harness-eval

Harness 任务验证（Evaluator）

上下文管理: ✅ 保持当前上下文（紧跟 /harness.exec 之后执行）

指令

对已完成的任务执行质量验证。验证必须参照 .harness/prompts/evaluator.md 中的模板严格执行。

输入参数

$ARGUMENTS — 验证级别和范围，格式: {level} {任务ID或范围}

• /harness.eval L2 T014 — 对任务 T014 执行 Level 2 契约验证
• /harness.eval L4 — 执行 Constitution 全面合规审查
• /harness.eval all — 执行全部四级验证（Sprint Checkpoint 时使用）
• 不带参数 — 默认对最近完成的批次执行 L1 + L2（高风险任务自动加 L4）

验证级别

验证是分层递进的。每一层解决不同的问题：

Level 1 — CI 门禁（技术正确性）

回答问题：代码能不能跑？

Step 1: 单元测试 — [TEST_COMMAND]（门禁，不通过则阻断）
Step 2: 构建/编译 — [BUILD_COMMAND]
Step 3: Lint — [LINT_COMMAND] 无 ERROR
Step 4: 应用启动+集成验证（批次完成时） — [APP_START_COMMAND] + [UI_START_COMMAND] + 真实接口调用链验证

⛔ L1 不通过 → 后续层级不执行，进入 Corrector。 ⚠️ Step 4 在每个批次完成后和 Sprint Checkpoint 时执行，不是每个任务都跑。

Level 2 — 契约与规格对照（功能正确性）

回答问题：代码做的对不对？

读取 .harness/prompts/evaluator.md Level 2 模板，对每个接口入口/数据模型任务执行：

1. 读取 [API_CONTRACT_ROOT] → 逐项对照实际代码（路径、方法、字段、状态码）
2. 读取 [DATA_MODEL_DOC] → 逐字段对照数据模型
3. 读取 spec.md 验收场景 → 检查业务逻辑覆盖度
4. 输出四维评分表（契约一致/模型一致/场景覆盖/代码质量，各10分，门槛32/40）

Level 3 — [E2E_TOOL] E2E（用户体验正确性）

回答问题：用户能不能用？

在用户故事完成后执行：

1. 根据 spec.md 验收场景编写/运行 [E2E_TOOL] 测试
2. 测试文件: [TEST_ROOT]/e2e/{story-name}[TEST_FILE_SUFFIX]
3. 执行: [E2E_COMMAND]
4. 重跑3次验证稳定性

Level 4 — Constitution 合规（架构正确性）

回答问题：有没有违反项目宪法？

读取 .harness/prompts/evaluator.md Level 4 模板，逐条检查：

原则	检查重点
I. 架构边界	服务端、用户界面和其他运行时边界符合 Constitution
II. 契约驱动	实现与项目接口契约一致，无未定义接口
III. 测试纪律	高风险业务逻辑具备要求的分支覆盖
IV. 外部服务抽象层	[EXTERNAL_SERVICE_NAME] 调用通过项目定义接口，Prompt/配置外置，有超时降级
V. 可观测性	结构化日志，外部服务调用有指标
VI. 简单优先	无不必要的抽象
VII. 安全合规	接口认证+权限控制，敏感操作审计日志

硬约束违反数必须为 0。

默认行为（不带参数）

不指定参数时，执行 L1 + L2，对高风险任务自动追加 L4：

1. L1 CI 门禁 → 全部测试/编译/Lint
2. L2 契约对照 → 对所有含接口入口/数据模型的任务逐项检查
3. L4 Constitution → 仅对高风险任务自动触发（认证、权限、高风险业务规则、外部服务、安全相关）

高风险判定规则：任务描述包含 认证、auth、安全、RBAC、权限、评分、scoring、等级变更、外部服务、[EXTERNAL_SERVICE_NAME]、接口入口 之一。 非高风险任务的 L4 审查延迟到 Sprint Checkpoint（/harness.checkpoint）批量执行。