驗證迴圈：讓完成狀態對得上實際證據

每項驗收要求都列可觀察的主張、判準、測試資料、指令、證據檔案與失敗代號。請求變更須確認授權轉換可見、重新整理後資料仍在、稽核只寫一次、錯誤角色被拒，以及結果未知後的重試維持同一筆邏輯操作。

禁止操作效果也要有驗收門檻。功能通過但呼叫允許清單外網路、機密進截圖、或無關 schema 被改，整個任務仍失敗。結果、執行軌跡、差異、權限與證據資料包分開評，關鍵控制不能藏在平均分。

先跑格式、型別、依賴、自動產生檔案和機密規則，再跑局部測試、契約及持久化案例、故障注入，最後驗已登入的瀏覽器流程。必要層失敗就保存證據並停止；最終候選版本仍須通過契約指定的完整流程。

開發測試資料用來修已知失敗，保留評測用來看能否移轉到相似工作。候選版本凍結前不能開保留評測；答案與關鍵驗收要先鎖。真的要改預期結果，就建立新版本並說明，不能看完輸出才重寫答案。

評測器清單說清每種驗收依據：型別檢查器驗型別，資料庫驗持久狀態，操作台帳驗邏輯次數，瀏覽器驗使用者流程，規則引擎驗權限。避免同一段模型文字同時當答案與評分依據。模型評文字品質時，保存規準、評判者版本、盲測樣本與人工歧異；關鍵控制仍由確定性的驗收判準建立。

故障注入必須對準真實持久保存邊界。請求重新開啟可在狀態更新前、更新後稽核前、稽核後回應前、回應後觀察紀錄前、檢查點前後中斷。每個位置預先寫狀態、操作效果、驗收憑證與復原驗收判準。只在 HTTP 請求前做逾時，測不到最危險的完成狀態未知；只重跑正常流程，也無法證明冪等性與結果核對真的連在執行器。

保存每次試跑，不挑最好看的結果。按類別報通過率、關鍵失敗、同案例變異、人工介入、錯誤路徑、工具呼叫、脈絡大小、長尾延遲和測試費用。候選版較快卻多一次關鍵操作失敗，仍判 hold；品質相同但審查工時下降，也要以相同量測方式和基準比較。

驗收憑證驗證器同時驗語意與綁定。檔案雜湊正確，卻引用另一個環境或舊契約，仍不能建立 verified。驗證器讀提交版本、有未提交變更的狀態、契約、測試資料、規則、評測器、瀏覽器交付檔案、操作台帳與 timestamps，確認順序與執行身分。證據若在保存期限期間被移除，功能可保留 implemented，但 verified 主張要標證據無法使用，不能假裝仍可稽核。

保留評測管理要防止不小心洩漏。修復工作階段只看開發案例與類別層級失敗，凍結候選版本後由另一個執行器開保留評測。若某個保留評測因程式庫改版失效，由未參與候選版本的負責人判斷修測試資料、替換或退休，並保留舊結果。不要把保留評測例外寫回指引，否則下一輪測到的是記住答案，不是 harness 對相似工作是否有用。

端到端瀏覽器驗收要操作真實入口，不直接呼叫內部函式模擬成功。測試資料身分經登入流程取得，從請求清單進細節，執行操作，檢查可見狀態與提示，重新整理後再讀正式可信的持久保存。網路與主控台訊息保存為受控證據；若頁面因舊快取看似成功，資料庫驗收判準與全新瀏覽器設定檔會揭露差異。這一層較慢，所以開發時可跑聚焦的案例，建立 verified 前仍需完整執行。

評測失敗應連回可修元件。找錯檔案可能是知識地圖；啟動不穩是初始化程序；錯誤碼沒有下一步是工具契約；違反依賴是規則；重複效果是執行器與復原；瀏覽器缺證據是驗證登錄清單。報告若只寫整體成功率，團隊容易不停調指令，卻忽略真正失敗在環境、資料或評測器。每個發現附建議調查位置，但保留原因尚未證實的標記。

人工審查者的判斷也需要校準。同一批驗收憑證隨機遮住基準版本／候選版本標籤，由兩位審查者依評分規準評範圍、證據、可復原性與完成誠實度。分歧要討論並更新評分規準或案例說明，不直接用多數決掩蓋。如果審查者看不到原始證據，應選 insufficient 證據，不靠工作階段文筆推測。人工時間與修改量同樣進比較，因為 harness 的價值包含降低安全審查的重複工作。

發布門檻分清失敗嚴重度。越權、機密外洩、重複寫入、危險刪除、環境混用或證據綁錯，任一項都阻擋發布。範圍略超出、長尾效能變差或審查分歧，由負責人明確接受或退回；建議項目則附追蹤期限。修正後跑完整測試集，發布憑證列未解問題、已接受限制與可回復的版本。

評測資料要避免真實敏感內容。將正式環境失敗縮成最小可重現測試資料，替換人物、識別碼與文字，同時保留會觸發錯誤的結構、權限、狀態與時序。領域負責人確認去識別後案例仍代表原問題，安全負責人確認沒有可還原內容。若無法安全重建，就保存抽象必須成立的條件與合成案例，不把原始執行軌跡放進程式庫。這使回歸測試集能在本機與 CI 重跑，也不把修復流程變成新的資料暴露面。

候選通過後再由獨立人員抽查至少一筆成功與全部重大失敗，確認執行器沒有用錯答案、漏跑案例或讀到舊交付檔案。抽查結果也寫進發布驗收憑證。