Code Standards

代码规范（Code Standards）

本项目通用的编码规范 + 完整开发工作流。不仅规定写出来的代码长什么样，还规定写之前要做什么、写之后要做什么。

使用方式（三段式工作流）

本 skill 强制以下三个阶段，缺一不可：

阶段 A ── 写代码前

1. 项目全貌认知（若在已有项目上开发）：必须先完成"§0 项目探索"中的检查，避免重复造轮子。
2. 规范预热：快速浏览将要涉及的语言/领域对应章节（§1–§4），心里有数再动手。
3. 先 plan，再实施（强制 · 需用户批准）：
   • 禁止未出 plan 直接开写。除非任务是极小的改动（单行修复、typo、显而易见的调参）。
   • 动手前必须先向用户呈交一份 plan，内容见"§0.5 Plan 格式"。
   • 必须等到用户明确批准（"可以"、"同意"、"开始吧"、"OK" 等）后才开始写代码。用户未回复前一律等待，不要擅自推进。
   • 若实施中发现 plan 与现实不符需要偏离，暂停，说明偏差并重新请求批准。

阶段 B ── 写代码中

• 遵循 §1–§4 的规范。
• 时刻牢记 §0.9 的四条设计原则：易读直观、反对过度抽象、单一职责、命名自解释。
• 优先复用阶段 A 中识别到的项目已有工具/函数/基类，不要另起炉灶。
• 按已批准的 plan 推进；若需要临时改动范围，回阶段 A.3 重新请求批准。

阶段 C ── 写代码后（强制）

完成代码后主动执行，无需用户催促（见 §5 详细流程）：

1. 自检本次变更，对照审查清单。
2. 补齐单元测试并跑通（除非命中 §4.5.2 免测清单，且已明说）——没单测不能进下一步。
3. 调用 simplify skill 对本次新增/修改的代码做简化与复用检查。
4. 调用 review skill 做代码审查。
5. 按本文件定义的"必改 / 建议改 / 可考虑"三级汇总审查结论：
   • 必改（Must-fix）——违反硬性规则（如可变默认参数、裸 except、硬编码设备、公共 API 缺少类型注解、功能缺失单测）。
   • 建议改（Should-fix）——违反强推荐（命名、docstring 缺失、魔法数字、测试覆盖不足）。
   • 可考虑（Consider)——依上下文而定的软建议。
6. 同步项目文档（强制）——向用户汇报完本次结果后，把开发进展与"下次可 resume 的状态"写回项目文档目录（见 §5.1 第 6 步）。没这一步视为未完成。

审查时不要静默改写代码——先暴露问题，再修复用户确认的部分（或用户明确要求一并清理的必改项）。

0. 项目全貌认知（在已有项目上开发时强制执行）

目标：在已有代码库上动手前，先摸清项目结构，确保新代码与现有组件风格一致，并优先复用已有函数/类而非重新实现。

0.1 何时必须执行

• 在已有仓库中新增模块、函数、脚本。
• 修改涉及多个文件的跨模块功能。
• 用户未明确告知项目结构时。

0.2 必做检查清单

动手前按以下顺序完成，并把发现简要汇报给用户：

1. 顶层结构扫一遍

   • 读 README*、CLAUDE.md（若存在）、pyproject.toml / setup.py / requirements*.txt。
   • ls 或 Glob 看顶层目录划分（src/、scripts/、configs/、tests/ 等）。
   • 明确项目的包名、入口、主要依赖。

2. 定位相关领域代码

   • 按关键词 Grep 搜索将要实现的功能名、相关动词/名词（如要写"采样器"就搜 sampler、sample、Sampler）。
   • 检查是否已有功能相近的实现——可能叫不同的名字。
   • 看 __init__.py 暴露了哪些公开 API。

3. 识别现有工具层

   • 配置加载、日志、checkpoint、设备管理、分布式、数据加载——这些"基础设施"类功能几乎必然已有实现。不要重写。
   • 典型目录：utils/、common/、core/、base/。

4. 识别现有风格

   • 抽样读 2–3 个同类型文件，注意：类型注解风格、docstring 风格、命名风格、错误处理方式、日志方式。
   • 你的新代码必须与现有风格一致，即使现有风格与 §1–§4 默认推荐略有差异（以项目内一致性优先）。

