整理记录

当前文档对齐结论（2026-03-17，第二轮收口）

当前应优先相信哪些文档

• 请求结构与模板最终形态：
  • real-api-samples/
  • real-api-samples/review-summary.md
  • manual-acceptance.md
• 本文件下方按日期展开的长记录，仍保留“问题如何一步步收敛”的价值，但其中部分请求字段、样例命名、旧 compare 结构描述已经变成历史阶段信息。

当前已明确的实现事实

• 左侧分析：
  • 只围绕当前工作区目标本身展开。
  • basic 默认不再注入 referencePrompt。
  • pro-variable 只保留变量结构，不带变量值。
  • pro-multi 只保留最小会话位置上下文，不再发送完整 transcript。
• 右侧单结果评估：
  • 只使用“测试输入 + 当前快照执行提示词 + 当前输出”作为证据。
  • 不再额外注入 ## 当前工作区提示词。
  • 当前保留的是方向性 improvements，不再要求 patchPlan。
• 右侧对比评估：
  • 只使用“公共测试输入 + 多个执行快照”作为证据。
  • 不再默认注入 ## 当前工作区提示词。
  • 普通 compare 与跨模型 compare 都已经收紧为“必须先解释已观察到的关键差异”，不能先发散到泛建议。
• pro-variable / pro-multi 的右侧评估链路都已按“公共输入一次 + 快照差异单独展开”的最小化结构收口。

阅读旧记录时要特别注意

• 如果下文出现这些说法，应优先理解为历史阶段记录，而不是当前事实：
  • workspacePrompt + variants[]
  • resolvedPrompt 仍直接进入右侧评估请求
  • compare 里继续保留 ## 当前工作区提示词
  • 每个 compare variant 继续带“输入快照（渲染内容）”
  • pro/multi 右侧评估继续带 targetMessage + conversationMessages 原始 JSON

当前建议

• 后续如果再需要核对“代码现在到底发了什么给模型”，不要从本文件中段的旧日志反推，直接看：
  • docs/workspace/compare-evaluation-analysis/real-api-samples/*/rendered-messages.json
  • packages/core/src/services/template/default-templates/evaluation/builders.ts
  • packages/core/tests/unit/evaluation/result-compare-evidence-behavior.test.ts

补充状态（2026-03-17，左侧真实样例已清理为最终版本）

本次人工审查结论

• 左侧 prompt-only 的正式标准参考样例，应统一收敛到“最小输入”版本。
• 旧的 current / 冗余对照 样例已经从 real-api-samples/ 中删除，不再继续保留。

原因

• 历史样例中曾存在：
  • 当前工作区提示词
  • 参考提示词
  • designContext.rawPrompt 在同一次左侧分析请求里重复出现的问题。
• 这会导致同一份长提示词在一次左侧分析请求中重复出现。
• 与当前已经确认的输入最小化原则不一致：
  • 当前工作区提示词尽量只出现一次
  • 左侧分析不应默认携带旧参考提示词
  • 变量模式只保留变量结构，不保留测试值，也不重复保留原 prompt

当前收口后的标准参考口径

• basic-user
  • 标准参考：basic-user-prompt-only
• basic-system
  • 标准参考：basic-system-prompt-only-minimal
• pro-variable
  • 标准参考：pro-variable-prompt-only-minimal
• pro-multi
  • 标准参考：pro-multi-prompt-only-system-selected
  • 标准参考：pro-multi-prompt-only-user-selected

文档更新

• real-api-samples/
  • 已只保留最终标准样例目录
  • 旧的 basic-system-prompt-only
  • 旧的 pro-variable-prompt-only
  • 旧的 pro-variable-prompt-only-current
  • 旧的 pro-multi-prompt-only
  • 旧的 pro-multi-prompt-only-current
  • 旧的 pro-multi-prompt-only-minimal 均已删除
• README.md
  • 已改为“真实样例目录里只保留最终版本”的阅读指引

