一份案例，跑两个实现，判决必须一致。不一致的地方，要么实现有洞，要么断言在空转。
我们给被测实现注入了 72 种谎话——谎报成功、伪造账单、冒充别人、偷偷挪走别人的订单。 适用的 46 种里，断言当场抓住 44 种；漏掉的 2 种写在台账里，不在脚注里。 （怎么验证的 · 哪些抓不到 · 打开能点的判决页 ↗）
当前版本 0.78.3 · 21 种断言 · 33 条命令 · 72 个变异体
这一行是算出来的：版本取自 package.json，断言种类取自 KINDS，
命令数与变异体数取自代码本身。scripts/status-line.mjs 对不上就红，CI 在跑。
在线演示 ↗ · 三十秒判断 · 六十秒上手 · 三种判决 · 六个域 · 命令 · 边界 · 文档地图
如果你的 Agent 测试长这样，这个工具帮不上忙：只有一份实现、断言靠模型看输出、失败时靠人读日志。
如果长这样，它就是给你写的：
| 你的现状 | 这里对应什么 |
|---|---|
| 有 mock 实现，也有真实后端，但没人证明两者行为一样 | compare：同一份案例跑两遍，判决必须逐条一致 |
| 测试挂了，你分不清是代码坏了还是环境没起来 | 三值判决：unknown 是一个独立结论，不是失败的别名 |
| 断言写了很多，但不知道哪条真的在起作用 | certify + 变异体：故意写坏实现，看哪条断言抓得住 |
| 想让 Agent 自己改代码，但不敢让它自己判断改对没有 | 断言机器可判，禁 LLM judge；selftest 13 条标签由机制产出 |
| 手上有接口但没测试，不知道从哪开始 | discover：输入网址，生成能跑的适配器和案例草稿 |
一句话：你在为「Agent 改的代码到底对不对」找一个不依赖信任的答案。
不适合的场景也说清：它不做性能测试、不做 UI 测试、不做安全扫描。它只回答一个问题——某次业务操作的行为，是否符合一份写死的、机器能判的预期。
第一条命令不需要任何准备，也不用装依赖。从仓库跑：
git clone https://gitee.com/liu-everything_impossble/agent-web.git
cd agent-web
node bin/agent-web.mjs selftestnpm 包尚未发布。 包名
agent-case已定好（仓库与命令都叫 agent-web，同一份东西），package.json、bin双命令名、files白名单都就位，npm pack装到干净目录里跑过--version与selftest。 卡在发布凭据（本机npm whoami仍是 need auth，registry 上agent-case现在返回 404）。 所以下面这行现在跑会 404，发布完成后它才成立——届时本段与docs/LIMITS.md的对应条目一并删掉：npx agent-case selftest # 发布前会 404
selftest 用内置内存实现跑内置案例：pass、fail、unknown 三种判决各出现一次。
fail 的那条会直接告诉你「订单 1001 当前 MAKING，不允许直接变成 PICKED」——不是「测试失败」四个字。
手上已经有一个能跑的系统？看你想省哪一步：
./quickstart.sh http://127.0.0.1:8080 # Windows: .\quickstart.ps1 那个地址
# 只读接口 → 直接生成能跑的适配器 + 案例草稿 + NEXT.md 施工单
# 有流量可录 → 用 tap + learn，适配器、孪生、案例一起掉出来（见下两节）quickstart.sh 就是 discover 加三条「接下来做什么」的提示；它不猜业务规则，
猜不出来的会写在 NEXT.md 里，而不是悄悄编一条。
想看它动起来：
52 秒介绍片（判决三种、输入网址、录流量、断言准入、出题批改）：docs/media/promo.mp4
Agent 改代码改得很快，但「改对了没有」经常只能靠人肉点一遍。单元测试管不到跨请求的状态流转，端到端测试又慢、还不稳。
agent-web 的做法：把一次真实业务操作写成案例（做什么 + 结果该是什么），然后拿它同时打两个实现——一个内置的内存实现，一个你真实的系统。两边判决必须一致。
一致，说明案例可移植、断言没写死实现细节。不一致，就有一处要修，而且你能立刻知道是哪一处。