5. 识别扩展点

   • 是否有基类/抽象接口/插件注册机制需要遵循？（如 BaseSampler、register_model 装饰器等。）
   • 是否有约定好的配置 schema？

0.3 开工前的最小汇报

动手前，用一两段话简要告诉用户：

• 找到的相关现有代码（文件路径 + 函数名）。
• 计划复用什么、新增什么。
• 若发现可能重复实现的风险，先询问用户是复用已有实现、扩展它、还是确实需要新实现。

0.4 常见反模式（禁止）

• 未检索就新写一个 load_config、set_seed、get_logger、save_checkpoint——这些几乎都已存在。
• 新建一个 utils.py 或 helpers.py 放散装函数——先查现有 utils 目录。
• 在新文件里复制粘贴已有函数改个名字。
• 新增与现有风格不一致的模块（如项目全用 dataclass 你却写 Pydantic；项目全用 logging 你却用 print）。

0.5 Plan 格式（强制 · 动手前呈交，等待批准）

完成 §0.1–§0.3 的项目探索后，必须先向用户呈交一份 plan，获得明确批准后才能写代码。plan 用如下结构，保持简洁（通常 < 200 行）：

## 任务理解
<用一两句话复述需求，表明你理解的目标。>

## 项目现状（复用机会）
- 已有可复用组件：<文件:符号> —— <用途>
- 可扩展的基类/接口：<...>
- 参考的同类实现：<...>

## 实现思路
<核心设计/算法思路 2–5 句话，必要时画个数据流或调用链。>

## 实现步骤
1. <第一步：改/新增哪个文件，做什么>
2. <第二步：...>
3. ...

## 涉及文件
- 新增：<path/to/new_file.py>
- 修改：<path/to/existing.py>（修改点概述）

## 风险与取舍
- <列出与现有代码可能冲突的点、性能/内存假设、未决问题>
- <若有两种实现路径，给出推荐并说明理由>

## 待确认的问题（如有）
- <若有需要用户裁决的设计分歧，列在这里等回复>

批准前禁止的动作：

• 禁止调用 Edit / Write / NotebookEdit 类改写文件的工具。
• 禁止 git add/git commit 等修改仓库状态的操作。
• 只允许只读探索（Read / Glob / Grep / Bash 的只读命令）。

何时可省略 plan：

• 单行/几行的 typo 修复、显而易见的 bug 修复、参数微调。
• 用户已在本轮对话中给出具体到文件/函数级的指令（相当于他已经给了 plan）。
• 纯研究/探索类问题（不改代码）。

即使可省略正式 plan，仍应用一两句话简述你要做的事再动手。

0.9 核心设计原则（高于一切具体规则）

本节的四条是第一性原则——当具体规则与它们冲突时，以这四条为准。实施阶段（阶段 B）的每一行代码都要同时满足这四条；写代码后的 simplify/review 也围绕它们展开。

0.9.1 易读、直观

代码是写给人读的，顺便能被机器执行。

• 直线胜过曲线：能用顺序/条件/循环表达的逻辑，不要用回调、装饰器链、元编程。
• 显式胜过隐式：关键行为写在代码里，不要藏进 __init_subclass__、monkey patch、全局注册表里——除非项目已有此模式。
• 局部性：读一个函数时所需的上下文应尽量都在它附近。参数显式传入比从 self 深处挖好；常量在模块顶部比散落各处好。
• 可扫描：一眼扫过去能看到主流程。提前返回（early return）让嵌套变浅，胜过层层 if/else。
• 评判标准：一个不熟悉这段代码的同事，能否在 30 秒内讲清它做了什么？不能就重写。

0.9.2 有简单方案时，禁止引入复杂抽象（YAGNI）

• 禁止提前抽象："以后可能要支持 X" 不是理由——等真的要支持 X 时再抽象。
• 禁止为"对称/优雅"新建一堆基类、接口、工厂、策略——除非当下已有 ≥ 2 个真实实现需要共用。
• 禁止为唯一一次使用而建配置/插件系统。
• 一个 if/else 的策略选择，不需要策略模式；一个参数化的函数，不需要工厂类。
• 抽象的代价是实际存在的：多一层跳转、多一份文档、多一个测试表面、多一处未来 bug 的藏身处。
• 判断公式：抽象带来的收益 > 引入的阅读/维护成本——不成立就不要抽。
• 如果你发现自己在写 class AbstractBaseManagerFactory，停下重新想一下。

