不规则内容导入 — 手动验证结果报告（7 种格式全量）

验证信息

项	值
验证日期	2026-09-07
验证功能	自定义规则导入——不规则规则内容（重噪声嵌入）的 7 种文件格式逐一导入
导入素材	`data/import-verification/03-irregular-content/team-coding-rules.*`（7 个文件）
导入结果	`data/import-verification/03-irregular-content/results/irregular-*.yaml`（7 个文件，已全部移出激活目录归档）
规则基准	与场景②相同的 12 条规则（id 亦相同），severity 基准 error×2 / warning×5 / info×5
噪声设计	项目背景、团队介绍（12 人分工）、会议纪要、部署流程、版本历史、反面/正面代码示例（硬编码密码 `Admin@123456`、eval 调用、三层循环等）、内部 wiki 链接、Checklist
验证方式	在 Extension Development Host 中手动执行完整导入流程（含预览确认），每轮结果落盘核对后归档

素材矩阵

#	文件	格式	导入路径	AI 内容转换
1	team-coding-rules.yaml	YAML（噪声全在注释）	YamlConverter 直读	否
2	team-coding-rules.md	Markdown（噪声为真实正文）	读文本 → AI（freeform）	是
3	team-coding-rules.txt	纯文本	读文本 → AI（freeform）	是
4	team-coding-rules.docx	Word	mammoth 提取 → AI（freeform）	是
5	team-coding-rules.pptx	PowerPoint	officeparser 提取 → AI（freeform）	是
6	team-coding-rules.xlsx	Excel 单表	表格 → Markdown → AI（spreadsheet）	是
7	team-coding-rules-multi-sheet.xlsx	Excel 多表	逐表渲染合并 → AI（spreadsheet）	是

（无 template 轮：模板路径为严格表头校验直读，不适配不规则内容场景。）

逐轮结果总表

轮	格式（规则名）	检出条数	severity	languages	id 与基准	去重标注	结论
1	yaml（irregular-yaml）	12/12	✅ 全对	✅ 全对	逐字节一致	预览阶段独立去重	通过
2	md	12/12	✅ 全对	✅ 全对	漂移（语义等价）	3 exact，指向真实	通过
3	txt	12/12	✅ 全对	✅ 全对	漂移	3 exact，同构	通过
4	docx	12/12	✅ 全对	✅ 全对	漂移	3 exact，同构	通过
5	pptx	12/12	✅ 全对	✅ 全对（零丢失）	漂移	3 exact，同构	通过
6	xlsx 单表	12/12	✅ 全对	✅ 全对	完全一致	2 exact + 1 overlap（见发现 3）	通过
7	xlsx 多表	12/12	✅ 全对	✅ 全对	完全一致	3 exact，回归同构	通过

关键发现

1. 噪声过滤全场景零失守（本场景核心目标达成）

7 轮全部通过以下陷阱测试：

项目背景、团队介绍（12 人分工）、会议纪要（「决定在 async 函数中全面禁用同步 API」）、部署流程、版本历史（张三/李四/王五）、Checklist、内部 wiki 链接——均未变成规则
反面示例陷阱零触发：代码示例中的 "Admin@123456"、eval(request.body)、maxRetry = 3 等错误示范未被生成为规则，也未污染规则语义
叙事与规则分离：如「上周代码审查中发现前端模块有 eval() 调用」的叙事上下文被剥离，只提取规则本身

2. pptx 语言字段差异根因定案：源文件内容差异，AI 两轮行为均正确

证据	languages 表现
场景② pptx	留空 6 处（当时误判「降级/丢失」）
旧散落结果 rules_ppt.yaml	大面积留空
本场景 pptx（噪声更重、文件更大 45KB）	零留空，8 处全对
场景② pptx 重测（2026-09-07）	留空模式与首测逐字段复现
officeparser 提取文本比对（2026-09-07）	02 源文件 950 字符中无任何「适用语言/排除语言」标注；03 源文件含成组「严重级别 \| 语言」标注及「排除语言：sql」

