收尾两批并行开发的文档回写与任务包
- Sprint 执行计划 v1.1：§1.1 补第一批交付实据；T9 SPIKE 结论回写 Sprint 1 表 （T-P0-16 通过 2.8ms；T-P0-12 有条件；T-P0-10 原型 6/6 + 真实照片重验前置）； Sprint 2 表标注 T-P2-01~06 交付；新增 §9 两批交付记录 - 开发任务拆解 v1.5：交付回写 + 新风险登记（RTMPose 域差异、BiRefNet 异步化） - 新增 开发任务包/：三批多 agent 并行的协作规程与 14 份任务契约 - 新增 前置开通清单-云资源与资质.md - 清理已用毕的评审报告（文档评审 2026-08-13、项目整体评审 2026-08-14）， README 中相应引用改为留痕表述
This commit is contained in:
@@ -0,0 +1,71 @@
|
||||
# T13 · 黄金集回归框架接入 CI
|
||||
|
||||
> 对应任务：`T-P2-11` 🔴 ｜ 需求：`FR-KB-11`、`NFR-MAINT-04`（指标退化阻断合并）、架构 §17「黄金集是最重要的一道防线」｜ 分支：`task/t13-golden-ci` ｜ worktree：`/home/xsl/meida_backend-t13`
|
||||
> 先读《README.md（协作规程）》，遵守全部纪律。
|
||||
|
||||
## 1. 目标
|
||||
|
||||
把黄金集从"散在单测里的固定样本"升级为**数据驱动的回归框架**：用例存 JSON、阈值存配置、CI 强制跑、**指标退化直接 fail**。V1 先落两个子集（规则黄金集、检索黄金集），Agent 问答与报告结构两个子集留占位（等 Sprint 3/4）。
|
||||
|
||||
## 2. 已就绪的契约（协调提交 `9c18021` 已提供）
|
||||
|
||||
- **pytest marker `golden`** 已注册（`--strict-markers` 下可直接用）；默认 addopts 排除 `golden`（与 integration 同待遇），`make golden` / CI 防线 5c 强制跑（env `MEIDA_RUN_INTEGRATION=1`）。
|
||||
- **规则黄金集现有资产**：`tests/unit/test_rules_golden.py` 有 8 条规则 + 11 组样本（硬禁忌压制、多规则叠加等）——**不许改它**；你的 JSON 用例集是独立交付（可参考其场景设计新写，不是搬运代码）。
|
||||
- **检索侧可复用**：`packages/retrieval/embedding.py` 的 `DeterministicEmbedder`（同文本同向量→黄金集可断言确定性结果）+ `packages/rules` 的 DSL/引擎。
|
||||
|
||||
### 黄金集规模口径（知识库文档 §7，唯一事实源）
|
||||
|
||||
四子集共 **330 例**（检索 100 / Agent 问答 100 / 诊断 100 / 报告结构 30）。**本任务只搭框架 + 规则/检索各 10~15 例种子**，规模达标是内容轨 `T-P2-16` 的事——框架必须让"加用例=加 JSON 行"。
|
||||
|
||||
## 3. 实现要点
|
||||
|
||||
允许改动：`tests/golden/**`（新目录，归你全部）、**仅此一处**；不改 packages/apps/已有测试。
|
||||
|
||||
1. **目录结构**：
|
||||
```
|
||||
tests/golden/
|
||||
README.md # 用例格式说明 + 如何加用例 + 阈值怎么调
|
||||
thresholds.json # {"rules": {"pass_rate_min": 1.0}, "retrieval": {"pass_rate_min": 0.8, "first_hit_in_top3_min": 0.8}}
|
||||
cases/
|
||||
rules_cases.json # 规则黄金集种子
|
||||
retrieval_cases.json # 检索黄金集种子
|
||||
runner.py # 用例加载 + 执行 + 指标计算 + 明细报告
|
||||
test_golden.py # pytest 入口（marker=golden，skipif 无 MEIDA_RUN_INTEGRATION）
|
||||
```
|
||||
