7cef7df6f2
本提交是三件事的第一批，后续按计划分步推进。
## 一、判据改造（两条实证）
### 1. turn_hint 判据原是自证循环
原测试在测试里**手动重放**了真实注入逻辑：
f.Msgs = a.buildMessages(...)
hint := stageHint(f.StageCtx, "turn_hint")
f.Msgs = append(f.Msgs, Message{Role:"system", Content:"[Turn hints] "+hint})
// 然后断言"最后一条是 system、内容含 [Turn hints]"
它断言的是**它自己刚 append 的那一行** —— 把 task.go:656-661 抄进测试
再验证抄得对不对。真实代码那段删掉，它照样绿。
改为：把 turn_hint 放进 StageCtx，跑**真实的 stepPrepare**
（newTaskFrame 起始就是 StepPrepare），检查它产出的 Msgs。
变异验证：删掉 task.go 里 `if hint := stageHint(...)` 那段 ⇒ 实测红。
### 2. webui 文件下发判据原是白盒
原测试直接调未导出的 `stageWebFile(src, isImage)`、断言 `webFilesDir`
包级变量 —— 那都是**实现方式**。
改为从**输出通道 handler** 走（`RegisterOutputChannel("webui", …)`，
agent 发图/发文件时走的就是它）：
输入：{payload: "<路径或URL>", type: "image"|"file"}
输出：{status:"ok", url:"/files/<name>.<ext>", size:N}
4 条判据（新版 handler_files_contract_test.go）：
· 图片 → 可下载 URL（前缀/扩展名/size）
· 远端 URL 原样透传（不下载）
· 危险扩展名被中和（.html 保留会在 webui 域执行脚本）
· 空 payload 被拒
变异验证：丢扩展名 ⇒ 红；远端也拷贝 ⇒ 红。
## 二、文档立规：engineering-lessons 新增第五节
原来只有「判据会骗人」，没有「判据本身形状错了」。新增 6 小节：
5.1 判据必须把被测模块当黑箱（含"如果重写内部实现、接口不变，
这条判据还会绿吗"这个可操作判据）
5.2 禁止读源码做断言（附正确替代表）
5.2.1 判据不得以文档为依据
5.3 测试文件与业务代码分离（现状：521 文件 / 11.2 万行，
agent/core 一个包 196 文件里 144 个是测试）
5.4 CI 必须覆盖每个独立 module
5.5 CI 与本地必须跑同一套门
§5.2.1 的直接触发：`interrupt_invariant_test.go` 里有一条判据写着
「事实清单（来自探测，见 docs/zh/interrupt-subsystem-split-plan.md §1.5）」
—— 被引用方自己标着「状态：计划（未实施）」，而那条判据的实际断言
只是"入队后队列里 1 条"，与声称的"反向依赖现状快照"毫无关系。
该判据已删除（入队行为已由 scheduler_preempt_test 的黑箱断言覆盖）。
## 三、CI 补两个缺口
### gofmt 门
提交纪律要求 `gofmt -l` 干净，但三个 workflow 里 `gofmt` 出现 **0 次**
—— 纪律只靠人自觉。补上后未格式化的代码进不了主干。
只查本仓自管目录：SDK 是独立仓，格式由它自己的 CI 管。
### SDK 判据步骤
`third_party/hologramagentsdk/` 有自己独立的 go.mod：
go list ./... | grep third_party → 0 个
主仓 `go test ./...` **永远不包含** SDK 任何测试。实测 SDK 有 30 个判据
文件，主仓 CI 一次都没跑过。
补的步骤只跑主仓 git 跟踪的文件（CI 上只有 22 个 vendored 文件，