0.9.3 函数/类的职责要单一（SRP）

• 一个函数只做一件事：输入 → 一个清晰的输出/副作用。动词能描述完整行为就行。
• 一个类只有一个变化维度：它的字段、它的方法应当围绕同一个概念。一个类既管数据加载又管日志格式化，是两个类。
• 副作用要集中：读写文件、打日志、改全局状态的代码集中在明显位置，其他函数保持纯粹。训练循环这类天然副作用重的地方除外。
• 描述函数时必须用"and"才能说清 → 拆。"它加载数据并归一化并写缓存"——三个函数。
• 判断信号：
  • 函数参数超过 6 个且彼此无关 → 可能在做多件事。
  • 函数里有大段互不引用的代码 → 它们应该是独立函数。
  • 类里的方法明显分成互不共享字段的两组 → 拆成两个类。

0.9.4 命名自解释

• 名字即文档。读到一个名字就应知道它是什么、干什么，不必跳到定义。
• 具体 > 抽象：max_batch_size 胜过 limit；user_email_by_id 胜过 data；normalize_per_channel 胜过 process。
• 命名要反映用途，不是类型或结构：users（list of User）胜过 user_list；is_ready（bool）胜过 ready_flag。
• 禁止出现的名字：data、info、item、obj、tmp、result、helper、util、handle、do_stuff、process、manager、handler——除非上下文已锁死含义。
• 布尔名用谓词：is_ready、has_children、should_retry、can_load —— 不要用 flag、status。
• 函数名用动词：load_checkpoint、compute_loss、normalize_image；类名用名词：TrajectorySampler、CheckpointManager。
• 缩写只用公认的：cfg、ctx、msg、df、idx、lr、bs 可以；usrmgr、calcval、procimg 不行。
• 避免同义词漂移：一个概念全项目只用一个名字。不要一会儿 user_id、一会儿 uid、一会儿 account_id。
• 测试一下你的名字：把它念给另一个开发听，如果对方会问"这是什么意思？"，就换个名字。

0.9.5 冲突裁决

这四条原则偶尔互相拉扯，顺序如下：

1. 正确性 > 一切。
2. 易读直观（0.9.1） > 抽象层级。
3. 单一职责（0.9.3） 与 YAGNI（0.9.2） 同级：拆分是为了当下的清晰，不是为了未来的扩展。
4. 命名（0.9.4） 贯穿所有层级——再好的结构配上差名字也会变坏。

1. Python

1.1 命名

• snake_case：函数、方法、变量、模块。
• PascalCase：类名。
• UPPER_SNAKE_CASE：模块级常量。
• _前导下划线：内部/私有名称；__双下划线__：仅用于协议方法。
• 避免单字母变量，除了循环索引（i、j）、数学约定（短作用域内的 x、y 表示张量可以接受）、或公认缩写（df 表示 dataframe）。
• 不要使用非通用缩写（cfg、ctx、msg 可以；usrmgr、calcval 不行）。

1.2 布局与格式

• 4 空格缩进，禁止 Tab。
• 行长度：软限制 100 字符；能提升可读性就提前换行。
• 顶层定义间隔两个空行；方法间隔一个空行。
• Import 顺序，每组之间空一行：
  1. 标准库
  2. 第三方库
  3. 本地/第一方模块
• 一行一个 import。常用名称优先用 from x import y。
• 禁止通配导入（from x import *）。

1.3 类型注解

• 所有公共函数签名必须标注（参数 + 返回值）。
• 内部辅助函数可选，但推荐。
• 使用现代语法：list[int] 而非 List[int]，int | None 而非 Optional[int]（Python 3.10+）。若项目目标是旧版本，跟随现有代码风格。
• Any 是兜底方案——优先用 object、协议（Protocol）或联合类型。
• 会导致循环导入的类型，用 TYPE_CHECKING 分支导入。

