@chongyan/autospec 1.0.2 → 1.0.4

package/plugins/skills/testing-stage/SKILL.md

@@ -1,770 +0,0 @@
----
-name: testing-stage
-description: "When test case generation, QA testing, test plan creation, or test coverage analysis is needed — loads AutoSpec testing process and skill."
----
-
-# AutoSpec QA测试（Stage 05）
-
-你正在执行QA测试阶段。此阶段从用户视角验证产品功能正确性。
-
-## ⚠️ 执行约束（强制）
-
-**【阻塞检查】** 在开始执行前，必须确认以下条件：
-
-```
-□ 上游编码实现阶段已完成（检查 state.json）
-□ 代码已通过 Layer1 验证（编译/测试/Lint）
-□ design.md 文件存在且完整
-□ 已读取复杂度评估结果或重新评估
-□ 已确定参与角色列表
-```
-
-**【跳过检测】** 以下行为将被检测并阻止：
-
-| 行为 | 检测方式 | 处理 |
-|------|----------|------|
-| 直接生成测试没有代码 | 检查上游阶段状态 | 阻止，返回执行编码实现 |
-| 跳过测试执行 | 检查测试执行日志 | 阻止，要求执行测试 |
-| 跳过效果评测（AI功能） | 检查评测报告 | 阻止，要求执行效果评测 |
-| 跳过团队对抗审查 | 检查 Agent 调用记录 | 阻止，要求启动多 Agent 审查 |
-
-**【强制流程】** 必须按顺序完成以下步骤，不可跳过：
-
-```
-Step 1 → Step 2/3/4 → 阶段完成验证 → Layer1 → 团队对抗 → Layer2 → 阶段门禁
-         ↓
-    【强制】测试必须真实执行
-    【强制】AI功能必须有效果评测
-    【禁止】跳过测试直接通过
-```
-
-## 前置检查
-
-1. 确认代码审查阶段已完成（检查 `.autospec/runtime/state.json`）
-2. 读取 `knowledge/01-principles/09-constitution.md` → 确认红线
-3. 读取需求文档（验收标准是测试用例的基础）
-4. **检查是否为多系统项目**：读取 `.autospec/runtime/config.json` 的 `subsystems` 字段
-5. **检查是否需要效果评测**：检查是否有 ai 类型子系统或 needsEvaluation=true
-6. 如有角色配置，加载 `.clause/agents/roles/{角色}.md` 中**QA测试阶段**关注点（如后端关注接口契约测试/数据一致性测试）
-7. 加载认知增强原则：读取 `${KNOWLEDGE}/principles/02-methodology-principles.md` → 本阶段重点应用 CP6(错误即信号)、CP10(自我质检)、CP1(合伙人模式)
-
-## 阶段检查点（本阶段必须完成）
-
-执行过程中请持续对照以下检查点，确保不遗漏：
-
-**说明**：
-- **检查点表**：快速验证产出是否存在/完成
-- **检查清单（checklists/）**：详细验证产出质量是否达标
-- 通过"检查清单核对完成"一项覆盖所有质量检查，避免重复
-
-| 类别 | 检查项 | 必须完成 | 验证方式 |
-|-----|-------|---------|---------|
-| 流程 | 模式确定完成 | ✅ | 检查 subsystems 字段确定单/多系统模式 |
-| 做类 | 测试方案规划Agent加载完成 | ✅ | 已加载 plan-testing skill |
-| 做类 | 测试方案规划Agent正确执行 | ✅ | 已产出测试方案（策略/范围/资源） |
-| 做类 | 测试代码生成Agent加载完成 | ✅ | 已加载 generate-tests skill |
-| 做类 | 测试代码生成Agent正确执行 | ✅ | 已产出测试用例代码 |
-| 做类 | 测试代码汇总完成 | ✅ | 各测试文件已合并到正确目录 |
-| 流程 | 团队对抗审查执行（审类） | ✅ | 检查是否已调用 team-orchestrator 并汇总审查报告 |
-| 流程 | independent-reviewer Agent 调用 | ✅ | Layer 2 审查必须调用 |
-| 产出 | 检查清单核对完成 | ✅ | 已按 03-test.md 逐项核对并记录（质量检查） |
-| 流程 | Layer 1 验证通过 | ✅ | 所有测试执行通过 |
-| 流程 | Benchmark 评测通过 | ✅ | TST-001~002 全部通过 |
-
-**阶段完成前自检**：
-- [ ] 已确定模式（单系统/多系统）
-- [ ] 已加载测试方案规划Agent（plan-testing skill）
-- [ ] 已执行测试方案规划任务
-- [ ] 已加载测试代码生成Agent（generate-tests skill）
-- [ ] 已执行测试代码生成任务
-- [ ] 测试代码已汇总到正确目录
-- [ ] 已执行团队对抗审查（调用 team-orchestrator）
