feat(harness): 添加实际能力诊断与五类加载采样

.github/workflows/ci.yml

@@ -44,6 +44,9 @@ jobs:
       - name: Test plugin distribution
         run: npm run test:plugins
 
+      - name: Test capability diagnosis and loading reports
+        run: npm run test:diagnostics
+
       - name: Validate npm package
         run: npm run pack:dry-run
 

README.md

@@ -141,12 +141,15 @@ npm run test:manifest
 npm run test:invocation
 npm run test:continuation
 npm run test:install-rules
+npm run test:diagnostics
 npm run verify:upstream
 npm run pack:dry-run
 ```
 
 `verify:upstream` checks the recorded capability mapping; it does not establish parity with the latest upstream version. `npx claude-everything-workflow verify` validates the published distribution rather than your local project. Neither command proves an agent's effectiveness on real tasks.
 
+[Installed capability diagnosis and five-case loading samples](docs/capability-diagnostics.md): `cew doctor --host codex` / `cew loading --trace FILE --case small-fix`.
+
 For contributions, describe the problem and expected behavior, keep the change focused, and include the checks you actually ran. See the [Git rules](rules/05-git-workflow.md).
 
 ## Acknowledgments

README.zh-CN.md

@@ -141,12 +141,15 @@ npm run test:manifest
 npm run test:invocation
 npm run test:continuation
 npm run test:install-rules
+npm run test:diagnostics
 npm run verify:upstream
 npm run pack:dry-run
 ```
 
 `verify:upstream` 检查已登记的上游能力映射，不代表与最新上游完全一致。`npx claude-everything-workflow verify` 检查已发布的分发包，而不是当前业务项目。两者都不能证明 Agent 的真实任务效果。
 
+[实际能力诊断与五类加载采样](docs/capability-diagnostics.md)：`cew doctor --host codex` / `cew loading --trace FILE --case small-fix`。
+
 提交贡献时说明问题与预期行为，保持改动范围集中，并列出实际运行的检查。具体要求见 [Git 规则](rules/05-git-workflow.md)。
 
 ## 致谢

bin/claude-everything-workflow.js

@@ -14,6 +14,16 @@ function main() {
     process.exit(0);
   }
 
+  if (command === "loading") {
+    require("../scripts/diagnostics/loading").main(args);
+    return;
+  }
+
+  if (command === "doctor") {
+    require("../scripts/diagnostics/capabilities").main(args);
+    return;
+  }
+
   if (command === "install") {
     runInstall(args);
     return;
@@ -95,6 +105,8 @@ function printHelp() {
 Usage:
   cew install [--claude-only|--codex-only] [--dry-run]
   cew verify
+  cew doctor [--host all|codex|claude] [--json]
+  cew loading --trace FILE --case ID [--root DIR] [--json]
 
