sanguo_moziplus_v2/docs/design/test-plan-v2.6.md

v2.6 测试计划

版本: v2.6.0-test-plan 作者: 司马懿（质量总监）🗡️ 日期: 2026-05-17 状态: F1-F5 已评审，F6-F18 待编码

---

一、测试基础设施

1.1 当前配置

• 框架: pytest（已有 tests/ 目录，97 个用例全部通过）
• Fixture: tmp_path（SQLite 临时数据库）、TestClient（FastAPI）
• Mock 策略: 目前无 mock，全部用真实 SQLite 内存/临时文件
• 运行方式: python3 -m pytest tests/ -q

1.2 测试分层

层级	覆盖范围	何时执行
单元测试	每个 F 的内部逻辑	每写完一个 F
集成测试	F1-F14 端到端链路	F14 完成后
E2E 验收	完整系统含前端	F18 完成后

1.3 测试规范

• 每个 F 必须有对应的 test_*.py，测试文件与模块同名
• 测试类按功能分组：class TestTaskCRUD、class TestTransitions 等
• P0 测试必须有，P1 测试建议有但不强阻塞
• 测试必须可重复运行（不依赖外部状态、不依赖时序）
• 新增测试必须在 tests/ 目录下，不放在 src/ 内

---

二、F1-F5 单元测试评审（已完成）

现有覆盖情况

F	测试文件	用例数	P0 覆盖	评审
F1 骨架	test_main.py	10/10	✅ 启动、健康端点、配置、Swagger	通过
F2 黑板	test_blackboard.py	39/39	✅ CRUD、状态机、并发、WAL、事件	通过（附 2 条意见）
F3 多项目	test_registry.py	11/11	✅ 创建/删除/归档/持久化/黑板的联动	通过
F4 CLI	test_cli.py	14/14	✅ 8 子命令 + admin + 错误处理	通过
F5 API	test_api.py	23/23	✅ 全端点 CRUD + 状态码 + SSE 连接	通过（附 1 条意见）

总计: 97/97 通过，质量合格。

评审意见（F1-F5）

BUG-1 [P1] /api/daemon/status 端点重复注册

• 位置: main.py 第 99-111 行直接定义了 daemon_status 端点，同时 daemon_routes.py 也定义了同名路由
• 现象: pytest 输出 Duplicate Operation ID daemon_status warning
• 修复: 删除 main.py 中的 /api/daemon/status 端点定义，统一由 daemon_routes.py 提供
• 影响: 不影响功能，但 Swagger 文档会混乱

OBS-1 [P2] operations.py 的 _conn() 每次操作都新建连接

• 位置: operations.py 全文，每次方法调用 self._conn() → sqlite3.connect()
• 现状: 单次操作用完即关，连接不池化
• 评估: v2.6 阶段可接受（SQLite WAL + busy_timeout 足够），但如果后续 F6 ticker 30s 轮询 + 多项目并发，建议 F6 阶段引入连接池或 per-thread 连接复用
• 行动: 不阻塞当前进度，F6 编码时再评估性能

OBS-2 [P2] queries.py 的 blocked_tasks_with_deps() 和 pending_dispatchable() 存在 SQL 注入风险

• 位置: queries.py 第 52 行和第 71 行，使用 f-string 拼接 SQL
• 现象: f"SELECT ... WHERE id IN ({','.join('?' * len(deps))})" — 虽然 deps 来自数据库的 depends_on 字段（不是用户输入），且用了参数化占位符，但 f-string 拼接 SQL 是坏习惯
• 评估: 当前实际安全（因为值都来自参数化 ?），但风格不好
• 行动: 不阻塞，但后续统一改为纯参数化写法

---

三、F6-F18 测试计划（逐模块）

F6 Daemon Ticker — test_ticker.py

#	测试用例	P0	验证点
T1	tick 循环正常运行	✅	30s 间隔（测试中加速），不阻塞 event loop
T2	scan_tasks 检测 pending	✅	pending → 触发调度
T3	依赖推进	✅	blocked → pending（依赖 done 后）
T4	events 写入	✅	每次 tick 写 daemon_tick 事件
T5	多项目轮询	✅	tick 遍历所有 active 项目
T6	tick 异常不中断	P1	单次 tick 抛异常 → 下次 tick 继续
T7	手动 tick 端点	P1	POST /api/daemon/tick 触发即时 tick

