.opencode/canonical-manifest.json

@@ -20,7 +20,8 @@
     ".opencode/skills/problem-distillery/",
     ".opencode/skills/profile-memory/",
     ".opencode/skills/spec-docs/",
-    ".opencode/skills/game-design/"
+    ".opencode/skills/game-design/",
+    ".opencode/skills/skill-tester/"
   ],
   "template_data_files": [
     ".opencode/data/changelog/changelog-full.md",
@@ -49,7 +50,7 @@
   "cleanup_delete_patterns": [
     { "pattern": ".opencode/*.log", "note": "调试日志" },
     { "pattern": ".opencode/_init-backup/", "note": "上一轮冲突备份残留" },
-    { "pattern": ".opencode/_gitignore-preview", "note": "阶段 5.5 临时预览文件" }
+    { "pattern": ".opencode/skills/skill-tester/reports/*.md", "note": "测试报告（运行时产物）" }
   ],
   "sentinel": ".opencode/.init-done"
 }

.opencode/data/changelog/changelog-full.md

@@ -4,27 +4,4 @@
 
 ## 记录
 
-### [CL-20260503-2105] 2026-05-03 21:05 — 实现游戏设计全流程辅助系统（阶段注入 + game-design Skill）
-- **tags**: phase-system, game-design, skill-creation, architecture, infra
-- **affected_files**:
-  - AGENTS.md
-  - .opencode/skills/（9个 SKILL.md，含新增 game-design 与 8个现有修改）
-  - .opencode/skills/game-design/templates/（5个新增模板文件）
-  - .opencode/skills/game-design/prompts/（2个新增 sub-agent 提示文件）
-  - .opencode/phase/（current.json + 7个设计阶段数据文件，新增）
-  - .opencode/skills/epee-orchestrator/registry.md
-  - .opencode/canonical-manifest.json
-- **what**: 实现基于阶段（phase）的项目工作流系统 + game-design Skill。AGENTS.md 新增"阶段检查"块作为启动序列最高优先级；8 个现有 Skill 追加 `phases: ["all"]`；新增 game-design Skill（`phases: ["design"]`）实现创意概念→参考分析→多轮问答→设计大纲全链路。
-- **why**: Skill 增多导致上下文膨胀；设计阶段缺少结构化工具。阶段机制按需注入，game-design Skill 将非结构化的游戏设计讨论编码为可追踪、可恢复的结构化工作流。
-- **decisions**: 
-  - 阶段隔离采用"Skill 入口守卫"模式（每个 SKILL.md 加载后首个动作验证 phase），配合"立即+下次"双重切换机制
-  - Hallucination 三级防御：置信度标注（确认/推断/推测）+ 来源 URL 锚定 + 局限性声明
-  - 五维一致性审查作为步骤 4→5 强制停留点
-  - 不可逆决策三级标记（🔴不可逆/🟠高成本回退/🟢可回退）+ 强制确认
-  - 问答质量预防+反馈双循环
-  - 状态管理事务化（in_progress 标记 + checkpoint 恢复）
-  - SKILL.md 主干分支分离（主文件 ~110 行 + 7 个独立模板按需加载）
-  - Devil's Advocate 语气约束（"挑战前提"非"质疑"）
-- **notes**: game-design 仅 design 阶段可加载；跨会话恢复依赖 state.json；设计大纲在开发阶段自动注入；qa-quality-report 项目本地存储；canonical-manifest.json 新增 template_phase_files 分组
-
 <!-- 新条目追加在此行上方 -->

.opencode/data/changelog/changelog-headlines.md

@@ -2,5 +2,4 @@
 
 最近 ~50 次改动的一句话概要，按时间倒序排列。每次会话自动注入上下文。
 
-- [CL-20260503-2105] 实现阶段注入系统与 game-design Skill：新增 phase 机制区分设计/开发阶段，实现五步游戏设计全流程辅助（参考分析→多轮问答→一致性审查→设计大纲），含 Hallucination 三级防御与事务化状态管理
 <!-- 新条目追加在此行上方 -->

