95 lines
7.9 KiB
Markdown
95 lines
7.9 KiB
Markdown
# 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`
|