 Examples:
   npx claude-everything-workflow install

docs/capability-diagnostics.md

@@ -0,0 +1,69 @@
+# 实际能力诊断与加载采样
+
+诊断沿用 `cew`，不修改个人文件，不修复或升级安装。它补充源码校验 `cew verify`，不替代真实任务验收。没有新增常驻规则、Hook 或技能路由。
+
+## 只读检查安装
+
+在当前源码目录执行，或把下面的 `node bin/claude-everything-workflow.js` 换成已安装的 `cew`：
+
+```sh
+node bin/claude-everything-workflow.js doctor --host codex
+node bin/claude-everything-workflow.js doctor --host claude --json
+node bin/claude-everything-workflow.js doctor --host codex --project /path/to/project --plugin-root /path/to/plugin --json
+```
+
+对照版本是运行命令所在的分发包或 checkout；不会联网推测“最新版”。报告记录该位置、包版本、正文与引用文件的 SHA-256 指纹。比较前仅统一 CRLF/LF 换行，不忽略其他正文差异。登记表相同也会独立比较每个技能正文。
+
+默认检查两个宿主。`--host codex|claude` 限定宿主；`--home DIR` 使用 DIR 下的 `.codex` / `.claude`，便于隔离验证。未传 `--home` 时尊重 `CODEX_HOME`、`CLAUDE_CONFIG_DIR`。`--project` 默认当前调用目录，不是 CLI 包的目录。
+
+检查项目和用户级技能目录、Codex 的 `.agents/skills`，以及宿主 `plugins/cache` 中能确认包名的 CEW 插件。插件缓存扫描最多六层、4000 个目录，不递归跟随目录软链接；自定义目录、marketplace checkout 或其他宿主位置用可重复的 `--plugin-root` 显式指定。扫描错误会作为 finding 报告。扫描不是宿主完整配置解析；禁用和旧缓存也可能出现。
+
+| 字段 | 含义 |
+| --- | --- |
+| `DISCOVERED` / `NOT_FOUND` | 磁盘上发现或未发现入口 |
+| `MATCH` / `DIFFERENT` / `NO_REFERENCE` | 内容与对照版本一致、有差异，或个人引用在分发包中没有对照；不判断旧安装还是个人修改 |
+| `STATIC_READY` | 入口及直接、具体的本地引用可读，仅为静态前置条件 |
+| `BLOCKED` / `UNVERIFIED` | 引用缺失、不可读，或引用超出可确认范围 |
+| `selection: UNVERIFIED` | 未证明宿主实际选择了该副本 |
+| `DUPLICATE_CANDIDATES` | 同一宿主有多份物理副本；不等于确认重复加载 |
+
+相同物理文件的软链接别名会去重。规则路径沿用 `AGENTS.md`：项目优先，再用户目录；Claude 专项规则先保留个人 `rules/common`，再回退 `references/rules/common`。插件包里的规则不自动充当用户规则回退。
+
+引用检查覆盖正文中具体的 Markdown 链接、代码格式文件路径和路由代码块内的文件路径；合并对照正文与实际正文里的引用，避免旧安装漏掉新依赖。它包含条件分支的潜在直接引用，不递归推断整个执行图，不解析脚本依赖、自然语言里的动态路径、系统工具、账号、权限或生产环境。因此 `STATIC_READY` 不是“已执行通过”，也不能保证每个条件分支可运行。实际正文的相对引用会结合候选技能目录解析；存在但没有分发对照的个人文件报告为 `NO_REFERENCE` / `UNVERIFIED`。分发正文的引用仍独立核对，避免同名根目录文件掩盖技能内的缺失依赖。差异只报告，不覆盖。
+
+退出码：`0` 无发现项，`1` 有差异、缺失或重复候选，`2` 参数或诊断本身出错。缺少一个宿主的安装也会报告；只使用一个宿主时传 `--host`。
+
+## 五类加载基线
+