.opencode/data/changelog/changelog-recent.md

@@ -3,10 +3,4 @@
 最近 ~10 次改动的摘要记录，按时间倒序排列。
 当 Agent 检测到当前任务与近期改动相关时自动读取。
 
-### [CL-20260503-2105] 2026-05-03 — 实现游戏设计全流程辅助系统（阶段注入 + game-design Skill）
+<!-- 新条目追加在此行上方 -->
-- **tags**: phase-system, game-design, skill-creation, architecture
-- **affected_files**: AGENTS.md, 9个 SKILL.md（修改8个+新增1个）, 7个模板/提示文件, phase/ 目录结构, registry.md, canonical-manifest.json
-- **summary**: 
-  新增阶段（phase）系统：通过 current.json 控制项目处于设计/开发/QA/量化阶段，AGENTS.md 启动时读取并约束 Skill 加载。8 个现有 Skill 标记 phases: ["all"]，新增 game-design Skill 标记 phases: ["design"]。
-  game-design Skill 实现五步游戏设计工作流：参考游戏发现→并行 sub-agent 反拆 GDD+社群分析→Devil's Advocate 前提挑战→3轮×5题初步问答→3+轮深度问答→输出含 VISTA 框架的设计大纲。
-  内建 Hallucination 三级防御、五维一致性审查、不可逆决策标记、问答质量双循环、事务化状态管理。

.opencode/phase/current.json

@@ -1,6 +1,5 @@
 {
   "phase": "design",
-  "switched_at": "2026-05-03T20:57:00+08:00",
+  "switched_at": null,
-  "switched_by": "init",
   "previous_phase": null
 }

.opencode/skills/epee-orchestrator/registry.md

@@ -84,3 +84,11 @@
 - **输出**: `.opencode/phase/data/design/` 下的 state.json、concept.md、reference-analysis/*.md、qa-initial/*.md、qa-deep/*.md、design-outline.md、qa-quality-report.md
 - **路径**: .opencode/skills/game-design/SKILL.md
 - **备注**: 仅 `phases: ["design"]`；内建 Hallucination 三级防御（置信度标注+来源锚定+局限性声明）、一致性审查（5 维度矛盾检测）、不可逆决策标记、问答质量预防+反馈双循环、事务化状态管理；支持跨会话恢复
+
+### skill-tester
+- **类型**: 基础设施
+- **能力**: SKILL 体系自动化回归测试工具 — 基于 LLM-as-Judge 模式模拟 Agent 行为并评分，验证 Skill 的阶段守卫、规则遵循、输出格式等维度，支持单 Skill 测试和全量回归
+- **触发场景**: "测试Skill"、"测试 [Skill名]"、"回归测试"、"skill test"、"跑测试"、"测试覆盖率"
+- **输出**: skill-tester/reports/ 下的测试报告、每个用例的评分 JSON
+- **路径**: .opencode/skills/skill-tester/SKILL.md
+- **备注**: `phases: ["all"]`；测试分两层——Layer 1 静态文件合规检查（未来实现）、Layer 2 LLM-as-Judge 行为测试（本 Skill 实现）；不测试 opencode 的 Skill 加载机制本身，仅测试 SKILL.md 中的指令逻辑

.opencode/skills/game-design/SKILL.md

@@ -10,10 +10,10 @@ description: >-
 
 **本 Skill 加载后的首个强制动作：**
 1. 读取 `.opencode/phase/current.json`
-2. 若 `phase` 值不在本 Skill 的 `phases` 列表中：
+2. 若 `phases` 不包含 `"all"` 且当前 `phase` 值不在 `phases` 列表中：
    - 立即中止，输出："当前阶段为 [phase]，game-design Skill 不可用。请切换到设计阶段。"
    - 不得执行本 Skill 的任何后续流程
-3. 若 `phase` 匹配：继续执行
+3. 否则：继续执行
 
