历史查询的离线测量方法、10/100/1000 个实验的观测数据及局限见历史查询基准。生成器使用 Fake Runtime 和专用空目录，不产生真实模型费用；时延不作为自动门禁。
图片链路的日常回归使用 fake Provider 与不可变附件，不调用真实服务。config test-image 另需显式 REPRISE_RUN_IMAGE_PROBE=1，可能产生费用；没有真实模型探测及任务验收时，PR 必须明确边界，不能把能力声明或离线 passed 当成上游已验证。协议与授权决定见原生图片链路 ADR。
需要 Git、Node.js 和 npm；版本以 package.json 的 engines 为准。在仓库根运行 npm ci，然后 npm run build。构建重建 dist；默认开发检查不需要登录产品或模型密钥。使用入口见使用指南。
Windows 11 是唯一经过真实使用验证的平台。CI 的平台矩阵由 check.yml 定义，模拟测试通过不等于真实 Runtime、文件权限或终端输入体验已验证；剩余验证见路线图。
Linux 覆盖率分片失败后另跑独立浏览器诊断：记录实际启动路径、可执行文件与 CDP 的版本一致性，并创建真实页面 target。该步骤不阻断，也不替代原来的真实预览与发布绑定测试；用来区分并行测试时的启动故障和独立启动故障。Linux 已安装 Chrome 时优先其原生二进制，保留其他浏览器候选；生产 DevTools 启动等待仍为 15 秒。
retained/replacement delta 的完整协议测试保留真实浏览器预览，仅在已清理的渲染 timeout 后最多重试一次并输出首次诊断；持续超时、其他错误或取消仍失败。生产边界、覆盖率及真实预览断言不变，见协议预览超时重试。
| 改动或目的 | 命令 |
|---|---|
| 仅 Markdown 文档 | npm run verify:docs |
| 代码迭代中的快速反馈 | npm run check:fast |
| 代码改动收尾 | npm run check |
| 单项回归 | npm run build 后 node --test dist/test/<对应文件>.test.js |
| 全部测试 | npm test；仅构建已同步时使用 npm run test:only |
| 覆盖率 | npm run test:coverage，不在普通 check 中重复执行 |
| 发布前检查 | npm run check:full；与 check 的具体关系以编排脚本为准 |
| 修改 schema 或生成模板 | npm run build、npm run gen:docs、npm run verify:generated |
| TUI 渲染 | npm run audit:tui:check，代码收尾仍跑 check |
测试 runner 可显式传 --concurrency N（安全正整数），例如 node scripts/run-gates.mjs test --concurrency 2 或 npm run test:coverage -- --concurrency 1；省略时保持 Node 默认。Linux CI 由 4 个独立 runner 的覆盖率测试同时承担断言检查，每片并发 1，不再重复运行 Linux 普通测试；Windows/macOS 默认不变；这是 CI 资源调度，不改变真实浏览器的产品超时与断言。node scripts/run-tests-temp-guard.mjs --self-test 验证非法并发参数被拒绝。取舍见Linux CI 测试并发。
测试读取 dist，源码或测试变化后必须先构建；不能直接用 node --test 跑 TypeScript。lint 与类型检查分别检查不同问题，不能互相替代。按风险选择检查，不为一项文档修改重复执行全套测试。
覆盖率 CI 用 node scripts/coverage-shards.mjs run INDEX/4 OUTPUT 按历史耗时权重均衡分片，每片仍串行运行。分片只上传测试和临时目录守卫均成功后的原始 V8 报告；coverage 作业下载全部分片，用 node scripts/coverage-shards.mjs merge INPUT 校验测试分配、提交、构建摘要、Node 版本、工作区路径和报告摘要，再由 Node 原生引擎统一合并并检查原有阈值。缺片、重复、过期或损坏报告均失败，all-checks-passed 仍要求覆盖率成功。分片按 coverage-timings.json 的历史权重优先安排慢文件，新文件使用默认权重；各片 artifact 的 timings.jsonl 提供新的逐文件观测，供后续核对后更新权重，不改变用例选择或超时。本地 npm run test:coverage 保留完整单机执行。分片预算 30 分钟、汇总预算 15 分钟独立于产品超时；不能据预算推断真实耗时。理由及反向验证见覆盖率分片决策。
纯文档 PR（仅根 README 或 docs 下非隐藏路径的 Markdown，排除 AGENTS 指令）保留完整 static lane，包括文档、生成区、秘密、构建与其他静态门禁，跳过平台测试、TUI 审计和覆盖率。范围检测按整个 PR 相对 merge-base 的改动计算，删除和重命名旧路径也参与判断；空差异、未知路径、运行时 SKILL、配置及 main push 均走完整流程。最终聚合仅在范围检测与 static 成功、且适用作业全部成功时通过；文档路径只接受预期的 skipped，取消或失败仍阻断。规则见 ci-scope.mjs。