-- [ ] 已按检查清单（03-test.md）逐项核对（质量检查）
-- [ ] 已调用 independent-reviewer（Layer 2）
-- [ ] Layer 1 验证已通过（测试执行）
-- [ ] Benchmark 评测已通过（Layer 3）
-- [ ] 单元测试已完成
-- [ ] 集成测试已完成
-- [ ] 效果评测已完成（如有AI功能）
-- [ ] 已按检查清单（03-test.md）逐项核对
-- [ ] 已调用 independent-reviewer（Layer 2）
-- [ ] Layer 1 验证已通过（测试执行）
-- [ ] Benchmark 评测已通过（Layer 3）
-
-## 执行
-
-### Step 1: 确定模式
-
-读取 `.autospec/runtime/config.json`，检查 `subsystems` 字段：
-- **无 subsystems 或长度为1** → 单系统模式
-- **有 subsystems 且长度>1** → 多系统模式
-
-检查是否需要效果评测：
-- 有 `type: ai` 的子系统或 `needsEvaluation: true` → 需要效果评测开发
-
-### Step 2: 单系统模式（普通功能）
-
-1. **【强制】** 加载做类skill：读取 `${KNOWLEDGE}/03-guides/05-plan-testing.md` → **测试方案规划**
-2. **【强制】** 加载做类skill：读取 `${KNOWLEDGE}/03-guides/06-generate-tests.md` → **测试代码生成**
-3. 加载方法论原则：读取 `${KNOWLEDGE}/principles/02-methodology-principles.md` → 注入 P1(验证为王) 测试原则
-4. 逐条对照需求验收标准，生成测试用例
-5. 生成边界条件和异常路径测试
-6. 针对关键假设设计验证用例
-7. 如有角色特有测试关注点（如后端的"幂等验证"、前端的"跨浏览器兼容"），额外覆盖
-8. 将测试用例转化为可执行的测试代码
-
-## Mock配置最佳实践（多语言）
-
-**通用Mock原则**（适用于所有语言）：
-
-1. **Mock外部依赖**：数据库、API、文件系统等
-2. **保持错误类型匹配**：Mock返回的错误类型必须与实际一致
-3. **生命周期管理**：每个测试前清理Mock，测试后重置
-4. **避免过度Mock**：核心业务逻辑不应被Mock
-
----
-
-### JavaScript / TypeScript (Jest / Vitest)
-
-```javascript
-// tests/__mocks__/{module}.js
-
-// 1. Mock模块加载
-jest.mock('../../src/modules/auth', () => ({
-  login: jest.fn().mockResolvedValue({ token: 'mock-token' }),
-  logout: jest.fn().mockResolvedValue(true)
-}));
-
-// 2. Mock API调用
-jest.mock('../../src/api', () => ({
-  fetchUser: jest.fn().mockResolvedValue({ id: 1, name: 'Test User' })
-}));
-
-// 3. Mock数据库操作
-jest.mock('../../src/db', () => ({
-  query: jest.fn().mockResolvedValue([])
-}));
-
-// 4. 错误处理Mock（重要：确保错误类型匹配）
-jest.mock('../../src/services/payment', () => ({
-  processPayment: jest.fn().mockRejectedValue(
-    new Error('Payment failed')
-  )
-}));
-
-// 5. 生命周期管理（tests/setupTests.js）
-beforeEach(() => {
-  jest.clearAllMocks();
-});
-
-afterEach(() => {
-  jest.resetAllMocks();
-});
-```
-
-**Vitest变体**：
-```javascript
-import { vi } from 'vitest'
-
-vi.mock('../../src/api', () => ({
-  fetchUser: vi.fn().mockResolvedValue({ id: 1, name: 'Test User' })
-}))
-```
-
----
-
-### Python (pytest + unittest.mock)
-
-```python
-# tests/conftest.py - pytest fixtures
-
-import pytest
-from unittest.mock import Mock, patch, MagicMock
-
-# 1. Mock模块/类
-@pytest.fixture
-def mock_auth():
-    mock = Mock()
-    mock.login.return_value = {'token': 'mock-token'}