- pass：所有断言成立。
- fail：有断言不成立，并指出哪一条、期望什么、实际什么。
- unknown：缺观测、环境故障、案例还没人确认。留在分母里，不算通过。
可判定率 = (pass + fail) / N。unknown 不回收，所以这个数字只会因为观测被修好而上升，不会因为掩盖而上升。
没有适配器也能起步。discover <网址> 探根路径、试 8 个常见 OpenAPI 位置，然后：
- 只读接口 → 一个能跑的只读适配器（写能力一律
unsupported） - 每个资源 → 一条案例草稿，断言只有
unchanged：读不该改变任何东西 - create 接口（
--writes）→ 往返案例：建一条，断言count_delta +1 - 一份
NEXT.md施工单：要接写操作，改哪四处、每步怎么验收
它不猜三件事：写操作该保证什么、带参数接口的路径、没有 OpenAPI 时的路由。 猜出来的 404 会变成假失败，而假失败会让工具失去信任。
写适配器是这套东西最贵的一步。这一节讲怎么把它压到十分钟。
agent-web tap --target=http://127.0.0.1:8199 --port=8197 --out=.tmp-tap/rec
# 另开一个终端，正常点几下：登录、建三条任务、完成一条、看列表
agent-web learn .tmp-tap/rec/traffic.jsonl --out=.tmp-tap/learned --name=tasks
四样东西一起掉出来：
| 产物 | 是什么 |
|---|---|
adapter.yml |
声明式适配器，不写代码 |
twin.json |
回放孪生：这五分钟里应用答应过什么 |
cases/*.json |
案例草稿，断言只有从观测直接算得出来的 |
unclassified.jsonl |
认不出的形状，一条不藏 |
twin.json 是白送的第二个实现。同一批案例同时打真实系统与孪生：
agent-web compare .tmp-tap/learned/cases --adapters=.tmp-tap/learned/adapter.yml,.tmp-tap/learned/twin.json
跨适配器判决一致率 100.0% (1/1)
视图契约
learned/adapter.yml 与 learned/twin.json：兼容（2 个集合逐字相同）
然后是最要紧的一步——把应用改坏，不重录：
TODO_APP_BUG=1 node examples/todo-app/server.mjs &
agent-web verify .tmp-tap/learned/cases --adapter=.tmp-tap/learned/adapter.yml
FAIL todo/recorded assertion_false
目标未达成：tasks 变化 2（期望 3）
这条红说明案例抓的是应用的行为，不是录制的文本。如果 tap 只是把响应存下来，改坏的应用会照样绿。
三条硬规矩：
- 录状态，不录动作。 同类工具录动作得到一份脚本，我们录状态得到孪生与判决。
- 口令与 token 不落盘。 换成
password#1这种稳定伪名，同一个值始终同一个名字。正文里用户自己填的敏感内容不在脱敏范围内，录制文件仍然是内部资料。 - 生成的每一样都标
inferred，案例默认草稿。 不accept就不出判决——机器观测不许冒充成人的期望。
做不到的三件：不猜业务规则（录到下架成功不等于知道「库存不足该拒绝」）；不重放没录到的路径（unknown，不是 pass）；只支持单角色链路（录到管理员才做得成的删除，回放会 403）。
21 种 kind，全部机器可判，没有一种是「让模型看看对不对」：
| kind | 说什么 |
|---|---|
entity_exists / field_equals |
某行存在 / 某字段等于某值 |
count_delta |
某集合数量变化了多少 |
status_transition |
状态按给定序列走过 |
unchanged |
某段观测初态到终态没变 |
event_absent |
某类事件一次都没发生 |
relation |
字段之间的关系：合计等于明细之和、单价乘数量等于小计、列表有序 |
sorted_by / unique / type_of / subset |
