Auto test code

auto-test-code（批判性思维驱动的代码自审查技能）

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。

交付物

本技能的审查结论和验证证据必须落盘到目标代码项目的隔离工作区中，形成可追溯、可复核、后续可接续的会话文件。

默认交付根目录为 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/；实际目录以 config.yaml 中的 directories.tmp 和 directories.tests 为准。

每个 A 轮或 B 轮会话目录都必须包含同一组文件：

• REVIEW.md：审查报告。A 轮记录批判性代码审查的问题清单与改进计划；B 轮记录代码质量原则检查结果。
• TEST_PLAN.md：测试计划，说明本轮要验证的修复点、核心路径和预期证据。
• TEST_RUN.md：测试过程记录，包含实际执行的命令、关键输出摘录和关键决策。
• TEST_REPORT.md：测试结果报告，包含结论、证据、遗留问题和后续建议。
• _artifacts/：中间产物目录，用于保存命令输出、日志、截图、对比结果等证据。

目录与命名规范

• 运行工作区：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/，同一次技能执行的所有 A/B 轮必须复用同一个 run_id。
• 会话 ID：vYYYYMMDDHHMM，使用分钟级时间戳。
• A 轮会话目录：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/vYYYYMMDDHHMM/。
• B 轮会话目录：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/b-vYYYYMMDDHHMM/，即在同类会话 ID 前增加 b- 前缀。
• 兼容旧目录：verify_session.py 可识别历史目录名 tests/B轮-vYYYYMMDDHHMM/；新建目录必须使用 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/b-vYYYYMMDDHHMM/。
• 废弃目录：reviews/ 不再创建、不再写入；如目标项目中存在旧的 reviews/，只视为历史遗留并在审查时排除。

工作流程

隔离工作区硬规则

• 每次 skill 执行开始时，必须先在目标项目根目录创建当次专用工作区：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/。
• 所有由 skill 生成的计划、报告、日志、辅助脚本与中间产物，只能写入当前 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/ 工作区内。
• 运行可能产生缓存或临时文件的命令时，优先将工作目录、TMPDIR、XDG_CACHE_HOME、PYTHONPYCACHEPREFIX 等重定向到当前 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/ 工作区。
• 除了用户明确要求的源码修复外，不得把 skill 相关文件写到 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/ 之外的位置，以免污染源软件项目。

概览

用户输入（目标代码路径）
  ↓
[A轮 × N]：静态分析 → 动态推理 → 安全分类审查 → 计划 → 优化 → 轻量测试
  ↓
B轮：代码质量原则检查 → 针对性优化 → 轻量验证
  ↓
完成（文档齐全 + 问题闭环）

A 轮代码审查（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-code/{yyyy-mm-dd-hh-mm}/output/tests/ 会话骨架（计划/过程/结果都在同一目录）。

推荐使用确定性脚本：

# 在目标代码根目录内执行（选择你实际的安装路径）
RUN_ID=YYYY-MM-DD-HH-MM
python3 ~/.codex/skills/auto-test-code/scripts/create_session.py --code-root . --run-id "$RUN_ID" --kind a --id vYYYYMMDDHHMM
# 或
RUN_ID=YYYY-MM-DD-HH-MM
python3 ~/.claude/skills/auto-test-code/scripts/create_session.py --code-root . --run-id "$RUN_ID" --kind a --id vYYYYMMDDHHMM

最低要求：

• .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/ 存在
• .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/vYYYYMMDDHHMM/REVIEW.md、TEST_PLAN.md、TEST_RUN.md、TEST_REPORT.md 和 _artifacts/ 存在

A.2 批判性分析与计划生成（写入 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/ 会话目录）

目标：使用批判性思维发现代码中的系统性问题，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-code/{yyyy-mm-dd-hh-mm}/output/tests/vYYYYMMDDHHMM/REVIEW.md