工作机上是完整独立仓）—— 实测 `git archive` 出 22 个文件后
`go test ./sdk/ ./meta/` 全绿。
## 四、SDK 仓测试迁移（独立仓，已单独提交 3a38ef5）
`sdk/{plugin,proxy,stress}_test.go` → `sdk/test/`，包名 `sdk` → `test`。
关键：原测试直接写 `&PluginSDK{regStage: X, name: "test"}` —— **私有字段**。
而 `New(name, sett, regTool, regStage, regAPI, regOutput)` 本来就把所有
registrar 作为参数，等价且是生产路径。共改 19 处，0 处剩余。
主仓同步更新了跟踪路径（这三个文件主仓也 vendor 了一份）。
## 验证
go build ./... PASS
go vet ./... PASS
gofmt -l 干净
go test ./... -count=1 62 包全过，0 FAIL
干净检出（worktree） build + 改造后的判据全绿
## 后续（按计划分步）
步骤 2 webui 29 个测试分类迁移（已实测出精确分类）
步骤 3 agent/core 739 处白盒引用先分类再动
步骤 4 SDK tools/hmapdev（package main，无法迁出，只加说明）
步骤 5 CI 补 coverage + staticcheck
步骤 6 文档双语（需定术语口径）
15 KiB
工程教训
这个仓库踩过的坑，以及它们共同的形态。写在这里是因为它们比实现细节更耐用 —— 代码会改，缺陷形态会重复出现。
来源：这些条目原本散落在各份执行计划（
memory-*-plan.md、toolcall-parallel-execution-plan.md等）里。计划本身已随实施完结而删除， 但教训被提出来了 —— 那是它们唯一还有价值的部分。建立于 2026-10-31。
一、判据类（最贵的教训，占了一半）
1.1 「结构判据」不能替代「质量判据」
症状：16 条判据、6 个变异全部通过，而功能完全不可用。
当时的场景：记忆检索改造。判据验的是「字段非空」「条数正确」「不 panic」， 而实际检索结果是：
查询 "doc 层召回是怎么设计的" → score=0.7834
查询 "hmap 插件安装验签" → score=0.7922
查询 "QQ 头像" → score=0.7601
分数全挤在 0.75~0.79，区分度 ≈ 0，命中内容与查询毫无关系。
⇒ 「全绿」证明的只是我实现了我以为的东西，不是它可用。
判据要问：这条判据在"功能完全失效"时会绿吗？会绿就不是质量判据。
1.2 判据测「接线之后」≠ 测「有没有接线」
这是本仓出现频率最高的缺陷形态（已攒够 5 例，见 future-plan.md §〇）。
两处实测：
| 判据 | 它做了什么 | 为什么永远绿 |
|---|---|---|
security_toolgate_test.go |
手动调 a.SetSecurity(rt) 再断言拦截 |
判据自己把缺失的接线补上了 |
retention_test.go |
手写 month_2026-01.tar.gz 再断言被删 |
从没跑过 compressMonthly 的真实产物（那产出的是 month_2026-27，解析必失败） |
两者都全绿，两个功能在生产里都完全没生效。
判据要问：这条判据在生产装配下也会绿吗？
1.3 「验证通过」≠「架构正确」
当时的场景：630d3f4 的 16 三元组端到端验证全部通过。
但那次验证的是拆分质量（能不能把句子拆成主谓宾），
不是正确的落库形态（拆出来的三元组该以什么结构存）。
⇒ 验证通过之后才发现，整个蒸馏路线方向错了，要整体否决。
判据要问：我验证的，是不是我真正想保证的那件事？
1.4 fixture 照臆测字段编
本仓 T23 教训：判据用的 fixture 是 手写臆测的字段名，而真实结构体字段不同 ⇒ 判据测的是一个不存在的契约。
⇒ 判据的输入应当来自真实产物，不是人脑里的想象。
1.5 先改代码再写测试