F7 Inbox JSONL Watcher — test_inbox.py

#	测试用例	P0	验证点
T1	写入+消费	✅	Agent 写 JSONL → 1s 内 Daemon 读取并处理
T2	truncate	✅	消费后清空文件
T3	并发写入	✅	多 Agent 同时写不同行
T4	损坏行恢复	P1	非法 JSON 行跳过不崩溃
T5	空文件处理	P1	空文件不触发处理

F8 健康检查 — test_health.py

#	测试用例	P0	验证点
T1	正常场景	✅	有变更 → 无告警
T2	僵尸检测	✅	连续 N tick 无变更 → observation 写入
T3	恢复场景	✅	僵尸后有变更 → 告警解除
T4	多项目独立检测	P1	项目 A 僵尸不影响项目 B

F9 Agent 调度器 — test_dispatcher.py

#	测试用例	P0	验证点
T1	三级决策树	✅	Daemon task → Full task → Sub task 正确分流
T2	调度不阻塞	✅	spawn 用 asyncio.create_subprocess_exec
T3	队列满拒绝	✅	active agent 数达上限 → 不调度
T4	任务优先级排序	P1	高优先级先调度

F9 Agent Spawner — test_spawner.py

#	测试用例	P0	验证点
T1	spawn 成功	✅	子进程启动 + session 注册
T2	超时处理	✅	超时后 kill + task_attempt 记录
T3	spawn 失败	✅	命令不存在 → task_attempt 记录 spawn_failed
T4	session 清理	P1	子进程结束后 session 归档

F10 ActiveAgentCounter — test_counter.py

#	测试用例	P0	验证点
T1	全局上限	✅	max_global=5 时第 6 个 acquire 失败
T2	per-agent 串行	✅	同一 agent 第二个 acquire 排队
T3	release 恢复	✅	release 后等待中的 acquire 成功
T4	并发竞争	P1	多 agent 同时 acquire 不超限

F11 Bootstrap 拼装 — test_bootstrap.py

#	测试用例	P0	验证点
T1	各 role 拼装	✅	不同 role 得到不同 L0-L3 四层
T2	token 估算	✅	拼装结果 < 4096 tokens
T3	缺失组件降级	P1	某层文件不存在 → 跳过不崩溃
T4	模板变量替换	P1	{{task_id}} 等占位符正确替换

F12 审查流水线 — test_review_flow.py

#	测试用例	P0	验证点
T1	4 级分流	✅	high/standard/low/research 正确路由
T2	confidence 计算	✅	分值在 0-1 区间，阈值逻辑正确
T3	升级到庞统	✅	confidence < 阈值 → 升级
T4	审查通过 → done	✅	verdict=approved → 状态变 done
T5	审查拒绝 → 重新执行	P1	verdict=rejected → 回到 working

F13 Guardrail — test_guardrail.py

#	测试用例	P0	验证点
T1	L1 assert 通过	✅	合规产出 → 放行
T2	L1 assert 失败	✅	不合规产出 → 拦截
T3	L2 subagent 触发	✅	高风险 → 二次确认
T4	配置加载	P1	guardrails.yaml 正确解析
T5	误杀恢复	P1	L2 确认通过 → 放行

F14 反驳权 — test_rebuttal.py

#	测试用例	P0	验证点
T1	反驳触发	✅	review rejected → 反驳协商开始
T2	轮次计数	✅	round 递增正确
T3	超轮次升级	✅	超过 max_rounds → 庞统裁决
T4	结果写入	✅	最终裁决写入 reviews 表

F15 经验沉淀 — test_experience.py

#	测试用例	P0	验证点
T1	一级蒸馏	✅	任务完成 → experiences 表写入
T2	tag 匹配	✅	相似 tag 的经验可被查询到
T3	二级触发	P1	N 条同类经验 → Skill 草稿生成
T4	过期清理	P1	deprecated 经验不被查询

F16 Skill 体系 — test_skill_loader.py

#	测试用例	P0	验证点
T1	加载 + 验证	✅	四要素完整才加载
T2	per-project 覆盖	✅	项目级 Skill 覆盖全局 Skill
T3	缺要素拒绝	P1	缺少 name/description/triggers/actions → 拒绝
T4	版本管理	P1	同名 Skill 版本号正确比较