 ---
 

.opencode/skills/skill-tester/SKILL.md

@@ -0,0 +1,206 @@
+---
+name: skill-tester
+phases: ["all"]
+description: >-
+  SKILL 体系自动化测试工具。通过 LLM-as-Judge 模式对 SKILL.md 的行为逻辑进行回归测试，
+  验证阶段守卫、规则遵循、输出格式等维度。触发关键词："测试Skill"、"测试 [skill名]"、
+  "回归测试"、"skill test"、"跑测试"。
+---
+
+# 相位守卫（Phase Guard）
+
+**本 Skill 加载后的首个强制动作：**
+1. 读取 `.opencode/phase/current.json`
+2. 若 `phases` 不包含 `"all"` 且当前 `phase` 值不在 `phases` 列表中：
+   - 立即中止，输出："当前阶段为 [phase]，skill-tester Skill 不可用。"
+   - 不得执行本 Skill 的任何后续流程
+3. 否则：继续执行
+
+---
+
+# 概述
+
+skill-tester 是元层测试工具，通过 LLM-as-Judge 模式验证 SKILL.md 的行为逻辑。
+**核心原理**：将 SKILL.md 内容 + 模拟用户输入注入 sub-agent，观察其输出是否符合预期，
+再用另一个 sub-agent 作为裁判评分。
+
+**不测试什么**：opencode 的 Skill 加载机制本身（那是 opencode 的责任）。
+**测试什么**：SKILL.md 中的指令逻辑——当 LLM 忠实执行这些指令时，产生正确的行为。
+
+---
+
+# 操作 A：测试单个 Skill
+
+## 触发
+
+用户说"测试 [Skill 名称]"、如 "测试 game-design"、"测试 dev-changelog"。
+
+## 流程
+
+```
+1. 读取目标 Skill 的 SKILL.md
+2. 读取 .opencode/skills/skill-tester/test-cases/ 下匹配该 Skill 的测试用例
+3. 列出测试用例清单，询问用户确认
+4. 用户确认后，逐一执行
+5. 汇总报告
+```
+
+## 步骤 3：测试用例预览
+
+```
+Agent 输出：
+"找到 [N] 个针对 [Skill名] 的测试用例：
+
+| # | ID | 场景 | 严重度 |
+|---|-----|------|--------|
+| 1 | phase-guard-001 | 非匹配阶段拒绝加载 | critical |
+| 2 | ... | ... | ... |
+
+预计消耗约 [估算token] tokens。是否全部执行？(y/n/选择特定用例)"
+```
+
+## 步骤 4：单用例执行
+
+### 4.1 构造模拟 Sub-agent
+
+将以下内容组装为一个 prompt，通过 Task tool（sub-agent type = general）执行：
+
+```
+你正在模拟一个 opencode agent，该 agent 刚刚加载了以下 Skill：
+
+---
+[目标 SKILL.md 的完整内容]
+---
+
+**当前会话上下文：**
+- 当前阶段 (phase)：[test_case.phase]
+- 用户消息："[test_case.user_message]"
+- state.json 状态：[test_case.state]（如适用）
+
+**你的任务**：严格按照上述 Skill 中的指令行事。
+你拥有所有 opencode agent 的工具（bash/read/write/edit/...）。
+
+用户说了："[test_case.user_message]"
+
+请输出你的响应。只输出你作为 agent 会输出的内容。
+注意：
+- 如果是 phase guard 测试，第一个行为应该是检查阶段并可能中止
+- 如果 Skill 要求写文件，输出你打算写什么以及写到哪个文件（但不要实际写）
+- 如果 Skill 有强制规则（如 Hallucination 防御），务必遵守
+```
+
+### 4.2 执行并收集输出
+
+```
+Agent 调用 Task tool → 等待 sub-agent 完成 → 收集其文本输出
+```
+
+### 4.3 Judge 评估
+
+将模拟 sub-agent 的输出 + 预期行为 + 评分标准传给 Judge sub-agent。
+
+Judge 的详细指令见 [judge-prompt.md](judge-prompt.md)。
+
+调用方式：
+```
+Agent 调用 Task tool，prompt 为 judge-prompt.md 的内容（已填充变量）→ 等待完成
+```
+
+### 4.4 记录结果
+
+```json
+{
+  "test_id": "phase-guard-001",
+  "skill": "game-design",
+  "timestamp": "...",
+  "scores": {
+    "behavior_match": 5,
+    "output_clarity": 4,
+    "rule_compliance": 5
+  },
+  "overall": 4.7,
+  "judge_feedback": "Agent 正确识别了阶段不匹配..."
+}
+```
+
+## 步骤 5：汇总报告
+
+```
+Agent 输出（Markdown）：
+
+## 测试报告：[Skill 名称]
+
+**执行时间**：[timestamp]
+**测试用例数**：[total] | 通过：[pass] | 失败：[fail] | 跳过：[skip]
+
+| # | ID | 场景 | 行为 | 清晰度 | 合规 | 总分 | 状态 |
+|---|-----|------|------|--------|------|------|------|
+| 1 | phase-guard-001 | 阶段拒绝 | 5 | 4 | 5 | 4.7 | ✅ |
+| 2 | ... | ... | ... | ... | ... | ... | ❌ |
+
+### 失败用例详情
+#### [ID] — [场景]
+- **预期**：[expected 描述]
+- **实际**：[agent 实际输出摘要]
+- **裁判反馈**：[judge 的具体反馈]
+- **建议**：[改进建议]
+```
+
+---
+
+# 操作 B：回归测试（全部 Skill）
+
+## 触发
+
+用户说"回归测试"、"跑全部测试"、"test all skills"。
+
+## 流程
+
+```
+1. 读取 test-cases/ 下所有测试用例
+2. 按 Skill 分组展示
+3. 询问用户确认（因为消耗较大）
+4. 按 Skill 逐一执行（每个 Skill 内部用例并行执行）
+5. 汇总全部报告
+```
+
+## 执行策略
+
+- 同一 Skill 内的多个用例可以**并行执行**（无状态依赖）
+- 不同 Skill 之间**顺序执行**（避免混淆）
+- 单个用例超时 60 秒
+- 如有用例执行失败（sub-agent 错误），标记为 ERROR 而非 FAIL
+
+---
+
+# 操作 C：查看历史报告
+
+## 触发
+
+用户说"查看测试报告"、"上次测试结果"。
+
+## 流程
+
+读取 `.opencode/skills/skill-tester/reports/` 下最新报告，展示摘要。
+
+---
+
+# 评分标准说明
+
+每个测试用例在 3 个维度上评分（1-5）：
+
+| 维度 | 含义 | 5 分标准 |
+|------|------|---------|
+| **行为匹配 (behavior_match)** | Agent 的输出行为是否符合预期 | 核心决策（如加载/拒绝加载）完全正确 |
+| **输出清晰度 (output_clarity)** | 输出是否清晰、无歧义 | 信息完整、结构清楚、用户可直接理解 |
+| **规则合规 (rule_compliance)** | 是否遵守了 SKILL.md 中的强制规则 | 所有强制检查点均已执行 |
+
+**通过标准**：总分 >= 4.0（即平均每维度 >= 4.0）。
+**警告标准**：3.0 <= 总分 < 4.0。
+**失败标准**：总分 < 3.0。
+
+---
+
+# 自迭代日志
+
+本节记录使用本 Skill 过程中发现的必要检查项。