1.4 Docstring

• 公共函数、类、模块必须有 docstring。内部辅助函数仅在签名无法体现行为时才需要。
• 使用三双引号。首行用祈使语气的单句概括（"返回……"、"计算……"），不要用陈述式。
• 非平凡函数需包含 Args / Returns / Raises 段落。除非项目另有约定，使用 Google 风格（跟随现有风格）。
• 不要重复类型注解已表达的内容——解释含义和为什么。

示例：

def compute_advantage(rewards: torch.Tensor, values: torch.Tensor, gamma: float) -> torch.Tensor:
    """计算轨迹的 GAE 优势值。

    Args:
        rewards: 形状 (T,)，每步的奖励。
        values: 形状 (T+1,)，价值估计（含 T 处的 bootstrap）。
        gamma: 折扣因子，范围 [0, 1]。

    Returns:
        形状 (T,) 的优势值，未做归一化。
    """

1.5 函数与类

• 单一职责：函数做两件不相关的事，就拆开。
• 每个函数软限制约 50 行。逻辑本身线性（如训练步）可以更长；但嵌套控制流一深就要抽辅助函数。
• 位置参数最多 5 个，超过用关键字专属参数（*,）。
• 禁止可变默认参数。用 None 占位，在函数内部初始化：

  def f(items: list[int] | None = None) -> None:
      if items is None:
          items = []
  

• 数据类优先用 @dataclass 或 Pydantic，不要用裸 dict。
• 组合优先于继承。继承层级超过 2 层需要理由。

1.6 异常处理

• 禁止裸 except:。必须指定异常类型。顶层入口可以 except Exception:，但必须重抛或带 traceback 记录。
• 不要用 try 静默异常。如确需忽略，加注释说明原因。
• 抛出具体异常类型，信息要能定位问题，包含涉事值：

  raise ValueError(f"batch size 必须为正，实际为 {batch_size}")
  

• 用 try/finally 或上下文管理器做清理，避免泄漏文件句柄、CUDA 上下文、锁。

1.7 日志与打印

• 库/模块代码用 logging，不要用 print。脚本和 CLI 可以用 print。
• 在模块顶部 logger = logging.getLogger(__name__)。
• 选对等级：debug（开发细节）、info（进度）、warning（可恢复问题）、error（失败）、critical（需中止）。
• 当日志等级可能被关闭时，不要用 f-string（会提前求值）：

  logger.debug("loss=%.4f", loss)     # 推荐
  logger.debug(f"loss={loss:.4f}")    # 可以，但无论是否打印都会格式化
  

1.8 通用风格

• 用 is None / is not None，不要用 == None。
• 判空用真值：if not items: 而非 if len(items) == 0:。
• 单行能写下时，列表/字典/集合推导式优先于 map/filter。
• 大序列用生成器；不要构造一个只遍历一次的临时列表。
• 文件路径用 pathlib.Path，不要拼字符串。
• 字符串格式化用 f-string。除日志外，避免 % 和 .format()。
• 禁止魔法数字。要么提到模块顶部命名常量，要么走配置。

2. PyTorch / 深度学习

2.1 设备管理

• 禁止硬编码 .cuda() 或 .to("cuda")。device 必须可配置：

  device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
  model = model.to(device)
  

• device 通过函数签名或配置传递，不要依赖全局变量。
• 能直接在目标设备创建张量就直接创建：

  x = torch.zeros(N, device=device)   # 推荐
  x = torch.zeros(N).to(device)        # 浪费一次搬运
  

2.2 dtype 与精度

• 在关键位置显式指定 dtype（dtype=torch.float32、索引用 torch.long）。
• 不要依赖跨操作的隐式类型提升——明确 cast。
• 混合精度用 torch.autocast + GradScaler，不要手动 cast。

2.3 张量形状纪律

• 在 docstring 里用 (B, C, H, W) 风格标注预期形状，复杂 reshape 加行内注释。
• 非平凡的 reshape 用 einops（rearrange / repeat / reduce），自解释。
• 优先 .reshape()，除非明确需要 view（依赖连续性）。
• 在函数边界对依赖的形状加断言：

  assert x.ndim == 4 and x.shape[1] == 3, f"期望 (B,3,H,W)，实际 {tuple(x.shape)}"
  