补充状态（2026-03-17，真实样例覆盖矩阵补齐 + Focus 有效性校验）

本次新增的真实样例

• 左侧：
  • basic-user-prompt-iterate-focus
• 右侧单结果评估：
  • basic-user-result-focus
• 右侧对比评估：
  • basic-system-compare-focus
  • pro-variable-compare-focus

当前 real-api-samples 的真实覆盖状态

• 左侧分析
  • prompt-only
    • basic-user / basic-system / pro-variable / pro-multi 均已有真实样例
  • prompt-only + focus
    • basic-user / basic-system / pro-variable / pro-multi 均已有真实样例
  • prompt-iterate + focus
    • 当前已有 basic-user 真实样例
• 右侧单结果评估
  • result
    • basic-user / basic-system / pro-variable / pro-multi 均已有真实样例
  • result + focus
    • 当前已有 basic-user / pro-variable / pro-multi 真实样例
• 右侧对比评估
  • compare
    • basic-user / basic-system / pro-variable / pro-multi 均已有真实样例
  • compare + focus
    • 当前已有 basic-user / basic-system / pro-variable / pro-multi 真实样例

本次新增的“Focus 是否真的生效”校验

• scripts/generate-real-api-samples.mjs
  • 现在支持为指定 case 配置 focusKeywords
  • 生成真实样例后，会检查响应中的：
    • summary
    • improvements
    • patchPlan（如果有）
  • 是否至少有一处命中 Focus 关键词
• 如果 Focus 没有真正反映到结果里，脚本会直接 fail

当前结论

• real-api-samples/ 现在不只是覆盖了“请求结构”。
• 对于重点的 focus case，还额外覆盖了“结果是否真的围绕 focus 展开”这一层语义验证。

补充状态（2026-03-17，右侧 result / compare 输入继续瘦身）

本次收口的实现点

• pro/variable 右侧单结果评估
  • 保留：
    • 公共测试输入中的变量值
    • 快照中的执行提示词与输出
  • 移除：
    • executionInput 中整段渲染后输入
    • 变量值在快照里的二次重复
• pro/multi 右侧单结果评估
  • 公共测试输入中的会话上下文，当前已改为：
    • 目标消息位置用 【当前执行提示词见下方快照】 标记
    • 实际目标消息内容只保留在下方 promptText
• pro/multi 右侧对比评估
  • 公共会话上下文现在只出现一次
  • 每个快照不再重复携带 executionInput
  • 对比时的差异集中体现在：
    • promptText
    • output
    • reasoning
    • modelKey / versionLabel

这次调整解决的重复问题

• 同一份变量值不再同时出现在：
  • 测试输入
  • 渲染后输入摘要
  • 渲染后整段 prompt
• 同一条被测上下文消息不再同时出现在：
  • 公共会话上下文
  • 每个 compare variant 的 executionInput
  • 每个快照的 promptText

本次验证

• pnpm -F @prompt-optimizer/core test -- tests/unit/evaluation/result-compare-evidence-behavior.test.ts
• pnpm -F @prompt-optimizer/core test -- tests/unit/evaluation/rendered-samples.test.ts
• pnpm -F @prompt-optimizer/ui test -- tests/integration/context-user-tester.spec.ts tests/integration/conversation-tester.spec.ts
• pnpm -F @prompt-optimizer/ui exec tsc --noEmit -p tsconfig.json
• pnpm -F @prompt-optimizer/core exec tsc --noEmit -p tsconfig.json

补充状态（2026-03-17，pro/multi prompt-only 示例进一步收口）

本次文档与样例收口

• pro/multi 左侧分析样例不再使用“情感陪伴”之类复杂示例
• 当前统一改为最简单的双消息场景：
  • system: 你是一个诗人
  • user: 请你写一首关于{{主题}}的诗。
• 并且不再写“相关会话摘要”，而是明确写成：
  • 会话上下文
  • 当前工作区消息位置用 【当前工作区要优化的提示词】 标记

