针对测试用例生成添加了常用测试方法；更新了需求提取工具

.github/skills/build-expected-results/SKILL.md

@@ -0,0 +1,67 @@
+---
+name: build-expected-results
+description: "当需要将测试用例中的 expected_result_placeholder 展开为可度量预期成果时使用。"
+---
+
+# build-expected-results
+
+## 目标
+将测试用例中的预期占位符展开为可验证、可测量、可判定通过/失败的预期成果。
+
+## 输入
+- normal_test_cases
+- abnormal_test_cases
+- requirement_type
+- recommended_test_methods（可选）
+- quality_criteria（可选，精度、时间、误差、资源阈值）
+
+## 输出
+- normal_expected_results
+- abnormal_expected_results
+
+每条预期成果至少包含：
+- result_id
+- case_id
+- expected_results_detail
+- evaluation_criteria
+- pass_criteria
+- termination_condition
+
+## 强制规则
+1. 预期成果必须来源于对应测试用例，不得脱离 case_id 独立生成。
+2. 每条预期成果必须可验证，禁止使用模糊描述。
+3. 预期成果必须覆盖：结果值、状态变化、时间要求、异常处理、通过准则。
+4. 若包含定量结果，必须给出精度或允许偏差范围。
+5. 若实际结果存在不确定性，必须定义重测条件。
+
+## placeholder 展开映射
+- {{return_value}} -> 返回码、返回体字段、字段值/类型约束
+- {{state_change}} -> 状态机迁移、数据库字段变化、持久化副作用
+- {{error_message}} -> 错误码、提示文案、触发条件
+- {{data_persistence}} -> 数据落库、版本号、审计轨迹
+- {{ui_display}} -> 页面元素、提示位置、可见性与文案
+- {{precision_tolerance}} -> 精度阈值、允许误差上限与下限
+- {{time_constraint}} -> 响应时间上限/下限、事件间隔
+- {{retry_condition}} -> 触发重测的条件与次数限制
+- {{error_handling}} -> 异常处理动作、回滚策略、保护措施
+- {{sequence_event}} -> 事件顺序、状态切换顺序、时序关系
+- {{resource_usage}} -> CPU/内存/磁盘/连接占用阈值
+- {{pass_criteria}} -> 最终通过判定表达式
+
+## 结果构造模板
+每条 expected_results_detail 推荐按以下结构输出：
+- observable_result：可直接观测的结果
+- measurable_constraints：可量化约束（精度、时间、阈值等）
+- side_effects：副作用与状态变更
+- error_handling_expectation：异常处理期望
+- retry_policy：重测策略
+- final_pass_rule：通过准则
+
+## 默认口径
+当 quality_criteria 缺失时，使用以下默认规则：
+- 时间约束：若无明确要求，标记为待确认，不擅自给固定毫秒值。
+- 精度约束：若需求涉及计算，至少给出精度位数或误差范围占位。
+- 资源阈值：若需求未给出，标记为待确认并保留观测项。
+
+## 调试
+- debug=true 时输出 placeholder_expansion_trace，包含 case_id、placeholder、expansion_source、fallback_used。

.github/skills/decompose-test-items/SKILL.md

@@ -6,15 +6,29 @@ description: "当需要基于需求类型把需求文本分解为可执行的正
 # decompose-test-items
 
 ## 目标
-基于用户需求文本和已识别需求类型，生成测试项列表。
+基于用户需求文本和已识别需求类型，生成完整、可执行、可追踪的测试项列表。
 
 ## 输入
 - user_requirement_text
 - requirement_type
+- recommended_test_methods（可选）
+- suggested_decompose_template（可选）
 
 ## 输出
 - normal_test_items：完整、可执行的正常测试项列表。
 - abnormal_test_items：完整、可执行的异常测试项列表。
+- coverage_analysis：覆盖分析，包含覆盖率、缺口与补充建议。
+
+每个测试项至少包含以下字段（对齐 C.1 要素）：
+- item_id：测试项唯一标识。
+- item_name：测试项名称。
+- item_description：测试项说明（测试目标和测试内容）。
+- test_method：测试方法（可包含 1-N 个）。
+- test_data_strategy：测试数据生成/注入/捕获/分析方式。
+- adequacy_requirement：测试充分性要求。
+- termination_condition：正常终止与异常终止条件。
+- priority：优先级（高/中/低）。
+- traceability：追踪关系（需求点、子功能、接口或性能项）。
 