• 避免不带 dim= 参数的 squeeze() / unsqueeze()——行为依赖形状，容易踩坑。

2.4 梯度与 autograd

• 推理/评估路径用 with torch.no_grad(): 或 @torch.inference_mode()——后者略快。
• 评估前 model.eval()，训练前 model.train()，两边都要做。
• 转 CPU/NumPy 前先 detach：.detach().cpu().numpy()。
• 不要对非预期张量调用 .backward()——检查 requires_grad。
• optimizer.zero_grad(set_to_none=True) 优于默认行为，更快更合理。

2.5 训练循环结构

• 关注点分离：数据加载、前向、损失、反向、优化器 step、日志、checkpoint 各自分明（至少注释分段，或抽成方法）。
• 按固定节奏打日志（每 N 步），不要每步都打。用 step 计数器。
• Checkpoint 按计划 + 最佳指标 + 退出时保存。先写到临时路径再原子 rename，避免崩溃时损坏。
• 进度用 tqdm 之类，包裹 dataloader，不要包裹 range。
• 入口处做可复现种子初始化：

  torch.manual_seed(seed)
  torch.cuda.manual_seed_all(seed)
  np.random.seed(seed)
  random.seed(seed)
  

  完全确定性还需要 torch.use_deterministic_algorithms(True) 和设置 CUBLAS_WORKSPACE_CONFIG。

2.6 数据

• Dataset 子类只实现 __len__ 和 __getitem__；batch 整合放到 collate_fn。
• __getitem__ 里不要做能向量化的重 CPU 工作——但也别为 1000 条数据过度优化。
• DataLoader 配好：num_workers、GPU 场景下 pin_memory=True、长训练加 persistent_workers=True。
• 不要把完整数据集常驻 GPU，除非确实很小。

2.7 模型

• nn.Module 子类：__init__ 注册子模块，forward 做计算。不要在 forward 里定义层。
• 非平凡层显式初始化权重，不要盲目相信库默认。
• 模型结构通过 __init__ 参数暴露，不要靠全局变量或环境变量。
• 多输出模型的 forward 返回结构化结果（dict 或 dataclass），比裸 tuple 更易演进。

2.8 可复现性与配置

• 每次实验能被配置（YAML / JSON / dataclass）完整描述，不要把可调参数埋成硬编码字面量。
• 启动时把配置 + git SHA + seed 记录到运行目录。
• Checkpoint 旁边存一份配置，让 checkpoint 自包含。

3. Shell 脚本与配置文件

3.1 Shell（bash）

• 每个脚本开头：

  #!/usr/bin/env bash
  set -euo pipefail
  

  -e 遇错即停、-u 未定义变量即停、-o pipefail 传递管道失败。
• 所有变量展开加引号："$var"、"$@"、"${array[@]}"。不加引号就是等 bug。
• 命令替换用 $(...)，不要用反引号。
• 条件用 [[ ... ]]，不用 [ ... ]（bash 专属，更安全）。
• 脚本里优先用长选项（--verbose 而非 -v），自解释。
• 函数：name() { ... }，函数内变量都加 local。
• 开头检查必需工具：command -v foo >/dev/null || { echo "需要 foo" >&2; exit 1; }。
• 头部加简短注释：用途、用法、依赖的环境变量。

3.2 JSON 配置

• 不支持注释。需要说明就配一个 README 或改用 JSON5/YAML。
• 2 空格缩进。
• 文件末尾留换行。
• 键按逻辑顺序组织——相关设置放一起；顺序有意义就别按字母排。
• 不要留尾逗号（非法 JSON）。

3.3 YAML 配置

• 2 空格缩进，绝不混用 Tab。
• 可能被误解析的字符串加引号：版本号（"1.0"）、布尔样字符串（"yes"、"no"）、以特殊字符开头的值。
• 长配置用锚点（&）和别名（*）去重。
• 行长度控制在 120 字符内，长列表换行。

3.4 配置卫生（通用）

• 禁止在提交的配置里放 secret。用环境变量或密钥管理器，只引用名字。
• 任何需要本地创建的配置，都提供带注释的 *.example 样例文件。
• 必填字段缺失/格式错误要大声报错，不要用默认值悄悄兜底。