新增的最终参考样例

• real-api-samples/pro-multi-prompt-only-system-selected
  • 选中 system 消息时：
    • system: 【当前工作区要优化的提示词】
    • user: 请你写一首关于{{主题}}的诗。
• real-api-samples/pro-multi-prompt-only-user-selected
  • 选中 user 消息时：
    • system: 你是一个诗人
    • user: 【当前工作区要优化的提示词】

当前结论

• pro/multi prompt-only 的最小输入规则已经进一步明确：
  • 不是“抽象摘要越短越好”
  • 而是“只保留对当前位置判断真正必要的最小会话上下文”
• 这比“相关会话摘要”更不容易失真，也更适合长提示词场景

补充状态（2026-03-17，pro/variable prompt-only 最小化已落地）

已完成的实现收敛

• packages/ui/src/composables/prompt/useEvaluationHandler.ts
  • pro/variable 左侧分析不再默认透传 referencePrompt
  • pro/variable 左侧分析的 designContext 不再使用整段 JSON stringify
  • 当前改为最小变量结构说明：
    • summary = 这里只说明模板变量结构，不包含任何测试值。
    • content = 变量: 风格, 主题
• packages/core/tests/unit/evaluation/rendered-samples.test.ts
  • 05-pro-variable-prompt-only-base 已改为最小输入样例
• packages/ui/tests/unit/composables/useEvaluationHandler.spec.ts
  • 已补 pro/variable 最小结构上下文断言
  • 已补 pro/multi 最小摘要上下文断言，避免退回完整 transcript

真实请求验证

• 已新增真实请求样例：
  • real-api-samples/pro-variable-prompt-only
  • real-api-samples/pro-variable-prompt-only-current
  • real-api-samples/pro-variable-prompt-only-minimal
• 真实请求结论：
  • 旧风格输入会重复出现 referencePrompt + rawPrompt
  • 最小化后仍然能稳定产出非空 patchPlan
  • 最小化版本的真实返回更干净，也更符合“长内容只出现一次”的约束

本次回归验证

• pnpm -F @prompt-optimizer/ui test -- tests/unit/composables/useEvaluationHandler.spec.ts
• pnpm -F @prompt-optimizer/core test -- tests/unit/evaluation/rendered-samples.test.ts
• pnpm -F @prompt-optimizer/ui exec tsc --noEmit -p tsconfig.json
• pnpm -F @prompt-optimizer/core exec tsc --noEmit -p tsconfig.json

补充状态（2026-03-17，pro/multi prompt-only 真实对照已完成）

当前实现的主要冗余

当前 pro/multi 左侧分析请求里，工作区提示词会在同一次请求中重复出现多次：

• workspacePrompt
• referencePrompt
• designContext.targetMessage.content
• designContext.conversationMessages[].content 中的目标消息内容

这意味着同一份长 system 消息可能在一次分析请求里出现 3-4 次。

真实请求对照结果

已新增真实请求样例：

• real-api-samples/pro-multi-prompt-only-current
• real-api-samples/pro-multi-prompt-only-minimal

对照结论：

• current
  • 带 referencePrompt
  • 带完整 targetMessage + conversationMessages JSON
  • 真实返回：overall = 70
  • 请求耗时：约 21492ms
• minimal
  • 不带 referencePrompt
  • 只带“目标消息角色 + 位置引用 + 最小相关消息”的短上下文
  • 真实返回：overall = 70
  • 请求耗时：约 11635ms

目前看，最小化版本没有明显损失分析能力，但请求更短、更聚焦，也更符合“同一长内容只出现一次”的约束。

当前建议

下一步优先建议把 pro/multi prompt-only 收敛到：

• workspacePrompt
• focus
• 极短 designContext
  • 目标消息角色
  • 当前工作区提示词在会话中的明确位置引用
  • 与目标消息直接相关的最少量上下文消息