 ## 强制规则
 1. 每个软件功能至少应被正常测试与被认可的异常场景覆盖；复杂功能需继续细分。
@@ -23,24 +37,62 @@ description: "当需要基于需求类型把需求文本分解为可执行的正
 4. 粒度需适中，避免过粗或过细。
 5. 对未知类型必须执行通用分解，并保持正常/异常分组。
 6. 对需求说明未显式给出但在用户手册或操作手册体现的功能，也应补充测试项覆盖。
+7. 每个测试项必须至少绑定一种测试方法，并标明追踪来源。
+8. 每组测试项都需覆盖合法边界值与非法边界值（适用时）。
 
-## 14类最小分解检查点
-- 功能测试：正常覆盖功能主路径、基本数据类型、合法边界值与状态转换；异常覆盖非法输入、不规则输入、非法边界值与最坏情况。
-- 性能测试：正常覆盖处理精度、响应时间、处理数据量与模块协调性；异常覆盖超负荷、软硬件限制、负载潜力上限与资源占用异常。
-- 外部接口测试：正常覆盖全部外部接口格式与内容正确性；异常覆盖每个输入输出接口的错误格式、错误内容与异常交互。
-- 人机交互界面测试：正常覆盖界面风格一致性与标准操作流程；异常覆盖误操作、快速操作、非法输入、错误命令与错误流程提示。
-- 强度测试：正常覆盖设计极限下系统功能和性能表现；异常覆盖超出极限时的降级行为、健壮性与饱和表现。
-- 余量测试：正常覆盖存储、通道、处理时间余量是否满足要求；异常覆盖余量不足或耗尽时系统告警与受控行为。
-- 可靠性测试：正常覆盖典型环境、运行剖面与输入变量组合；异常覆盖失效等级场景、边界环境变化、不合法输入域及失效记录。
-- 安全性测试：正常覆盖安全关键部件、安全结构与合法操作路径；异常覆盖危险状态、故障模式、边界接合部、非法进入与数据完整性保护。
-- 恢复性测试：正常覆盖故障探测、备用切换、恢复后继续执行；异常覆盖故障中作业保护、状态保护与恢复失败路径。
-- 边界测试：正常覆盖输入输出域边界、状态转换端点与功能界限；异常覆盖性能界限、容量界限和越界端点。
-- 安装性测试：正常覆盖标准及不同配置下安装卸载流程；异常覆盖安装规程错误、依赖异常与中断后的处理。
-- 互操作性测试：正常覆盖两个或多个软件同时运行与互操作过程；异常覆盖互操作失败、并行冲突与协同异常。
-- 敏感性测试：正常覆盖有效输入类中典型数据组合；异常覆盖引发不稳定或不正常处理的特殊数据组合。
-- 测试充分性要求：正常覆盖需求覆盖率、配置项覆盖与代码覆盖达标；异常覆盖未覆盖部分逐项分析、确认与报告输出。
+## 14类详细分解执行清单
+- 功能测试
+	- 正常分解：主路径功能、基本数据类型、合法边界值、状态转换、运行模式与时间约束。
+	- 异常分解：不规则输入、非法边界值、最坏情况（超负荷/饱和）、手册中隐含功能异常路径。
+- 性能测试
+	- 正常分解：处理精度、响应时间、可处理数据量、高低速协调。
+	- 异常分解：软硬件瓶颈、过载极限、空间占用异常、性能退化阈值。
+- 外部接口测试
+	- 正常分解：接口格式合法性、字段内容正确性、输入输出链路可达。
+	- 异常分解：格式错误、字段缺失/越界、协议不一致、异常 I/O 交互。
+- 人机交互界面测试
+	- 正常分解：界面风格一致性、标准流程操作、手册逐条操作一致。
+	- 异常分解：误操作、快速操作、非法输入、错误命令与错误流程提示。
+- 强度测试
+	- 正常分解：设计极限内性能、降级行为前置阈值。
+	- 异常分解：超极限、系统饱和、降级能力失效、健壮性边界。
+- 余量测试
+	- 正常分解：存储余量、I/O 通道余量、处理时间余量。
+	- 异常分解：余量不足（默认小于 20%）、余量耗尽时保护与告警。
+- 可靠性测试
+	- 正常分解：运行剖面、概率分布输入、重要输入组合与典型环境一致性。
+	- 异常分解：失效等级场景、不合法输入域、环境边界变化、失效现象与时间记录。
+- 安全性测试
+	- 正常分解：安全关键部件、容错/冗余/中断处理、合法输入下安全行为。
+	- 异常分解：危险状态、硬件/软件故障模式、界外与边界接合部、非法入侵与数据完整性攻击。
+- 恢复性测试
+	- 正常分解：错误探测、备用切换、恢复后从无错状态继续执行。
+	- 异常分解：故障中作业保护失败、状态损坏、重置失败与恢复中断。
+- 边界测试
+	- 正常分解：输入/输出域边界点、状态转换端点、功能与性能临界点。
+	- 异常分解：越界点、容量上限/下限之外、边界接合断裂行为。
+- 安装性测试
+	- 正常分解：不同配置下安装和卸载流程、安装规程一致性。
+	- 异常分解：依赖缺失、安装中断、重复安装、回滚失败。
+- 互操作性测试
+	- 正常分解：多软件并行运行、标准互操作流程。
+	- 异常分解：互操作失败、版本不兼容、并发冲突与消息错序。
+- 敏感性测试
+	- 正常分解：有效输入类典型组合。
+	- 异常分解：引起不稳定或不正常处理的有效输入组合。
+- 测试充分性要求
+	- 正常分解：需求覆盖率 100%、配置项要求覆盖、编译器一致性。
+	- 异常分解：语句/分支未覆盖点逐项分析、确认并形成分析结论。
+
+## coverage_analysis 输出要求
+- requirement_points：需求点列表。
+- covered_points：已覆盖需求点。
+- uncovered_points：未覆盖需求点。
+- requirement_coverage_rate：覆盖率，计算规则为 covered_points/requirement_points。
+- recommended_supplementary_items：建议补充测试项。
 
