feat: 安徽运八需求全流水线输出同步 + 知识库/agents/资源文件更新

.claude/skills/qe_fleet/SKILL.md

@@ -1,11 +1,11 @@
 ---
 name: qe-fleet
-description: Agentic QE Fleet — 14 个专业 AI Agent 组成的自治质量工程舰队。当用户输入 /qe-fleet 或 /case_generate 时使用本 skill。
+description: Agentic QE Fleet — 混合流水线：Python 脚手架 + AI Agent 内容生成
 metadata:
   short-description: 多 Agent QE Fleet：从需求到测试用例的全流程自动化 + 质量门禁 + 知识沉淀
 ---
 
-# Agentic QE Fleet
+# Agentic QE Fleet（混合流水线 v3.0）
 
 当用户输入以下任一意图时使用本 skill：
 
@@ -19,82 +19,188 @@ metadata:
 - `/qe-fleet status <需求文档>`
 - `/case_generate <需求文档>`（向后兼容别名）
 
-## 自动执行要求
+## 架构概述
 
-收到 `/qe-fleet` 命令后，不要停在说明阶段，必须自动完成以下步骤：
+本流水线采用**混合架构**：
 
-### /qe-fleet run
+- **Python 脚本（fleet_runner.py）**: 处理确定性工作——文档解析、知识激活、需求分析、冲突检测、风险矩阵、测试策略模板、测试数据模板、Playwright/Appium 脚本骨架、清单管理
+- **Claude Code Agent（本 Skill）**: 处理生成式 AI 工作——测试点设计、测试用例编写、用例评审、覆盖率审计、质量裁决
 
-1. 执行：
-```bash
-python3 scripts/fleet_runner.py run --requirement <需求文档路径>
-```
+## `/qe-fleet run` — 全流程自动执行
 
-2. fleet_runner.py 会自动按战区顺序执行：
-   - **PREPARE**: document-parser(文档解析) → knowledge-activator(知识激活)
-   - **ANALYZE**: requirement-analyzer(需求分析) + conflict-detector(冲突检测) → risk-assessor(风险评估)
-   - **DESIGN**: test-strategist(测试策略) → testpoint-designer(测试点) + data-builder(测试数据) → case-designer(用例设计)
-   - **EXECUTE**: web-executor(Playwright PC Web) + mobile-executor(Appium 移动端) → result-reporter(截图对比+结论)
-   - **REVIEW**: case-reviewer(用例评审) + coverage-auditor(覆盖率审计) → quality-gatekeeper(质量裁决)
-   - **MONITOR**: execution-analyst(执行分析) → knowledge-curator(知识沉淀)
-   - **EXPORT**: 质量裁决 PASS 后自动导出 Excel
+收到此命令后，按以下 6 个阶段自动执行，不要停在说明阶段：
 
-3. 检查确认门禁：
-   - 若 analyze 战区 `confirmation_gate.required=true` 且 `decision_status` 不是 `confirmed`，阻断并告知
-   - 提供确认单路径和阻断原因
-
-4. 检查质量裁决：
-   - 若 review 战区 quality_verdict 为 `BLOCKED`，告知阻断原因
-   - 若为 `PASS` 或 `PASS_WITH_FIX`，自动导出
-
-5. 最终反馈：
-   - 各战区状态（✅ 完成 / ⏳ 进行中 / ⬜ 待执行）
-   - 产物文件路径
-   - 质量裁决结果
-   - 若失败，失败在哪一步
-
-### /qe-fleet status
+### Phase 1: SCAFFOLD（脚手架生成）
 
 ```bash
-python3 scripts/fleet_runner.py status --requirement <需求文档路径>
+python scripts/fleet_runner.py run --scaffold-only --requirement <需求文档路径>
 ```
 
-### /qe-fleet monitor
+产出：
+- 标准化需求文档（含附加文件检测 + 多源注册表）
+- 知识激活 + 缺口检测
+- 需求分析 + 冲突检测 + 风险矩阵
+- 测试策略模板 + 测试数据模板
+- Playwright/Appium 脚本骨架
+- 所有战区 manifest（含 `pending_ai` 标记）
 