定性演进三版：格式缺陷（02 初稿）→ 高方差（03 初稿，被重测推翻）→ 提取层丢失（被提取比对推翻）→ 最终定案：源文件内容差异。02 pptx 幻灯片只写了 severity（[error]/[warning]/[info] 前缀）没写语言，03 pptx 两者都写了。AI 侧两轮行为均正确：源有的正确映射（含 excludeLanguages: [sql]），源无的按「严禁猜测，留空比猜测错误更安全」留空，语义可推的唯一一条（描述含「TypeScript 类型」）正确推断 [typescript]。这 6 处留空从来不是「丢失」——源文件没有的数据不能叫丢失。制作 pptx 规则素材时，如需语言限定必须在幻灯片中显式标注适用语言。

3. 去重判断方差实锤：同一规则跨轮在 exact 与 overlap 间摆动

xlsx 单表轮：no-hardcoded-credentials 被判 overlap（保留生效）——与前 12 轮历史（exact）不同，且两条规则检测目标几乎重合、语言集合相同，exact 更贴切
multisheet 轮：回归 exact（注释）
实际影响：overlap 判保留时该规则与 custom/no-hardcoded-secret 并存双报。定性为 AI 判断方差（与 galaxy 轮次波动同源），预览面板人工复核是设计内的必要补偿
附加证据：docx 轮魔法数字规则 id 为 avoid-magic-numbers（与既有规则 id 前缀完全不同），仍被精准标注为 custom/no-magic-numbers 的 exact——去重的语义性（与 id 无关）得到最直接验证

4. 表格类格式稳定性跨场景复现，multisheet 打出跨场景字节级一致

xlsx 单表、multisheet 两轮的 9 条保留规则 id 再次全部与 yaml 基准一致（「结构化表格 → id 收敛」跨场景复现；自由文本四轮 id 依旧逐轮漂移）
multisheet 轮落盘文件与场景② multisheet 结果逐字节一致（fc 0 差异），且场景②内 multisheet ≡ xlsx 单表——推导链 02-xlsx ≡ 02-multisheet ≡ 03-multisheet：AI 从两份完全不同的源文档（15KB 标准多表 vs 24KB 重噪声多表）收敛到同一字节级输出，spreadsheet 链路稳定性拿到最强证据

5. id 漂移全景

自由文本格式（md/txt/docx/pptx）的 AI 生成 id 逐轮漂移（本轮新组合：constant-naming、boolean-variable-prefix、require-explicit-types、no-todo-fixme-hack 等），仅个别巧合重合（no-todo-comments、require-doc-comments 在 02/03 的 md 轮均出现）。含义相同的规则若以不同格式多次导入并存将双报——每轮归档移出激活目录即为规避此问题。

已知观察

xlsx 轮注释块尾部各多一行孤立 #（外观残留，无功能影响）
去重方差的管理含义：exact/overlap 判定在边界案例上有摆动，重要场景导入后应在预览面板复核重复分组（与 guide.md 归档流程互补）
本场景 yaml 轮噪声全部藏在注释中，对解析器无挑战（真正考验由 md/txt/docx/pptx/xlsx 承担）

结论

通过。7 种格式全部成功导入 12 条规则基准：重噪声零膨胀、反面示例陷阱零触发、severity 零偏差。场景②的 pptx 疑问在本场景得到最终定案：语言字段差异源于源文件内容差异（02 源无语言标注、03 源有），AI 两轮行为均正确，不存在降级或丢失；表格类格式稳定性获得跨场景字节级一致的强证据。去重语义性（avoid-magic-numbers 案例）与判断方差（hardcoded-credentials exact/overlap 摆动）均有实测记录。

关联

galaxy 素材验证报告：data/import-verification/01-galaxy-nonstandard/result-report.md（真实世界非标准格式场景）
标准格式验证报告：data/import-verification/02-standard-formats/result-report.md（8 种格式，含 pptx 降级原始记录）
自动化测试：tests/excel-converter.test.ts（转换器渲染层）
设计 spec：docs/superpowers/specs/2026-07-26-custom-rule-import-ux-design.md

7.9 KiB Raw Blame History Unescape Escape