 ## 未知类型容错
 - 当 requirement_type 无法确定时，仍需输出正常/异常两组测试项。
 - 通用正常项至少包含：主流程正确性、合法边界值、标准输入输出。
 - 通用异常项至少包含：非法输入、越界输入、资源异常或状态冲突。
+- 未知类型场景下，默认使用功能分解、等价类划分、边界值分析三种方法。

.github/skills/format-output/SKILL.md

@@ -0,0 +1,77 @@
+---
+name: format-output
+description: "当需要将测试项、测试用例、预期成果按统一格式输出时使用。"
+---
+
+# format-output
+
+## 目标
+将测试链路中生成的结构化数据整理为标准化三段式输出，确保可读性与追踪关系。
+
+## 输入
+- normal_test_items
+- abnormal_test_items
+- normal_test_cases
+- abnormal_test_cases
+- normal_expected_results
+- abnormal_expected_results
+- coverage_analysis（可选）
+- method_alignment_report（可选）
+- debug（可选）
+
+## 输出
+- markdown_output
+
+## 强制规则
+1. 输出必须包含三段：测试项、测试用例、预期成果。
+2. 每段必须按正常测试与异常测试分组。
+3. 编号必须保持追踪关系：
+   - 测试项编号：TI-Nxx / TI-Exx
+   - 测试用例编号：TC-Nxx / TC-Exx
+   - 预期成果编号：ER-Nxx / ER-Exx
+4. 测试用例必须显示对应测试项；预期成果必须显示对应测试用例。
+5. 任一分段数据为空时，必须显式输出待补充，不允许静默省略。
+6. 每条输出使用一段完整描述，不强制拆分为多个字段子项。
+
+## 输出模板
+
+**测试项**
+
+**正常测试**
+1. [TI-N01]：...
+
+**异常测试**
+1. [TI-E01]：...
+
+**测试用例**
+
+**正常测试**
+1. [TC-N01]（对应 TI-N01）：...
+
+**异常测试**
+1. [TC-E01]（对应 TI-E01）：...
+
+**预期成果**
+
+**正常测试**
+1. [ER-N01]（对应 TC-N01）：...
+
+**异常测试**
+1. [ER-E01]（对应 TC-E01）：...
+
+## 调试模式
+当 debug=true 时追加：
+
+### 覆盖率分析
+- requirement_coverage_rate
+- uncovered_points
+- recommended_supplementary_items
+
+### 方法对齐分析
+- method_alignment_report
+
+### 步骤日志
+- step_name
+- success
+- fallback_used
+- duration_ms