+[harness/loading/cases.json](../harness/loading/cases.json) 保存普通问答、小修复、正式设计、执行验收、建立验收能力五类自然语言请求。它是采样用例，不是第二套路由表。没有改变自然语言触发或安全、审查、验证规则。
+
+```sh
+codex exec --json '你的自然语言任务' > /private/local/trace.jsonl
+node bin/claude-everything-workflow.js loading --trace /private/local/trace.jsonl --case small-fix --json
+```
+
+实际操作应在相应的隔离项目运行第一条命令。额外的 `--root DIR` 将实际安装或项目里的规则、技能及参考文件加入比对，可重复使用；默认仅对照当前包。读取有个人修改的安装时传入其宿主根目录，才能匹配那份正文。
+
+报告只从 Codex CLI 的 `item.completed / command_execution / aggregated_output` 中匹配完整正文，输出逻辑路径、候选物理路径、内容指纹、读取次数、累计及重复字符量。项目 `.agents/skills/`、`.claude/skills/` 统一为 `skills/` 逻辑路径，再应用用例的禁止读取前缀；`candidatePaths` 保留实际位置。它不从命令字符串或文件名出现推测“已读”。CRLF/LF 归一后匹配；一个完整正文在输出里出现两次，计为两次。相同内容的候选副本不重复计费，也不能由此判断宿主选择。
+
+**观测边界：** 宿主自动注入、部分读取、加行号或其他变形输出、其他工具类型及上下文压缩不在统计内。这是完整文件工具输出的下界，不是完整会话上下文账单。`actualFileTokens` 留空，字符数除以四只是粗略估算；宿主 usage 单独记录整个 turn 的用量，不归因到某份文件，也不据此声称节省量。
+
+`NO_VIOLATION_OBSERVED` 只表示没有观察到该用例禁止的完整正文；不是任务或安全验收通过。缺少 `turn.completed` 是 `INSUFFICIENT_EVIDENCE`。仍要按用例的 `review` 核对最终行为、必要规则和验证证据。实际总 Token 节省须后续在相同任务、宿主和模型条件下做对照实测。
+
+退出码：`0` 未观察到禁止读取，`1` 观察到禁止读取或会话不完整，`2` 输入/格式错误。输入目前仅支持 Codex CLI JSONL，Claude 轨迹未适配。
+
+## 可选的真实模型采样
+
+```sh
+node scripts/diagnostics/sample-loading.js --output docs/superpowers/evidence/loading-run-1
+# 只运行一种
+node scripts/diagnostics/sample-loading.js --output docs/superpowers/evidence/loading-run-2 --case small-fix
+```
+
+这会消耗当前 Codex CLI 账号的模型额度，默认顺序启动五个独立会话，沿用当前宿主配置和技能，比对清单包含宿主根目录、用户共享的 `~/.agents/skills` 及临时项目；不会被 `verify`、诊断、测试或 CI 自动调用。它创建本次所属的临时 Git 项目，保留轨迹、错误、结果和工作成果用于复核。每次调用最多三分钟，可用 `--timeout-ms 1000..180000` 下调；模型调用失败即停止，不自动循环重试。输出目录必须尚不存在，避免覆盖历史证据。
+
+采样项目只包含 Node 标准库、一个公开函数及测试；执行验收用例有现成入口，建立验收用例没有。为使完整读取可观测，项目说明要求用不截断的 `cat` 读取材料，每次最多三份，但不要求加载任何额外文件。这是受控采样，不能代表所有真实项目或桌面 App。自动报告的行为审核初始为 `NOT_RUN`，复核后另行记录，不把模型自报完成当作通过。
+
+原始轨迹可能包含用户上下文和路径，只保存在本地忽略目录；长期报告只保留必要统计和证据指纹，不提交原始会话。复核后只清理输出中列明的本次临时项目，按项目约定保留证据；不删除用户的安装或其他任务工作区。
+
+首轮实测结果见[五类加载基线](loading-baseline-2026-11-02.md)，其中三类完整、两类超时；没有 Token 节省结论。