⚠️ 批判性思维是核心要求：

• 必须使用「刁钻角度」思考（详见 references/CRITICAL_THINKING_FOR_CODE.md）
• 必须发现至少 3 个系统性问题（算法设计/边界条件/并发安全/内存安全/安全漏洞/设计质量）
• 禁止列出"不痛不痒"的表面问题（如"缺少注释"等 P2 级别问题不应占多数）

质量要求（强制）：

• 每轮至少发现 10 个问题（P0 + P1 + P2 总和）
• 鼓励达到 15-20 个问题
• P0 + P1 占比必须 ≥ 60%
• 系统性问题 ≥ 3 个（算法/边界/并发/内存/安全/架构/设计）

核心要求：

• 独立评估原则（强制）：
  • 每轮 A 轮必须基于目标代码的当前工作状态独立分析
  • 不查看历史 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/ 工作区中的审查文件
  • 每轮都是一次完整的、无偏见的系统性审查
• 审查范围（强制）：
  • 必须审查：核心源代码文件（以 config.yaml:a_round_check.independent_review.scan_patterns 为准）
  • 必须审查：配置文件、构建脚本、测试代码
• 排除范围：tmp/ 等 skill 产物目录，以及 node_modules/、venv/、__pycache__/ 等依赖/缓存目录；目标项目的测试代码仍属于必须审查范围
• 全维度覆盖（强制）：每轮必须覆盖所有审查维度（以 config.yaml:a_round_check.dimensions 为准）；不得以“本轮不聚焦”为由跳过任何维度
• 深挖维度（可选）：可在全覆盖基础上额外指定 1-2 个深挖维度，对该维度使用刁钻角度做更细致分析；多轮时建议轮换深挖点
• 刁钻角度：在深挖维度上必须使用至少一个刁钻角度（空输入/超大输入/恶意输入/竞态条件/资源耗尽/权限绕过/供应链污染）
• 优先级依据：P0/P1/P2 必须有明确的判定标准
  • P0: 崩溃风险、可利用安全漏洞、未授权访问、敏感信息泄露、数据损坏、死锁/活锁、内存泄漏
  • P1: 性能问题、边界条件缺陷、逻辑错误、资源泄漏、需要前置条件或组合利用的安全风险
  • P2: 代码风格、可读性、冗余代码
• 可追溯性：每个问题必须包含位置、现象、影响、修复建议、验证方法

批判性思维框架（必读）：

• references/CRITICAL_THINKING_FOR_CODE.md ⚠️ 核心文档，必须使用
  • 框架 1: 静态分析视角（算法设计/数据结构/代码复杂度/设计质量）
  • 框架 2: 动态推理视角（边界条件/异常处理/资源管理）
  • 框架 3: 问题质量标准（黄金公式 + 质量检查清单）
  • 框架 4: 设计质量视角（架构/扩展性/API/状态/建模/耦合/模式）
  • 框架 5: 安全漏洞分类视角（CWE/OWASP/STRIDE/七大王国/CVSS）
• references/A_ROUND_REVIEW_TEMPLATE.md ⚠️ 代码审查计划模板
• references/CODE_SMELLS.md 代码异味识别指南
• references/SECURITY_PATTERNS.md 安全漏洞模式库
• references/SECURITY_TAXONOMY.md 安全漏洞分类审查体系（必须用于安全维度）
• references/DESIGN_ANTI_PATTERNS.md 设计反模式识别指南

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

目标：按计划逐项修复，并用轻量测试验证。

输出：

• 过程：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/vYYYYMMDDHHMM/TEST_RUN.md
• 结果：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/vYYYYMMDDHHMM/TEST_REPORT.md

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、日志、对比结果）
• 中间产物放入 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/vYYYYMMDDHHMM/_artifacts/

可选增强：

python3 ~/.codex/skills/auto-test-code/scripts/verify_session.py --require-review .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/vYYYYMMDDHHMM
# 或
python3 ~/.claude/skills/auto-test-code/scripts/verify_session.py --require-review .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/vYYYYMMDDHHMM

