# DeepSeek Harness 十轮用户体验迭代记录

目标：完成开发 SPEC，按真实用户体验修改审核插件，完成十轮修改、重启、模拟操作、观察和复测。没有真实界面操作及重启证据的轮次不计完成。

产品基准：2～4 条有原话依据的短洞察与建议；点开原地展开证据、解释、做法；面板操作不污染正常问答；选目标、返回、监控和错误状态直观可信。

SPEC：[开发 SPEC](SPEC.md)。开发时的工作副本、原始源码备份和私人测试记录保留在本机，不随公开仓库发布。保留 Harness 先前加入的问答回显、条纹及历史失败改动。

## 迭代状态

| 轮次 | 状态 | 用户场景与发现 | 修改与验证 |
| --- | --- | --- | --- |
| 1 | 完成 | 未选目标会自动审核不相关Codex；self绕目录 | 无选择不派单；self一步取证；实际等待、自审结果截图 |
| 2 | 完成 | 完整分析长篇且窄双栏；用户要2～4短洞察 | 新洞察提示词、单列折叠条目；实际生成3条并原地展开 |
| 3 | 完成 | 选好对象仍显示等待20秒；诊断常驻干扰 | 本地选择与pending即时反馈；诊断折叠；实际选后立即显示正在审核 |
| 4 | 完成 | 声称无AI回答；把测试边界评价为习惯 | SDK message.content字段兼容；完整往返与测试边界提示；重启重新生成，保留模型尚未完全遵守的观察 |
| 5 | 完成 | 对旧评价提问却答最新；序号无效；重复问题消失 | 按评价ID与问答ID绑定，序号检索；实际问第一条获得单条依据，回答显示在框下 |
| 6 | 完成 | 新模式挂载时未真正占位；面板宽度超过预留 | preset依赖、layout effect、宽度与预留相等；实际主输入及发送按钮完整并发送进展 |
| 7 | 完成 | 多点/切目标会重复、迟到覆盖，不能停止 | 取消旧请求、相同请求合并、超时、停止按钮；5脚本80PASS；真实点击停止后不追加评价 |
| 8 | 完成 | 历史用数组下标会错位；重启忘目标；未读超60失效 | 稳定评价ID、本机目标恢复、累计未读；真实新评价到达仍保留选中旧评价 |
| 9 | 完成 | 生成遮住旧卡；隐藏内容仍污染主助手；建议易错配 | 日志命令投递、同条绑定建议、重新审核；77PASS，真实重启恢复未额外派单并展开新洞察 |
| 10 | 完成 | self监控未实现；目标跨会话全局；打包漏remote | 会话隔离、新消息监控、暂停及侧重点；运行时去除失效SDK依赖，打包补全；94PASS；真实暂停不派单，恢复自动补审并生成新卡 |

## 测试边界

模拟输入使用自制的学习/计划案例，不提交凭据或上传文件，不让审核员修改被审项目。修改安装插件和重启 Harness 已由用户本轮明确授权。现有开发会话的消息及用户项目文件不作修改。

初稿阶段隔离验证为 13 个脚本、262 条 PASS；这只证明初稿源码基线。十轮每次修改后重新记录当轮验证，不将历史 PASS 复用为新版本结论。

## 额外回归修复

第11轮修复原话刷新和结果来源，实际重启发现新增effect导致面板挂载失败，不计通过。第12轮修复hooks顺序，补充会话失败隔离与看最新已读；解锁后真实退出并重启 Harness，面板、目标、侧重点和原话均恢复；切换「审AI」生成新评价，展开证据和针对评价提问均可用，主聊天独立测试只回复「确认」。

第13轮发现模型把「后续只回收到」推断为错误持续，收紧证据判据并重启：新评价改写为「修正未验证」，但仍建议放宽测试条件。第14轮发现点击「新结果 · 查看」清掉未读却返回选对话页；改为直达最新评价并添加回归断言，真实重启后点击可直接看到最新洞察。第15轮进一步约束审核员，不得把用户的合成测试条件当作错误或建议放宽；真实重启复测得到 3 条洞察，指出无依据的数学题、口令回复夹带评审语及修正状态尚未验证。模型用词仍需人工核对，不能把提示词约束等同于准确率保证。

旧基线44脚本审计有26脚本失败，多数要求旧模型投递、无目标审核、四段常驻或常转心跳，另有个人会话夹具依赖。最终测试按新契约迁移；旧文件与失败记录保留在本地审计目录，不作为本版通过。