docs/loading-baseline-2026-11-02.md

@@ -0,0 +1,49 @@
+# 五类任务的首轮加载采样（2026-11-02）
+
+本轮取得五类实际 Codex CLI 轨迹：普通问答、小修复、执行验收完整结束；正式设计、建立验收能力在三分钟上限超时，属于不完整样本。没有观察到普通任务提前加载 Spec、ticket 或验收建设参考；这个结论只覆盖匹配到的完整正文，不代表所有实际加载行为。
+
+## 环境与口径
+
+- 对照：本地 CEW `0.2.5`，基线 `42dda80522ba96f0c02c2c3913eadf3d1f4d92a9`，本轮新增诊断与采样工具；没有修改技能、规则或路由正文。
+- 宿主：macOS、`codex-cli 0.160.1`，沿用当前用户配置和技能；有效模型未在本次 CLI JSONL 中记录，不能据此建立跨模型比较。
+- 每类一个独立会话和隔离的 Node 标准库项目；没有外部服务、账号操作或生产数据。
+- 读入量来自完整正文在工具输出中的匹配，包含项目验收入口；同一输出位置的分发正文/个人较长变体不重复累计。自动注入、局部或变形读取不在统计内。
+- 文件指纹和轨迹指纹按 LF 换行归一后计算 SHA-256。表内轨迹指纹仅展示前 12 位；本地原始报告保留全值。
+
+## 实测结果
+
+| 类别 | 行为审核 | 文件数 / 读取次数 | 观察到的字符量 | 重复字符量 | 轨迹指纹前缀 |
+| --- | --- | --- | --- | --- | --- |
+| 普通问答 | PASS | 0 / 0 | 0 | 0 | `b1f2a19a1721` |
+| 小修复 | PASS | 8 / 8 | 14,450 | 0 | `eaa745e5f31d` |
+| 正式设计 | BLOCKED | 8 / 8 | 20,749 | 0 | `7b2e17fe2a64` |
+| 执行验收 | PASS | 7 / 7 | 6,990 | 0 | `366b8250dffa` |
+| 建立验收能力 | BLOCKED | 9 / 9 | 17,467 | 0 | `095abeef3463` |
+
+这里的 `PASS` 仅指本次小型采样任务，不能外推到实际产品、桌面 App 或所有项目。两项 `BLOCKED` 的字符量是中断前的下界，不能与完整任务作为等价成本比较。没有发布实测 Token 节省量；字符除以四的粗估值未作为性能结论。
+
+## 逐类核查
+
+- **普通问答：PASS。** 回答了 map/forEach 的区别与示例，没有工具调用，也没有观察到技能正文读取。宿主自动注入内容仍未统计。
+- **小修复：PASS。** 读取路由、调试、TDD、基础/实现/Git/禁止规则与测试规则；先观察空数组回归失败，再增加初值，公开函数的两个测试通过。只修改实现和测试，差异检查通过；没有读取 Spec、ticket 或验收建设参考。
+- **正式设计：BLOCKED。** 读取了 Spec 及其模板、自审参考，并保存草稿；采样超时，缺少 `turn.completed` 和最终待审交付。不得视为 Spec 审核流程通过，也没有用户批准。未观察到实施、拆票或验收建设材料。
+- **执行验收：PASS。** 复用项目已有 Skill 和功能地图，`npm run verify` 两项公开函数用例通过，证据日志已回读，代码及设施没有改动；没有读取验收建设参考。
+- **建立验收能力：BLOCKED。** 正确读取了验收建设参考，已有入口、地图和证据草稿；采样超时且缺少完整最终交付，不能把草稿称为已交付能力。未观察到 Spec 或 ticket 材料。
+
+完整样本均没有重复完整正文读取。小修复与执行验收观察到禁止事项及测试规则，且真实测试与改动边界符合该小项目请求；这不证明所有安全约束在其他项目中均有效。因此本轮不据此缩减安全或验证要求，也不调整路由。
+
+## 安装核查及工具验证
+
+在 CEW 仓库作为目标项目时，Codex 和 Claude 各发现 20 个 CEW 技能，未发现正文、登记表、有效直接引用差异或重复候选。换成隔离采样项目后，Codex 用户级 `rules/02-implementation.md` 与分发包有差异，诊断如实报告；在 CEW 仓库中它由项目规则优先覆盖。Claude 的隔离项目检查没有发现项。所有差异只报告、未覆盖。此前报告的两个技能正文差异本次未复现，原因未追溯。此结果仍不证明宿主选择顺序、条件分支或外部工具可执行。
+
+回归覆盖“登记表相同但正文不同”、缺失与个人引用、Claude 规则回退、重复候选/软链接、路由代码块引用、重复/重叠输出、格式错误与不完整轨迹。真实采样发现超时子进程可能返回退出码 0，工具现结合错误、终止信号和退出码判断失败，已有外部进程回归；不会把这种情况报告为成功。
+
+这次两项超时发生于修正失败停止判定之前的同一轮采样，因此保留了后续类别的轨迹；修正后的采样器遇到这类失败会停止，不自动重试。这里不以重跑替换失败记录。
+
+本轮新增 16 项诊断/采样测试、现有流程与安装校验通过；独立审查通过。打包后在独立目录安装生产依赖，CLI 的 `verify`、`doctor` 与 `loading` 冒烟通过。安装执行回归限于本机 Shell；PowerShell 清单已核对，未做 Windows 实机验收。
+
+## 证据与限制
+
+完整本地证据保存在当前任务工作区的 `docs/superpowers/evidence/loading-20261102/`，每类包含 `trace.jsonl`、`stderr.log`、`report.json`，总表为 `summary.json`；宿主诊断为相邻的 `doctor-codex-20261102.json`、`doctor-claude-20261102.json`，隔离项目检查为对应的 `doctor-*-isolated-20261102.json`。目录已被现有忽略规则排除，不提交原始会话或个人路径。临时项目位置见本地报告，保留供复核。
+
+未做安装升级实机验收、Windows 实机验收、Claude 会话采样、桌面 App 验收或 Token 成本对照。下一轮若要评价长任务加载成本，需要让两项中断样本完整结束，再在相同模型、宿主和任务条件下比较；本轮不把这些未测项计为通过。

