1. 我提出的需求
“我希望把不同课程的作业记在本地,能按截止日期查看未完成作业、标记完成、删除记录,并快速找到已经逾期的作业。程序应当在没有网络、没有额外依赖时运行。”
我把这段意图转成以下验收标准:
| 编号 | 用户故事及验收标准 |
|---|---|
| AC01 | 新增作业:标题去除首尾空白后为 1–200 个字符且不得含 U+0000(评审后澄清);截止日期为真实的 YYYY-MM-DD 日历日期;优先级为 low、medium 或 high,默认 medium |
| AC02 | 查询作业:默认只显示未完成记录,可选择 all、pending、done、overdue |
| AC03 | 稳定排序:先按截止日期升序,再按 high、medium、low,最后按 ID 升序 |
| AC04 | 逾期定义:尚未完成,并且截止日期严格早于判断日期;今天到期不算逾期;允许指定判断日期以复现结果 |
| AC05 | 完成作业:通过正整数 ID 操作;不存在的 ID、重复完成均提示错误,返回非零退出码 |
| AC06 | 删除作业:仅删除指定 ID;不存在的 ID 返回错误;其他记录保留 |
| AC07 | 本地持久化:退出后重新打开相同数据库仍可读取记录,不依赖网络 |
| AC08 | 失败可见:无效输入、错误 ID、数据库错误有清晰提示;SQL 使用参数绑定;导入模块不启动命令行程序 |
范围限定:Python 3.11+、标准库 argparse 与 sqlite3、一个业务源码文件。没有加入 GUI、账号系统、云同步、邮件提醒或天气接口。这些功能不属于本轮需求。
2. 三个 subagent 的分工
| 角色 | 实际任务名 | 输入 | 产出与边界 |
|---|---|---|---|
| 主控(我) | root | 课件和用户指令 | 代演需求方、冻结验收标准、传递问题、整合交付并提交 GitHub |
| 开发 | codewriter | 上述需求、API 与技术约束 | 只修改 app.py;不编写、不执行测试;修复转交的问题 |
| 评审 | codereviewer | 完成的业务源码与验收标准 | 只读静态评审,按高/中/低风险指出问题;不代替开发改代码 |
| 测试 | testengineer | 通过评审的源码与验收标准 | 编写独立测试、实际执行、输出用例、通过率和缺陷复现信息;不修改业务源码 |
发送给开发 Agent 的任务包括完整命令格式、逾期边界、排序规则、异常处理与文件归属。发送给评审 Agent 的任务要求先读真实源码,区分阻塞问题和可接受限制。发送给测试 Agent 的任务要求独立设计断言,不把开发 Agent 的自述当作测试结果。
3. 协作过程与问题闭环
以下是本次实际调度记录的整理,不是预先写好的虚构团队对话。
3.1 先冻结需求,再写代码
我将需求交给 codewriter,同时说明它只拥有业务源码。它选择以 TaskStore 封装少量数据库操作,以 main(argv=None) 提供命令行入口。开发 Agent 完成后返回文件及 API 清单,没有自行把“能写出代码”当作“测试通过”。
开发自查发现一个边界:Python 整数可以大于 SQLite 支持的有符号 64 位整数。开发在冻结前补充 1 <= ID <= 2^63−1 校验,避免超大 ID 直接触发未捕获的绑定溢出。这是开发阶段的静态发现,未伪装成一次失败测试。
3.2 评审先给结论,再区分风险
codereviewer 对完整源码作只读静态审查。初审源码 SHA-256 为 be595fa7eb23345dbebeaec49bb15fc194c4666c6deb4a1a23f7e8dac17b7c53。结论是高风险 0 项、中风险 0 项、低风险 1 项,可进入测试。它确认了日期严格解析、逾期判断、稳定排序、参数化 SQL、事务、连接关闭和 ID 上限保护。
低风险发现 R01:通过导入 API 调用 add("\x00A", "2026-10-20") 时,Python 的字符串长度校验与 SQLite length() 对 U+0000 的处理不同,可能在数据库 CHECK 阶段抛出 IntegrityError。评审明确说明这只是静态推导,普通命令行参数无法传入空字符,尚未动态验证。
我代演需求方作出范围澄清:显式拒绝含 U+0000 的标题,并以 ValueError 返回清晰错误。这比修改数据库架构更直接,同时使导入 API 的输入契约一致。该决定是模拟需求活动,没有冒充用户额外作出过一次真实审批。
3.3 独立测试与修复
testengineer 编写了独立测试,并执行 python -m unittest discover -s tests -v。初轮共 28 个测试方法,27 个通过,1 个方法未通过,方法通过率为 96.43%。失败方法包含两个子用例:一个 ERROR、一个 FAIL,不是两个独立测试方法。
动态结果确认 R01,登记为 B01:
| 输入 | 初轮实际行为 | 澄清后的预期 |
|---|---|---|
"\x00A" |
SQLite CHECK 拒绝,抛 sqlite3.IntegrityError |
业务层显式抛 ValueError |
"A\x00B" |
没有按预期拒绝 | 业务层显式抛 ValueError |
测试还检查拒绝输入后已有记录保持不变。主控把完整复现交回原 codewriter,要求只在统一标题校验处修复,不改测试断言,不扩大存储架构。
