Test-Driven Revolution Skill

Version: 2.0.0
AgentSkills: v1.1.0
Author: OpenClaw Community
Created: 2026-03-28
Updated: 2026-03-29

描述

小蔥技能站7w4.net，專業的AI技能分享平臺。

Test-Driven Revolution (TDR) 是一個測試驅動的 AI 自動進化系統：

AI 寫程式碼 → AI 測試 → AI 改 bug → 測試通過 → 下一輪

與 Auto Revolution 的關係： - TDR = 使用者 interface（AgentSkills 技能包，手動觸發） - Auto Revolution = 底層執行引擎（Cron 心跳自動執行） - 兩者共享同一套配置和指令碼，只是觸發方式不同

觸發方式對比： | 系統 | 觸發方式 | 適用場景 | |------|----------|----------| | TDR | 使用者說"用 TDR 建立 XX" | 主動開發新功能 | | Auto Revolution | Cron 定時任務（每 5 分鐘） | 後臺自動執行任務佇列 |

核心工作流： 1. 任務分析 - 分析任務難度/風險/時間要求，推薦流程 2. 使用者選擇 - 使用者確認流程型別（簡化/完整/高階） 3. 執行流程 - 按選擇的流程執行（審閱→執行→稽核） 4. 迴圈迭代 - 稽核通過→下一輪；稽核失敗→打回重做

角色說明： - Planner - 負責任務分析和流程推薦（主 Agent） - Reviewer - 負責技術選型審查和指令生成（高階模型） - Executor - 負責程式碼執行和檔案操作（預設模型）⭐ - Auditor - 負責質量稽核和驗證（高階模型）

系統特性： - 📊 任務難度分析 - 自動評估複雜度/風險/時間要求 - 🎯 流程推薦 - 根據任務型別推薦簡化/完整/高階流程 - 👤 使用者選擇 - 推薦後由使用者確認最終流程 - 🔒 原子鎖：mkdir 原子操作，防止併發競態 - 🛡️ 安全掃描：執行前檢測危險命令模式 - 📝 事件日誌：所有操作追加 JSONL 日誌 - 🔗 依賴啟用：依賴完成後自動啟用下游任務 - 💰 成本控制：Executor 統一使用預設模型

觸發關鍵詞

主動觸發（推薦）： - "用 TDR 建立一個 HTTP 伺服器" - "啟動 TDR，做個報價單生成器" - "執行進化系統，開發 XX 功能" - "建立 TDR 任務"

不要觸發（直接執行）： - ❌ "建立一個頻道" → 直接呼叫 message 工具 - ❌ "給張三發郵件" → 直接呼叫郵件工具 - ❌ "查天氣" → 直接呼叫 weather 工具 - ❌ "建立檔案" → 直接寫檔案

適用場景 ⭐

✅ 適合用 TDR

❌ 不適合用 TDR

三種流程模式

1. 簡化流程 ⚡

步驟： Executor 直連（無審閱/稽核）

模型： Executor = 預設模型

耗時： ~5 分鐘/任務

成本： 🆓 免費（使用包月額度）

適用場景： - 文件更新（SKILL.md、參考文件） - 簡單 Bug 修復（緊急） - 批次改進（低風險） - 程式碼量 <100 行

示例：

node scripts/auto-plan.js "更新 references 文件"
# 自動選擇：簡化流程

2. 完整流程 📊

步驟： Reviewer → Executor → Auditor

模型： - Reviewer: 高階模型 → fallback → 備用模型 - Executor: 預設模型 - Auditor: 高階模型 → fallback → 備用模型