2. **规则用例格式**（rules_cases.json）：`{"name", "rules": [完整 Rule DSL 数组], "context": {...RuleContext}, "expect": {"must_recommend": [{"slot": "top", "attrs_include": {...}}], "must_avoid": [...], "hard_blocks_nonempty": bool, "forbidden_recommend": [...]}}`。判定：`evaluate()` 结果逐一核对 expect；一条不符 = 该用例 fail。
|
||||
3. **检索用例格式**（retrieval_cases.json）：`{"name", "seed_entities": [{entity_type, name, attrs, status, chunks: [text]}], "query", "user_ctx": {...}, "expect": {"must_hit_names": [...], "must_miss_names": [...], "first_hit_in": "top1|top3"}`。执行：每个用例**先清自己 seed 的实体**（按 name 前缀 `golden:` 命名，跑前 DELETE 这些行，保证幂等重跑）→ DeterministicEmbedder 写 chunk → `hybrid_search` → 判定。`must_miss` 语义 = 硬过滤红线（禁忌/draft 实体绝不出现）。
|
||||
4. **指标与阻断**（runner.py）：
|
||||
- 每子集算 `pass_rate`（通过用例/总数）；检索加算 `first_hit_in_top3_rate`；
|
||||
- **规则子集阈值 = 1.0**（硬结论子集，一条不许退）；检索 = 0.8 起步（阈值在 thresholds.json，顾问扩充用例后可调）；
|
||||
- fail 时输出**逐用例明细**（name + 期望 vs 实际的差异摘要）——CI 日志里要能直接看出哪条退化了；
|
||||
- `runner.py` 是普通模块（不依赖 pytest），`test_golden.py` 只是薄壳调用——将来想在本地脚本或 admin 后台跑同一套，不用改框架。
|
||||
5. **README.md**：写明四子集规划（330 例口径）、当前覆盖（两子集 N 例）、加用例流程、"为什么规则阈值必须 1.0"（核心结论由规则产出，规则退化=产品根基退化）。
|
||||
|
||||
## 4. 测试要求（即框架本身）
|
||||
|
||||
- `make golden`（或 `MEIDA_RUN_INTEGRATION=1 .venv/bin/pytest -m golden --no-cov`）全绿：两个种子子集通过率 100%（种子用例是手工校准过的，必须全对，否则框架自身有 bug）；
|
||||
- **阻断语义自证**：在本地临时改坏一条用例的 expect 验证会 fail 且输出明细（验证完改回来——提交里只有正确版本；这个自证过程写进提交信息，不写代码）；
|
||||
- 无 PG/Redis 时 `pytest -m golden` 全部 skip（不拖累本地 `make test`）。
|
||||
|
||||
## 5. 禁改清单
|
||||
|
||||
通用禁改之外：`packages/**`、`apps/**`、`tests/unit/**`、`tests/integration/**`、`pyproject.toml`（golden marker 已注册）、`Makefile`/CI（防线 5c 已挂）。**你的全部产出在 `tests/golden/**`。**
|
||||
|
||||
## 6. 验收标准（T-P2-11）
|
||||
|
||||
1. CI 防线 5c 能跑且通过（本地等价命令全绿）；
|
||||
2. 指标退化即 fail：人为退化会被拦截（自证过程留提交信息）；
|
||||
3. 加用例 = 加 JSON 行，零代码改动（README 有流程）；
|
||||
4. 规则子集含硬禁忌场景、检索子集含 must_miss（红线）场景；
|
||||
5. 全部检查绿（tests 不在 mypy 范围；ruff 对 tests/golden 全绿）。
|
||||
|
||||
## 7. 提交信息
|
||||
|
||||
```
|
||||
test(golden): data-driven golden set framework wired into CI
|
||||
|
||||
tests/golden：JSON 用例 + 阈值配置 + runner（规则 pass_rate=1.0、检索 0.8
|
||||
起步）+ pytest 壳；规则/检索两子集种子，Agent/报告子集占位（T-P2-11）。
|
||||
|
||||
偏差说明：<如有写在这里，无则写"无">
|
||||
```
|
||||
Reference in New Issue
Block a user