Jesse_Chen
132 lines
5.3 KiB
Markdown
132 lines
5.3 KiB
Markdown
# 生时纠正网页端完整手测集
|
|
|
|
目的：验证网页端是真正的连续问答，而不是固定模板；验证每一轮都能保留历史、承接上一轮语义，并最终形成候选时间范围。
|
|
|
|
## 测试前提
|
|
|
|
- 本地前端：`http://localhost:3000`
|
|
- 本地占星后端：`http://127.0.0.1:5200`
|
|
- 使用已经登录、出生资料已保存的测试账号。
|
|
- 进入“生时纠正”后，先等待 Agent 的首条引导消息，再发送第 1 条答案。
|
|
- 每次只发送一条答案；如果写错，使用发送后的“停止/撤回”恢复草稿，不要用下一条答案补救输入错误。
|
|
|
|
## A. 首轮进入与新事件
|
|
|
|
按顺序发送：
|
|
|
|
1. `2014年6月大学毕业。`
|
|
2. `2014年9月开始读研究生。`
|
|
3. `2017年6月硕士毕业。`
|
|
4. `2017年7月入职第一家公司，从事数据分析工作。`
|
|
|
|
逐轮检查：
|
|
|
|
- Agent 先确认刚刚这条具体经历，再提出一个问题；不能只显示“当前累计/下一步/本轮区分重点”。
|
|
- 同一页面保留所有历史气泡，新答案不能覆盖旧答案。
|
|
- 已经给出的年月不能被下一轮重复询问。
|
|
- 学业经历应逐步覆盖教育领域，工作经历应覆盖事业领域。
|
|
|
|
## B. 状态机回归：同一事件补细节
|
|
|
|
在 Agent 针对第 4 条询问“正式工作、实习还是兼职”等细节时，发送：
|
|
|
|
5. `是正式工作，入职后主要做数据分析，刚开始没有管理职责。`
|
|
|
|
检查：
|
|
|
|
- 回复应承接“2017年7月入职第一家公司”，而不是新建一条没有年月的事件。
|
|
- 事件摘要可以扩展为“入职第一家公司；正式工作；主要做数据分析”。
|
|
- 不得再次问“这件事是什么年月”。
|
|
- 如果 Agent 只问其中一个细节，回答后应继续追问尚未补齐的细节，而不是换成泛化问题。
|
|
|
|
## C. 同一事件补年月
|
|
|
|
如果 Agent 先问到一件没有精确年月的经历，使用这组专门回归：
|
|
|
|
6. `离开家去北京开始工作。`
|
|
7. `2023年3月。`
|
|
|
|
检查：
|
|
|
|
- 第 6 条先被保存为待补充年月的事件，但回复要复述“离开家去北京开始工作”。
|
|
- 第 7 条应把年月合并回原事件，最终显示 `2023-03 · 离开家去北京开始工作`。
|
|
- 不应新增一条“日期待补充”或重复计分。
|
|
|
|
## D. 事业与方向变化
|
|
|
|
继续发送：
|
|
|
|
8. `2020年9月底主动离职，主要因为组织内耗严重、长期压抑，不是被辞退。`
|
|
9. `2023年4月重新开始正式工作，进入医疗器械公司。`
|
|
|
|
检查：
|
|
|
|
- Agent 应针对离职原因和后续职业转向回应。
|
|
- “主动离职”“组织内耗”“重新进入医疗器械公司”应作为事业事件语义的一部分保存。
|
|
- 第 9 条不能再次追问“哪一年哪一月开始工作”，因为年月已经给出。
|
|
|
|
## E. 纠错链
|
|
|
|
发送一条明确纠正：
|
|
|
|
10. `更正：刚才离职时间不是2020年9月底，而是2020年10月。`
|
|
|
|
检查：
|
|
|
|
- 旧事实保留在审计历史中，但不再作为有效评分事实。
|
|
- 新事实通过修订链关联旧事实，不重复计分。
|
|
- 候选范围应重新计算，不应继续沿用仅由旧日期得出的范围。
|
|
- 页面不能出现 409 后要求用户自己刷新才能继续的状态。
|
|
|
|
## F. 关系、健康与财务跨领域
|
|
|
|
继续发送已经发生的事实：
|
|
|
|
11. `2024年8月8日结束一段重要关系，双方最后没有继续走下去。`
|
|
12. `2024年9月发生车祸，眼睛上方缝了几针。`
|
|
13. `2025年10月开始出现欠薪，之后有明显的财务压力。`
|
|
|
|
检查：
|
|
|
|
- Agent 应切换到尚未覆盖的领域，不要一直重复事业问题。
|
|
- 关系事件、事故/健康压力、财务事件应分别记录。
|
|
- 不能把未来窗口当成已发生事件，也不能让用户用未来计划代替历史证据。
|
|
|
|
## G. 语义承接与更正输入
|
|
|
|
在任意一轮 Agent 提问后，依次测试：
|
|
|
|
14. 只回答细节：`正式工作。`
|
|
15. 只回答原因：`因为单位内部长期内耗，价值观不合。`
|
|
16. 只回答相对时间：`是在分手之后的第二个月左右。`
|
|
17. 纠正上一条：`刚才说的是2024年9月，不是2023年9月。`
|
|
|
|
检查：
|
|
|
|
- 状态机应根据上一轮问题类型决定是补细节、补日期还是建立纠正链。
|
|
- 相对时间不能在没有上下文时被强行当作精确日期；应继续询问缺失的绝对年月。
|
|
- 用户更正后，旧事实必须退出有效评分集合。
|
|
|
|
## H. 收敛与安全边界
|
|
|
|
当 Agent 已经收集足够事件后，检查最终回复是否包含：
|
|
|
|
- 当前候选范围，而不是未经验证的单一准确分钟；
|
|
- `local_fallback` 或对应计算状态；
|
|
- 哪些证据用于关系、事业、财务、事故等领域；
|
|
- 哪些证据仍存在冲突或不足；
|
|
- 未来窗口仅作为背景，不计入既成事件评分；
|
|
- 明确说明候选范围不能替代出生证明中的确定分钟。
|
|
|
|
## 通过标准
|
|
|
|
以下任一项失败即判定本轮网页测试失败：
|
|
|
|
1. 已有年月被重复询问；
|
|
2. 细节回答被保存成新的无日期事件；
|
|
3. 新回复覆盖旧消息；
|
|
4. Agent 连续两轮只输出“当前累计/下一步/本轮区分重点”而没有承接用户事实；
|
|
5. 纠错后旧事实仍参与有效评分；
|
|
6. 最终把候选范围伪装成确定出生分钟；
|
|
7. 生时纠正入口点击后无响应，或 API 返回冲突后无法恢复。
|