形状：有序、不重、类型对、取值在集合内 |
composite |
与 / 或 / 非 |
window / every_step |
圈定步骤区间 / 每一步都检查不变量 |
pagination |
跨页检查重复、漏行、顺序与 total |
payload |
检查某一步的 HTTP 响应体 |
linkage |
检查跨集合实体关联与对应数量 |
timeliness |
终态 |
state_machine |
trace |
recurrence |
定时任务：窗口内按固定间隔铺槽，抓重复跑、跑偏、漏跑、总数不符 |
precedence |
流水相对序：expect 按先后列事件做贪心子序列匹配，抓「被跳过」（precedence_missing）与「顺序反了」（precedence_inverted）——插行不误报，位置型断言做不到 |
关系式比写死具体值更耐移植：totalAmount == Σ items.subTotal 在哪个实现上都该成立，
而 totalAmount == 56 只在菜单价格不变时成立。形状断言同理——「列表不重」不依赖任何具体编号。
断言不是描述，是武器。杀不掉任何变异体的断言不许入库。
做法：把「能力」拆成一组语义变异（金额少一分、数量全变 1、流水被吞、越权写放行……）， 让每条断言去杀它们。在正确实现上成立、在坏实现上不成立，才算抓得住；两边都成立，就是摆设。
抓获率的演进，每一步都有对应机制上线：
| 阶段 | 抓到 | 靠什么 |
|---|---|---|
| 12 个手写变异体 | 8 / 12 | 基础断言 |
| + 关系式 | 11 / 12 | relation |
| + 形状断言 | 14 / 16 | sorted_by / unique / type_of / subset |
| + 机器生成 | 38 / 40 | breed 照着视图形状造变异体 |
抓不住的分三档，不许混在一起算：欠账（看得见差异，只差断言）、 说不清（连差异都造不出来，先确认案例走没走到）、不适用（该适配器没有它声明的能力）。 「说不清」不等于等价——等价变异体问题四十年没解决，这里只要求投稿人给出可区分性证明。
它不止说哪里有洞，还说补哪条：--suggest 给出的每条建议断言，都当场在两个实现上验过
（正确实现 true、坏实现 false）。这四行不是想出来的，是跑出来的。
同一条案例跑两遍，自增 id、时间、取餐号本来就会变。此前这些差异被算成「变异体被看见了」，
真实后端上 m-duplicate-row 的见证是订单号从 196 长到 210，还会据此建议写 orders.0.id == 196。
现在每案例先跑两遍正确实现求出漂移集，再从见证里剔除。
顺带的优化：state 层变异体只改观测，certify 不再重放整条轨迹，直接用正确实现的 ctx 变换求值。
真实后端 3 条案例 44.5s → 15.1s（2.95×；计时口径：作者自己的机器与 CI，自证）。等价性由 scripts/state-equivalence.mjs 逐格证明并进 CI。
breed 照着规范视图的形状造故障：数值字段差一 / 翻倍 / 丢分，字符串置空 / 大写，
数组丢尾 / 逆序，枚举换值，嵌套叶子逐个试。10 个可造位置出 29 个变异体，4 个恒等算子自动跳过。
生成不等于入库：每个都要过 certify，杀不掉的自动落「说不清」，不会污染抓获率。
变异体还能声明 applies_to——账本域的变异体在咖啡域就是「不适用」，不进分母。
翻页的四种坏法都藏在页与页之间：同一行出现在两页里、边界少一行、翻页顺序忽前忽后、
total 报的数字和实际条数不符。单看任何一页都是好的，逐页的 count_delta 也都是对的
—— 每页确实拿到了 pageSize 条。
{ "kind": "pagination", "collection": "orders", "steps": [6, 7, 8],
"total": 5, "pageSize": 2, "ordered_by": "id" }它读的是那几步的执行返回（trace[i].payload），不是规范视图——视图是整份状态快照，
一条翻过页的列表在视图里和没翻过一模一样，拿视图判分页永远判不出来。
三个只在返回体上下手的变异体，视图完全不变，所以只有它能抓：
| 变异体 | 怎么坏 | 被抓时说什么 |