原本记在记忆块流修复计划里（该计划已随实施完结删除）：先改代码再补测试， 测试就只会证明「我改的是我以为的」。
⇒ 这个顺序本身会让判据失去独立价值。
二、接线类
2.1 机制 ≠ 接线
见 future-plan.md §〇。一句话总结：
策略表存在、判定函数正确、日志里一条拒绝记录都没有 —— 看起来像「没人违规」。
判断方法：codegraph_callers(符号名)。0 个生产调用方就是没接线。
2.2 依赖图是唯一保证顺序的地方
agent 模块读了 ks.Security 却没在 Requires() 里声明 FacSecurity。
「恰好」能用（security 在第 1 层、agent 在第 4 层），但那是偶然：
一旦 security 加了自己的依赖被推后，就会静默拿到 nil。
⇒ 读了谁的字段，就必须声明对谁的依赖。不要靠层号碰巧对。
2.3 单数路径改了，复数路径漏了
StopRTChild（单数）注销入站登记，StopRTChildren（复数）漏了。
残留随 create/destroy 单调累积。
⇒ 写这类对称函数时，判据要同时钉两条路径。本仓已有判据专门做这件事。
三、权限与生命周期类
3.1 「接上了」有三种层次，容易停在第二层
| 层次 | 内容 |
|---|---|
| 1 | 机制存在（CheckTool / ScanContent 都写了） |
| 2 | 接到了执行链（securityDecisionFor 真的调它） |
| 3 | 模型正确 |
第三层的典型错误：把「子 agent 继承父的权限」当成「父为子声明策略」。 两者都"接上了"，但权限模型完全不同 —— 前者意味着子等于父，后者意味着子更窄。
判断标准：这条策略是谁的意图？ 权限的意图只能来自委派者（父）， 不能来自被委派者（子），也不能来自内核默认（全局）。
3.2 以「调用方给的名字」为键的表，必须在生命周期结束时清理
两个实例：
rtClosedTranscripts[id]—— 以模型给的名字为键，全仓 0 处删除。 结果：同名重建的 rtchild 读到上一通电话的原文scopesByAgent[agentID]的longtimeProfile—— 不释放则同名重建的 agent 继承上一代的约束
⇒ 键来自外部（模型、调用方）就不能假设它唯一。
3.3 提权口子：让调用方声明自己是谁
Kind: "resident" 由 agent 自己写 —— 它同时意味着「我是内部主体」
（豁免 HardPrivateTools）和「我不受收窄」。调用方说自己是内部就拿到豁免。
⇒ 类别必须由安全模块从事实（谁在调、有没有父）推出，不能由调用方声明。
四、流程类
4.1 长任务纪律
导出、回填等内存密集任务绝不与测试并行（同一会话里踩了三次 OOM）。
4.2 数字类断言要现场取，不要凭记忆
文档里写「17 模块 6 层」，实际是 20 模块。给读者的是错的坐标。
⇒ 数字必须附取数命令（如 go run ./cmd/homed-depgraph -print）。
4.3 计划文档不要进仓库
执行计划会在实施完结后变成误导性读物：它记录的是"当时打算做什么"， 而读者会读成"现在是什么"。
本仓删掉了 9 份已完结的计划（memory-*-plan.md 等），保留：
- 设计文档（
*-design.md）：为什么这样设计，有长期价值 - 教训（本文）：踩过什么坑
- 未做登记（
future-plan.md）：还剩什么没做 - 操作手册（
*-runbook.md）：怎么做
五、判据形态类（2026-11-04 立）
这一节回答一个具体问题：判据应该写成什么形状？
前面四节讲"判据会骗人"的各种形态。这一节讲判据本身的形状错了会怎样 —— 那比"判据写得不够严"更贵，因为形状错的判据会把实现细节固化成契约， 于是重构内部就必然破坏判据，作者只能二选一：不改代码，或者删判据。
5.1 判据必须把被测模块当黑箱
模块化的目的就是"改内部实现不破坏外部接口"。判据如果不按这个层次写， 就等于取消了模块化的收益。
白盒判据把内部状态变成契约。实测代价：
| 白盒判据 | 它固化了什么 | 后果 |
|---|---|---|