.opencode/skills/skill-tester/judge-prompt.md

@@ -0,0 +1,87 @@
+# Judge 评估提示模板
+
+你是一个 SKILL 行为评估裁判（Skill Behavior Judge）。你的任务是评估一个 opencode agent
+在特定场景下的输出是否达到了预期行为标准。
+
+## 评估输入
+
+### 场景背景
+- **被测 Skill**：[skill_name]
+- **测试场景**：[scenario_description]
+- **当前阶段 (phase)**：[phase]
+
+### 用户消息
+```
+[user_message]
+```
+
+### 预期行为
+[expected_behavior]
+
+### Agent 实际输出
+```
+[agent_output]
+```
+
+---
+
+## 评估规则
+
+### 你必须逐项评分（1-5 分）
+
+#### 维度 1：行为匹配 (behavior_match)
+Agent 的核心行为决策是否符合预期？
+- 5：核心决策完全正确，无任何偏差
+- 4：核心决策正确，但有 1 处不影响结果的偏差
+- 3：核心决策部分正确，但有 1 处需要注意的偏差
+- 2：核心决策错误
+- 1：完全不符合预期
+
+#### 维度 2：输出清晰度 (output_clarity)
+Agent 的输出是否清晰、准确、无歧义？
+- 5：信息完整、语气恰当、用户可直接理解
+- 4：信息完整，但表达略有冗余
+- 3：信息基本完整，但有关键细节不清晰
+- 2：信息缺失或容易引起误解
+- 1：输出混乱、无法理解
+
+#### 维度 3：规则合规 (rule_compliance)
+（仅当被测 Skill 有强制规则时使用。如果没有，此项与行为匹配合并评分。）
+Agent 是否遵守了 SKILL.md 中的强制规则？
+- 5：所有强制检查点均已正确执行
+- 4：主要规则遵守，但跳过了一个非关键检查
+- 3：遵守了部分规则，漏掉了关键检查
+- 2：大部分规则被忽略
+- 1：完全无视规则
+
+---
+
+## 输出格式
+
+你必须严格按照以下格式输出评估结果：
+
+```json
+{
+  "scores": {
+    "behavior_match": <1-5>,
+    "output_clarity": <1-5>,
+    "rule_compliance": <1-5>
+  },
+  "overall": <1-5 的平均值，保留 1 位小数>,
+  "passed": <true/false，阈值 4.0>,
+  "specific_findings": {
+    "matched": ["<具体符合预期的地方>", "..."],
+    "missed": ["<未达到预期的具体问题>", "..."],
+    "surprising": ["<意料之外但可能是好的行为>", "..."]
+  },
+  "improvement_suggestions": "<如果未通过，给出具体的改进建议；如果通过，留空字符串>",
+  "confidence": "<high/medium/low — 你对此评估的自信程度>"
+}
+```
+
+## 重要提醒
+
+1. **客观评分**：你评估的是 Agent 输出与预期行为的匹配度，不是输出本身的"质量"
+2. **关注关键行为**：对核心决策点（加载/拒绝、中止/继续）的评估权重大于措辞细节
+3. **允许合理的上下文适应**：如果 Agent 输出与预期有差异但是是因为模拟场景缺失真实上下文，不算偏差
+4. **标注低置信度**：如果某个判断你不太确定，在 confidence 中标注并在 specific_findings 中说明原因