默认不再发送：

• referencePrompt
• 完整 targetMessage.content
• 完整 conversationMessages transcript
• 任何与左侧设计分析无关的执行态快照

补充状态（2026-03-17，pro/multi prompt-only 最小化已落地）

已完成的实现收敛

• packages/ui/src/composables/prompt/useEvaluationHandler.ts
  • pro/multi 左侧分析不再默认透传 referencePrompt
  • pro/multi 左侧分析的 designContext 不再使用完整 targetMessage + conversationMessages JSON
  • 当前改为最小会话位置上下文：
    • summary = 当前分析目标是某一条上下文消息，不是整个会话结果。
    • content 仅包含：
      • 目标消息角色
      • 当前工作区提示词所在位置的显式标记
      • 与目标消息直接相关的最少量会话消息
• packages/ui/tests/unit/composables/useEvaluationHandler.spec.ts
  • 已补 pro/multi 最小摘要上下文断言
• packages/core/tests/unit/evaluation/rendered-samples.test.ts
  • 06-pro-multi-prompt-only-base 已改为最小输入样例

真实请求验证

• 已新增最终态真实样例：
  • real-api-samples/pro-multi-prompt-only
• 当前最终态真实返回：
  • overall = 60
  • patchPlan 非空
• 当前最终态请求已符合：
  • 不重复发送 referencePrompt
  • 不重复发送目标消息全文
  • 不发送完整 transcript

本次回归验证

• pnpm -F @prompt-optimizer/ui test -- tests/unit/composables/useEvaluationHandler.spec.ts
• pnpm -F @prompt-optimizer/core test -- tests/unit/evaluation/rendered-samples.test.ts
• pnpm -F @prompt-optimizer/ui exec tsc --noEmit -p tsconfig.json
• pnpm -F @prompt-optimizer/core exec tsc --noEmit -p tsconfig.json
• pnpm -F @prompt-optimizer/core build

补充状态（2026-03-17，输入最小化规范补充）

已新增“输入最小化与去重规范”

• 新增：
  • input-minimization-spec.md

本次补充的核心结论是：

• 同一份长内容，在一次 LLM 请求里应尽量只出现一次
• 左侧分析应进一步收口为“只看当前工作区”
• referencePrompt 不应作为默认输入继续保留
• designContext 只允许承载真正有设计语义的短摘要，不应继续承载 UI 来源说明
• 右侧 result / compare 应继续坚持“只看执行证据，不额外注入工作区全文”

对当前各任务的直接约束

• basic/user prompt-only
  • 默认只发 workspacePrompt
  • 有 focus 时再加 focus
  • 默认不发 referencePrompt
  • 默认不发 designContext
• pro/variable prompt-only
  • 默认不发变量值
  • 只允许发送变量结构或变量语义摘要
• result
  • 只发测试输入、执行提示词、输出
• compare
  • 公共输入只出现一次
  • 每个快照只保留独有 prompt / output / reasoning

补充状态（2026-03-16，workspace 语义收口）

测试区版本来源已统一为 workspace / v0 / vN

• basic-user
• basic-system
• pro-variable
• pro-multi
• image-text2image
• image-image2image

以上模式的右侧测试列当前都已把旧 'latest' 语义替换为 'workspace'：

• workspace = 下方工作区当前内容
• v0 = 原始输入
• v1..vn = 已持久化历史版本

并且：

• 旧 session 持久化值 'latest' 会在读取时迁移为 'workspace'
• 如果测试列选择 workspace，但当前工作区为空，则直接报错
• 不再 silently fallback 到 logic.prompt / 原始输入

basic 左侧“分析”后的链路重置问题已补回归

• basic-user / basic-system 左上输入区点击 分析 时：
  • 会重建左侧工作区
  • 会清理旧优化链显示
  • 会生成新的工作区 V0
• 已补：
  • UI 集成回归
  • store 持久化回归
  • Playwright e2e 回归