开发只增加了一处保护:标题含 U+0000 时立即抛出说明原因的 ValueError,验证发生在 SQL 写入之前。codereviewer 读取新源码后确认该修复覆盖空字符位于开头、中间和结尾的情况,未发现新增阻塞问题,允许进入完整复测。
测试 Agent 在相同环境中,使用原有完整测试与断言执行第二轮:28/28 个方法全部通过,失败 0、错误 0,方法通过率 100%。实际终端摘要为 Ran 28 tests in 10.829s、OK,进程退出码 0。B01 的两个原有子用例均通过,且已有记录不变。没有为获得通过结果删除或放宽测试。
| 阶段 | 实际结果 | 下一步 |
|---|---|---|
| 开发与自查 | 单文件程序完成;补充 SQLite ID 范围保护 | 冻结源码交评审 |
| 初审 | 0 高、0 中、1 低风险(R01) | 将低风险边界纳入独立测试 |
| 初轮测试 | 27/28 通过;R01 动态确认并登记 B01 | 转交原开发 Agent |
| 修复与复审 | 统一入口拒绝 NUL;复审通过 | 保留原断言完整回归 |
| 第二轮测试 | 28/28 通过;B01 关闭 | 冻结产物、整合交付 |
3.4 可复用的角色提示词
以下是本次提示词的压缩整理,保留各角色的职责约束,可用于重新开展同类实验:
主控:先把用户意图变成范围与验收标准。调用 CodeWriter 编码并冻结版本,
再调用 CodeReviewer 静态评审。无严重问题后交 TestEngineer 编写并执行测试。
收到真实缺陷时交回原 CodeWriter 修复,复审后保留原测试完整回归。
汇总源码、测试、报告;明确区分模拟对话、静态推断和实际执行结果。
CodeWriter:根据需求只编写业务源码,不编写或执行测试。
完成后返回文件、API、实现说明和已知限制。只修复主控转交的问题。
CodeReviewer:只读完整源码,对照验收标准检查边界、数据、安全和性能。
按高/中/低风险报告位置、触发条件和建议;静态推导不得写成已执行复现。
不修改代码、不执行测试,修复后读取新版本复审。
TestEngineer:读取已完成且通过评审的源码,独立设计标准库测试并实际执行。
输出测试清单、真实结果、失败复现和源码版本;不修改业务源码。
修复后保留失败断言并完整回归,不虚构通过率或覆盖率。
4. 运行方法
安装 Python 3.11 或更新版本即可;无需安装第三方包。进入本仓库目录后执行:
python app.py --db demo.db add "完成软件工程 HW2" --due 2026-10-20 --priority high
python app.py --db demo.db add "阅读软件过程模型课件" --due 2026-10-16
python app.py --db demo.db list
python app.py --db demo.db list --status overdue --today 2026-10-17
python app.py --db demo.db complete 1
python app.py --db demo.db list --status done
python app.py --db demo.db delete 2
以上示例中的 ID 假定使用全新的 demo.db。--db 是全局选项,应当放在子命令前;不指定时,默认使用当前工作目录下的 tasks.db。--today 只影响本次查询,不修改电脑日期或存储的数据;省略时取电脑本地日期。日期不含时区和具体时刻。
查看帮助:
python app.py --help
python app.py list --help
测试方式及完整结果见 TEST_REPORT.md:
python -m unittest discover -s tests -v
. 文件与设计
| 文件 | 用途 |
|---|---|
| app.py | 业务 API、SQLite 存储与命令行入口 |
| tests/test_app.py | 独立的单元与命令行集成测试 |
| TEST_REPORT.md | 实际测试环境、用例、执行结果与缺陷情况 |
| README.md | 需求、角色、开发过程、问题处理、运行方法与经验 |
| .gitignore | 排除运行时数据库与 Python 缓存 |
采用 SQLite 是因为持久化、事务和参数绑定均由标准库提供,不需要自制文件存储协议。命令行与业务方法分离,使测试能够直接验证业务规则,也能用子进程检查退出码、标准错误和跨进程持久化。数据库保存在本机,不上传个人作业数据。
6. 我的经验总结
- 先把模糊词变成可判断的规则。 “逾期”“优先级排序”“失败提示”都要给出精确定义,尤其要说明今天到期、重复完成和无效 ID 的行为,否则三个 Agent 可能各自理解出不同结果。
- 分工需要文件边界。 开发不写测试,评审不改代码,测试不修业务逻辑。B01 由评审提出、测试确认、开发修复、评审复审、测试回归,责任链可以在产出物中核对。
- 静态结论和执行证据应分开。 评审最初提出的是可能问题,直到测试执行才成为已复现缺陷。发现问题后也不能只说“修好了”,应当用原测试及完整回归验证。
- 简单技术也有真实边界。 Python
len()与 SQLitelength()对空字符的处理差异,说明“用了标准库”仍需要检查语言层与存储层的契约。统一入口的一处输入校验足以修复,不必因此增加框架。 - 不要为了展示过程制造成果。 本文保留初轮失败结果,也明确区分开发自查、静态审查与动态测试;没有编造生产部署、多人协作、手工操作时长或性能提升百分比。
浙公网安备 33010602011771号