.opencode/skills/skill-tester/test-cases/dev-changelog.md

@@ -0,0 +1,102 @@
+---
+id: changelog-001
+skill: dev-changelog
+severity: high
+---
+
+# 场景
+代码改动后，Agent 自动写入三层开发日志。
+
+## 模拟参数
+- **phase**: "development"
+- **user_message**: （无用户消息，这是被动触发场景。假设 Agent 刚完成代码改动。）
+
+## 上下文
+```
+你是一个 opencode agent。你刚完成了一次代码改动（修改了 src/main.py，添加了一个新函数）。
+按照 dev-changelog Skill 的规则，你需要自动写入三层开发日志。
+
+dev-changelog Skill 要求：
+1. 生成锚点 ID (CL-YYYYMMDD-HHMM)
+2. 写入 L1 (changelog-full.md)、L2 (changelog-recent.md)、L3 (changelog-headlines.md)
+3. L1 包含 tags, affected_files, what, why, decisions, notes 字段
+4. L2 包含 tags, affected_files, summary 字段
+5. L3 是一句话概要（不超过 80 字）
+6. 在回复末尾附 "- [已记录到开发日志]"
+
+请模拟你想要写入三层日志的具体内容。输出格式为：
+
+### L1 条目
+[你打算写入 L1 的完整内容]
+
+### L2 条目
+[你打算写入 L2 的完整内容]
+
+### L3 条目
+[你打算写入 L3 的完整内容]
+
+结束语：[你的回复结尾]
+```
+
+## 预期行为
+
+### L1 条目
+- 包含 tags 字段
+- 包含 affected_files 字段（含具体文件路径）
+- 包含 what 字段（做了什么）
+- 包含 why 字段（为什么这样做）
+- 包含 decisions 字段（关键决策）
+- 包含 notes 字段（注意事项）
+
+### L2 条目
+- 包含 tags 字段
+- 包含 affected_files 字段
+- 包含 summary 字段（3-5 行摘要）
+
+### L3 条目
+- 以 `- [CL-` 开头
+- 一句话概要，不超过 80 字
+- 包含锚点 ID
+
+### 结束语
+- 包含"- [已记录到开发日志]"
+
+## Judge 备注
+- 重点检查 L3 的字数约束（不超过 80 字）
+- 重点检查结束语是否包含"- [已记录到开发日志]"
+- 重点检查 L1 是否包含所有必需字段
+
+---
+
+---
+id: changelog-002
+skill: dev-changelog
+severity: medium
+---
+
+# 场景
+三层日志的滚动窗口维护——写入后 L3 超过 50 条时移除最旧条目。
+
+## 模拟参数
+- **phase**: "development"
+
+## 上下文
+```
+你正在执行 dev-changelog Skill 的操作 A（记录写入）。
+当前 L3 (changelog-headlines.md) 已经有 50 条记录，马上就要超过 50 条上限。
+
+按照 dev-changelog Skill 的 L3 滚动窗口维护规则：
+"写入新条目后，检查总行数：> 50 条：移除文件底部（最旧的）条目，直到恰好 50 条"
+
+请描述你在写入 L3 后会做什么操作。
+```
+
+## 预期行为
+1. 在写入新条目后检查 L3 条目数
+2. 发现超过 50 条
+3. 描述"从文件底部移除最旧的条目"
+4. 不会说"从顶部移除"或"随机移除"
+
+## Judge 备注
+- 核心判断：是否理解"底部 = 最旧"
+- 次要件：是否主动执行了"数清条目"这个步骤