-    mock.logout.return_value = True
-    return mock
-
-# 2. Mock API调用（使用patch装饰器）
-def test_user_service(mock_auth):
-    with patch('src.api.fetchUser') as mock_fetch:
-        mock_fetch.return_value = {'id': 1, 'name': 'Test User'}
-        # 测试代码
-
-# 3. Mock数据库操作
-@pytest.fixture
-def mock_db():
-    mock = MagicMock()
-    mock.query.return_value = []
-    return mock
-
-# 4. 错误处理Mock（确保错误类型匹配）
-def test_payment_failure():
-    with patch('src.services.payment.processPayment') as mock_pay:
-        mock_pay.side_effect = ValueError('Payment failed')
-        # 测试代码
-
-# 5. 生命周期管理（自动清理）
-@pytest.fixture(autouse=True)
-def reset_mocks():
-    yield
-    # pytest自动清理
-```
-
-**unittest.mock常用方法**：
-```python
-from unittest.mock import Mock, patch, call
-
-# Mock对象
-mock_obj = Mock()
-mock_obj.method.return_value = result
-mock_obj.method.side_effect = Exception('error')
-
-# Patch装饰器
-@patch('module.function')
-def test_something(mock_func):
-    mock_func.return_value = 'mocked'
-
-# 断言
-mock_obj.method.assert_called_once()
-mock_obj.method.assert_called_with(arg1, arg2)
-mock_obj.method.assert_not_called()
-```
-
----
-
-### Java (JUnit 5 + Mockito)
-
-```java
-// src/test/java/.../MyServiceTest.java
-
-import org.junit.jupiter.api.*;
-import static org.mockito.Mockito.*;
-import static org.assertj.core.api.Assertions.*;
-
-@ExtendWith(MockitoExtension.class)
-class MyServiceTest {
-
-    // 1. Mock声明
-    @Mock
-    private AuthRepository authRepository;
-
-    @Mock
-    private ApiClient apiClient;
-
-    @InjectMocks
-    private MyService myService;
-
-    // 2. 生命周期管理
-    @BeforeEach
-    void setUp() {
-        Mockito.reset(authRepository, apiClient);
-    }
-
-    @AfterEach
-    void tearDown() {
-        // 清理资源
-    }
-
-    // 3. Mock行为定义
-    @Test
-    void testLogin() {
-        // 定义Mock行为
-        when(authRepository.findByUsername("test"))
-            .thenReturn(Optional.of(new User("test")));
-
-        // 调用被测试方法
-        User result = myService.login("test");
-
-        // 断言
-        assertThat(result).isNotNull();
-        verify(authRepository, times(1)).findByUsername("test");
-    }
-
-    // 4. 错误处理Mock
-    @Test
-    void testPaymentFailure() {
-        when(paymentService.process(any()))
-            .thenThrow(new PaymentException("Payment failed"));
-
-        assertThatThrownBy(() -> paymentService.process(order))
-            .isInstanceOf(PaymentException.class)