if sf.Step != StepLLM |
状态机停在哪一步 | 把 StepLLM 改名/拆步骤就假红，而行为完全正确 |
if f.ToolIdx == 3 |
循环推进方式 | 改成"整批提交"就假红，而结果一样 |
strings.Contains(src, "kstate.Mount(ks)") |
源码字面量 | 改写成 kstate.Mount(state) 就假红（那是对的） |
os.ReadFile("../../events/bus.go") 正则取常量 |
常量定义在哪个文件 | 把常量挪到 types.go 就假红 |
判据要问：这条判据约束的是"对外承诺"，还是"当前怎么实现的"？
如果是后者，它就不该存在 —— 或者必须降级为"实现注释"（代码里的注释说明 为什么这样做），而不是判据。
允许白盒的三种例外（其余一律黑箱）
- 纯算法：输入输出就是全部语义（裁剪算法、版本比较、分页计算）。 这类即使白盒也不固化"流程"，因为它本来就只有"输入→输出"。
- 并发/生命周期不变量：无法从外部观测的时序约束，如"Dispose 期间
emit 不能读到已释放的指针"。这类必须用
-race+ 并发压力， 而不是断言内部字段。 - 熔断/重试状态机：内部状态本身就是被需求规定的（"连续 3 次崩溃 进入熔断"）。这类要断言状态转移的可观测效果（还健康吗、 进重载队列了吗），不是断言状态字段的值。
一个可操作的判据
写完一条判据，问自己：
"如果我把这个模块的内部实现完全重写、公开接口不变， 这条判据还会绿吗？"
- 会绿 → 形状对了
- 会红 → 它钉的是实现，不是契约
5.2 禁止"读源码做断言"
os.ReadFile("*.go") + strings.Contains / regexp 是反模式，
即使动机正确（如"防止有人删掉装配的那一行"）。
为什么它看起来有吸引力：当行为判据需要很重的 fixture 时，读源码很便宜。
为什么它必须禁用：
- 它测的是文本，不是语义。加空格、换变量名、等价重构都会让判断失效 （假红或假绿）
- 它把"文件布局"变成契约。移动代码到新文件就假红
- 它无法区分"代码存在"与"代码被执行"
正确的替代（按优先级）：
| 你想保证的 | 错误做法 | 正确做法 |
|---|---|---|
| 生产装配接了某根线 | 读源码找 kstate.Mount(ks) |
从零启动真实装配，断言可观测结果（如 kstate.Get() != nil） |
| 协议两端字段一致 | 正则提取两边的字符串字面量 | 起 handler，发真实事件，断言收到的 JSON 字段 |
| 某段保护代码没被删 | 读源码找字符串 | 构造触发条件，断言保护真的生效（如请求被拒绝） |
| 某人没删掉某条判据 | 读测试文件找函数名 | CI 层守卫：git diff --name-status 检测删除 |
唯一的例外：CI 配置自检（如"排除表不许静默退化"）。 那类检查的对象就是配置文件本身，读它是正当的 —— 因为它没有别的 可观测行为。但即便如此，也要在注释里写明"这是配置自检，不是行为判据"。
5.2.1 判据不得以文档为依据
"测试引用文档"本身就是错的 —— 文档可以被改、被删、被改写， 而判据必须锚在代码的当前行为上。
实测反例（internal/agent/core/interrupt_invariant_test.go:336）：
// 事实清单（来自探测，见 docs/zh/interrupt-subsystem-split-plan.md §1.5）。
// 这里只断言"这些字段在 scheduler 上存在"，作为改写时的锚点；
问题有三层：
- 它引用的是一份"未实施计划" —— 被引用方自己写着 「状态：计划（未实施）」。判据锚在一个不存在的事实上。
- 它没测任何契约。实际断言只有"入队后队列里 1 条"， 而那是中断功能最基本的正确性 —— 跟它声称的"反向依赖现状快照"毫无关系。
- 它把"未做的工作"变成了通过的判据。改任何东西都不会让它红， 除非入队函数彻底坏掉；而那时别的判据早就红了。
⇒ 出现这种形态时，正确处置是删掉它（或改写成真判据），
然后把这个待办登记进 future-plan.md。