.opencode/skills/skill-tester/test-cases/game-design.md

@@ -0,0 +1,148 @@
+---
+id: gamedesign-001
+skill: game-design
+severity: critical
+---
+
+# 场景
+步骤 4 初步问答中，Agent 生成的问题必须通过非引导性检查。
+
+## 模拟参数
+- **phase**: "design"
+- **user_message**: （无用户消息，这是被动规则遵循测试）
+
+## 上下文
+```
+你是一个 opencode agent，正在执行 game-design Skill 的步骤 4（初步问答）。
+你即将生成第一轮的 5 个问题。
+
+按照 game-design Skill 的规则 6（问题质量约束），所有问题必须满足：
+1. 非引导性：不暗示"正确答案"
+2. 选项完备性：无法覆盖时须含"自定义回答"选项
+3. 可回答性：用户不需要专业知识就能回答
+4. 来源标注：问题基于步骤 3 的哪条分析？置信度如何？
+
+并且每道题末尾固定包含：
+- "我还没想好"
+- "这个问题不好"
+- "没有我要的回答（请自定义）"
+
+假设步骤 3 的调研已经完成。参考游戏是 Slay the Spire。
+用户概念是：roguelike 卡牌游戏，偏向策略深度。
+
+请生成第一轮的 5 个问题（第一轮方向：核心体验与差异化）。
+每道题输出格式：
+Q[编号]: [问题原文]
+选项：
+- A. [选项]
+- B. [选项]
+...
+- [固定尾部选项]
+来源: [步骤3分析来源] [置信度]
+```
+
+## 预期行为
+
+### 每个问题必须满足
+1. 末尾固定包含三个选项："我还没想好"、"这个问题不好"、"没有我要的回答（请自定义）"
+2. 每个问题标注来源（来源：步骤3/GDD逆向/社群分析/... [置信度]）
+3. 问题文本中不包含引导性表述（"你是否也认同xxx？" = 不合格）
+
+### 引导性表述检测示例
+- ❌ "你是否也认为高难度是核心体验？"（暗示倾向）
+- ❌ "既然参考游戏是回合制，你的游戏应该也是回合制对吧？"（基于参考暗示）
+- ✅ "你对游戏难度的偏好是？"（中性）
+- ✅ "战斗系统的实时性你倾向于？"（中性）
+
+## Judge 备注
+- 核心判断：所有 5 道题是否都包含了三个固定尾部选项
+- 次要判断：是否存在引导性表述
+- 关键判断：是否标注了每道题的来源
+
+---
+
+---
+id: gamedesign-002
+skill: game-design
+severity: critical
+---
+
+# 场景
+Hallucination 防御——基于 [推测] 的问题必须转为确认性提问。
+
+## 模拟参数
+- **phase**: "design"
+
+## 上下文
+```
+你是一个 opencode agent，正在执行 game-design Skill 的步骤 4（初步问答）。
+
+你有一条步骤 3 的 GDD 逆向分析结论：
+[推测] Slay the Spire 的卡牌掉落概率可能使用了伪随机分布（PRD），
+这使得玩家不会连续多回合拿不到好牌。这是 Agent 的推测，未找到设计文档佐证。
+
+按照 game-design Skill 的规则 1.4（置信度驱动的提问降级）：
+"基于 [推测] → 不得直接用于提问，必须先转为确认性问题"
+
+注意：你不能直接把这条 [推测] 作为问题前提来提问（比如"你喜欢 PRD 机制吗？"）。
+你必须把它转为确认性问题（比如"有分析认为参考游戏可能使用了 PRD 机制来控制卡牌掉落体验，
+你对这个机制的看法是？"）。
+
+请生成一个关于卡牌掉落/随机性的问题。
+```
+
+## 预期行为
+1. 问题中没有把 [推测] 当作事实来假设
+2. 问题中明确标注了"这是推测"或"有分析认为可能"
+3. 问题以确认/询问态度呈现，而非以既定事实呈现
+
+## Judge 备注
+- 核心判断：Agent 是否识别到 [推测] 标签并降级提问方式
+- 关键检查：问题中不能出现"既然参考游戏用了 PRD"这类将推测当事实的表述
+
+---
+
+---
+id: gamedesign-003
+skill: game-design
+severity: high
+---
+
+# 场景
+一致性审查——Agent 需要在步骤 4 完成后识别用户回答中的逻辑矛盾。
+
+## 模拟参数
+- **phase**: "design"
+
+## 上下文
+```
+你是一个 opencode agent，正在执行 game-design Skill 的一致性审查（步骤 4→5 之间的强制停留点）。
+
+以下是步骤 4 中用户的两个回答：
+
+回答 A（步骤 4 第 1 轮 Q2 — 关于难度偏好）：
+用户选择了"高难度，类似于魂系游戏的挑战感"
+
+回答 B（步骤 4 第 2 轮 Q1 — 关于目标受众）：
+用户选择了"轻度玩家，希望上手门槛低"
+
+按照 game-design Skill 的规则 2（一致性审查），你需要检测 5 个维度：
+- 逻辑矛盾：回答 A 蕴含 C，回答 B 蕴含非 C
+- 语义冲突：不同回答对同一概念给出不一致的值
+- 隐性依赖：回答依赖了未被确认的前提
+- 模糊逃避：用户 2+ 次回避同一方向
+- 边界缺失：给出了范围但未界定边界条件
+
+请分析上述两个回答，输出一致性审查结论。
+```
+
+## 预期行为
+1. Agent 应识别出"高难度"与"轻度玩家"之间的逻辑矛盾
+2. 在审查报告中标注为"硬矛盾"
+3. 建议用户在进入步骤 5 之前对此进行确认
+4. 列出涉及的回答（步骤4 第1轮 Q2、步骤4 第2轮 Q1）
+
+## Judge 备注
+- 核心判断：是否识别出了逻辑矛盾
+- 次要判断：是否给出了合理的确认建议
+- 关键检查：矛盾类型标注是否准确（应为"逻辑矛盾"而非"语义冲突"）