当前主线剩余问题重新收口

• 文本 workspace 主语义：可视为已基本完成
• image 右侧评估链路：仍未完成
• compare 去重建模（inputs[] + variants[]）：当前已明确降级为可选后续优化，不再作为本轮 blocker

补充状态（2026-03-15，MCP 复核 + 修复回写）

context-user 的 分析 -> 继续优化 真实路径已修复

• 根因已确认：
  • 左侧 分析 会创建虚拟 V0
  • 同时清空 currentChainId
  • 旧的继续优化路径仍尝试 addIteration(emptyChainId)，最终在 history manager 里抛出 RecordNotFoundError
• 当前修复方式：
  • 当 currentChainId 为空时，不再错误地追加到旧链
  • 改为走 createNewChain() 创建新迭代链
• 2026-03-15 MCP 实测结果：
  • 在 /#/pro/variable 中执行 分析 -> 关闭对话框 -> 继续优化 -> 确认优化
  • 工作区成功从 V0 进入 V1
  • 控制台为 0 errors / 0 warnings
  • 未再出现 RecordNotFoundError

相关 i18n 问题也已一起修正

• 原来错误引用了不存在的 key：toast.warning.historyFailed
• 当前已改为：toast.warning.saveHistoryFailed
• 2026-03-15 MCP 实测中未再出现历史保存失败相关的未翻译 key 泄漏

pro-variable 在修复后的评估链路已做同会话复核

• 左侧分析：
  • 仍然只带变量结构，不带变量值
• 右侧单结果评估：
  • 已实测带上当前工作区 V1 提示词
  • 已实测带上 variables[].value
  • 已实测带上 resolvedPrompt
  • 已实测带上当前列输出
• 右侧对比评估：
  • 已实测带上 ## 当前工作区提示词
  • 已实测带上 ### 方案 A / B
  • 已实测带上每个 variant 自己的 #### 输入快照（渲染内容）
  • 已实测带上每个 variant 自己的输出

文档补充

• 新增并持续回写：
  • manual-acceptance.md
• 当前该文档已经包含：
  • 4 个文本 workspace 的手工验收步骤
  • pro-variable 的 post-fix 复核步骤
  • 浏览器真实请求应如何检查

最新状态（2026-03-14，已按当前代码复核）

1. 已确认落地到代码的部分

评估类型与 core 协议

• EvaluationType 已收敛为：
  • result
  • compare
  • prompt-only
  • prompt-iterate
• 单结果评估模板已经改成 evaluation-*-result
• compare request 已改成：
  • workspacePrompt?
  • variants[]
• compare template 已切到“多快照证据”语义，不再默认把 A/B 解释成 original/optimized

文本 workspace 的 UI / 业务行为

• 4 个文本 workspace 的右侧单结果评估都已经是 variant 化 的
• 当前 active variants 中，只要该列有输出，就能触发 result
• compare 已经从“只在 2 列 A/B 出现”放宽为：
  • 当前 active variants 中
  • 至少 2 个有结果
  • 且不是 stale
  • 就可以触发 compare

分析输入边界

• context-user 左侧分析已经改为只走 analysisContext
• 该上下文只带变量结构，不带变量实例值
• basic 两个 workspace 左侧分析也不再吃右侧测试文本

状态与持久化

• PersistedEvaluationResults 已切为：
  • result: Record<string, EvaluationResponse | null>
  • compare
  • prompt-only
  • prompt-iterate
• 文本 workspace 的评估结果已按 variantId 分桶持久化

