先按能力找入口，再看原案例的冻结条件。索引存在不代表测试已通过。
| 能力 / 问题 | 离线保护 | 真实模型与业务证据 |
|---|---|---|
| 9 月 30 日四条手动业务、取消/派生制造/审批/文件抽取 | 问题分类与入口、材料 | 12 个真实节点、四条完整业务、结果 |
| HITL 修改意见、邮件改稿、断点续跑 | 宿主、续跑、邮件、桌面交互检查 | HITL01/02 与 B02/03 分类清单、入口及手动模板 |
| 中断、待核对、聊天不知道状态 | 恢复测试、宿主、状态回读 | IR01/IR02 原因与约束、本次结果 |
| 审批、授权范围、写入依据 | 动作、阶段、证据 | A/B/C/D 节点、结果 |
| 员工岗位、跨公司、人事隐私 | Odoo 事务与在线权限检查，不调用模型 | 边界、结果与回退 |
| 发票、邮件、附件 | 投递、开票条件、文件导出 | S01499 及历史故障；邮件创建、SMTP 接受、实际送达分别判断 |
| 本地模拟发票、贷项、实际邮件附件 | 只读复核入口：--check |
演示步骤和边界；未接税局、不调用模型 |
| 采购、库存、制造、收付款、退款 | 企业动作、供需 | E01–E06 企业验收、全部 300 道 ERPBench |
| SOP、工具参数、Laya 能力注入 | SOP、Laya、路由状态 | R01–R18、选择器数据来源、实验结果 |
| ERPBench 猜字段、无效参数、采购来源容量与结束漏核验 | 实际参数与 API 边界、执行诊断、采购分配 | 43 个实际故障与正常对照、根因修复、纠错及用量、字段自我纠错审计 |
| 故障原因与 self debug 信息保留 | 44 工具 × 17 类故障，无缺口豁免、真实上下文与单次 API 边界、后台与跨实例、可信业务拒绝与未知发送 | 44 个节点的 API 检查、用量及完整业务复跑、新业务根因与测试绑定；离线注入与下一次决策分别报告 |
| 搜索、中文检索、大查询回包 | 企业检索、工具检索 | 固定检索与并发检查 |
| 上下文、缓存、记忆、模型协议 | 运行时测试、长期记忆 | 全部实验入口；训练集与留出集分别统计 |
| 桌面、Trace、文件上传、IPC | 桌面检查入口、宿主材料、Trace | 浏览器交互检查；不代替真实业务验收 |
完整能力索引列出每个测试套件、桌面检查、实验入口、固定模型节点、选择器数据集及 300 道基准题。文件保留原位置；历史 MCP 参考单列。
日常离线检查（不调用模型）：
.venv/Scripts/python.exe -m pytest tests -q
.venv/Scripts/python.exe -m experiments.test_index --check
npm --prefix desktop run typecheck
npm --prefix desktop run self-check新增故障的维护顺序：
- 保存实际 trace 的根因位置和首次可纠正请求；完整请求、工具定义、ID、哈希保存在
.runtime/<实验>/。 - 在
experiments/agent_regression/保存无密钥案例清单；标明能力、故障层、允许替换位置和固定业务约束。人工边界留在离线测试。 - 修改生产实现，用真实代码生成候选；显式启动所需的局部 API 分支。返回工具只保存，不执行；失败不自动补跑。
- 每个案例与合计分别报告请求数、新输入、缓存读取、输出（含推理）、推理子集、压缩与总 token；缺失值和费用保持未知。短报链接到请求、响应、动作账本及 Odoo 回读，区分模型决策、工具契约、宿主保护和业务核验；不要求 Golden Trace 一致。
- 执行
python -m experiments.test_index更新索引。CI 检查是否遗漏新文件；不要搬动冻结证据。
日志约定：仓库只放源码、清单和简短结果；完整上下文、凭据、数据库、模型权重留在本机忽略目录。历史报告按其源码哈希解释，不能当作当前版本通过。