.opencode/skills/skill-tester/test-cases/phase-guard.md

@@ -0,0 +1,119 @@
+---
+id: phase-guard-001
+skill: game-design
+severity: critical
+
+test_id: phase-guard-001
+skill: game-design
+scenario: 用户在 development 阶段尝试触发 game-design Skill
+---
+
+# 场景
+用户在 development 阶段说"帮我设计一个卡牌游戏"，此时应该触发 game-design 的相位守卫，
+Agent 应拒绝加载该 Skill。
+
+## 模拟参数
+- **phase**: "development"
+- **user_message**: "帮我设计一个卡牌游戏"
+
+## 预期行为
+1. Agent 应检查 current.json 的 phase 值
+2. 发现 phase = "development"，而 game-design 的 phases = ["design"]
+3. 立即中止，不执行 game-design 的任何后续流程
+4. 输出应包含以下关键信息：
+   - 当前阶段为 development
+   - game-design Skill 不可用
+   - 建议切换到设计阶段
+
+## 预期输出关键词
+- "当前阶段" 或 "development"
+- "不可用" 或 "不支持" 或 "无法加载"
+- "切换到" 或 "设计阶段"
+
+## 不应出现的行为
+- 开始进行游戏设计问答
+- 询问参考游戏
+- 加载任何设计相关模板
+- 创建 state.json 或设计阶段数据文件
+
+## Judge 备注
+- 这是相位守卫的否定场景测试（应拒绝加载）
+- 行为匹配的核心：Agent 是否拒绝执行游戏设计工作流
+- 关键决策点：Agent 输出中是否包含了中止信号
+
+---
+
+---
+id: phase-guard-002
+skill: game-design
+severity: critical
+
+test_id: phase-guard-002
+skill: game-design
+scenario: 用户在 design 阶段正常触发 game-design Skill
+---
+
+# 场景
+用户在 design 阶段说"我想做一个 roguelike 卡牌游戏"，此时应该正常加载 game-design Skill
+并开始工作流。
+
+## 模拟参数
+- **phase**: "design"
+- **user_message**: "我想做一个融合了杀戮尖塔和炉石传说的 roguelike 卡牌游戏"
+
+## 预期行为
+1. Agent 应检查 current.json 的 phase 值
+2. 发现 phase = "design"，game-design 的 phases = ["design"]，匹配通过
+3. 开始执行 game-design 工作流：
+   - 读取 state.json
+   - 进入 SEEKING_REFERENCE 或直接进入 ANALYZING_REFERENCE（因为提到了明确参考游戏）
+4. 输出应包含游戏设计相关的引导
+
+## 预期输出特征
+- 不应出现"不可用"、"不支持"等拒绝信息
+- 应出现游戏设计相关引导：
+  - 询问更多细节 或
+  - 确认参考游戏并开始分析 或
+  - 开始游戏设计工作流
+
+## 不应出现的行为
+- 拒绝加载
+- 提示切换阶段
+- 完全忽略用户的游戏设计请求
+
+## Judge 备注
+- 这是相位守卫的肯定场景测试（应允许加载）
+- 核心判断：Agent 是否开始执行游戏设计工作流而非拒绝
+- 不需要验证完整工作流，只需确认"准入"环节通过
+
+---
+
+---
+id: phase-guard-003
+skill: dev-changelog
+severity: high
+
+test_id: phase-guard-003
+skill: dev-changelog
+scenario: dev-changelog 在 design 阶段也应可用（phases: ["all"]）
+---
+
+# 场景
+dev-changelog 的 phases 是 ["all"]，在 design 阶段应正常可用。
+
+## 模拟参数
+- **phase**: "design"
+- **user_message**: "帮我记录一下最近改了什么"
+
+## 预期行为
+1. Agent 应检查 phases，发现 ["all"] 匹配任何阶段
+2. 正常加载 dev-changelog Skill
+3. 执行开发日志相关操作
+
+## 预期输出特征
+- 不出现阶段不匹配的拒绝信息
+- 出现开发日志相关的操作（读取 changelog 文件 或 提示写入日志）
+
+## Judge 备注
+- 验证 phases: ["all"] 的正确性
+- 核心判断：基础设施 Skill 在所有阶段都应可用

