Agent-System/.doc/test-reports/2026-09-19-rdev-p3-real-pi-test-report.md

研发工作流 P3 三样本真 PI 测试报告

一、 测试背景 (Background)

设计计划 P3 要求在真实产品 PI Agent 与 MiniMax 上抽三份样本：rd_proposal（document）、rd_planning_review（review_minutes），以及 rd_sw_plan 在激活规划期关闭（N/A）。此前只有 rd_planning_review 与 rd_design_vv 的抽样，没有这组三样本。

二、 测试目标 (Test Objectives)

• 主流程用 stub 跑完并批准后，才能激活 rdev。
• rd_proposal、rd_planning_review 必须走 backend=pi-agent，不能用 stub 充当验收。
• rd_sw_plan 在规划里保持关闭。
• 记录真实状态、字数、是否仍含模板占位句，以及评审质量门禁结果。

三、 测试方案与环境 (Test Plan & Environment)

• OS：linux。分支：fix/audit-remainder-closeout。
• 入口：dev http://127.0.0.1:8080，容器 shuimu-agent-app-dev、shuimu-pi-agent-dev（MiniMax-M2.7-highspeed）。
• 项目 6533。主流程只启用 bd_intake（旧键 intake 已不再出现在默认规划里），stub 生成后跨用户审批准，阶段推进到 completed，再保存并激活 rdev。
• rdev 只启用 rd_proposal 与 rd_planning_review。脚本：.doc/test-reports/assets/2026-09-19-rdev-p3-real-pi/run_p3_real_pi.py。
• 未改 nightly「PI 三工作流」门禁，也未把 rdev 加进 .github/workflows/nightly-real-pi.yml。PR CI 仍不跑真 PI。

四、 预期结果 (Expected Results)

• 激活回执里 rd_sw_plan.enabled=false，两个抽样任务为 true。
• rd_proposal 终态为 completed 或 pending_author_confirmation，正文不含「按本阶段专业结构写」。
• rd_planning_review 同样由真 PI 写出，并含「评审范围与对象 / 问题与决议 / 评审结论」。质量门禁要求「问题与决议」表的每一数据行都有问题、决议、责任人、期限。
• 建议书批准后才能离开 RD01_planning。未批准时下一阶段任务应被拒绝。

五、 实际测试结果与判定 (Actual Results & Evaluation)

5.1 rd_sw_plan 规划期关闭

• 测试输入：rdev 规划只保留 rd_proposal、rd_planning_review。
• 实际输出：[13:57:41] plan flags proposal=True review=True sw_plan=False，随后 activate rdev http=200。
• 评价判定：PASS。不适用语义是规划期关闭，不是再生成一份不适用页。
• 性能与耗时：激活本身小于 1 秒。

5.2 rd_proposal（document）

• 测试输入：项目 6533，backend=pi-agent，材料为无创神经电刺激器立项简报。
• 实际输出：[14:04:51] done rd_proposal status=completed elapsed=430s，proposal chars=11550 placeholder=False。终稿 rd_proposal-final.md。章节是模型自拟的「产品定义与范围 / 风险清单」等，不是模板里的「项目背景与立项依据」「产品定义与范围」「主要风险与对策概览」。
• 评价判定：生成 PASS（真 PI、已完成、无占位句）。模板标题对齐 FAIL，不把这份终稿写成模板符合。
• 性能与耗时：430 秒。

5.3 未批准时不能进入评审阶段

• 测试输入：建议书仍是 drafting 时推进 RD01_planning。
• 实际输出：advance RD01_planning http=409，正文为 STAGE_GATE_NOT_READY。接着启动 rd_planning_review 得到 403 DOC_TASK_NOT_IN_ACTIVE_STAGE。
• 评价判定：PASS（负例符合阶段门禁）。随后对 doc_proj6533_rd_proposal 认领、送审、审核、批准均为 http 200，再推进 RD01_planning 为 200。
• 性能与耗时：审批链约 5 秒。

5.4 rd_planning_review（review_minutes）

• 测试输入：阶段已到 RD02_planning_review 后，backend=pi-agent。
• 实际输出：约 580 秒后运行状态变为 quality_failed。终稿 13225 字，含「## 评审范围与对象」「## 问题与决议」「## 评审结论」，不含占位句。工作区 manifest.json 的质量报告：passed=false，score=20，四次「问题行缺少问题、决议、责任人或期限」。主表六列是齐的；同级标题下还有一张「法规/标准」表，那些行没有责任人与期限，被算进问题行。修复轮 repair_1、repair_2 之后仍是这个结果。终稿 rd_planning_review-final.md。
• 评价判定：真 PI 抽样已发生，质量门禁 FAIL。不能写成评审样本通过。
• 性能与耗时：从 14:11:29 启动到轮询见到 quality_failed 为 580 秒。

六、 自动化测试套件汇总 (Test Suite Execution)

本报告的验收数据来自上述真 PI 控制台，不是 go test 的 stub。相关结构测试：

cd web && npx tsx --test src/components/layout/WorkbenchView.test.ts src/components/chat/ChatColumn.test.ts src/components/doc/DocumentPane.test.ts
# 3 pass

未把 go test -short ./... 的既有 TestArchitectureBoundaries 失败算进这次 P3 判定。nightly 真 PI 工作流没有修改。

七、 测试结论与后续优化建议 (Conclusion & Next Steps)

• 三样本都在 dev 真 PI 上跑过：软件计划 N/A 关闭 PASS；建议书生成完成但未对齐模板标题；评审记录写出了规定章节，质量门禁 20 分，FAIL。
• 因此 P3 还不能标成干净通过，也不能据此晋升 test/main。
• 轮询原先不把 quality_failed 当终态，会空转到超时。脚本已把 quality_failed 与 finalizing_failed 视为结束。
• 红线未动：不写真实软件仓、不合入 FAV、不物理删除 D7。

八、 后续（不改写上面的当次判定）

2026-09-19 同一分支补了门禁：markdownTable 在第一张表结束后停止，不再把「问题与决议」后面的法规对照表算成缺责任人的问题行。TestRDevQualityGates 用保存的终稿复读，不再出现「问题行缺少」。这不是新的真 PI，建议书标题对齐仍然失败。