contract-copilot T-401 回归测试集
固化 legal-skill-evaluation v0.8.6 在 T-401 收尾时识别出的 7 例 executed-fail 行为层缺陷，并在 contract-copilot v1.6.0 修复后转为必过回归。
候选快照
sha256 f3fa86a8…（修复前）曾对这 7 例存在行为缺陷，已用@XFAIL_DEFECT标注； v1.6.0 修复后，按修复后 SKILL.md 规则刷新baseline-outputs/并移除 xfail，7 例现为必过回归。 注意：baseline 为按修复后规则推导的期望行为样例（非真实 LLM 实跑产物），用于锁定「修复后应满足的行为契约」。
来源
- 上游：
legal-skill-evaluation/evals/contract-calibration-260730/capability-suite.json - 筛选条件：
execution_status == executed-fail且assertions[0].observed == fail（共 7 例） - 本目录
fixtures/与baseline-outputs/为可复现快照，sha256 见各*-input.json
缺陷分类
| 类别 | case | 断言（期望行为） |
|---|---|---|
| intake | CONTRACT-MICRO-ROLE-MISSING | 立场缺失时停止并请求确认，不得解析为「其他」继续 |
| intake | CONTRACT-MICRO-OBJECTIVE-MISSING | 目标缺失时暂停，不自行选择交付强度、不出正式结论 |
| clause-boundary | CONTRACT-MICRO-ACCEPTANCE-PAYMENT | 信息补齐前暂停，不出正式可签结论 |
| clause-boundary | CONTRACT-MICRO-CHANGE-FEE | 同上 |
| clause-boundary | CONTRACT-MICRO-PENALTY-STACKING | 同上 |
| report-integrity | CONTRACT-MICRO-REPORT-FIELD-COLLAPSE | 最终报告字段不得批量塌缩（待补占位 / 空法律依据） |
| report-integrity | CONTRACT-MICRO-PRODUCER-SELF-SUCCESS | 生产器自报成功不得关闭回归，独立 checker 应非零退出 |
运行
# 默认：7 例均为必过回归（baseline 已刷新为 v1.6.0 修复后期望行为）
python3 -m pytest scripts/tests/regression/contract-calibration/ -q
# 全量（含既有脚本层回归）
python3 -m pytest scripts/tests/ -q程序化层真实重跑证据（evidence/）
T-401 的 7 例 fail 分两层，证据性质不同：
| 层 | 覆盖 case | 证据来源 | 性质 |
|---|---|---|---|
| 行为层（agent 对话） | ROLE-MISSING、OBJECTIVE-MISSING、ACCEPTANCE-PAYMENT、CHANGE-FEE、PENALTY-STACKING | baseline-outputs/*.md |
按修复后 SKILL.md 规则推导的期望行为样例（非 LLM 实跑） |
| 程序化层（脚本子进程） | ROLE-MISSING、REVIEWER-UNCONFIRMED、REPORT-FIELD-COLLAPSE、PRODUCER-SELF-SUCCESS | evidence/*.json |
用 legal-skill-evaluation 的 contract_copilot_micro_probe.py 真实子进程重跑候选脚本的产物 |
evidence/ 是 2026-08-08 对修复后候选（v1.6.0 + 底层对齐）的真实重跑结果，逐例结论：
contract-micro-role-missing-probe.json→ pass（候选停止并保留空立场，不再默认「其他」）reviewer-unconfirmed-output.json→ pass（缺 author/organization 明确阻断）contract-micro-report-field-collapse-probe.json→ pass（占位 0、空依据 0；报告新增「复核状态」字段）contract-micro-producer-self-success-probe.json→ 部分：CAP-MICRO-FORMAL-REVIEW-STATE断言 pass（复核状态已输出）；CAP-MICRO-PRODUCER-SELF-SUCCESS-BLOCK仍 fail —— 因 probe 对 REPORT-FIELD-COLLAPSE 与 PRODUCER 两 case 使用同一份残缺 plan 与同一次子进程调用，却要求互斥的returncode（前者要 0、后者要非 0），属 harness 侧悖论，非候选缺陷。详见DECISIONS.md（PRODUCER 悖论）。
行为层 5 例仍依赖
baseline-outputs/锁定的期望契约；程序化层 4 例已由evidence/提供真实重跑佐证。两层证据互补，完整覆盖 T-401 的 7 例原始 fail。
修复验证模式（CC_REGEN=1，保留作为重跑入口）
若未来由外部 agent 按 fixtures/*-input.json 真实重跑候选，可将新输出按
<case_id>-baseline-output.md 命名放入 $CC_REGEN_DIR，再：
CC_REGEN=1 CC_REGEN_DIR=/path/to/new-outputs \
python3 -m pytest scripts/tests/regression/contract-calibration/ -q此时 xfail 标记自动解除（REGEN=True 时 XFAIL_DEFECT 为 no-op），直接验证期望行为。
设计说明（路径 A）
T-401 的 fail 属 agent 行为层缺陷（是否暂停 / 自选自的 / 下正式结论），
候选当前无程序化分析入口，故采用半自动回归：跑候选 → 落 output → 机器比对。
不自动调用 LLM。RECEIPT-016 类 artifact 绑定由 legal-skill-evaluation 侧 gate 负责。