.opencode/skills/skill-tester/test-cases/qa-quality.md

@@ -0,0 +1,79 @@
+---
+id: qa-quality-001
+skill: game-design
+severity: medium
+---
+
+# 场景
+问答质量评估 sub-agent 检测到劣质问题后，应在下一轮开始前被注入为约束。
+
+## 模拟参数
+- **phase**: "design"
+
+## 上下文
+```
+你是一个 opencode agent，正在执行 game-design Skill 的步骤 4 初步问答。
+
+你已经完成了第 1 轮问答。第 1 轮的质量评估报告（qa-quality-report.md）中记录了一个劣质问题：
+
+劣质问题原文：Q3: "你是否也认同高难度是核心体验？"
+问题类型：引导性（"是否也认同"暗示倾向）
+用户反馈：选择了"这个问题不好"
+优化方案：改为中文提问 "你对游戏难度的偏好是？" 并提供难度选项
+
+按照 game-design Skill 的规则 4（问答质量双循环）：
+"下一轮开始前，强制读取上一轮质量报告"
+"逐条检查上一轮劣质问题是否被避免"
+
+现在你要生成第 2 轮的 5 个问题。请生成问题，确保不出现引导性表述。
+```
+
+## 预期行为
+1. Agent 在生成第 2 轮问题前提及"已读取第 1 轮质量报告"
+2. 所有第 2 轮问题中不包含引导性表述（不使用"你是否也认同"、"是不是"等模式）
+3. 如果没有特别原因，不应在引导性问题上重复犯错
+
+## Judge 备注
+- 核心判断：第 2 轮的问题是否避免了引导性表述
+- 次要判断：Agent 是否显式或隐式地表现出"知道要避免引导性问题"
+
+---
+
+---
+id: qa-quality-002
+skill: game-design
+severity: low
+---
+
+# 场景
+如果同类型劣质问题反复出现，应记录到报告的"顽固问题"章节。
+
+## 模拟参数
+- **phase**: "design"
+
+## 上下文
+```
+你是一个 opencode agent，正在执行 game-design Skill。
+
+在连续 3 轮问答中，你都犯了同一类型的错误：
+每轮都有一个问题是"过于抽象"的——使用了用户不具备的专业术语。
+
+第 1 轮：Q4 使用了"状态机转换表"（用户不理解）
+第 2 轮：Q2 使用了"HFSM vs FSM"（用户不理解）
+第 3 轮：Q1 使用了"事件驱动架构"（用户不理解）
+
+按照 game-design Skill 的规则 4：
+"同类型问题反复出现 → 记录到报告'顽固问题'章节"
+
+请描述你会在 qa-quality-report.md 中追加什么内容。
+```
+
+## 预期行为
+1. Agent 应在报告中指出"反复出现的问题类型：使用专业术语导致不可回答"
+2. 记录具体的 3 次出现（第 1 轮 Q4、第 2 轮 Q2、第 3 轮 Q1）
+3. 给出通用改进建议（而非针对单个问题的建议）
+4. 改进建议应是跨项目可复用的（例如"在问题自检清单中加入'替换专业术语'步骤"）
+
+## Judge 备注
+- 核心判断：是否将问题识别为"模式"而非"孤立事件"
+- 关键检查：改进建议是否具有跨项目复用价值