第 4 课：像工程师一样验证，像怀疑者一样审查

第 4 课：像工程师一样验证，像怀疑者一样审查

目标

完成完整的证据闭环——双向验证、三个皮肤各跑一次端到端、审查最终 diff 是否越界与有副作用——并写出三行验证记录，说明证明了什么、没 证明什么。

为什么要有这一课

“测试通过”是验证的起点而不是终点。测试套件锚定了九个行为，但它不会 告诉你：Agent 是否改了不该改的文件、工具在真实数据上会不会留下 垃圾、报表数字在你的领域里对不对。这部分判断永远属于人。

课程内容

按顺序跑完整个闭环：

python verify.py starter          # 你完成的实现：9/9
python verify.py solution         # 已审核参考实现：9/9
git diff --stat                   # （或等价命令）到底改了什么？

然后像真实用户一样，每个皮肤各跑一次（每次会在对应 scenario 文件夹 里写 report.json——确认 .gitignore 已处理，然后检查输出）：

python starter/report_tool.py scenario/excel-report
python starter/report_tool.py scenario/data-monitor
python starter/report_tool.py scenario/api-tool

对每个 report.json 核对三件事：total = valid + invalid；每条 errors[i].reason 都能对应到数据文件里真实存在的行；抽一个分组总计 手动重算。

接下来是怀疑者的 diff 审查。对 Agent 超出契约线的每一处改动问：是哪条 测试逼出来的？答案是”没有”，就是范围蔓延——回滚它并重跑套件。再检查 测试看不见的副作用：scenario/ 之外有没有新建文件、有没有网络调用 （应当为零）、空数据文件会发生什么（试试看）。

练习

写下验证记录。三行，诚实：

已验证：<运行的命令、日期、结果>
未验证：<套件覆盖不到的部分——例如真实导出文件的编码、超大文件>
已知局限：<什么会让它失效——例如源系统改了表结构>

对照课程根目录的 REVIEW.md——同样的纪律，维护者版本。

检查点

以下全部达成即通过：三个皮肤干净运行；手动核算的分组总计一致；diff 审查发现（并回滚）了至少一处无强制理由的改动——或者你能论证每处改动 都有测试逼着；三行记录已经写下。

预期证据

验证记录、git diff --stat 输出、一个手动核算的分组总计。这就是真实 变更中你会附上的交付物。