测试维护原则与 Comparison 场景入口见测试覆盖索引；文件存在不代表能力通过。历史 cwd 使用临时项目，恢复样本按不同内容与扰动执行，权限不足仅跳过对应子用例；退避协议使用虚拟时间，真实系统边界仍保留集成回归。取舍见行为测试维护决策。
run-gates.mjs 定义本地检查，CI workflow 定义 CI lanes。字段、阈值和检查列表以脚本与配置为准，不维护第二套手写清单。
静态检查覆盖类型、lint、文档链接与预算、生成区、供应链、秘密、层级导入及受控源码。测试、未使用导出与重复代码检查负责行为和维护边界。npm 由 npm-cli.mjs 解析后通过 Node 启动，避免 Windows shim 启动差异。
Windows TUI 帧与 frames 逐字节比对并检查布局；非 Windows 的 audit 只生成与自检，不可覆盖 Windows 基线来消除差异。schema 字段表由 生成器 产生，不手改生成区。
新增或修改门禁必须同批包含能使其失败的自动化用例。覆盖率阈值只能升不能降，重复代码阈值不能放宽；不得以例外或非阻断失败隐藏问题。原因见反向用例决策。
失败证据应包含命令、退出码或启动错误、Node/OS 与提交信息。编排器的 --self-test 会故意构造失败；它证明诊断有效，不是产品失败。记录未运行的检查及原因，不能把 Agent 总结当作验证。
默认开发检查和 CI 不运行真实模型或 Runtime。真实调用必须明确授权，并设置对应脚本要求的环境变量；不要把开关加入日常验证默认值。普通 fixture、协议 probe 和完整任务验收是不同证据。
Codex 协议 smoke 的 PowerShell 示例：
$env:REPRISE_RUN_CODEX_SMOKE = '1'
npm run smoke:codex
Remove-Item Env:REPRISE_RUN_CODEX_SMOKE此命令会构建并执行 codex-real-smoke.ts，验证无工具请求返回约定文字。它可能计费，既不执行完整实验，也不证明 Recovery、Controller 或报告效果。其他真实 runner 的入口、必填输入与 opt-in 以 scripts 中对应文件为准；不要复用过期样本路径或运行记录冒充新证据。真实验收缺口集中在路线图。
comparison-evaluate.ts 使用冻结 suite 的 12 个合成样本，每类任务至少两例，覆盖结果相近、过程归属、反证与缺失记录。prepare 只生成隔离 Case/Experiment 输入，不调用模型或 Runtime；real 对这些已冻结输入调用生产 Comparison，不重做候选任务。默认三次重复、原序/交换/匿名三种变体共 108 项；可先准备一次重复的 36 项，再通过 --case <id> 选择样本、--max-rows 1 限定首次只执行一项。匿名变体隐藏夹具身份，不代表生产链路完全盲化。
npm run build
$comparisonEvalOutput = 'C:\reprise-eval\comparison-validation'
node dist/scripts/comparison-evaluate.js prepare $comparisonEvalOutput --repetitions 3输出目录必须绝对路径且不存在，suite hash 与输入计划落盘后保持不变。真实生成需要另行明确授权、既有 Harness 配置目录、费用范围及停止条件；以下命令可能计费，不能放入默认 check 或 CI：
$comparisonConfigDir = 'C:\reprise-config'
$env:REPRISE_REAL_MODEL = '1'
node dist/scripts/comparison-evaluate.js real $comparisonEvalOutput $comparisonConfigDir
Remove-Item Env:REPRISE_REAL_MODELrunner 只读取现有 Harness 配置，不复制凭据；逐项记录实际模型、输入能力、report hash、耗时、请求、工具、压缩、重试、预览、usage 覆盖及估算费用。缺失 usage/价格保持未知；连续三次失败或取消停止，Ctrl+C 取消。默认生产工厂使用一个自主 Comparison Session，由整体时间预算约束调查、编写、预览与修订；当前预算及 override 语义见Comparison attempt。空资源 override 不关闭默认整体截止；显式请求数、工具数和费用限制继续执行，单次调用使用实际剩余整体时间与调用上限的较小值。默认流程没有调查阶段配额或独立来源复审窗口。运行前仍须限定总评估范围。异常来源或终稿材料造成的持续调查只能作为资源风险证据，修正输入身份之前不能形成质量基线。单例 --case 使用单独 ledger，不自动成为完整矩阵验收。
