# -*- coding: utf-8 -*- """条件短语切分：冒号只对已知槽标签分隔 + 空 terms 不 fail-open。 对应缺陷（实测于 0.9.16 与 0.9.21，两版行为一致）： ① 冒号误当槽分隔 `condition_space_text()` 产出的槽标签是固定四项 （CONDITION_SLOTS = 载体/位置、时间、方法、约束）， 而旧 `_cond_terms` 把「第一个冒号之前的一切」都当标签剥掉： 「…必须按此处置：」 尾冒号 ⇒ 整条条件剥成空串 「…判 ≥3:1」 正文冒号 ⇒ 前半句丢失 「到了上午 9:00 开始开会」 正文冒号 ⇒ 只剩 "00 开始开会"，前缀被吞 ② 空 terms 静默 fail-open `judge_qualification` 的旧守卫 `if cond_hit is None and terms_:` 在 terms_ 为空时跳过整段，直落第 5 步 ACCEPT。 ⇒ 「条件写坏了」被当成「没有条件」，对任何查询都授资格。 本文件锁的是修好之后的行为，同时保证既有正确行为不被改坏。 运行：python -m md_cg.test_cond_terms_colon """ from __future__ import annotations from .mdcg import STATE_ACCEPT, STATE_DEFER, MdCG PASS = FAIL = 0 FAILS = [] def ok(cond, label): global PASS, FAIL if cond: PASS += 1 else: FAIL += 1 FAILS.append(label) print(f" FAIL {label}") def _doc(cond_line="# 生效条件：问浮力", neg_line="# 不适用条件：问完全无关主题"): return ("# 功能名：浮力计算\n" + cond_line + "\n# 子功能：按阿基米德原理算\n" "# 执行：代入公式\n# 验证方式：编译器/静态检查通过\n" + neg_line + "\n") def _node(cond, neg=None): fm = {"verification_basis": "compiler"} if neg: fm["non_applicable_conditions"] = [neg] return {"frontmatter": fm, "content": _doc(cond_line="# 生效条件：" + cond)} def _state(cond, query="今天天气怎么样", context=None): r = MdCG.judge_qualification(_node(cond), query, context) return r["state"], r["reason"] def main(): global PASS, FAIL # ---------- A 冒号：整条条件必须保住 ---------- ok(MdCG._cond_terms("三个条件同时成立时必须按此处置：") == ["三个条件同时成立时必须按此处置"], "A1 全角冒号结尾：整条保住，首尾标点剥离") ok(MdCG._cond_terms("三个条件同时成立时必须按此处置:") == ["三个条件同时成立时必须按此处置"], "A2 半角冒号结尾：同上") ok(MdCG._cond_terms("到了上午 9:00 开始开会时") == ["到了上午 9:00 开始开会时"], "A3 正文含时间 9:00：前缀不被吞") ok(any("3:1" in t for t in MdCG._cond_terms("页面含承载信息的线条，需按 WCAG 判 ≥3:1")), "A4 正文含比值 3:1：内容保留") # ⚠ URL 里的 `//` 仍会被切（`/` 是槽内分隔符，上游原行为，本补丁**不涉及**）。 # 这里如实断言现状，不假装已修。若要修，需另议「/ 何时算分隔符」。 ok(MdCG._cond_terms("参考 http://example.com 时") == ["参考 http", "example.com 时"], "A5 URL 的 // 仍按 / 切开（已知未修，如实锁定现状）") # ---------- B 四槽标签仍被剥离（不能被 A 改坏） ---------- cs = MdCG._cond_terms( "载体/位置：本机进程；时间：全时窗（任意时刻成立）；" "方法：代码走查；约束：仅测试库") ok("本机进程" in cs and "代码走查" in cs and "仅测试库" in cs, "B1 四槽实词保留") ok("载体/位置" not in cs and "时间" not in cs and "方法" not in cs, "B2 槽标签不进 terms") ok(all("全时窗" not in t and "任意时刻" not in t for t in cs), "B3 全时窗哨兵被过滤") # ---------- C 空 terms 不再 