不存在"用一条永远绿的判据占位待办"这种合法形态。
判据要问：这条判据的依据是代码行为，还是一份可能会变的文档？ 如果是后者，它保护的不是系统，是文字。
5.3 测试文件与业务代码分离
现状（2026-11-04 实测）：
全仓测试文件 521 个
测试代码行数 112,068 行
internal/agent/core/ 196 个文件里 144 个是测试（73%）
internal/plugins/webui/ 29 个测试文件，全部 package webui（白盒）
全仓 package X_test 仅 3 个
问题不是"测试多"，而是：
ls internal/agent/core/看不出这个模块由什么组成- 100% 白盒 ⇒ 100% 的判据都能碰内部
- 想改成黑箱必须先移动文件，而移动文件又会被源码扫描类判据挡住
约定（新代码必须遵守，存量逐步迁）：
- 黑箱判据用
package <pkg>_test，放*_contract_test.go - 白盒判据（仅 §5.1 的三个例外）放
*_internal_test.go， 并在文件头注明"为什么必须白盒" - 新增判据默认黑箱；要写白盒必须在文件头回答： 这条判据能用黑箱表达吗？为什么不能？
这不是风格问题：一个包里如果 90% 判据是白盒，这个包的模块边界 事实上不存在 —— 谁都不敢改内部实现。
5.4 CI 必须覆盖每个独立 module
实测缺口（2026-11-04）：主仓有 third_party/hologramagentsdk/，
它有自己独立的 go.mod（模块 github.com/JianFeeeee/hologramagentsdk）
和独立的 .git（remote: github.com/JianFeeeee/hologramagentsdk）。
后果：
go list ./... | grep third_party → 0 个
主仓的 go test ./... 永远不包含 SDK 的任何测试。
- SDK 仓自己的 CI 会跑（已核实它的
.github/workflows/ci.yml有go test ./...且单独处理了嵌套 module） - 但主仓 CI 只验证"能编译"，不验证"SDK 的判据还绿"
⇒ 主仓改动可能依赖 SDK 的内部行为，而 SDK 判据红了主仓不知道。
规则：
- 子目录里出现
go.mod⇒ 它是独立 module，go test ./...覆盖不到 - 每个独立 module 必须在 CI 里有自己的测试步骤
- 有独立
.git的目录不由主仓管理，主仓只 vendor 必需文件；go.mod的replace指向它时，CI 必须确保这些文件存在且与 上游 HEAD 一致
5.5 CI 与本地必须跑同一套门
实测缺口：提交纪律要求 gofmt -l 干净，但三个 workflow 里
gofmt 出现 0 次。纪律只靠人遵守，CI 不兜底。
同理缺 staticcheck / govulncheck / coverage。
规则：写进提交纪律的每一条，都必须在 CI 里有对应步骤。 否则它不是纪律，是建议。
| 纪律条目 | CI 有没有兜底 |
|---|---|
go build ./... |
✅ |
go vet ./... |
✅ |
gofmt -l 干净 |
❌ 必须补 |
go test -race 全绿 |
✅ |
| 干净 worktree 能编译 | ❌ 靠人 |
附：这些教训的共同点
回头看，几乎每一条都是同一个形态的变体：
某种"看起来对了"的信号，与"真的对了"之间存在缺口。
- 判据全绿 ≠ 功能可用
- 机制存在 ≠ 接线生效
- 层号碰巧对 ≠ 依赖声明正确
- 单数路径对 ≠ 复数路径也对
- 名字相同 ≠ 是同一个东西
- 计划写完 ≠ 事情做完
- 判据通过 ≠ 契约被保护（它可能钉的是实现，见 §5.1）
go test ./...绿 ≠ 全部测试跑过（独立 module 不在里面，见 §5.4）- 纪律写着 ≠ 有人执行（CI 没兜底的纪律只是建议，见 §5.5）
所以写判据、写文档、写代码时，都要问一句：我现在拿到的这个信号， 在什么情况下会是假的？