4. 通用约定

4.1 文件与目录组织

• 一个模块只做一件清晰的事。文件超过约 500 行就考虑拆。
• 测试文件对应源码结构：src/foo/bar.py ↔ tests/foo/test_bar.py。
• 入口脚本放 scripts/ 目录或做成命令行 entry point，不要一堆 run_*.py 散落顶层。
• __init__.py 定义包的公开 API。不要把所有东西都 re-export，选择性暴露。

4.2 注释

• 注释写为什么，不写是什么。代码本身说明"是什么"。
• 刻意绕行的地方标 # HACK: 或 # FIXME: 加原因。
• # TODO: 带条件/时机（如 # TODO(v2 迁移后): 移除此分支）。
• 删掉注释掉的代码。版本控制会记住它。

4.3 依赖

• 生产 requirements 锁版本（torch==2.3.1）；库的依赖上界放宽。
• 开发依赖（lint、测试工具）与运行时依赖分开。
• 标准库能一行解决的事，不要引依赖。

4.4 Git 提交

• 一次逻辑变更一个 commit。不要把重构和功能混在一起。
• Commit 信息格式：

  祈使式概括（≤72 字符）
  
  需要时写正文：改了什么、为什么。每行 72 字符内折行。
  关联 issue 如 #123。
  

• 使用祈使语气："Add X"、"Fix Y"、"Refactor Z"——而非 "Added"、"Fixes"、"Refactoring"。
• 小而可审查的 commit 优于一个巨无霸。

4.5 测试（功能完成即补单测 · 强制）

硬性规则：每完成一项功能开发（新函数、新类、新模块、新 endpoint、新配置逻辑），必须在同一个交付内补齐对应的单元测试。没有单测的功能视为未完成——不能进入阶段 C 的 simplify/review，也不能向用户汇报"完成"。

4.5.1 什么算"一项功能开发"（必须补单测）

• 新增的公共函数 / 方法 / 类。
• 新增的公共模块（至少覆盖其主 API）。
• Bug 修复（加回归测试，锁住不再复现）。
• 有纯函数逻辑的数据变换（tokenizer、归一化、advantage 计算、reward shaping 等）。
• 配置解析 / 校验逻辑。

4.5.2 什么可以不写单测

• 一次性脚本（scripts/ 下的临时任务脚本）。
• 纯 I/O 粘合代码（文件读写、简单的 CLI argparse），且无分支逻辑。
• 明显的打印语句、日志消息调整。
• 训练主循环这类难以在 CI 里跑的代码——但其中可抽出的纯函数必须抽出并测试（例如学习率调度、损失计算、advantage 估计）。
• 这些例外要在 plan 或汇报里明说，别默默跳过。

4.5.3 测什么（一个功能对应的单测应覆盖）

• 正常路径（happy path）：1 条主要用例，典型输入 → 期望输出。
• 边界条件：空输入、0、1、极大值、单元素、重复元素、NaN/Inf（若相关）。
• 错误路径：非法输入是否抛出预期异常（用 pytest.raises 验证异常类型 + 消息关键词）。
• 形状 & dtype（PyTorch 场景）：显式断言输出 tensor 的 .shape 和 .dtype，避免"看似跑通"。
• 不变量：概率之和为 1、归一化后均值 0 方差 1、梯度可回传等。

不需要把每种组合穷举——用 pytest.mark.parametrize 覆盖关键维度即可。

4.5.4 写法规范

• 框架：优先 pytest；若项目已用 unittest，跟随项目。
• 测试文件位置镜像源码：src/foo/bar.py ↔ tests/foo/test_bar.py（没有 tests/ 时就在源文件旁建 test_*.py，跟随项目约定）。
• 测试名描述场景：test_compute_advantage_handles_zero_gamma，不是 test_1 / test_compute_advantage。
• 一个测试一个行为。名字里出现"and"就该拆。
• 用 fixture / parametrize 复用 setup，不要复制粘贴。
• 测试本身要快：单个用例 < 1s；需要 GPU / 网络 / 大模型的，标记 @pytest.mark.slow 或 @pytest.mark.gpu 并说明如何跳过。
• Mock 外部依赖（网络、文件系统、时间），避免测试环境耦合。
• 不要在测试里测私有实现细节——测行为、不测实现，否则重构必改测试。