fail-open ---------- for bad in ("k", "1", "{", "a", "：", "。"): st, rs = _state(bad) ok(st != STATE_ACCEPT, f"C1 不可用条件 {bad!r} 不再恒 ACCEPT（得 {st}）") ok("切不出可用短语" in rs, f"C2 不可用条件 {bad!r} 的 reason 说明原因") # ---------- D 既有正确行为不变 ---------- st, rs = _state("换会话") ok(st == STATE_DEFER, "D1 条件无关 → DEFER") st, rs = _state("换会话", context={"topic": "换会话"}) ok(st == STATE_ACCEPT and "生效条件已确认" in rs, "D2 context 命中 → ACCEPT") st, rs = _state("三个条件同时成立时必须按此处置：", "现在三个条件同时成立时必须按此处置，怎么办") ok(st == STATE_ACCEPT and "生效条件已确认" in rs, "D3 冒号条件命中时仍 ACCEPT（首尾标点不挡匹配）") # ---------- E 文档例外仍成立 ---------- st, rs = _state("无条件") ok(st == STATE_ACCEPT, "E1 显式『无条件』→ ACCEPT（设计豁免）") st, rs = _state("全时窗") ok(st == STATE_ACCEPT, "E2 只含全时窗 → 不降级（文档口径）") st, rs = _state("", "") ok(st == STATE_ACCEPT and "未做正条件确认" in rs, "E3 空条件 + 无情境 → ACCEPT 且如实标注未确认") st, rs = _state("") ok(st == STATE_ACCEPT and "切不出可用短语" not in rs, "E4 空条件不算『切不出』（不误报）") # ---------- F 负条件仍先于正条件 REJECT ---------- r = MdCG.judge_qualification(_node("问浮力", "问ZXQ7"), "问ZXQ7", {"query": "问ZXQ7"}) ok(r["state"] == "REJECT", "F1 负条件命中仍 REJECT") # ---------- G 引号 / 感叹号是代码字符，不是首尾标点 ---------- # 旧口径把 ' " ! 放进首尾标点表：`''` 剥成空串被丢、`!v` 剥成 `v` # 再被 len<2 丢掉 —— 两者都是有效 token（空字符串字面量 / 逻辑非）。 ok(MdCG._cond_terms("''") == ["''"], "G1 空字符串字面量 '' 保留（不是首尾标点）") ok(MdCG._cond_terms('""') == ['""'], 'G2 空字符串字面量 "" 保留') ok(MdCG._cond_terms("'!v'") == ["!v"], "G3 成对引号包裹时剥外层，内层 !v 保留") ok(MdCG._cond_terms("!v 是逻辑非") == ["!v 是逻辑非"], "G4 句中 ! 不被当标点剥") ok(MdCG._cond_terms("''与'!v'") == ["''与'!v'"], "G5 相邻两个字面量不被外层引号粘连（内层仍带引号 ⇒ 不剥）") # ---------- H 空值语义哨兵是合法声明，不是「切不出」 ---------- # `约束：无` 里的「无」只有 1 字：旧实现靠 len<2 静默滤掉、恰好 ACCEPT。 # 若补丁只用长度判定，会把它误判成 DEFER —— 必须在长度过滤前认出哨兵。 ok(MdCG._cond_terms("约束：无") == [], "H1 「约束：无」terms 为空（1 字哨兵被过滤）") st, rs = _state("约束：无") ok(st == STATE_ACCEPT, "H2 「约束：无」仍 ACCEPT（合法空值声明，不降级）") ok("切不出可用短语" not in rs, "H3 「约束：无」不报『切不出』") ok(MdCG._cond_terms("约束：不适用") == ["不适用"], "H4 多字哨兵仍作为可匹配短语（口径未放宽）") ok(MdCG._cond_terms("约束：无依赖") == ["无依赖"], "H5 同上：无依赖 未被哨兵规则吞掉") # ---------- I 硬不可用桶仍不豁免 ---------- for bad, label in (("载体/位置：。