+### Phase 2: GATE-CHECK（门禁检查）
+
+读取 `output/manifests/{BASE_NAME}_analyze.json`：
+- 若 `confirmation_gate.required=true` 且 `decision_status` 不是 `confirmed` 或 `not_required`：
+  - 🛑 阻断并告知用户：确认单路径、阻断原因
+  - 不得继续执行后续阶段
+- 若门禁通过或无门禁要求，继续 Phase 3
+
+### Phase 3: AI-DESIGN（AI 生成设计产物）
+
+按依赖顺序调用 AI Agent 填充设计产物。**重要**：若目标文件已存在且内容非空（>500 字符），跳过该 Agent 并告知用户可手动重新生成。
+
+#### 3a: data-builder + testpoint-designer（可并行）
+
+**Agent: data-builder**
+- 输入文件：`output/analysis/{BASE_NAME}_分析.md`、`{PROJECT_PROFILE}`、来自 prepare manifest 的 `sources_registry` 中所有 `role=api_spec` 的附加文件
+- Agent prompt：`agents/design/data_builder.md`
+- 输出：`output/analysis/{BASE_NAME}_测试数据.md`（覆盖模板）
+- 验证：文件存在且 >300 字符
+- 调用方式：使用 Agent 工具，subagent_type=general-purpose，在 prompt 中指明输入文件和输出文件
+
+**Agent: testpoint-designer**
+- 输入文件：`output/analysis/{BASE_NAME}_分析.md`、`output/analysis/{BASE_NAME}_风险评估.md`、`output/analysis/{BASE_NAME}_测试策略.md`、`output/analysis/{BASE_NAME}_关联与冲突.md`、`{PROJECT_PROFILE}`、`knowledge_base/02_history/common_missed_scenes.md`、`knowledge_base/02_history/historical_defects.md`、`knowledge_base/01_standards/definition_of_done.md`、prepare manifest 中 `sources_registry` 的所有附加文件
+- Agent prompt：`agents/design/testpoint_designer.md`
+- 输出：`output/test_points/{BASE_NAME}_测试点.md`
+- 验证：文件存在且 >500 字符，含有 `TP-` 标识符
+- 调用方式：使用 Agent 工具，subagent_type=general-purpose
+
+#### 3b: case-designer（依赖 3a 完成）
+
+- 输入文件：`output/test_points/{BASE_NAME}_测试点.md`（3a 产出）、`output/analysis/{BASE_NAME}_测试数据.md`、`knowledge_base/01_standards/test_case_template.md`、`knowledge_base/01_standards/review_checklist.md`、`knowledge_base/03_best_practices/`
+- Agent prompt：`agents/design/case_designer.md`
+- 输出：`output/test_cases/{BASE_NAME}_测试用例.md`
+- 验证：文件存在且 >500 字符，含 Markdown 表格，表头与 `test_case_template.md` 一致
+- 调用方式：使用 Agent 工具
+
+### Phase 4: AI-REVIEW（AI 评审）
+
+#### 4a: case-reviewer + coverage-auditor（可并行）
+
+**Agent: case-reviewer**