当前自主发布回归从实际 Harness 工厂与 Host 工具入口运行，验证 fragment 提交、当前 digest/catalog 的预览回执进入同 Session 后续 generation，以及发布和离线恢复。缺失提交、未交付预览、正文或 catalog 变化、取消、调用失败与审计失败不得通过完成检查；实际生产入口用例见自主发布回归。这些完整性检查不认证报告判断或视觉质量。
旧多阶段 executor、局部阶段截止、周期 source-save 和独立 reviewer 已退役，不再以旧 loop 的通过证明当前自主流程。保留历史 schema、findings/disposition/inspection 持久化、binding 与来源认证、旧报告读取和恢复回归；历史请求按原协议标记校验，不能把缺失独立复审证据的旧报告降级成自主完成。逐项保留与退役清单见执行器退役决策。
当前共享不变量应从实际工厂和工具链验证；缺失或过期 preview、catalog/正文变化、审计失败和取消等负例不得发布。历史检查点的 stale 材料仍不能满足其原正式认证；旧结构或摘要字段本身也不证明语义。真实质量验收另核任务可用性、关键维度、重要未知与实际图片交付，不从字段齐全或 fixture PNG 推断模型判断正确。
生成成功只表示报告发布链路通过。人工检查对应报告后，在 ledger 的 review 字段按当前 schema 记录决定性事实、限制、错误、过程误归属、反证处理、30 秒可读性与规范化到原始双方的取舍；review 必须绑定报告 hash。随后对完整 ledger 执行：
node dist/scripts/comparison-evaluate.js assess $comparisonEvalOutput 'C:\reprise-eval\comparison-assessment.json'统计报告区分已生成与已人工审阅，汇总遗漏、错误、资源分布和重复/变体漂移；有条件推荐变化须人工解释，不能机械要求赢家一致，也不输出模型总分或排名。正文长度与提交回执共用生成报告的计数口径：结论加主比较区，折叠 details 只计 summary，展开则计正文，排除模板与独立详情区，不从评审猜测。manual_review_recorded 只说明人工记录齐全，不宣称语义自动通过；假输入和协议回归不能替代真实模型质量验收。协议见关键发现与资源保护 ADR。
用独立试跑入口对照模型侧协议的影响：同一个 prompt 驱动通用文件、Shell、图片、裁切和浏览器工具，直接生成完整 HTML，不经过正式报告的证据登记、片段提交及预览绑定。它不是默认 Comparison，也不覆盖正式报告，边界见试验决策。
先 npm run build。准备仅含任务材料和交付物的独立副本、一个描述交付目标的 UTF-8 prompt 文件，以及不存在的输出目录。四个参数均为绝对路径：
$env:REPRISE_REAL_MODEL = '1'
node dist/scripts/comparison-coding-trial.js C:/trial/inputs C:/trial/run-01 C:/reprise-config C:/trial/prompt.txt
Remove-Item Env:REPRISE_REAL_MODEL真实调用可能计费。输入不得使用生产工作区或凭据目录；Shell 沿用现有命令检查，不是操作系统沙箱。工具中的 source/ 是只读文件挂载，Shell 使用 REPRISE_SOURCE_MOUNT。工作文件在输出的 work/，完整模型输入与图片审计在 audit/；输入前后 hash、耗时和执行状态在 summary.json。仅设24 小时整体截止，没有请求或工具次数配额。正常结束、完整 HTML 存在且输入未变才记为 completed，语义质量仍需独立检查。
仓库提供通用报告骨架与配套提示词。将骨架复制到专用输入副本的 report-template.html，并按实际输入调整提示词末尾的任务描述，再将提示词绝对路径作为第四个参数。骨架仅保留总体判断、关键差异和运行指标，证据紧邻对应差异，不设置补充详情或方法附录；指标使用 h/m/s、总 Tokens 的 k/M 缩写及美元估算费用。具体展示约定由提示词拥有。模板与计量材料和其他输入一样纳入 hash 与模型输入审计，不包含本机样本结论；调用者也可使用自己的 prompt 和骨架。
日常功能 PR 合并后由 Release Please 维护发版 PR；维护者审核并合并发版 PR后，工作流统一发布 npm 与 GitHub Release。首次授权、版本策略和失败重试见版本维护与发布。
发布包名为 @caulif/reprise，CLI 名为 reprise；裸名 npm 包不是本项目。发布前确认版本、tag、CHANGELOG 与持久化兼容策略一致，在干净检出执行安装与 check，并核对打包、依赖审计、秘密扫描结果。check 已覆盖的检查仅在证据失效时重跑。
先审查 npm publish --access public --dry-run 的文件清单；正式发布与推送 tag 属于外部写入，须由有权限的维护者执行。打包不得包含用户会话、凭据或本机实验。
故障版本可由维护者弃用，并验证回退版本能读取现有数据；没有兼容退路时保留原始数据并说明限制，不能原地改写未知版本 journal。事故记录至少说明影响、根因、修复、回归证据和剩余风险，可沿用 Issue，无需另建模板文件。