2. 本轮新增完成的修正

context-user / context-system 的右侧单结果评估上下文已按 variant 独立

• useEvaluationHandler 现在允许 resultTargets[variantId] 自带 proContext
• context-user 的单结果评估会按当前列单独构造：
  • rawPrompt
  • resolvedPrompt
  • 当前列变量值
• context-system 的单结果评估会按当前列单独构造：
  • targetMessage
  • conversationMessages

context-user compare payload 已带 per-variant input snapshot

• 当前会带每个 variant 的：
  • prompt
  • output
  • reasoning
  • modelKey
  • versionLabel
  • input
    • label = Rendered Content
    • content = 当前列渲染后输入
    • summary = 当前列变量值摘要

compare 结构仍是 workspacePrompt + variants[]

• 当前 compare 已经足够表达多测试快照
• 但还没有继续演进到更彻底的：
  • inputs[]
  • variants[]
  • 输入引用关系
• 这条目前已降级为后续可选优化，不再作为主链路 blocker

context-system compare payload 目前已经相对完整

• 每个 variant 已显式带 Conversation Snapshot
• 如果有 tools，也会一起拼入 input content

image 模式右侧评估链路仍未完成

• 当前 image 只有左侧 prompt-only 分析模板
• 没有 image 的 result / compare 模板
• workspace 右侧也没有完成对应评估接线

还有一些内部旧 compare 残留

• 共享测试面板内部 tool-call 分桶仍使用：
  • COMPARE_BASELINE_VARIANT_ID
  • COMPARE_CANDIDATE_VARIANT_ID
• 旧 tester helper 文件仍在仓库里，但当前文本 workspace 主链路已不再依赖它们

3. 本次文档更新结果

已更新

• current-analysis-feature-map.md
  • 改成只讲当前实现事实
  • 移除了正文里大量“旧实现现状”的混淆
• findings.md
  • 改成“当前已落地 / 当前偏差 / 下一步建议”的结构
  • 不再把旧 A/B 问题当成当前事实
• README.md
  • 目录说明改成“分析 / 评估 / 对比评估”口径
  • 避免继续把 compare evaluation 误写成“对比分析”
• manual-acceptance.md
  • 补齐了手工点击步骤、抓包关注点、以及 pro-variable 修复项的 post-fix 复核结论

保持为设计框架 / 目标文档

• task_plan.md
  • 仍然是本轮目标定义
  • 仅补充了状态说明，标明 pro 两个 workspace 的 per-variant 右侧上下文精度这轮已经补齐
• overall-reframing.md
  • 仍然保留为设计框架文档
  • 顶部状态说明已同步到当前代码事实
  • 需要结合本文件和 current-analysis-feature-map.md 一起读

4. 当前最准确的状态判断

如果只用一句话概括当前进度：

• 文本 workspace 的语义重构已经基本完成，4 个文本 workspace 的左侧分析与右侧 result / compare 都已有真实回归覆盖；测试区版本来源也已统一到 workspace / v0 / vN，当前主线剩余问题主要是 image 模式右侧评估链路还没做完。

