验收证据整理

把“做了什么”转换为“哪些要求已经由哪次运行证实”。围绕用户指定的交付范围工作，不为整理报告自动扩展功能、修改测试预期或发布成果。

对齐要求与版本

从题面、任务说明或验收清单提取必测行为、质量阈值和运行条件，分别关联已有证据。无法获得原始要求时说明依据缺失，不自行发明通过标准。

把每次日志绑定到它实际执行时的版本、命令、工作目录和环境。当前 Git HEAD 不能自动补作历史日志的版本；历史版本未记录时写明“版本未记录”。有未提交改动时记录基线与改动状态，不把基线 SHA 描述为已包含这些改动的提交。

同一报告内可同时保留失败与成功运行，但结论对应明确的一次候选运行。旧版通过不能抵消新版失败；单个子集通过不能代表完整验收通过。

判断运行结果

逐条阅读命令、退出码、测试汇总和首个有意义的错误，按证据归类：

| 结论 | 使用条件 | |---|---| | 已验证通过 | 有对应版本和实际运行结果，满足该条要求；测试确实执行且断言范围足够 | | 功能失败 | 行为或指标不满足要求，例如断言失败、结果错位、召回未达门槛 | | 环境失败 | 因依赖、权限、网络、服务未启动等原因未能验证目标行为；不能据此认定功能已错或已对 | | 未运行 | 没有执行该项检查，或相关用例全部被跳过/未收集 | | 待核实 | 仅有口述、截断日志、无法绑定版本或其他不足以作结论的证据 |

退出码为零仍要核对测试数量与 skipped 情况；空收集、全部跳过或只检查导入不能替代功能验收。日志含有局部失败时，检查最终汇总与命令边界，不把异常文字简单当作该次运行的最终结论。

区分执行层次：独立函数、模拟输入、集成测试、真实外部服务、完整官方环境分别标明。模拟响应可证明本地处理，不能证明在线服务实际行为；跨架构模拟或不同资源配额的耗时不能直接证明规定环境达标。

核对指标与计分

保留指标单位、样本数、聚合方式、基线和资源条件。按原要求计算，不擅自把平均值换成最大值、把字节换成字符、把单次结果当多轮中位数。

遇到全过才计分的任务，只汇报已验证范围和剩余缺口，不按完成比例折算分数。平台成绩只引用可对应到任务号和版本的实际结果；本地通过、题目满分和预计可得分分别表述。隐藏用例未运行时明确待平台验证。

生成交付记录

先给出当前候选可交付的范围和主要缺口，再提供一张要求到证据的对应表：

| 验收要求 | 结论 | 版本与命令/证据位置 | 实际观察 | 缺口或下一步 | |---|---|---|---|---|

仅为实际存在的要求增加行，不为填满模板制造测试。给接手者留下环境、初始化步骤、所需配置项名称、验证命令和预期可观察结果；未知值如实标明，不补造 SHA、任务号、计时或日志。

整理已有材料不需要重跑整套测试。用户要求重新验证时，先执行与改动相关且能解决当前疑问的检查，保存真实输出；新失败或共享行为变化再扩大验证范围。报告写清本次实际执行了哪些步骤。

输出前检查三点：每个“通过”都有相应运行证据；每个缺口都有明确影响范围；运行条件和最终候选版本能够对应。

使用示例

可以提出：“根据这个仓库、验收说明和测试日志，整理交接报告；标出实际运行版本、已验证要求，以及正式环境还缺哪些检查。”

先核对用户提供的原始材料，再按上述流程输出要求与证据对应表。用户只提供日志、没有要求或版本时，将对应缺口明确标出。