|---|---|---|
m-page-duplicate |
第二页把上一页末行又带一遍 | 重复行：orders 的 id=1003 第 7 步的返回里出现了两次 |
m-page-drop |
每页少给尾行 | 第 7 步不是最后一页，却只有 1 条（每页 2） |
m-page-shuffle |
第一页内部倒序 | 翻页乱序：按页次拼接后 id 从 1002 掉到 1001 |
顺带修掉一个真 bug：memory 适配器的 order.list 原来在规范视图上按 ownerId 过滤，
而视图里只有 username —— 顾客的订单列表恒为空，只有店员看得见全部。之前没有案例用过
order.list，所以一直没露出来。
一个变异体加一条案例出一道题，题面只给症状和现有断言，不给 catch_hint、不给变异体 id。
批改不看提交说了什么，只把它的断言放到两个实现上各跑一遍：正确实现上成立、坏实现上不成立，才算解出。
同一批题两份提交：认真写的 11/11、exit 0；把案例原有断言抄一遍的那份 0/11、exit 1—— 它交的全是真断言，读代码看不出区别，只能跑。这就是「标签不需要人来标」的意思。
为什么 good 只有 11 份答案，题却有 22 道：建议断言只能表达「集合内某个字段的取值差」，
整实体替换与集合外差异表达不了。剩下 11 道得人写答案。于是拆成两条校验：
默认「必须答满」（漏一题就 exit 1），--allow-missed 是「答了就必须对」（没答的照实报，
答错或交不上来的仍然失败）。CI 用后者——防瞎写和防偷懒是两件事，不能混成一件。
drill grade --record 把每次批改记进台账，drill stats 出统计。
台账只存题号、状态、每个断言的判定、提交指纹——不存提交内容。
所以 11/11 会显示成 100.0% [74.1%, 100.0%]，而不是「100% 稳了」；
每题至少 5 次批改才分层，不够就记 insufficient_data。
drill --order=empirical 按台账里的经验难度出题，难的在前。
不想自己跑？这一节的两个页面已经托管在 GitHub Pages 上，点开就是本次 CI 真跑出来的判决 ↗。
flow 把一条案例渲染成自包含 HTML：执行流程逐步可展开、状态事件、每条断言的三值结果、
被拒的步骤直接标红「期望 applied 实际 rejected」。点「只看偏差」只剩有问题的行。
给一个目录，出总览页：判决分布、可判定率、带锚点的案例目录，点目录跳到对应案例。
learn 学得出来的前提是「字段名认得」。别人的系统里 totalAmount 可能叫 sum、
pickupNo 叫 no、orders 叫 tickets。align 干的就是这件事——给建议，不替你决定。
$ agent-web align our-view.json their-view.json --out=align.yml
字段映射 · 3 个集合 · 17 / 17 条字段 → 100.0%
orders → tickets 置信 95.0%
createTime → at 94.0%
id → key 94.0%
items → lines 94.0%
pickupNo → no 88.0%
totalAmount → sum 94.0%
五路信号，权重写死不调参：名字（复数归一到同义词组）、逐行取值一致、取值多重集一致 （行序不同也认）、枚举重合、基数一致。类型不同直接出局。
低置信度一律不猜：低于 0.75 进 unresolved 并给 top-3 候选。改名的夹具恢复 17/17、
零错配；把行打乱、totalAmount 改成 x9、pickupNo 删掉之后恢复 15/17，仍然零错配，
剩下两条如实写着「需要人签」。宁可说不清，也不许错配——一个错配的字段会让案例在
「看起来对、其实错」的地方判 pass。
14 条档案，每条四要件：症状、根因、指纹（结构 / 见证 / 探测器）、判据（哪条命令或测试守着它）。 缺判据不收——没人守的档案只是回忆录。
recall 在跑批后比对指纹：第一次命中只提醒，第二次犯同一条就 exit 1 拦下。
加深记忆不是靠自觉，是靠退出码。
| 域 | 实现 | 它证明了什么 |
|---|---|---|