+- 输入文件：`output/test_cases/{BASE_NAME}_测试用例.md`、`knowledge_base/01_standards/review_checklist.md`、`knowledge_base/01_standards/test_case_template.md`、`knowledge_base/01_standards/definition_of_done.md`、`output/analysis/{BASE_NAME}_风险评估.md`
+- Agent prompt：`agents/review/case_reviewer.md`
+- 输出：`output/analysis/{BASE_NAME}_评审报告.md`
+- 验证：文件存在且 >500 字符，含阻断项/建议项计数
+
+**Agent: coverage-auditor**
+- 输入文件：`output/analysis/{BASE_NAME}_分析.md`、`output/test_points/{BASE_NAME}_测试点.md`、`output/test_cases/{BASE_NAME}_测试用例.md`、`output/analysis/{BASE_NAME}_风险评估.md`
+- Agent prompt：`agents/review/coverage_auditor.md`
+- 输出：`output/analysis/{BASE_NAME}_覆盖率审计.md`
+- 验证：文件存在且 >500 字符
+
+#### 4b: quality-gatekeeper（依赖 4a 完成）
+
+- 输入文件：`output/analysis/{BASE_NAME}_评审报告.md`、`output/analysis/{BASE_NAME}_覆盖率审计.md`、`output/analysis/{BASE_NAME}_风险评估.md`、`fleet_config.yml`
+- Agent prompt：`agents/review/quality_gatekeeper.md`
+- 输出：`output/analysis/{BASE_NAME}_质量裁决.md`
+- 验证：文件含 `PASS`、`PASS_WITH_FIX` 或 `BLOCKED`
+
+### Phase 5: VERDICT（裁决 + 导出）
+
+读取 `output/analysis/{BASE_NAME}_质量裁决.md` 中的裁决结果：
+
+- **PASS** 或 **PASS_WITH_FIX**: 执行导出
+  ```bash
+  python scripts/fleet_runner.py export --requirement <需求文档路径>
+  ```
+  （若已有 review 战区的阻断项或覆盖缺口，在导出前先修复用例文件，参考 Phase 4 的评审报告）
+- **BLOCKED**: 🛑 告知用户阻断原因，提供修复方向，不导出 Excel
+
+### Phase 6: REPORT（汇总反馈）
+
+输出最终状态汇总：
+
+```
+🏁 QE Fleet 运行完成
+   ✅ prepare: 完成 (置信度 0.95, 附加文件 N 个)
+   ✅ analyze: 完成 (风险 P0=N, P1=N)
+   ✅ design: 完成 (测试点 N, 用例 N)
+   ✅ execute: 完成 (Playwright + Appium 脚本)
+   ✅ review: 完成 (裁决: PASS/PASS_WITH_FIX/BLOCKED)
+   ✅ export: 完成/N/A
+
+产物:
+   📊 Excel: output/excel_reports/{BASE_NAME}_测试用例.xlsx
+   🧠 XMind: output/xmind_reports/{BASE_NAME}.xmind
+   📋 测试点: output/test_points/{BASE_NAME}_测试点.md (N个)
+   📝 测试用例: output/test_cases/{BASE_NAME}_测试用例.md (N条)
+   ✅ 质量裁决: output/analysis/{BASE_NAME}_质量裁决.md
+```
+
+---
+
+## 其他命令
+
+### `/qe-fleet prepare <需求文档>`
 ```bash
-python3 scripts/fleet_runner.py monitor --requirement <需求文档路径> --results <测试结果文件>
+python scripts/fleet_runner.py prepare --requirement <需求文档路径>
 ```
 