F17 SSE + Hook — test_sse.py / test_hooks.py

#	测试用例	P0	验证点
T1	SSE 连接	✅	客户端连接 → 收到初始事件
T2	SSE 4 级推送	✅	task/agent/daemon/system 四级
T3	断线重连	P1	断线后重连 → 收到后续事件
T4	降级轮询	P1	SSE 不可用 → 轮询兜底
T5	Hook 触发	✅	3 个触发点正确执行
T6	Hook 过滤	P1	条件不满足 → 不触发

F18 前端 Dashboard — test_frontend.py（E2E）

#	测试用例	P0	验证点
T1	页面渲染	✅	5 个页面均可加载
T2	API 集成	✅	页面操作 → API 调用正确
T3	SSE 实时更新	✅	后端事件 → 前端 UI 更新
T4	项目切换	✅	切换项目 → 数据刷新

---

四、集成测试计划（F14 完成后）

端到端链路测试

用户提需求 → 庞统规划 → 任务写入黑板 → Agent 执行 → 
Guardrail 检查 → 审查流水线 → 反驳协商 → 完成 → 经验沉淀

#	场景	关键验证
I1	正常流程（happy path）	全链路无阻断，最终 done
I2	依赖链	A→B→C，A done 后 B 自动 pending，B done 后 C 自动 pending
I3	审查拒绝 → 反驳 → 通过	review rejected → rebuttal → verdict 翻转
I4	审查拒绝 → 反驳 → 超轮次 → 庞统裁决	max_rounds 后升级
I5	Guardrail 拦截 → L2 确认 → 放行	L1 fail → L2 confirm → proceed
I6	Agent 僵尸检测	无 heartbeat → observation → reclaim
I7	多项目并行	项目 A/B 同时运行，互不干扰
I8	失败重试	failed → pending（retry_count +1）→ 再次执行

集成测试基础设施

# conftest.py 需要的 fixture
@pytest.fixture
def full_stack(tmp_path):
    """完整系统：FastAPI + Ticker + Dispatcher + Spawner(mock)"""
    ...

@pytest.fixture
def mock_spawner():
    """Mock spawner，模拟 Agent 执行"""
    ...

---

五、E2E 验收场景（F18 完成后）

#	场景	验收标准
E1	创建项目 → 提交任务 → 查看任务板	Dashboard 实时更新
E2	全局监控页	所有项目状态汇总、活跃 Agent 数、最近事件
E3	产物仓库页	任务产出物可浏览、可下载
E4	系统配置页	运行时配置可查看、Skill 列表可管理
E5	AI 简报页	项目级 AI 总结可生成
E6	SSE 实时	所有页面操作后 SSE 实时反映

---

六、测试通过标准

每个 F 的单元测试通过标准

1. 全部 P0 用例通过（硬性要求）
2. P1 用例通过率 ≥ 80%（可协商）
3. 无 crash / 无未捕获异常
4. 测试可重复运行（跑 3 次结果一致）

集成测试通过标准

1. I1-I8 全部场景通过
2. 无死锁、无资源泄漏
3. 并发测试无数据竞争

E2E 验收标准

1. E1-E6 全部场景通过
2. 前端无 console error
3. SSE 延迟 < 2s

---

七、进度追踪

F	测试计划	用例设计	编码	执行	评审
F1	✅	✅ 10	✅	✅ 10/10	✅ 通过
F2	✅	✅ 39	✅	✅ 39/39	✅ 通过（附 2 条意见）
F3	✅	✅ 11	✅	✅ 11/11	✅ 通过
F4	✅	✅ 14	✅	✅ 14/14	✅ 通过
F5	✅	✅ 23	✅	✅ 23/23	✅ 通过（附 1 条意见）
F6	✅ 本文档	⬜ 待设计	⬜	—	—
F7	✅ 本文档	⬜ 待设计	⬜	—	—
F8	✅ 本文档	⬜ 待设计	⬜	—	—
F9	✅ 本文档	⬜ 待设计	⬜	—	—
F10	✅ 本文档	⬜ 待设计	⬜	—	—
F11	✅ 本文档	⬜ 本文档	⬜	—	—
F12	✅ 本文档	⬜ 待设计	⬜	—	—
F13	✅ 本文档	⬜ 待设计	⬜	—	—
F14	✅ 本文档	⬜ 待设计	⬜	—	—
F15	✅ 本文档	⬜ 待设计	⬜	—	—
F16	✅ 本文档	⬜ 待设计	⬜	—	—
F17	✅ 本文档	⬜ 待设计	⬜	—	—
F18	✅ 本文档	⬜ 待设计	⬜	—	—