| 咖啡店点单 | 内置内存 + 真实 Spring Boot 后端 | 同一份案例打两个实现，判决一致率 100%；假通过能被抓出来 |
流浪动物追踪 cases/animal |
Spring Boot 3 + MySQL 真实后端（第三方项目） | Spring Page 信封、大写状态、三角色；审批接口没有角色检查——案例判 fail，细节 |
| 复式记账 | 两个自造实现（整数分 vs 两位小数字符串） | 内部表示完全不同，视图逐字相同；借贷平衡这类不变式能表达 |
词库检索 cases/lexicon |
两个自造实现（字典树 + 贪心分词 / 二分 + 反向 DP） | 900 条数据、每页 10 条翻三页：跨页重复、边界丢行、total 说谎这三种坏法只有在这个规模上才真的暴露，细节 |
| RealWorld 契约 cases/realworld | 两份独立实现（fake-server.mjs 用 Map，fake-server-b.mjs 用数组） | 一份 OpenAPI 契约 + 13 个官方 hurl 套件原样转成案例：100% 判决一致；把 B 故意弄坏之后，compare 立刻指出是哪一条案例分歧 |
| 定时任务调度 cases/cron | 两个自造实现（数组 + 槽位 Set + 存 nextDue / 槽位键 Map + lastSlot 现算） | 时间是槽位序列，不是标量：recurrence 抓重复跑、跑偏、漏跑；4/4 判决一致，细节 |
另外还接过一个真实后端：实验室预约平台（cases/labaccess，Spring Boot 3 + MySQL）。它带来六个域都没有的形状——状态被时间推着走：时段有容量，批准才发凭证，凭证只能在 startAt <= now < endAt 里签得出来，有效期还被预约结束时间截断。但只有一份实现、没有 compare，按 L11 的门槛不计入「验过的域」，细节。
第三个域逼出了一个机制：变异体可以声明 applies_to。
账本域的变异体在咖啡域是「不适用」，不进分母——否则抓获率会被无关变异体砸成假坑。
第四个域（词库）补的是数据规模这一维：前三个域的分页断言都只在小结果集上跑过，
total 说谎、边界丢行这类坏法在小数据上看着全绿。
词库域还顺手补上了一个断言盲区——pagination 原先只数各页行数，
从不读实现自己报的 total，于是「30 条报成 900」在每一页都满的情况下全绿。
RealWorld（84k star，一份 OpenAPI 契约，990+ 个实现）的官方 13 个 hurl 套件已经原样转成 13 条案例。
这个域的门槛是「两个独立实现 + compare 100% 一致」，所以补了第二份实现：
examples/realworld/fake-server-b.mjs——同一份契约，内部全换（数组存储、不同的 slug 规则、
增量计数器、单调时钟、表驱动校验），只保留可观测行为。
node examples/realworld/fake-server.mjs 8299 --allow-reset &
node examples/realworld/fake-server-b.mjs 8298 --allow-reset &
node bin/agent-web.mjs compare cases/realworld --adapters=realworld,realworld-b结果：13/13 一致，3 个集合逐字相同。
但「一致」本身可能是案例在睡觉，所以 B 带一个故障开关，专门用来证明对照看得见：
REALWORLD_B_BUG=order node examples/realworld/fake-server-b.mjs 8297 --allow-reset &
REALWORLD_B_BASE_URL=http://127.0.0.1:8297 node bin/agent-web.mjs compare cases/realworld --adapters=realworld,realworld-b
# → 12/13，realworld/pagination 分歧（pass vs fail），退出码 1REALWORLD_B_BUG 还有 count（收藏数恒 0）与 owner（跳过作者校验）两档。
这三档都写进了 test/realworld-compare.test.mjs——一个只验「一致」的测试，
