Emitter Build

Emitter 模板构建

emitter-build 的职责是把已经跑通的 AI/人工补写经验沉淀为确定性模式，减少后续重复写 case_bodies、重复 raw assert 或重复 Harness 动作。

它不是探索入口，也不是失败修复入口。不要从未验证的 pytest、失败用例、缺环境变量的运行结果，或猜测出的业务语义中提取规则。

默认先分析并输出建议；只有用户明确确认后，才修改 profile、module package/Harness、aitest.yaml 或 emitter 代码。--suggest-promotion-patch 生成的是 review-only 草案，不自动应用。

参考文档

• refs/patterns.md — 断言模式表、晋升分类与条件、case_bodies/case_flow 提取规则、IR 对齐项、CLI 命令参考、分类产出规则
• aitest_config/refs/config-files.md — 判断配置字段归属时优先读取

前提条件

必须先确认当前分析对象满足以下条件：

1. codegen --check 或对应 selector 的 --check 已通过。
2. generated pytest 至少通过 collect。
3. 从真实断言结果沉淀业务规则时，必须有对应真实 run 通过记录。
4. manual / skipped 用例不能作为业务断言模板来源。
5. 缺环境变量、fixture 错误、服务未启动等结果，不得作为可沉淀模式。

未满足前提时，先返回 test-codegen / test-scaffold / test-fix / test-maintain 处理断裂层。

前置：读取输入

suite 入口

如果用户给出 --suite-file <suite.yaml>：

1. 读取 suite.yaml 的 target/module/suite/case_files，并合成 effective knowledge refs：target.yaml.l0 + module.yaml.l1 + suite.yaml.l2
2. 读取 canonical module package 的 module.yaml、profile.md、fixture.py、harness.py，以及 suite profile
3. 读取 case_files 中声明的 Markdown case
4. 读取对应 generated 文件：test_workspace/generated/{target}/test_{module}_{suite}_{case_file_stem}.py
5. 运行或读取 --dump-ir / --explain 输出，确认每条 case 的 strategy、fixtures、assertion resolution

module / target 入口

如果用户给出 --target <target> [--module <module>]：

1. 从 target/module registry 发现 active registered suites
2. 对每个 suite 按 suite 入口逐一分析
3. 3+ suites 时委托子 Agent 逐 suite 分析，主 Agent 聚合跨 suite 模式

Step 1：Case IR 对齐与分流

以 CaseIR.strategy 为主线，不以 generated pytest 中是否存在 _req() 为主线。

对每条 case 检查 IR/profile/parser 输出与 generated pytest 是否对齐。对齐项详表见 refs/patterns.md#IR-对齐项。

呈现不阻塞：展示 strategy 分布和异常对齐项，自动推进；用户有异议可打断。

Step 2：模式提取与晋升分析

依次执行三类提取，规则细节见 refs/patterns.md：

1. 断言模板提取：逐条断言判断归属层级（通用 → module profile → suite profile → Harness capability）。分类规则见 refs/patterns.md#断言模式分类。

2. case_bodies 提取：对 custom_case_body 策略的 case，确认 body 已验证通过，与 suite profile 对齐，分析 3+ 条结构相似是否可晋升。提取步骤和晋升条件见 refs/patterns.md#case_bodies-提取规则 和 refs/patterns.md#晋升条件。

3. case_flow 与 Harness 下沉：多个 flow 重复认证、资源管理、标准断言等逻辑时，优先下沉到 module package 的 Harness capability。循环/分支逻辑本身就是测试主体时，保留 case_body。

4. 文件级结构检查：不要假设所有 generated 文件都有 BASE_REQUEST、_req()。检查纯 flow/body 文件是否仍生成无用默认 boilerplate，以及 import、class 名、__tc_meta__ 是否可追踪。文件级模板问题只有跨模块稳定出现时才考虑改 emitter。

Step 3：分类产出与用户确认

按归属层输出建议。归属从高到低：

1. aitest.yaml — 跨模块通用断言规则
2. module profile — 模块级 assertion_rules、defaults
3. suite profile — requests、case_flows、case_bodies、variables.cases
4. module package/Harness — 重复测试动作、资源管理和复杂断言 capability
5. emitter/renderer — 只有 profile/Harness 无法表达且跨模块稳定时

完整分类规则和晋升分类表见 refs/patterns.md#晋升分类 和 refs/patterns.md#分类产出规则。

禁止把 TC-ID 绑定内容写入 module profile。晋升 body → flow 时必须同时删除旧 body。

阻塞：呈现完整晋升候选表（含保留 case_body 的原因），等用户确认后再修改任何文件。

Step 4：修改与验证（子 Agent）

用户确认后，按确认的分类修改对应文件。

子 Agent 执行验证序列，产出 pass/fail 摘要表。验证门禁顺序和 CLI 命令见 refs/patterns.md#验证命令。

• profile 修改 → --validate-profile + --check + collect
• Harness/module package 修改 → doctor + compileall + collect
• 晋升重构 → 允许 generated 结构变化，但必须重新生成后通过 --check 和 collect
• 用 --health-report --write-report 确认 case_body/UNPARSED 数量下降或不恶化

验证通过 → 输出摘要，emitter-build 完成。 验证失败 → 主 Agent 呈现失败项 + 修复建议，用户确认后修复并重新验证。

子 Agent 策略

单 suite 或分析 case < 15 条时主 Agent 直接处理不委托。

输出摘要

## emitter-build 摘要

输入范围：
- target：{target}
- module：{module 或 all}
- suite：{suite 或 selector}

分析结果：
- 总 case：{total}
- default_http：{N}
- case_flows：{N}
- case_bodies：{N}
- manual：{N}
- skipped：{N}
- UNPARSED：{N}

晋升候选：
- assertion_rule：{列表或无}
- case_flow：{列表或无}
- Harness capability：{列表或无}
- keep_case_body：{列表和原因或无}

建议修改：
- aitest.yaml：{列表或无}
- module profile：{列表或无}
- suite profile：{列表或无}
- module package/Harness：{列表或无}
- emitter/renderer：{列表或无}

实际修改：
- {文件列表或"无，仅分析"}

验证：
- validate-profile：PASS/FAIL
- check：PASS/FAIL
- collect：PASS/FAIL/未执行
- health-report：{case_body/UNPARSED 是否下降}

经验反馈

按问题归属沉淀：

• 用例格式问题 → TEST_SPEC 或 aitest_config/refs/case-format.md
• 配置字段归属问题 → aitest_config/refs/config-files.md
• suite 接线 / profile 写法 / Harness 能力问题 → test-scaffold 或 test-codegen skill
• 模块断言规则 → module profile
• TC-ID 绑定流程 → suite profile
• 生成器缺陷 → aitest_kit/codegen/*

如果发现 test-codegen 或 test-scaffold skill 本身规则有缺陷，同步更新对应 skill。