Test Runner

test-runner

对一个改动选层跑测试并把**新增红（vs baseline）**报回 task 的验收 criterion（apc/02 §2 R1 · apc/05 A1 S7）。核心纪律：环境红（env_blocked）与被测代码红（SUT red）分域——机器坏了绝不判代码红。

什么时候用：一个 coding task 改完进 review，需要按改动面选层跑回归、把结果作为 acceptance criterion 的 pass/fail 证据。

工具契约（签名以此为准，先核后用）

• apc test 的退出码原样透传，含 78。把 78 折成 1 会让下游去重试一个根本没跑的圈次——绝不这么干。
• --json 下 stdout 是结构化 test203.run/v1 产物，含每层 TierResult（命令 / 退出码 / failed names / envStatus）+ baseline diff。从 stdout JSON 取结果，人读报告在 stderr。

选层规则（按改动面）

跨 src/lib + endpoint 的改动 → --tier=T0,T1。宁可多选一层，不可漏层。

Procedure

1. 先体检（env doctor，取上下文——不是是否跑的最终判据）

bashCopy code
apc env doctor > /tmp/apc-doctor.json; DOC=$?
echo "doctor exit=$DOC"

apc env doctor 是全局体检：它 exit 78 只表示"存在某个环境红"，不等于你要跑的 tier 被挡。跑不跑的权威判据是 apc test 自己的退出码——run.ts 按 tier 做逐层 env 门（TIER_ENV_REQUIRES）：

所以：doctor 红在你选的 tier 的 env 需求之外（典型 toolchain.node pin 漂移之于 T0/T1）→ 记一条故障域备注即可，照跑。别把全局 78 当作"停"——那会因为一条无关的 toolchain 红漏掉整轮回归。真正的 env_blocked 由第 2 步 apc test 的 exit 78 表达（run.ts 只在你选的 tier 的 infra 缺失时才给 78）。

2. 选层跑（apc test）

按上表选层。跨 src/lib + endpoint 的改动：

bashCopy code
apc test --tier=T0,T1 --diff --json > /tmp/apc-test.json; T=$?
echo "apc test exit=$T"

3. 解析 TierResult + 判据

从 /tmp/apc-test.json 读结构化产物，真实 schema（字段名以此为准）：

• 顶层：{ schema, doctor, envStatus, tiers:[...], regressions:[...], fixed:[...], exitCode }。
  • envStatus：ok | env_blocked（全局）。
  • regressions[]：新增红 vs baseline（跨所有层的并集）——这是 --diff 判据的核心。
  • fixed[]：本圈由红转绿的用例。
  • exitCode：整轮退出码（与命令退出码一致）。
• 每个 tiers[] 元素：{ tier, passed, failed, skipped, total, failedNames:[...], envStatus, regressions:[...] }（注意是 failedNames，且 command/exitCode 不在每层——退出码看顶层）。

按 apc test 退出码定 criterion outcome：

只把"新增红"当回归：baseline 里已知的红不是本次回归（--diff 的退出码只看新增红）。

4. 报回 task

拿到本 task 的 criterionId（从 acceptance view），按第 3 步结论上报：

bashCopy code
# 绿：
cloud task verify-criterion "$PRISMER_TASK_ID" "<criterion-id>" --outcome passed \
  --note "apc test T0,T1 green; no new reds vs baseline"

# 红（附证据）：
cloud task verify-criterion "$PRISMER_TASK_ID" "<criterion-id>" --outcome failed \
  --note "T1 new reds: <failed-name-1>,<failed-name-2>"

verify-criterion 也支持 --run 让服务端下发的 criterion.execution 就地执行后按退出码上报——但那条路的命令串来自服务端，本 skill 走的是"本地 apc test 选层跑 + 手动上报"这条主路。

输出契约（机器判据按这个复算，别自由发挥格式）

本 skill 的判据不是「报告里出现了 --diff / 78 这些字」，而是判据自己重解析你贴的产物、重算每层算术、并从真 scripts/test203/baseline.json 重推 regressions[]（structured-criteria.ts 的 json-claim）。所以报告必须带下面两行 + 一段原样的 JSON：

Copy code
RUN-EXIT: <apc test 的原始退出码：0 | 1 | 78>
VERDICT: <exit 0 → passed | exit 1 → failed | exit 78 → env-fault>

紧跟着把 --json 的 stdout 一字不改贴进 fenced json 块：

Copy code
```json
{ "schema": "test203.run/v1", "timestamp": "…", "envStatus": "…", "tiers": [ … ], "regressions": [ … ], "exitCode": 0 }
```

判据会判红的情况（任一）：

• 报告里没有可解析的 fenced JSON（只有散文「跑绿了」）；
• RUN-EXIT: 与产物里的 exitCode 不一致——把红叙述成绿正是这条要抓的；
• VERDICT: 不是从退出码推出来的那个：78 恒 env-fault，永远不是 failed（环境故障域不计 SUT 红，这是本 skill 的承重纪律，判据里是硬映射不是措辞）；
• 退出码契约被破坏：exit 78 而 envStatus != env_blocked、exit 1 而 regressions 空、exit 0 而 regressions 非空；
• 某层的 passed+failed+skipped != total，或 failedNames.length != failed——编的计数会露馅；
• 本 task 钉的 tier 不在 tiers[] 里（跑了别的层顶包）；
• regressions[] 与「用真 baseline.json 重算的新增红集合」不等：把新增红藏进已知红、或把已知红报成回归，两个方向都红；
• 该层的运行副产物文件不存在，或它的 mtime 与产物自带的 timestamp 相差超过 skew——「我跑了」但磁盘上没有这一刻的痕迹，判红。

诚实边界：freshArtifacts / requireItems 的取值是按本 sample task 钉的（TD 层 + desktop-shell-skip-evidence.txt），换 tier 必须同步换 args；判据也不能证明产物里的数字来自真 vitest——一个肯读 baseline、肯 touch 副产物的伪造者仍能构造自洽产物。它杀的是廉价伪造（编计数、叙述判定、无痕迹）。

产出（副作用 oracle，报告里必须给）

1. 结构化 TierResult：顶层 {envStatus, exitCode} + 每层 {tier, passed/failed/skipped/total, failedNames, envStatus}（取自 apc test --json stdout）。
2. 新增红 vs baseline：顶层 regressions[]（区分"回归"与"从未通过"——baseline 已知红不进这个数组）。
3. criterion 上报：cloud task verify-criterion 落库的 outcome 行（可回读 acceptance view 确认）。

不许：把 env_blocked（exit 78）计成 SUT 红去判 criterion failed；把 baseline 已知红当新增红上报；断言聊天文本而非 TierResult 结构字段。

调用回执（APC 平台方运营纪律 · 自动注入，勿手改）

执行本 skill 的第一步，先落一条调用回执：

bashCopy code
cloud skill ack test-runner --task "$PRISMER_TASK_ID"

按退出码分流（这条命令的退出码是承重信息，禁止用 || 兜底、; true、 set +e 或重定向把它抹掉）：

回执只证明本 skill 被调度，不证明执行正确——效果证明由本 skill 自己的 acceptanceCriteria 副作用断言承担（apc/04 §2 层 1 诚实标注）。