一个什么都不做的适配器也能通过。
| 命令 | 干什么 |
|---|---|
selftest |
零依赖自测，三种判决各来一次 |
verify |
跑案例出判决 |
report |
由判决结果出指标；--counts 只数轨迹（步数 / 重复读 / 绕路比 / 撤销的写 / 重试），不进判决 |
accept |
确认草稿；没确认的案例不出判决 |
capabilities |
打印能力清单与证据等级 |
coverage |
能力覆盖率对账，--min 设门槛 |
probe |
探针：查适配器自己有没有在撒谎 |
certify |
判据准入：变异体 × 断言杀伤矩阵，--suggest 给补法 |
breed |
照着视图形状自动生成变异体 |
drill / drill grade |
出题 / 批改，标签由机制产出 |
compare |
同一份案例喂多个实现，比判决 |
drift |
比较两次跑批的初态形状 |
record / prepare / draft |
从真实动作日志还原轨迹、生成案例草稿 |
flow |
单案例判决页；给目录出总览页 |
discover |
探一个站点：只读适配器 + 案例草稿 + 施工单 |
crosscheck |
— |
import hurl |
把 hurl 套件转成案例草稿（不联网、不执行） |
tap / learn |
反向代理录一段流量，长出适配器 / 孪生 / 案例草稿 |
mutants |
变异体目录：谁的坏法、怎么抓、怎么投稿 |
ingest |
把别家的测试报告翻成三值判决，数清「跑绿了但什么都没证明」的比例 |
audit |
假绿审计：拿真实后端当尺子量候选实现 |
gate |
四行口径门禁：契约覆盖率/判据抗变异率/独立证据判决率/unknown 占比一次出齐，缺任一行 exit 1；独立证据行带可比分母（可比为零同缺行），--min-comparable 可设下限 |
traps |
陷阱普查：这批判决有多少是盲的 |
knowledge / recall |
事故档案 / 重犯检测（第二次 exit 1） |
init |
生成案例模板 |
version |
版本、最近变更、版本号三处是否一致 |
- 没有 LLM judge。 判不了就记
unknown并留在分母里。引入打分模型等于把自己要解决的问题搬回来。 - 规范视图是契约。 案例只写视图里的字段，不写实现细节；映射故意写在适配器里，可移植性靠
compare验。 - 「谁来做」是案例的一部分。 每一步带
as，适配器忽略角色会被 traps 指出来。 - 建议断言必须当场验过。 正确实现 true、坏实现 false 才给出来；位置相关的建议会额外警告。
- 三档状态不混算。 欠账、说不清、不适用各有各的出口；混在一起，基线表三天就没人看了。
- 两条校验不混用。 「必须答满」防偷懒，「答了就必须对」防瞎写——合成一条就会互相放水。
自己写案例是最贵的一步。import 承认这件事，给了一个不靠猜的入口：把别人已经写好的接口测试套件转成案例草稿。
RealWorld 是一组可复用的 API 契约语料：官方仓库附带 13 个 hurl 套件。导入器会保留路由动作、路径参数、角色和 token 捕获；不支持的断言会进入 .todo.md，不会静默丢弃。
node examples/realworld/fake-server.mjs 8299 --allow-reset
node bin/agent-web.mjs import hurl examples/realworld/hurl --out=cases/realworld --as=user
# 先逐条检查生成的案例与 .todo.md，再 accept，最后运行：
node bin/agent-web.mjs verify cases/realworld --adapter=realworld --detail转出来的都是未确认草稿，accept 之后才能出判决。转换器只做能确定的事：
| hurl 里的东西 | 转成什么 |
|---|---|
| 请求 + JSON 体 | 一步，能力名按方法 + 资源推导 |
HTTP 201 / HTTP 422 |
期望结果：applied / rejected；5xx 整块跳过 |
Authorization 头 |
这一步用哪个角色（--as 指定） |