-            .hasMessage("Payment failed");
-    }
-
-    // 5. Mock数据库操作
-    @Test
-    void testDatabaseOperation() {
-        when(repository.findAll()).thenReturn(Collections.emptyList());
-
-        List<Entity> result = repository.findAll();
-        assertThat(result).isEmpty();
-    }
-}
-```
-
-**Mockito常用方法**：
-```java
-// 静态导入
-import static org.mockito.Mockito.*;
-
-// Mock行为
-when(mock.method()).thenReturn(value);
-when(mock.method(any())).thenThrow(exception);
-doNothing().when(mock).voidMethod();
-
-// 验证
-verify(mock).method();
-verify(mock, times(2)).method();
-verify(mock, never()).method();
-verifyNoMoreInteractions(mock);
-```
-
----
-
-### Go (testing + gomock / testify)
-
-```go
-// myservice_test.go
-
-package myservice
-
-import (
-    "testing"
-    "github.com/golang/mock/gomock"
-    "github.com/stretchr/testify/mock"
-    "errors"
-)
-
-// 使用gomock
-func TestServiceWithGomock(t *testing.T) {
-    ctrl := gomock.NewController(t)
-    defer ctrl.Finish()
-
-    // 1. 创建Mock
-    mockRepo := NewMockRepository(ctrl)
-    mockAPI := NewMockAPIClient(ctrl)
-
-    // 2. 定义Mock行为
-    mockRepo.EXPECT().
-        FindByID(gomock.Eq(1)).
-        Return(&User{ID: 1, Name: "Test"}, nil).
-        Times(1)
-
-    mockAPI.EXPECT().
-        Fetch(gomock.Any()).
-        Return(nil, errors.New("API error"))
-
-    // 3. 执行测试
-    service := NewService(mockRepo, mockAPI)
-    result, err := service.GetUser(1)
-
-    // 4. 断言
-    if err != nil {
-        t.Errorf("expected no error, got %v", err)
-    }
-    if result.Name != "Test" {
-        t.Errorf("expected Test, got %s", result.Name)
-    }
-}
-
-// 使用testify/mock
-type MockRepository struct {
-    mock.Mock
-}
-
-func (m *MockRepository) FindByID(id int) (*User, error) {
-    args := m.Called(id)
-    return args.Get(0).(*User), args.Error(1)
-}
-
-func TestWithTestify(t *testing.T) {
-    mockRepo := new(MockRepository)
-
-    // 定义行为
-    mockRepo.On("FindByID", 1).Return(&User{ID: 1}, nil)
-
-    // 执行测试
-    result, err := mockRepo.FindByID(1)
-
-    // 断言
-    mockRepo.AssertExpectations(t)
-    assert.NoError(t, err)
-    assert.Equal(t, 1, result.ID)
-}
-```
-
----
-
-### C# (xUnit + Moq)
-
-```csharp
-// MyServiceTests.cs
-
-using Xunit;
-using Moq;
-using System.Threading.Tasks;
-
-public class MyServiceTests
-{
-    // 1. Mock声明
-    private readonly Mock<IAuthRepository> _mockAuth;