耗時： ~15 分鐘/任務

成本： 🆓 免費（使用包月額度）

適用場景： - 新功能實現 - 程式碼重構（中等風險） - 多檔案修改 - 程式碼量 100-500 行

示例：

node scripts/auto-plan.js "實現 forward 命令"
# 自動選擇：完整流程

3. 高階流程 🏆

步驟： Reviewer → Executor → Auditor

模型： - Reviewer: 頂級模型 - Executor: 預設模型 - Auditor: 頂級模型

耗時： ~15 分鐘/任務

成本： 💰$$（按量計費，約 $0.5-2/任務）

適用場景： - 核心功能開發 - 安全相關修復 - 生產釋出前驗證 - 程式碼量 >500 行

示例：

node scripts/auto-plan.js "修復 prompt injection 漏洞"
# 自動選擇：高階流程

任務難度評估

評估維度

自動推薦規則

使用方法

0. 自動分析 + 使用者選擇（推薦）⭐

全自動模式：

# Step 1: 分析任務並推薦流程
node scripts/auto-plan.js "建立一個 HTTP 伺服器，監聽 3000 埠"

# 輸出：
# 📋 任務分析
# - 複雜度：中等（預計 300 行程式碼，3 個檔案）
# - 風險：中（新功能，不影響現有模組）
# - 時間：正常
# 
# 🎯 流程推薦：完整流程
# 理由：
# 1. 新功能開發，需要質量保證
# 2. 多檔案修改（route/controller/test）
# 3. 預計耗時 ~15 分鐘
# 
# ❓ 請選擇流程：
# A. 簡化流程（5 分鐘，無稽核）
# B. 完整流程（15 分鐘，有稽核）⭐ 推薦
# C. 高階流程（15 分鐘，頂級模型稽核，付費）

使用者確認後執行：

# 使用者回覆 "B" 或 "完整流程"
node scripts/auto-plan.js --confirm B

1. 手動建立任務

在 tasks/ 目錄下建立 JSON 檔案：

cat > tasks/task-001.json << 'EOF'
{
  "task_id": "task-001",
  "title": "手動建立的任務",
  "description": "任務描述",
  "status": "pending",
  "priority": "P1",
  "flow": "full",
  "subtasks": [
    {
      "id": 0,
      "title": "子任務 1",
      "description": "描述"
    }
  ]
}
EOF

flow 欄位可選值： - simplified - 簡化流程 - full - 完整流程 - advanced - 高階流程

2. 執行任務

# 自動執行（按任務配置的 flow 欄位）
node scripts/auto-execute.js task-001

# 手動指定流程
node scripts/auto-execute.js task-001 --flow full

配置檔案

位置： config/models.json

{
  "roles": {
    "reviewer": {
      "primary": "高階模型",
      "fallback": "備用模型"
    },
    "executor": "預設模型",
    "auditor": {
      "primary": "高階模型",
      "fallback": "備用模型"
    }
  },
  "timeouts": {
    "reviewer": 300,
    "executor": 300,
    "auditor": 180
  },
  "enforceAudit": true,
  "executorDefault": "預設模型"
}

流程對比表

安全規則

執行前檢查

1. 危險命令檢測 - 禁止 rm -rf、DROP TABLE 等
2. 寫入路徑驗證 - 限制在 workspace 目錄內
3. 外部 API 呼叫 - 需要使用者確認
4. 大額扣費 - >$100 需要人工審批

執行中監控

1. 原子鎖 - 防止併發衝突
2. 事件日誌 - 所有操作記錄到 JSONL
3. 超時保護 - 超時自動終止

執行後稽核

1. Auditor 驗證 - 完整流程/高階流程必須
2. 測試覆蓋 - 關鍵功能必須通過測試
3. 回滾方案 - 高風險操作必須提供

錯誤處理

稽核失敗

稽核失敗 → current_iteration++ → 打回 Executor 重做
最多 3 次迭代 → 標記 failed → 人工介入

超時處理

超時 → 重試（最多 2 次） → 切換 fallback 模型 → 仍失敗則標記 failed

模型認證失敗

401 認證失敗 → 切換 fallback 模型 → 記錄錯誤日誌

最佳實踐

1. 任務拆解

好：

{
  "subtasks": [
    {"title": "建立 HTTP 伺服器", "description": "監聽 3000 埠"},
    {"title": "新增路由", "description": "GET /health, GET /api/data"},
    {"title": "編寫測試", "description": "單元測試覆蓋率>80%"}
  ]
}

不好：

{
  "subtasks": [
    {"title": "完成整個專案"}  // 太籠統
  ]
}

2. 流程選擇

• 文件更新 → 簡化流程（快速、免費）
• 新功能 → 完整流程（有稽核、免費）
• 安全修復 → 高階流程（頂級模型稽核、付費）

3. 迭代控制

• 單次迭代 <10 分鐘
• 最多 3 次迭代
• 3 次失敗後人工介入

版本歷史

相關文件

• REVOLUTION-CONFIG.md - 完整流程說明
• MODEL-CONFIG.md - 模型配置詳情
• AUTO-REVOLUTION-FLOW-DECISION.md - 流程選擇指南

最後更新： 2026-03-29
維護者: OpenClaw Community

這是一個設計成熟的自動化任務執行系統，文件清晰易讀，流程規範（規劃→審閱→執行→稽核），支援不同複雜度的任務場景。安全防護和併發控制做得不錯。不足之處在於部分功能需要人工配合操作，全自動化程度有限，且程式碼缺少測試保護。總體質量良好，適合需要規範化開發流程的團隊使用。