[Captures] slug: jsonpath "$.article.slug" |
该步捕获，后续 {{slug}} 作为路径参数回填 |
[Asserts] jsonpath "$.tags" count >= 1 |
payload 断言（读返回体，不读视图） |
| 读不懂的断言 | 写进同名 .todo.md，一条不丢，一句不猜 |
本地夹具已经内置：examples/realworld/fake-server.mjs 提供零依赖的 19 端点实现，适配器位于 src/adapter/realworld.mjs。它便于验证导入器与判决链路；不能替代对真实 RealWorld 实现的兼容性测试。
状态口径要分清：cases/realworld/*.json 是 import hurl 的派生文件（断言逐条来自官方 hurl 原文，不许手改），当前实测 13/13 pass，并已进 CI。全绿只证明「转换器 + 适配器 + 夹具」自洽，不证明某个 RealWorld 实现是对的。
夹具只证明「转换器 + 适配器 + 判决链路是通的」，不证明「某个 RealWorld 实现是对的」——要验证真实实现，把 REALWORLD_BASE_URL 指向目标服务（详见 examples/realworld/README.md）。
这一节分两层。以下能力已经有代码和测试守着，不该再算成「没做」：
- 断言 21 种（完整清单见 docs/SPEC.md 第 4 章）。其中
window/every_step/pagination/linkage/payload/timeliness/state_machine曾经被写成「缺的能力」，现在都有了，各自配一个只有它能抓的变异体（kind-necessity会验）。 align能提出跨命名映射并附证据，含嵌套数组下钻与语义重叠检测；低置信度留给人签。crosscheck用不经过适配器自己的fetch的通道再发一遍，比对响应指纹。breed从视图形状生成变异体，13 个算子；生成的必须先过certify才准进目录。drill grade --record/drill stats已有台账、Wilson 95% 区间和经验排序；每题至少 5 次才分难度。negatives按清单的声明派生负例候选（必填缺失、角色越权、类型不符、边界越界、不存在实体、重复提交）， 全部标disputed，只出审阅表。discover/tap/learn/import hurl能从网址、流量或现成套件长出适配器与案例草稿。
剩下的边界，编号与 docs/LIMITS.md 的 L1–L14 一一对应。 每条只写没解决的那部分——已经做到的在上面的清单里，这里不再重复：
先交代证据的等级：本 README 里的一切数字（抓获率、一致率、耗时）全部出自本仓自己的 CI，
脚本可复现——但复现跑的是同一套脚本，到 v0.78.3 为止没有第三方独立复现过。
「可复现」是机器事实，不是外部效度。knowledge/ 与 docs/mutants/ 的投稿通道
就是为把自证变成他证开的，进来一单算一单；在那之前，把这里的数字读作
「作者对他自己这把尺子的自洽性证明」，比读作「正确率」诚实。
等不及投稿通道的话，有一个更快的办法——盲测包：
一条命令生成自包含 zip（内置全部适配器 + 五个零依赖域的案例，不含任何判决），
你在自己的机器上两条命令跑完，把结果发回来；我们用构建时留底的对账基准逐案例对账，
判决一致即公布。37 个案例，pass/fail/unknown 会完全落在构建者看到的同一批格子里——
这就是「独立复现」的最小形式，已经在本机跨进程复现过（37/37）。
- 写语义仍要人定（L1）。
tap能记录应用做了什么，但不能推断「库存不足应拒绝」；业务方必须确认规则。 - 字段映射仍需人审（L2）。 嵌套数组字段、跨集合的同名异义，机器给不出定论，必须人签。
- 不给通用「流程质量分」（L3）。 先定义领域目标、指标和权重；合法性判决与质量评分分开。
- 负例期望仍要人签（L4）。 「该不该拒绝」是业务决定；候选只出审阅表，不进判决。
- 变异体覆盖不完整（L5）。
breed只从观测形状造故障（13 个算子；全仓口径 72 个变异体，适用 46 抓到 44）。执行层与业务层的坏法（超卖、退款超过实付、审批跳过）仍靠投稿——生成器知道形状，不知道语义。 - 任意等价变异不能普遍判定（L6）。 有限状态/有界场景可做证明或穷举；其余只能记为「预算内未区分」，不能宣称等价。