-    private readonly Mock<IApiClient> _mockApi;
-    private readonly MyService _service;
-
-    public MyServiceTests()
-    {
-        _mockAuth = new Mock<IAuthRepository>();
-        _mockApi = new Mock<IApiClient>();
-        _service = new MyService(_mockAuth.Object, _mockApi.Object);
-    }
-
-    // 2. 生命周期管理
-    [Fact]
-    public void TestSetup()
-    {
-        _mockAuth.Reset();
-        _mockApi.Reset();
-    }
-
-    // 3. Mock行为定义
-    [Fact]
-    public async Task TestLogin()
-    {
-        _mockAuth.Setup(x => x.LoginAsync("test", "pass"))
-            .ReturnsAsync(new AuthResult { Token = "mock-token" });
-
-        var result = await _service.Login("test", "pass");
-
-        Assert.NotNull(result);
-        _mockAuth.Verify(x => x.LoginAsync("test", "pass"), Times.Once);
-    }
-
-    // 4. 错误处理Mock
-    [Fact]
-    public async Task TestPaymentFailure()
-    {
-        _mockApi.Setup(x => x.ProcessPaymentAsync(It.IsAny<PaymentRequest>()))
-            .ThrowsAsync(new PaymentException("Payment failed"));
-
-        await Assert.ThrowsAsync<PaymentException>(
-            () => _service.ProcessPayment(new PaymentRequest()));
-    }
-
-    // 5. Mock数据库操作
-    [Fact]
-    public void TestDatabaseQuery()
-    {
-        _mockAuth.Setup(x => x.GetAllUsers())
-            .Returns(new List<User>());
-
-        var result = _mockAuth.Object.GetAllUsers();
-
-        Assert.Empty(result);
-    }
-}
-```
-
----
-
-### Ruby (RSpec)
-
-```ruby
-# spec/services/my_service_spec.rb
-
-require 'rails_helper'
-
-RSpec.describe MyService do
-  # 1. Mock声明
-  let(:mock_auth) { instance_double('AuthRepository') }
-  let(:mock_api) { instance_double('ApiClient') }
-  let(:service) { MyService.new(mock_auth, mock_api) }
-
-  # 2. 生命周期管理（自动清理）
-  afterEach do
-    # RSpec自动清理
-  end
-
-  # 3. Mock行为定义
-  describe '#login' do
-    before do
-      allow(mock_auth).to receive(:login).with('test', 'pass')
-        .return_value(token: 'mock-token')
-    end
-
-    it 'returns auth result' do
-      result = service.login('test', 'pass')
-      expect(result[:token]).to eq('mock-token')
-    end
-  end
-
-  # 4. 错误处理Mock
-  describe '#process_payment' do
-    before do
-      allow(mock_api).to receive(:process_payment)
-        .and_raise(PaymentException.new('Payment failed'))
-    end
-
-    it 'raises PaymentException' do
-      expect { service.process_payment }