；方法：（）", "纯标点"), ("1", "纯数字"), ("a", "单字碎片")): st, rs = _state(bad) ok(st == STATE_DEFER and "切不出可用短语" in rs, f"I 硬不可用（{label}）仍 DEFER 且说明原因") # ---------- J 计数可归因（不是合成一个 short） ---------- d = MdCG._cond_terms_diag("约束：无") ok(d["n_decl_sentinel"] == 1 and d["n_short"] == 0, "J1 合法的 1 字哨兵记进 n_decl_sentinel，不记 n_short") d = MdCG._cond_terms_diag("a") ok(d["n_short"] == 1 and d["n_decl_sentinel"] == 0, "J2 真正的 1 字碎片记进 n_short") d = MdCG._cond_terms_diag("时间：全时窗（任意时刻成立）") ok(d["n_time_sentinel"] >= 1, "J3 时间维哨兵单独计数") ok(MdCG._cond_terms_diag("")["n_empty"] == 0, "J4 空条件不记 n_empty（『没写条件』≠『写了纯标点』）") # ---------- K 切分单点：三处入口必须同一口径 ---------- import md_cg.nodefile as _nf probe = ["约束：无", "''", "'!v'", "三个条件同时成立时必须按此处置：", "载体/位置：。；方法：（）", ""] same = all( MdCG._cond_terms(p) == _nf.cond_terms(p) == _nf.condition_terms_diag(p)["terms"] for p in probe) ok(same, "K1 MdCG._cond_terms / nodefile.cond_terms / condition_terms_diag 同口径") # ---------- L 标签真源守卫 ---------- # L1 原本断言 `CONDITION_SLOTS 的标签列 == COND_SLOT_LABELS`。两者在 # nodefile 里都由 CONDITION_SLOTS 派生（`COND_SLOT_LABELS = tuple(label for # _key, label in CONDITION_SLOTS)`），所以该断言**恒真**，且 `python -O` # 会把类体里那条同名 assert 整体剥离 —— 防护力为 0（2026-11-02 review）。 # 换成真正会红的两条： # L1 标签列必须是「每项非空、互不相同」的四元组 —— 手滑抄重复/抄空会红； # L2 切片真源只能是 nodefile 一处 —— MdCG 不再挂同名别名（别名已删）， # 一旦有人把标签又抄回 mdcg.py，这条会红。 _labels = _nf.COND_SLOT_LABELS ok(len(_labels) == len(_nf.CONDITION_SLOTS), "L1a 标签列与槽数同长") ok(all(isinstance(x, str) and x.strip() for x in _labels), "L1b 标签列每项都是非空字符串") ok(len(set(_labels)) == len(_labels), "L1c 标签列无重复（抄重会红）") ok(not hasattr(MdCG, "_SLOT_LABELS") and not hasattr(MdCG, "_EDGE_PUNCT"), "L2 标签/标点真源只在 nodefile，MdCG 不挂可漂移的别名") # ---------- M legacy「观测位置：」单槽冒充要剥掉 ---------- # 旧口径残留行 `观测位置：X` 是单槽冒充；`观测位置` 不在四槽标签里， # 若不显式剥，它会作为一个短语进入匹配面（维护者例4 指的就是这条）。 legacy = MdCG._cond_terms("观测位置：PmWiki；时间：9:00；方法：浏览器；约束：只读") ok(legacy == ["PmWiki", "9:00", "浏览器", "只读"], "M5-legacy legacy 前缀被剥，不残留在 terms 里") ok(not any(t.startswith("观测位置") for t in legacy), "M6-legacy 无 terms 以「观测位置」开头") # ---------- N 括号产生的结构性空段不得计入 n_empty ---------- # 2026-11-02 review 后补：维护者指出「5b 可观测性缺口」时，我按同一方向 # 又查出一条**本 PR 自己的回归**：`re.split(r"[，,、/（）()]", s)` 在 # `（…）` 处会产生**结构性空段**（括号本身被当分隔符切掉后留下的空串）。 # 而原实现是「先 strip 再 if not seg: n_empty += 1」，把 # 「split 出来的空串」与「真被剥成空的纯标点段」混为一谈， # 于是 `时间：全时窗（任意时刻成立）` 多出 n_empty=1， # unusable = n_empty+n_digit+n_short > 0 成立， # 把**本应豁免**的时间维哨兵误判成 DEFER —— 而源码注释明写 # 「时间维哨兵……不因其未命中而降级」。 # 修法：在**剥边之前**判结构性空段（`if not seg: continue`）， # 剥边之后变空的才计入 n_empty。 _paren = MdCG._cond_terms_diag("时间：全时窗（任意时刻成立）") ok(_paren["n_empty"] == 0, "N1 括号产生的结构性空段不计入 n_empty") ok(_paren["n_time_sentinel"] >= 1, "N2 时间维哨兵被识别（不计入不可用桶）") ok(_paren["terms"] == [], "N3 哨兵不进 terms（本就不该参与匹配）") _unusable = _paren["n_empty"] + _paren["n_digit"] + _paren["n_short"] ok(_unusable == 0, "N4 哨兵条件走豁免路径（unusable==0 才不会被判 DEFER）") _seg = MdCG._cond_terms_diag("载体/位置：页面（含线条）") ok(_seg["terms"] == ["页面", "含线条"], "N5 括号内内容仍被正常切出（修法不吞内容）") ok(_seg["n_empty"] == 0, "N6 有括号但无纯标点残段时 n_empty 为 0") # 反向：真纯标点段**必须**仍计入 n_empty，否则修法把「不可用」漏掉 _punct = MdCG._cond_terms_diag("：。；、") ok(_punct["n_empty"] >= 1, "N7 真纯标点残段仍计入 n_empty（修法不放宽不可用判据）") # ---------- O 三种「跳过正条件比对」的原因必须可区分 ---------- # review 5b：`约束：无`（空值声明）/ 全时窗哨兵 / 根本没写条件 # 三者语义不同，但 ACCEPT 的 reason 曾完全相同 —— 日志上无法归因。 _TPL = ( "# 功能名：探测\n\n# 生效条件：{c}\n\n# 子功能：s\n\n" "# 执行：e\n\n# 验证方式：v\n\n# 不适用条件：情境不匹配时\n" ) def _nd(c, cs=None): fm = {"non_applicable_conditions": ["情境不匹配时"], "verification_basis": "test"} if cs is not None: fm["condition_space"] = cs return {"frontmatter": fm, "content": _TPL.format(c=c)} _cs = {"observation_position": "本机进程", "time_window": [0, 9999999999], "observation_tool": "代码走查", "existence_constraint": "仅测试库"} _r_none = MdCG.judge_qualification(_nd(""), "本机进程", None) _r_decl = MdCG.judge_qualification(_nd("约束：无"), "随便", None) _r_time = MdCG.judge_qualification( _nd("时间：全时窗（任意时刻成立）"), "随便", None) ok(_r_none["state"] == "ACCEPT" and _r_decl["state"] == "ACCEPT" and _r_time["state"] == "ACCEPT", "O1 三种豁免都仍 ACCEPT（修的是可观测性，不改判定）") _reasons = {_r_none["reason"], _r_decl["reason"], _r_time["reason"]} ok(len(_reasons) == 3, "O2 三种豁免的 reason 互不相同（5b 可观测性缺口已堵）") ok("未声明生效条件" in _r_none["reason"], "O3 「没写条件」有显式标记") ok("空值声明" in _r_decl["reason"], "O4 「约束：无」有显式标记") ok("全时窗" in _r_time["reason"], "O5 时间维哨兵有显式标记") # ---------- P ASCII 词边界：路径碎片不得咬住无关英文词 ---------- # PR #735 把切分修好之后，`backend/app/core/...`、`/api/uzi/...` 这类路径 # 被切成 `app` / `core` / `api` 三个碎片进入匹配面。旧判据是裸子串 # `t in scene_str`，于是： # "capital".find("api") == 1 # "mapping".find("app") == 1 # "score".find("core") == 4 # 三条都会在**条件完全没被确认**的情况下误判成「已确认」→ 假 ACCEPT。 # 本段锁的是「纯 ASCII 字母词按词边界，其余保持子串」这一口径。 ok(MdCG._term_in_scene("api", "capital 结构是否合理") is False, "P1 api 不得命中 capital") ok(MdCG._term_in_scene("app", "这个 mapping 对不对") is False, "P2 app 不得命中 mapping") ok(MdCG._term_in_scene("core", "计算 score 的方式") is False, "P3 core 不得命中 score") ok(MdCG._term_in_scene("api", "后端 /api/uzi/peers 有没有问题") is True, "P4 api 在真路径里仍命中（不能为了收紧而漏掉）") ok(MdCG._term_in_scene("core", "backend/app/core/uxi") is True, "P5 core 在真路径里仍命中") ok(MdCG._term_in_scene("UTC", "时区是 UTC 还是本地") is True, "P6a UTC 独立成词命中") ok(MdCG._term_in_scene("UTC", "时区是 UTCX 还是本地") is False, "P6b UTC 右侧紧邻字母则不命中") ok(MdCG._term_in_scene("本机进程", "载体/位置：本机进程；时间：全时窗") is True, "P7 中文仍走子串（不收紧）") ok(MdCG._term_in_scene("9:00", "到了上午 9:00 开始开会") is True, "P8 非字母 ASCII（时间）仍走子串") ok(MdCG._term_in_scene("3:1", "需按 WCAG 判 ≥3:1") is True, "P9 非字母 ASCII（比值）仍走子串") ok(MdCG._term_in_scene(None, "任意") is False and MdCG._term_in_scene("", "任意") is False, "P10 None / 空串按不命中") # P14~P16 锁的是「收紧范围不能外溢」。三条都是把词边界写宽/写窄的 # 典型错法：写宽（对所有词都用 \b）会把中文整条判死；写窄（只认空白/标点） # 会让中文紧邻英文时漏命中；把非字母 ASCII 也纳入收紧会连 `9:00` 一起废掉。 ok(MdCG._term_in_scene("本机进程", "cpu本机进程是否可用") is True, "P14 中文短语紧邻拉丁字母时仍命中（收紧不得外溢到中文）") ok(MdCG._term_in_scene("本机进程", "本机进程x 是否可用") is True, "P15 中文短语右侧紧邻拉丁字母仍命中") ok(MdCG._term_in_scene("api", "调用api接口时") is True, "P16a ASCII 词紧邻中文仍命中（中文不是 ASCII 字母，不算越界）") ok(MdCG._term_in_scene("api", "/api1/x") is True, "P16b ASCII 词紧邻数字仍命中（只挡字母，不挡数字）") ok(MdCG._term_in_scene("9:00", "x9:00开始") is True, "P17 非字母 ASCII 不纳入收紧（9:00 左侧拉丁字母也照旧命中）") # 端到端：同一条条件，三条问句必须分开判 _api_node = _node("端点 /api/uzi/peers 与 backend/app/core 两个入口") _r_bad = MdCG.judge_qualification(_api_node, "请帮我看看 capital 结构是否合理") ok(_r_bad["state"] == STATE_DEFER, "P11 条件讲 /api/…，问句讲 capital ⇒ DEFER（不再假 ACCEPT）") _r_good = MdCG.judge_qualification(_api_node, "后端 api 有没有问题") ok(_r_good["state"] == STATE_ACCEPT and "生效条件已确认" in _r_good["reason"], "P12 同一条条件，问句真讲 api ⇒ 仍 ACCEPT（未过度收紧）") _r_map = MdCG.judge_qualification(_api_node, "这个 mapping 对不对") ok(_r_map["state"] == STATE_DEFER, "P13 问句讲 mapping ⇒ DEFER（app 不得咬住 mapping）") print(f"\ncond_terms_colon: {PASS} passed, {FAIL} failed") if FAILS: for f in FAILS: print(f" - {f}") raise SystemExit(1 if FAIL else 0) if __name__ == "__main__": main()