- 跨实体时序仍缺（L7）。 单条链路的时间已经能判了——
timeliness比两个事件的真实时间戳，强制声明timezone，缺时间戳记unknown而不是判假（v0.48.0）。缺的是跨实体：「订单必须在库存锁定之前创建」「退款必须在原支付之后」这类约束要等有依赖图的域才验得了。 - 适配器仍可撒谎（L8）。
probe查十五项机械性质，crosscheck（v0.54.0）再用独立通道复核响应，两件加起来能抓「声明了却不存在」「忽略角色」「读偷偷写」「返回体做手脚」「资源死了还谎报成功」。仍抓不到的是会看探测器的骗子（probe 中段七项已每次洗牌，但开场/泄漏/close 三个锚点与每项内部的交互模式仍固定，读得到源码的适配器仍能区分探测与运行），以及「把整个globalThis.fetch换掉」；同进程加载的爆炸半径也没有隔离——适配器 patch 得到裁判自己 import 的模块，「加载适配器 = 以你的身份执行代码」是字面意思。 - 并发暂不开放（L9）。 没有并行执行器；恢复前要证明串行与并行的判决、死因、逐步回执逐字一致。
- 难度仍受样本来源限制（L10）。 需要多个独立提交者/批次，才可把统计解释为外部难度，而不只是自测结果。
- 真实后端只覆盖六个领域（L11）。 门槛是「两个独立实现 +
compare一致率 100%」。前四个域各自补上了第二实现，第五个（RealWorld）在 v0.55.0 补齐，第六个（定时任务）在 v0.60.0 补齐；再往上加域仍然是手工活。 - 语义层只覆盖一域（L12）。
policy/coffee.rego是咖啡店规则的第二次声明，11 条判例（1 好 10 坏）由conftest判 allow/deny；其余六域没有规则副本，且 Java 改了规则 Rego 不会自动知道——只有判例红了才暴露。不判拒绝码，也不判跨订单时序。 - npm 包还没发出去（L13）。
package.json的name、bin双命令名、files白名单都就位，npm pack装到干净目录里--version与selftest跑通过；缺的是发布凭据——本机npm whoami仍是 need auth，registry 上agent-case返回 404。所以上面「六十秒上手」里那行npx agent-case selftest现在会 404，两处都照实标了。 - coffee 两通道对照不在 CI（L14）。
memory vs taixianglian需要运行中的 Spring Boot 真实后端，CI 里不跑；后端不在线时测试明确 skip。CI 的跨实现对照仍覆盖账本与 RealWorld，但不能把咖啡域算成已被 CI 覆盖。
先看 docs/README.md——文档地图：每份文档答一个问题，按你此刻的问题分流；下面是完整列表。
- docs/GUIDE.md —— 怎么用：从一个网址开始、从日志到正式判分、接入自己的应用
- docs/SPEC.md —— 规范：案例格式、21 种断言与相位、判决顺序表、各机制的判定规则
- docs/ADAPTER-GUIDE.md —— 接自己的应用：三档路径、只改四处、验收顺序
- docs/LIMITS.md —— 14 条限制的台账：状态、验收命令、为什么这条不解决
- docs/ROADMAP.md —— 接下来做什么、按什么顺序、每条怎么验收
- docs/domains/ —— 四个域的实测细节：动物、词库、定时任务、实验室
- docs/museum/ —— 假判决博物馆：12 件展品，每件都是这个仓库真踩过的坑
- docs/mutants/ —— 变异体目录与投稿标准
- knowledge/ —— 事故档案与入库宪法
- docs/media/ —— 本页面所有图、动图与介绍片，全部本地生成（顶部那三个自带 SVG 也是；只有 ci 徽章是 GitHub 实时渲染的）
- CONTRIBUTING.md —— 三条不可谈判的规则、提交前必须过的六道门、四种典型改动的步骤
- AGENTS.md —— 给要改这个仓库的 AI Agent 读的：五条硬约束、六个踩过的坑
- SECURITY.md —— 「能让适配器骗过探针」在本仓库算有效漏洞，以及哪些不算
- CODE_OF_CONDUCT.md —— 攻击主张，不攻击人
MIT。