-        .to raise_error(PaymentException, 'Payment failed')
-    end
-  end
-
-  # 5. Mock数据库操作
-  describe '#get_users' do
-    before do
-      allow(mock_auth).to receive(:get_all_users).and_return([])
-    end
-
-    it 'returns empty array' do
-      expect(service.get_users).to be_empty
-    end
-  end
-end
-```
-
----
-
-### 通用Mock原则总结
-
-| 原则 | 说明 |
-|------|------|
-| **最小Mock原则** | 只Mock必要的依赖，不要Mock被测试对象本身 |
-| **行为验证** | 验证调用了什么，而不是如何调用 |
-| **错误类型匹配** | Mock错误必须与实际错误类型一致 |
-| **生命周期管理** | 每个测试独立，Mock状态不共享 |
-| **可读性** | Mock配置应该清晰易懂 |
-
-**覆盖率门禁执行**：
-```bash
-# 运行测试并生成覆盖率报告
-npm test -- --coverage
-
-# 检查覆盖率是否达标
-# - 行覆盖率 >= 70%
-# - 分支覆盖率 >= 60%
-# - 核心功能覆盖率 = 100%
-
-# 覆盖率不达标时自动补充测试
-if coverage < 70%:
-  1. 分析未覆盖的代码路径
-  2. 生成补充测试用例
-  3. 重新运行测试
-  4. 最多重试3次
-```
-
-9. **运行所有测试**，生成测试报告
-
-### Step 3: 多系统模式
-
-1. **各子系统测试**：
-   ```
-   for subsystem in config.subsystems:
-     a. 运行 {subsystem.test}
-     b. 收集测试结果
-     c. 产出 tests/{subsystem.name}.md
-   ```
-
-2. **集成测试**：
-   - 设计跨系统测试场景（基于 design/overview.md 中的系统交互）
-   - 执行端到端测试
-   - 产出 `tests/integration.md`
-
-3. **验收标准对照**：
-   - 逐条对照需求文档中的验收标准
-   - 确保每条标准都有对应测试覆盖
-
-### Step 4: 效果评测开发（AI/模型类功能）
-
-当项目包含 AI/模型 相关功能时，测试阶段需要额外开发：
-
-#### 4.1 评测需求分析
-
-1. 从需求文档中提取效果相关指标：
-   - 准确率、召回率、F1等（分类任务）
-   - BLEU、ROUGE等（生成任务）
-   - 任务完成率、响应质量（智能体）
-   - 业务效果指标（转化率、用户满意度等）
-
-2. 确定评测方法：
-   - 自动评测（有标注数据）
-   - 人工评测（需要评测人员）
-   - A/B测试（线上对比）
-   - LLM-as-Judge（用LLM评估LLM）
-
-#### 4.2 评测数据集构建
-
-1. 从需求中提取典型场景
-2. 构造正例和反例
-3. 标注预期结果
-4. 写入 `tests/evaluation/dataset/`
-
-#### 4.3 评测脚本开发
-
-产出 `tests/evaluation/evaluator.py`：
-- 加载模型/智能体
-- 执行评测数据集
-- 计算效果指标
-- 生成评测报告
-
-#### 4.4 智能体评测
-
-如果项目包含智能体（Agent）功能：
-
-1. **任务完成评测**：定义评测任务集，执行并判断成功率
-2. **响应质量评测**：使用LLM-as-Judge评估
-3. **工具使用评测**：验证工具调用正确性
-
-#### 4.5 数据系统测试
-
-如果项目包含数据系统（data类型）：
-
-1. **数据质量测试**：完整性、一致性、准确性检查
-2. **ETL流程测试**：数据转换正确性、异常处理
-3. **性能测试**：大数据量处理能力
-
-#### 4.6 评测报告生成
-
-产出 `tests/evaluation-report.md`：
-- 评测概述（方法、数据集规模）
-- 效果指标结果
-- 与基线/目标对比
-- Badcase分析
-- 改进建议
-
-## 认知纪律（本阶段：批判思维 + 错误捕获）
-
-- **CP6 错误即信号**：测试失败不是坏事，是发现问题的好时机。每个失败的测试用例都要分析根因：是代码bug？需求歧义？还是测试用例设计问题？
-- **CP10 自我质检**：测试完成前自问：我是否覆盖了所有验收标准？核心路径都测了吗？有没有"看起来测了很多但关键的没测"的情况？
-- **CP1 合伙人模式**：如果测试过程中发现需求或设计的缺陷，必须指出，不要只是让测试通过
-
-## 验证
-
-### 阶段完成验证（阻塞检查）
-
-**【强制】【不可跳过】** 在执行 Layer1 验证之前，必须验证以下条件：
-
-```
-验证清单：
-□ 上游代码实现已完成
-□ 测试用例已生成
-□ 测试代码已编写
-□ 效果评测脚本已开发（如有AI功能）
-□ 评测数据集已构建（如有AI功能）
-```
-
-**验证失败处理**：
-