4.5.5 测试的结构（AAA）

每个测试用 Arrange-Act-Assert 三段式组织，可用空行分隔：

def test_compute_advantage_handles_zero_gamma():
    # Arrange
    rewards = torch.tensor([1.0, 2.0, 3.0])
    values = torch.tensor([0.5, 0.5, 0.5, 0.0])

    # Act
    adv = compute_advantage(rewards, values, gamma=0.0)

    # Assert
    assert adv.shape == (3,)
    torch.testing.assert_close(adv, rewards - values[:-1])

4.5.6 运行与验证（交付前必做）

• 完成功能 + 单测后，本地跑一次目标测试，确认通过：

  pytest tests/foo/test_bar.py -v
  

• 如果新测试引入了跨模块依赖，也跑一次更大范围（至少该模块目录），确认没打破别的测试。
• 测试未跑通不能进入阶段 C 的 simplify/review。
• 汇报时要附上测试文件路径 + 用例数量 + 通过状态（见 §5.1 第 2 步）。

4.6 文档

• 项目根目录的 README 回答四件事：这是什么、怎么装、怎么跑、下一步去哪。
• 非显然的算法加注释指向论文/参考。
• 文档与代码就近放，长篇设计文档放 docs/。

5. 完成后流程（强制 · 主动执行）

写完代码后不要等用户催，按顺序执行以下步骤，并把结果以结构化方式汇报。

5.1 步骤

1. 自检清单（先自己扫一遍）

   • 本次变更的文件 & 新增/修改的符号清单。
   • 对照"审查清单（快速参考）"自查一轮——明显的必改项先自己修掉。

2. 补齐单元测试并跑通（强制 · 在 simplify/review 之前完成）

   • 对本次新增/修改的每项功能，按 §4.5 补齐对应单元测试。
   • 测试位置镜像源码目录（src/foo/bar.py ↔ tests/foo/test_bar.py）。
   • 覆盖：正常路径 + 边界条件 + 错误路径；PyTorch 场景还需断言 shape/dtype。
   • 本地跑通测试：

     pytest <新增测试文件> -v
     

   • 测试未通过不得进入步骤 3。若遇到无法在本地跑通的情况（需 GPU / 大数据等），明确标注 @pytest.mark.slow 或 @pytest.mark.gpu，并在汇报里说明未执行的原因和跳过方式。
   • 按 §4.5.2 的例外条款可省略单测时，必须在此步骤明说哪些文件、为什么省略。

3. 调用 simplify skill

   • 目的：让 simplify 针对本次新代码做复用性、质量、效率检查并修复。
   • 明确告知 simplify 审查的范围（只看本次变更，不要扩散到全库）。测试文件一并纳入范围。
   • simplify 提出的改动若属于"必改/建议改"级别，直接采纳；属于"可考虑"级别，汇报给用户决定。
   • 若 simplify 修改了被测代码，重新跑一次相关测试确认没破坏行为。

4. 调用 review skill

   • 目的：完整 review 本次新增/修改的代码 + 新增测试。
   • 若 simplify 阶段已做修改，review 的是修改后的版本。

5. 汇总报告 按以下格式给用户最终报告：

   ## 完成情况
   - 新增：<文件清单>
   - 修改：<文件清单>
   
   ## 单元测试
   - 测试文件：<路径>
   - 用例数：<N>
   - 运行结果：<passed / failed / skipped>
   - 省略单测的部分（若有）：<文件 + 理由>
   
   ## simplify 结果
   - 已自动修复：<...>
   - 待确认：<...>
   
   ## review 结果
   ### 必改（Must-fix）
   - <文件:行号> <问题> → <建议>
   ### 建议改（Should-fix）
   - ...
   ### 可考虑（Consider）
   - ...
   
   ## 下一步
   <等待用户确认 / 继续修复 / 已全部完成>
   

6. 同步项目文档（强制 · 在汇报之后执行） 目的：让任何一个新 session 读完 docs/ 就能 resume 到当前状态，不用靠对话历史。汇报完不同步文档等于未完成交付。