-## 战区详细流程
+### `/qe-fleet analyze <需求文档>`
+```bash
+python scripts/fleet_runner.py analyze --requirement <需求文档路径>
+```
 
-### Prepare 战区
-- **document-parser**: 解析 docx/pdf/doc → 标准化 Markdown；自动识别同主题技术方案；标注解析置信度
-- **knowledge-activator**: 按需求内容关键词+语义匹配激活术语/规则/历史缺陷/最佳实践；检测知识缺口
+### `/qe-fleet design <需求文档>`
+仅执行 Phase 3（AI-DESIGN），前提是 prepare 和 analyze 已完成。
+若 manifest 未就绪，先执行对应的脚手架命令。
 
-### Analyze 战区
-- **requirement-analyzer**: 结构化需求模型（背景/目标/角色/规则/流程/异常）；项目画像差异化；歧义标注
-- **conflict-detector**: 语义级历史需求冲突检测（方向/数值/状态机/权限）；严重度分级(P0-P3)
-- **risk-assessor**: 多维度风险矩阵（资损/可用性/数据/合规/兼容性）；可能性 × 影响度 = 风险等级
+### `/qe-fleet review <需求文档>`
+仅执行 Phase 4（AI-REVIEW），前提是设计产物已存在。
 
-### Design 战区
-- **test-strategist**: 测试金字塔分配；优先级覆盖规则；P0 必测清单
-- **testpoint-designer**: 全面测试点矩阵；来源标注（需求/历史缺陷/风险矩阵/冲突修订/项目画像）
-- **case-designer**: 可执行用例；原子性；双验证预期结果（UI + 数据）
-- **data-builder**: 自动提取+人工补充测试数据（账号/金额/ID/枚举/边界值）
+### `/qe-fleet export <需求文档>`
+```bash
+python scripts/fleet_runner.py export --requirement <需求文档路径>
+```
 
-### Execute 战区
-- **web-executor**: 生成 Playwright 测试脚本；多浏览器（Chromium/Firefox/WebKit）；每步/失败自动截图
-- **mobile-executor**: 生成 Appium 测试脚本；Android (UiAutomator2) + iOS (XCUITest)；双平台截图采集
-- **result-reporter**: 截图 AI 视觉对比；像素级差异检测；多平台测试结论报告（含截图证据）
+### `/qe-fleet monitor <需求文档> --results <测试结果>`
+```bash
+python scripts/fleet_runner.py monitor --requirement <需求文档路径> --results <测试结果文件>
+```
 
-### Review 战区
-- **case-reviewer**: 按 review_checklist 逐项评审；错误分级（阻断/建议/优化）
-- **coverage-auditor**: 需求→测试点→用例三级追溯；覆盖缺口识别；过度覆盖识别
-- **quality-gatekeeper**: 三级裁决（PASS / PASS_WITH_FIX / BLOCKED）；裁决依据引用具体评审条目
+### `/qe-fleet status <需求文档>`
+```bash
+python scripts/fleet_runner.py status --requirement <需求文档路径>
+```
 
-### Monitor 战区
-- **execution-analyst**: 失败归类（ENV/DATA/CASE/REAL_BUG）；失败模式识别；根因推测
-- **knowledge-curator**: 自动回写知识库；去重保护；P0 自动生效 / P1-P3 人工确认
+---
+
+## AI Agent 调用模板
+
+每次调用 AI Agent 时，使用以下模板构造 prompt：
+
+```
+你是 {agent_name}。{从 agent prompt 文件读取的 role 描述}。
+
+# 任务
+{从 agent prompt 文件读取的 task 描述}
+
+# 关键输入文件（必须读取）
+{列出所有输入文件路径}
+
+# 输出文件
+写入: {output_file_path}
+
+# 输出格式
+{从 agent prompt 文件读取的 output format}
+
+# 约束
+{从 agent prompt 文件读取的 constraints}
+
+# 附加上下文
+- 项目画像: {PROJECT_PROFILE}
+- 附加源文件（如有，来自 prepare manifest sources_registry）
+```
+
+---
 
 ## 约束
 
@@ -102,12 +208,13 @@ python3 scripts/fleet_runner.py monitor --requirement <需求文档路径> --res
 - 确认门禁未解除时，必须阻断并告知原因和解决路径
 - 质量裁决 BLOCKED 时，不得导出 Excel
 - 若主输入是 .docx/.doc/.pdf，必须基于 prepare 产出的标准化 Markdown
-- 若 manifest 中有技术方案文件，必须纳入分析
+- 若 manifest 中有附加源文件（`sources_registry`），必须纳入 AI Agent 的输入文件列表
 - 需求有歧义时必须显式标注 `> ⚠️ 待确认：问题、影响范围、建议确认方向`
 - 基于项目画像差异化，避免通用化输出
 - 历史缺陷和易漏场景必须显式体现在测试点或用例中
 - 预期结果必须同时覆盖 UI 反馈和数据状态变化
-- 若改动涉及 scripts/、.claude/、agents/、AGENTS.md、README.md，必须执行 governance_audit.py auto
+- 所有 bash 命令使用 `python`（非 `python3`）
+- 若改动涉及 scripts/、.claude/、agents/、AGENTS.md、README.md，必须执行 `python scripts/governance_audit.py auto`
 
 ## 兼容性