技能回归测试

要解决的问题

直接修改 SKILL.md 之后，你不知道这份文档是否还能指导模型完成任务：纯人工评审看不出措辞变化对执行的影响，等线上跑挂了才发现回归已经发生。

它如何工作

• 测试用例驱动：目标技能目录下放置 TEST.md，描述触发消息、script_cmd、预期输出与断言模式；文件名自动规范化，遗留的 Test.md、TESTS.md 会被重命名。
• 两层测试：脚本层用子进程跑命令并做 contains/regex/exact 断言；AI 层用 LLM-as-judge 按 0–10 分评估 agent 回复是否符合 expected_agent_response。
• 双后端执行：api 后端直接调用 LLM API，验证文档本身写得够不够清楚；openclaw 后端通过 Cron 探测任务驱动真实 agent 运行，验证端到端集成。
• Markdown 报告：脚本层与 AI 层结果合并后生成报告，可选通过 SR_REPORT_UPLOAD_HOOK 上传。

适用边界与注意点

• api 后端只测「文档能否被遵循」，不等于真实 agent 行为测试。
• openclaw 后端需要 OpenClaw 运行时，会为每个目标 agent 创建 skill-regression-probe-- 命名空间的定时任务。
• 评判模型与模拟模型通常是同一家族，分数只能当方向性参考，高风险场景要看详细报告。
• LLM 自动生成的占位用例默认 skip_agent=true，建议尽快补写真实的 TEST.md。