-| 缺失项 | 处理方式 |
-|--------|----------|
-| 代码未完成 | 返回编码实现阶段 |
-| 测试用例未生成 | 执行测试方案规划 |
-| 效果评测未开发 | 执行效果评测开发 |
-
-**【禁止】** 验证未通过时，禁止进入 Layer1 验证。
-
-### Layer 1: 确定性验证
-- 所有测试用例执行通过
-- **测试覆盖率门禁**：
-  - 行覆盖率 >= 70%
-  - 分支覆盖率 >= 60%
-  - 核心功能覆盖率 = 100%
-  - 覆盖率 < 70% 时自动触发测试补充循环（最多3次）
-- 无跳过或被禁用的测试
-- **多系统模式**：所有子系统测试都通过
-- **效果评测模式**：评测脚本可运行，评测报告已产出
-
-### 团队审查（按复杂度）
-
-**【强制】** 根据复杂度评估结果，启动团队智能体并行审查：
-
-#### 简单任务（score <= 5）
-- 质量工程师：测试策略、覆盖度
-
-#### 中等任务（score 6-8）
-- 质量工程师 + 技术负责人
-
-#### 复杂任务（score >= 9）
-- 质量工程师 + 技术负责人 + 后端工程师 + 前端工程师
-- 如触发强制规则，额外引入安全工程师
-
-**执行方式**：
-```
-**【强制】** 读取 `${KNOWLEDGE}/03-guides/01-team-orchestrator.md`
-并行启动团队智能体审查测试：
-  - 质量工程师 Agent：测试策略、覆盖率、测试质量
-  - 技术负责人 Agent：测试完整性、边界条件覆盖
-  - 后端工程师 Agent：接口测试、数据库测试
-  - 前端工程师 Agent：UI测试、兼容性测试
-  - 数据工程师 Agent：数据质量测试、ETL测试（如涉及数据系统）
-  - AI工程师 Agent：效果评测、模型测试（如涉及AI系统）
-  - 安全工程师 Agent：安全测试覆盖（如触发）
-汇总审查意见，生成团队审查报告
-```
-
-### Layer 2: AI审查（做审分离）
-使用 **test-coverage-reviewer** Agent（专用测试审查Agent）执行独立审查：
-```
-**【强制】** 调用 Agent 工具：
-  prompt: 请审查以下测试方案和结果。
-    1. 先读取审查标准: ${KNOWLEDGE}/03-guides/12-review-testing.md
-    2. 测试用例和测试代码
-    3. 测试执行报告（或 tests/ 目录）
-    4. 上游需求文档: .autospec/specs/{feature}/requirement.md（用于验证覆盖度）
-    5. 关键假设清单
-    注意：你是独立审查者，评估测试充分性，不参考测试生成过程
-```
-
-### Layer 3: Benchmarks 评测（新增）
-
-**【强制】** 执行 testing benchmarks 评测：
-```
-1. 执行测试套件，收集覆盖率报告
-2. 调用 benchmark-executor 执行评测：
-   - TST-001: 测试覆盖率（行覆盖>=80%、分支覆盖>=70%、核心功能100%）
-   - TST-002: 测试质量（无Flaky test、执行时间<5分钟、测试数据独立）
-   - TST-003: 集成测试（关键路径有集成测试、契约测试覆盖）
-3. 生成评测报告到 .autospec/benchmarks/results/testing-{run-id}.json
-4. 如评测未通过：
-   - 生成改进建议
-   - 返回 Step 2 补充测试
-   - 最多重试 3 次
-5. 如评测通过：
-   - 记录评测结果
-   - 允许进入 delivery stage
-```
-
-**评测触发方式**：
-- 自动触发：测试执行完成后自动执行
-- 手动触发：`/benchmark --run --stage=testing`
-- 变更触发：tests/ 目录修改后自动重新评测
-
-## 阶段门禁（所有自主级别）
-
-使用 **stage-gate-evaluator** Agent 评估产出物是否达到准出标准：
-```
-**【强制】** 调用 Agent 工具：
-  prompt: 请评估QA测试阶段的产出物是否达到准出标准。
-    当前阶段：Stage 05 QA测试
-    产出物：测试用例 + 测试执行报告（或 tests/ 目录）
-    准出标准：测试覆盖率 + 验收标准覆盖度
-    上游契约：.autospec/specs/{feature}/requirement.md
-    自主级别：{自主/交互}
-```
-
-**根据自主级别处理评估结果**：
-- **交互模式**：评估结果提交人工确认，AI 等待用户批准后继续
-- **自主模式**：评估通过后自动进入下一阶段，评估不通过进入精准回退
-
-## 完成
-
-- 两层验证通过 + 阶段门禁评估通过 → 输出测试报告 → 更新 `.autospec/runtime/state.json` → 进入交付部署
-- 不通过 → 精准回退：
-  - Level 1: 内联重试（单次）
-  - Level 2: 修正循环（最多3次，只重处理失败项）
-  - Level 3: 3次后使用 **failure-diagnostician** Agent 执行根因分析，再升级用户