说明：verify_session.py --strict 仅用于你已将会话文档中的模板占位符全部替换后的最终自检；新建骨架默认会失败（属于预期行为）。

A.4 是否进入下一轮

⚠️ 强制检查：

• 本轮已提出至少 10 个问题（P0 + P1 + P2 总和）

进入下一轮 A 轮的条件：

• 用户指定的轮次数未完成
• 本轮问题（P0/P1/P2）已全部闭环

重要：A 轮结束后，必须进入 B 轮代码质量检查。

B 轮代码质量检查

⚠️ 强制执行：B 轮代码质量检查是自动测试流程的强制性环节。

B.1 产出质量检查报告（写入 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/ 会话目录）

目标：对 A 轮后的最新代码做系统性质量检查。

输出：.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/b-vYYYYMMDDHHMM/REVIEW.md

推荐使用确定性脚本创建 B 轮会话目录：

# 在目标代码根目录内执行（选择你实际的安装路径）
RUN_ID=YYYY-MM-DD-HH-MM
python3 ~/.codex/skills/auto-test-code/scripts/create_session.py --code-root . --run-id "$RUN_ID" --kind b --id vYYYYMMDDHHMM --a-test-id vYYYYMMDDHHMM
# 或
RUN_ID=YYYY-MM-DD-HH-MM
python3 ~/.claude/skills/auto-test-code/scripts/create_session.py --code-root . --run-id "$RUN_ID" --kind b --id vYYYYMMDDHHMM --a-test-id vYYYYMMDDHHMM

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

• 算法复杂度分析
• 边界条件覆盖
• 异常处理完整性
• 资源管理（内存/文件/连接）
• 并发安全性
• 安全漏洞分类审查（CWE/OWASP/STRIDE/七大王国/CVSS）
• 代码可读性与可维护性
• 测试覆盖充分性
• 设计质量（可扩展性/架构/API/状态/建模/耦合/模式）

模板：templates/B_ROUND_CODE_QUALITY_TEMPLATE.md

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

⚠️ 强制修复要求：

• B 轮发现的 所有 P0-P2 问题都必须处理
• P0 问题必须修复
• P1 问题必须修复（除非有合理理由）
• 每个修复必须有验证证据

完成条件：

• P0 问题修复率 = 100%
• P1 问题修复率 ≥ 80%
• 所有修复都有可复现证据

完成条件（验收）

• 用户指定的 A 轮次数已完成
• B 轮代码质量检查已完成
• 每轮 A 轮平均问题数量 ≥ 10 个
• 每轮 P0 + P1 占比 ≥ 60%
• 每轮系统性问题 ≥ 3 个（算法/边界/并发/内存/安全/设计）
• 关键问题（P0/P1）已闭环
• .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/auto-test-code/{yyyy-mm-dd-hh-mm}/output/tests/ 会话结构完整且可追溯（每轮都有 REVIEW.md、TEST_PLAN.md、TEST_RUN.md、TEST_REPORT.md 和 _artifacts/）

可复用资源

• 配置：config.yaml
• 模板：templates/
  • A 轮审查：templates/CODE_REVIEW_TEMPLATE.md
  • B 轮质量检查：templates/B_ROUND_CODE_QUALITY_TEMPLATE.md
  • 测试计划：templates/SESSION_TEST_PLAN_TEMPLATE.md
  • 测试过程：templates/SESSION_TEST_RUN_TEMPLATE.md
  • 测试报告：templates/SESSION_TEST_REPORT_TEMPLATE.md
• 参考：references/
  • 批判性思维指南：references/CRITICAL_THINKING_FOR_CODE.md ⚠️
  • A 轮审查结构：references/A_ROUND_REVIEW_TEMPLATE.md ⚠️
  • 代码异味识别：references/CODE_SMELLS.md
  • 安全漏洞模式：references/SECURITY_PATTERNS.md
  • 安全漏洞分类审查体系：references/SECURITY_TAXONOMY.md ⚠️
  • 边界条件检查清单：references/BOUNDARY_CHECKLIST.md
  • 设计反模式识别：references/DESIGN_ANTI_PATTERNS.md
• 辅助脚本：scripts/create_session.py
• 辅助脚本：scripts/verify_session.py