5. 关于“是不是问题复杂化了”的结论

当前更准确的结论不是“任务本身复杂化了”，而是：

• 主任务已经基本收口
• 剩下暴露出来的是第二层实现精度问题

建议这样理解：

• 文本 workspace 的主语义重构：已经基本完成
• compare 去重建模：后续收紧项
• image 右侧评估链路：后续扩展项

这样做的目的，是避免把当前所有残留问题继续抬升为本轮主任务的 blocker。

6. 本轮补充的回归验证（2026-03-14）

已通过

• pnpm -F @prompt-optimizer/ui typecheck
• pnpm -F @prompt-optimizer/core test -- tests/unit/evaluation/service.test.ts
• pnpm -F @prompt-optimizer/ui test -- tests/unit/composables/compareEvaluation.spec.ts tests/unit/composables/useEvaluationHandler.spec.ts tests/unit/components/EvaluationScoreBadge.spec.ts tests/unit/components/EvaluationHoverCard.spec.ts tests/unit/composables/useAppPromptGardenImport.spec.ts
• pnpm -F @prompt-optimizer/ui test -- tests/unit/stores/session/basic-session-persistence.spec.ts tests/unit/stores/session/pro-session-persistence.spec.ts
• pnpm -F @prompt-optimizer/ui test -- tests/integration/basic-workspace-logic.spec.ts tests/integration/context-user-tester.spec.ts tests/integration/conversation-tester.spec.ts
• pnpm exec playwright test tests/e2e/analysis/basic-user.spec.ts --grep "分析提示词并显示评估结果"
• pnpm exec playwright test tests/e2e/analysis/basic-system.spec.ts --grep "分析提示词并显示评估结果"
• pnpm exec playwright test tests/e2e/analysis/pro-variable.spec.ts --grep "分析带变量的提示词并显示评估结果"
• E2E_VCR_MODE=replay pnpm exec playwright test tests/e2e/analysis/pro-multi.spec.ts
• pnpm exec playwright test tests/e2e/test/basic-system-compare-test.spec.ts --grep "测试后可触发单结果评估与对比评估"
• pnpm exec playwright test tests/e2e/test/basic-user-test.spec.ts
• pnpm exec playwright test tests/e2e/test/basic-user-test.spec.ts --grep "三列测试后可触发多变体对比评估"
• pnpm exec playwright test tests/e2e/test/pro-variable-test.spec.ts
• E2E_VCR_MODE=replay pnpm exec playwright test tests/e2e/test/pro-multi-test.spec.ts
• E2E_VCR_MODE=replay pnpm exec playwright test tests/e2e/analysis/basic-system.spec.ts tests/e2e/analysis/basic-user.spec.ts tests/e2e/analysis/pro-variable.spec.ts tests/e2e/analysis/pro-multi.spec.ts tests/e2e/test/basic-system-compare-test.spec.ts tests/e2e/test/basic-user-test.spec.ts tests/e2e/test/pro-variable-test.spec.ts tests/e2e/test/pro-multi-test.spec.ts

本轮新增 / 修正的测试

• 新增 packages/ui/tests/unit/composables/compareEvaluation.spec.ts
  • 锁定 compare payload 的规范化、过滤与输入快照清洗逻辑
• 新增 packages/ui/tests/unit/composables/useEvaluationHandler.spec.ts
  • 锁定 result / compare / prompt-only 路由行为
  • 锁定 PersistedEvaluationResults 的 variant 分桶恢复与回写
• 修正旧集成测试断言
  • context-user-tester.spec.ts
  • conversation-tester.spec.ts
  • 两者都已切到新 variantStates 结构，不再依赖旧 testResults.originalResult / optimizedResult
• 新增 basic-user 右侧 3 列 compare e2e
  • 覆盖 A/B/C 三列 run-all 后触发 compare 评估
  • 配套新增真实录制 fixture：
    • tests/e2e/fixtures/vcr/test-basic-user-test-spec-ts/三列测试后可触发多变体对比评估.json
• 新增 pro-variable 右侧评估 e2e
  • 覆盖填写变量后：
    • 两列 run-all
    • 单结果 result 评估
    • 顶部 compare 评估
  • 配套新增真实录制 fixture：
    • tests/e2e/fixtures/vcr/test-pro-variable-test-spec-ts/填写变量后可触发单结果评估与对比评估.json
• 新增 pro-multi 右侧评估 e2e
  • 覆盖多消息 workspace 中：
    • 左侧选中消息优化
    • 右侧 A/B 顺序测试
    • 单结果 result 评估
    • 顶部 compare 评估
  • 配套新增真实录制 fixture：
    • tests/e2e/fixtures/vcr/test-pro-multi-test-spec-ts/多消息工作区测试后可触发单结果评估与对比评估.json
• 新增 pro-multi 左侧分析 e2e
  • 覆盖多消息 workspace 中：
    • 左侧选中消息优化
    • 等待优化流式完成
    • 左侧 prompt-only 分析
    • 分数徽章显示
  • 配套新增真实录制 fixture：
    • tests/e2e/fixtures/vcr/analysis-pro-multi-spec-ts/分析对话优化结果并显示评估分数.json
• 新增 basic-system 右侧评估 e2e
  • 覆盖填写测试输入后：
    • 两列 run-all
    • 单结果 result 评估
    • 顶部 compare 评估
  • 配套新增真实录制 fixture：
    • tests/e2e/fixtures/vcr/test-basic-system-compare-test-spec-ts/测试后可触发单结果评估与对比评估.json