harness/loading/cases.json

@@ -0,0 +1,41 @@
+{
+  "schemaVersion": 1,
+  "description": "Natural-language sampling cases, not a second routing policy. Assertions observe reads only; successful routing and behavior still need transcript review.",
+  "cases": [
+    {
+      "id": "question",
+      "label": "普通问答",
+      "prompt": "解释一下 JavaScript 的 Array.map 与 Array.forEach 的区别，给一个简短例子。",
+      "forbidden": ["skills/"],
+      "review": "直接回答；不因普通问答进入工程交付。"
+    },
+    {
+      "id": "small-fix",
+      "label": "小修复",
+      "prompt": "修复 src/total.js：total([]) 应返回 0，现在会抛错。补相称回归验证，只完成这个本地修复，不提交。",
+      "forbidden": ["skills/spec-gate/", "skills/to-tickets/", "skills/implement/references/ticket-delivery.md", "skills/feature-acceptance/references/project-verification.md"],
+      "review": "修复和回归验证完成；审查、测试与范围要求仍生效。"
+    },
+    {
+      "id": "formal-design",
+      "label": "正式设计",
+      "prompt": "为 total(values) 增加可选的 round 参数，写一份正式 Spec，先不实现。已决定默认不舍入，传 0 到 6 的整数时对最终结果舍入到对应小数位，其他值抛 RangeError；保留现有调用方式，不增加依赖。",
+      "forbidden": ["skills/to-tickets/", "skills/implement/references/ticket-delivery.md", "skills/feature-acceptance/references/project-verification.md"],
+      "review": "形成可审核 Spec，停在用户批准关口；不实施、不拆票。"
+    },
+    {
+      "id": "acceptance-run",
+      "label": "执行验收",
+      "prompt": "按项目现有验收入口验收 total 功能，沿用功能地图，仅报告真实命令和结果，不建立或维护验收基础设施。",
+      "forbidden": ["skills/spec-gate/", "skills/to-tickets/", "skills/implement/references/ticket-delivery.md", "skills/feature-acceptance/references/project-verification.md"],
+      "review": "复用现有入口；PASS/FAIL/BLOCKED/NOT RUN 与真实结果一致。"
+    },
+    {
+      "id": "acceptance-setup",
+      "label": "建立验收能力",
+      "prompt": "为这个小型 Node 项目建立最小的项目验收入口与功能地图，覆盖 total 的正常输入和空数组；沿用 node --test，不增加依赖或服务，不提交。",
+      "forbidden": ["skills/spec-gate/", "skills/to-tickets/", "skills/implement/references/ticket-delivery.md"],
+      "review": "建立并执行可重复验收，功能地图引用真实入口和证据。"
+    }
+  ]
+}

package.json

@@ -23,7 +23,8 @@
     "test:install-rules": "node scripts/verify/install-rules.test.js",
     "test:plugins": "node --test scripts/verify/plugin-distribution.test.js",
     "verify:upstream": "node scripts/verify-upstream-capability-map.js",
-    "pack:dry-run": "npm pack --dry-run"
+    "pack:dry-run": "npm pack --dry-run",
+    "test:diagnostics": "node --test scripts/diagnostics/*.test.js"
   },
   "dependencies": {
     "commonmark": "0.31.2",
@@ -39,6 +40,8 @@
     "README.md",
     "README.zh-CN.md",
     "docs/plugins.md",
+    "docs/capability-diagnostics.md",
+    "docs/loading-baseline-2026-11-02.md",
     "settings.json",
     "agents/",
     "bin/",