   • 落点：项目内的开发文档目录（本项目是 docs/）。新项目无此目录时，先在项目根建 docs/ 再写。
   • 必更的两类文件：
     1. 开发日志（本项目 docs/DEVELOPMENT_LOG.md）——在末尾追加本次迭代章节，至少包含：
        • 时间线与本次任务目标（用户原话 + 关键决策理由）
        • plan 演进（如有多轮修订，记录原因）
        • 文件改动清单（新增 / 修改）
        • 测试状态（数量 + passed/failed/skipped）
        • simplify / review 结论摘要（必改/建议改/可考虑）
        • 踩到的坑与未完成事项（留给下次）
     2. Resume 入口（本项目在 DEVELOPMENT_LOG.md 最后一节"Resume 入口"小节 + 可选的独立 RESUME_PROMPT.md）——更新为本次结束后的最新状态：
        • 当前功能/测试/环境的简短快照
        • "下次进来先做的事"优先级列表
        • "绝对不要做的事"若有新增项也要补
   • 按需更新的文件：
     • docs/ARCHITECTURE.md：只有本次改动影响架构/扩展点/数据流时才改；否则不动。
     • CHANGELOG.md（若项目维护）：在 [Unreleased] 段追加条目。
     • README.md：只有对外接口/安装/使用方式变化时才改。
   • 风格要求：跟随现有文档风格（本项目用中文 + 编号章节 + 代码块示例），不要新造格式。
   • 防止静默废弃：如果本次把某个旧做法替换了，旧章节保留历史记录，但在 Resume 入口明确标注"以新做法为准"。

   汇报用户"已完成"之前，最后一步是贴出同步的文档段落（或 diff 摘要），让用户知道文档已经跟上。

5.2 例外

• 用户明确说"只写不审"时，跳过步骤 3–4，但仍需完成 §5.1 步骤 1（自检）、步骤 2（单测）与步骤 6（同步文档）。
• 单次改动极小（< 5 行、纯 typo 或参数调整）时，可合并步骤 3–4 为一次轻量 review，不强制调用 skill；单测按 §4.5.2 判断是否仍需补；文档同步仍要做——至少在 CHANGELOG 或日志末尾留一行记录。
• 例外不适用于"跳过单测"与"跳过文档同步"：功能开发必须有对应单测（除非命中 §4.5.2 的免测清单），同时必须把本次进展同步到 docs/。

5.3 反模式（禁止）

• 写完代码直接交差，不做 simplify/review。
• 功能完成却没补单测——除非命中 §4.5.2 且已明示。
• 单测没跑通就上 simplify/review。
• 静默地在 simplify/review 阶段改写代码而不汇报。
• 跳过 simplify 直接上 review，导致 review 在未清理的代码上反馈。
• 为应付流程写空壳测试（只 assert True、不覆盖任何真实行为）——等于没写。
• 汇报完就收尾，不同步 docs/——新 session 无法 resume，视为未交付。
• Resume 入口陈旧：只追加开发日志但没更新"下次进来先做的事"，等于文档在撒谎。

审查清单（快速参考）

审查代码时按以下顺序扫描：

0. 核心设计原则（§0.9，先扫这一层）
   • 易读直观：主流程能 30 秒读懂吗？嵌套是否过深？
   • 是否存在不必要的抽象（基类/工厂/策略但只有一个实现）？
   • 函数/类是否单一职责？描述时要不要用"and"？
   • 命名是否自解释？有没有 data/info/tmp/helper/process 这类空壳名？

0.5. 单元测试（§4.5）

• 本次每个新增/修改的功能都有对应测试吗？
• 测试覆盖了正常 + 边界 + 错误路径吗？
• PyTorch 场景是否断言了 shape/dtype？
• 测试都本地跑通了吗？

1. 正确性隐患

   • 可变默认参数
   • 裸 except 或吞异常
   • 硬编码设备/dtype
   • 无断言的形状假设
   • 评估路径缺 model.eval() / no_grad
   • Shell 变量未加引号
   • 配置里有 secret

2. 公共 API 卫生

   • 签名有类型注解
   • 公共函数/类有 docstring
   • 命名合理（不是 data、foo、helper）

3. 结构

   • 函数长度与单一职责
   • Import 有序且干净
   • 无死代码/注释代码
   • 无魔法数字

4. 风格打磨

   • 行长度
   • f-string 该用就用
   • pathlib 替代 os.path
   • 真值判断

审查结论按必改 / 建议改 / 可考虑分组，格式见本文件开头。