当前尚未补齐的 e2e 边界

• image 模式本轮明确先不补右侧评估
  • 原因不是语义未定，而是输出是图片，需要视觉分析能力，当前文字型 VCR 回归价值有限

本轮 e2e 修正结果

• 原先卡住的 2 条分析 e2e 已确认不是产品功能回归，而是 VCR fixture 与当前 analysis request body / requestHash 漂移
• 已将以下 fixture 刷新为当前 interactions[] 格式，并对齐到现有 core 模板渲染出的 request body
  • tests/e2e/fixtures/vcr/analysis-basic-system-spec-ts/分析提示词并显示评估结果.json
  • tests/e2e/fixtures/vcr/analysis-basic-user-spec-ts/分析提示词并显示评估结果.json
  • tests/e2e/fixtures/vcr/analysis-pro-variable-spec-ts/分析带变量的提示词并显示评估结果.json
  • tests/e2e/fixtures/vcr/analysis-pro-multi-spec-ts/分析对话优化结果并显示评估分数.json
• 修正后，已有 analysis e2e 已恢复为绿色
• 另外补了一处测试基建问题：
  • expectOptimizedResultNotEmpty() 现在会继续等待优化按钮重新可用
  • 避免在流式优化尚未结束时过早点击左侧分析，导致 pro-multi 按钮仍处于重建阶段
• basic-system 现已同时具备：
  • 左侧 prompt-only 分析的真实 fixture
  • 右侧测试输出回归 fixture
  • 右侧单结果 result 评估真实 fixture
  • 右侧 compare 评估真实 fixture
• basic-user 现已同时具备：
  • 左侧 prompt-only 分析的真实 fixture
  • 右侧单结果 result 评估的真实 fixture
  • 右侧 2 列 / 3 列 compare 评估的真实 fixture
• pro-variable 现已同时具备：
  • 左侧 prompt-only 分析的真实 fixture
  • 右侧填写变量后的单结果 result 评估真实 fixture
  • 右侧填写变量后的 compare 评估真实 fixture
• pro-multi 现已具备：
  • 左侧 prompt-only 分析真实 fixture
  • 右侧单结果 result 评估真实 fixture
  • 右侧 compare 评估真实 fixture
  • 对应多消息输入场景的真实录制回放

7. 本轮提交拆分结果（2026-03-14）

当前分支 codex/compare-evaluation-analysis-refactor 上，与这轮收口直接相关的提交已经拆成：

• 34960c1 refactor(core): reshape evaluation protocol around results
• af06ff5 refactor(ui): variantize analysis and evaluation flows
• 99779c5 docs(workspace): capture analysis and evaluation refactor status
• cd835ac test(e2e): refresh analysis vcr fixtures
• 3034d46 chore(git): ignore local codex folders

这样拆分后：

• core 协议与模板语义变更
• UI variant 化与状态重构
• 文档对齐
• e2e fixture 收口
• 本地开发环境忽略项

已经是相对清晰的边界。

8. 更适合的下一步

• 先按逻辑边界拆分提交：
  • 当前这一步已经完成，可直接进入 review / PR 整理
• 如果继续补质量保障，可以补更多文本边界用例，例如：
  • 左侧分析弹窗 / badge 的更多异常态
  • compare 多列切换版本后的 stale / re-run 组合
• 如果继续补架构收口，优先再决定 compare 是否还要演进到 inputs[] + variants[]

Source: docs/workspace/compare-evaluation-analysis/history/progress.md