES.md：项目级问题挖掘技巧 ⚠️ 强烈建议每轮使用 3-5 个技巧组合
  • references/CRITICAL_THINKING_GUIDE.md：批判性思维指南 ⚠️ A 轮必须使用
  • references/CONSTRUCTIVE_SUGGESTION_GUIDELINES.md：建设性建议标准（可执行、可验证、有证据）
  • references/ANTI_PATTERNS_LIBRARY.md：反例库（快速识别项目级反模式）
  • references/EXAMPLE_STRICT_MINIMAL.md：严格模式最小示例（P0-1 编号如何让计划-报告一致性检查落地）
  • references/EXAMPLE_TEST_REPORT.md：完整的测试报告示例（12 个问题，展示期望的输出质量）
• 辅助脚本：
  • scripts/create_test_session.py：创建测试会话目录（支持模板变量自动替换）
  • scripts/verify_test_session.py：验证测试会话完整性（包含计划-执行一致性检查）
  • scripts/verify_all_sessions.py：批量验证 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-project/output/tests/ 下的所有会话（可选严格模式）
  • scripts/verify_skill.py：一键自检本 skill（必需文件、脚本可用、模板关键占位符自动填充）

常见问题与最佳实践

为避免 SKILL.md 过长，常见问题与最佳实践下沉到 references：

• references/FAQ.md
• references/PROJECT_TESTING_BEST_PRACTICES.md