.github/skills/generate-test-cases/SKILL.md

@@ -6,20 +6,32 @@ description: "当需要根据已分解测试项生成包含操作步骤与测试
 # generate-test-cases
 
 ## 目标
-按测试项生成测试用例，每个测试项至少对应 1 条用例。
+按测试项生成测试用例，每个测试项至少对应 1 条可重复执行、可评估通过的测试用例。
 
 ## 输入
 - normal_test_items
 - abnormal_test_items
+- requirement_type（可选）
+- recommended_test_methods（可选）
 
 ## 输出
 - normal_test_cases
 - abnormal_test_cases
+- method_alignment_report
 
 每条测试用例必须包含：
+- case_id
+- case_name
+- test_traceability
+- case_summary
+- initialization_requirements
+- test_inputs
 - operation_steps
-- test_content
 - expected_result_placeholder
+- evaluation_criteria
+- preconditions_constraints
+- termination_condition
+- pass_criteria
 
 ## 规则
 1. 测试项与测试用例应保持一一对应关系。
@@ -28,13 +40,48 @@ description: "当需要根据已分解测试项生成包含操作步骤与测试
 4. 操作步骤应可顺序执行，避免歧义。
 5. 操作步骤必须包含明确动作、对象和输入条件，禁止笼统动作词。
 6. test_content 必须包含可验证条件，便于后续生成可度量预期成果。
+7. 测试用例应符合可重复执行原则，初始条件和参数必须可复现。
+8. 测试输入必须标识有效值/无效值/边界值性质、输入来源、真实或模拟属性及事件顺序。
+9. 每个操作步骤应包含测试输入、动作、中间期望、评估准则与异常终止信号。
+10. pass_criteria 必须明确是否通过的判定条件，禁止模糊描述。
 
-## expected_result_placeholder 映射
+## expected_result_placeholder 映射（用于 Step 4 展开）
 - {{return_value}}：接口或函数返回值验证。
 - {{state_change}}：系统状态变化验证。
 - {{error_message}}：异常场景错误信息验证。
 - {{data_persistence}}：数据库或存储落库结果验证。
 - {{ui_display}}：界面显示反馈验证。
+- {{precision_tolerance}}：精度与允许误差范围验证。
+- {{time_constraint}}：时间上限/下限或事件间隔验证。
+- {{retry_condition}}：不确定结果时重测触发条件验证。
+- {{error_handling}}：出错处理流程与保护动作验证。
+- {{sequence_event}}：时序、状态切换或事件顺序验证。
+- {{resource_usage}}：资源占用与空间约束验证。
+- {{pass_criteria}}：用例通过准则验证。
+
+## 常用测试方法应用清单（B.1.1-B.2.6）
+每个用例必须在 summary 中标注所用方法，并在 steps 中体现方法特征。
+
+| 方法 | 适用场景 | 输入构造规则 | 步骤设计特征 |
+| --- | --- | --- | --- |
+| 功能分解 | 功能/接口主流程 | 按子功能拆输入集 | 用例按子功能逐级覆盖 |
+| 等价类划分 | 功能/接口/边界 | 有效类与无效类分别取代表值 | 每类至少一条步骤 |
+| 边界值分析 | 输入输出边界 | 取边界、邻近、越界值 | 连续执行边界点序列 |
+| 判定表 | 多条件组合逻辑 | 依据条件桩生成规则列 | 一列规则对应一条步骤流 |
+| 因果图 | 条件与结果耦合 | 构建原因-结果及约束 | 覆盖关键因果链路 |
+| 场景法 | 事件驱动流程 | 基本流与备选流输入 | 按场景路径组织步骤 |
+| 功能图法 | 状态与逻辑联合 | 状态转移输入序列 | 状态路径+局部逻辑组合 |
+| 随机测试 | 可靠性/强度 | 输入区间+概率分布 | 指定随机规则和样本量 |
+| 猜错法 | 高风险经验缺陷 | 构造易错输入集合 | 直接验证高风险点 |
+| 正交试验法 | 多因子组合优化 | 因子-水平表+正交表 | 覆盖代表组合点 |
+| 组合测试法 | 参数组合覆盖 | 选定组合强度（pairwise/K） | 按组合强度生成步骤 |
+| 蜕变测试法 | 预期结果难判定 | 构造蜕变关系输入组 | 校验用例间关系一致性 |
+| 控制流测试 | 白盒流程覆盖 | 按路径目标构造输入 | 步骤对应语句/分支路径 |
+| 数据流测试 | 白盒变量使用 | 定义-使用链路输入 | 覆盖关键定义引用对 |
+| 程序变异 | 错误驱动验证 | 针对变异体生成输入 | 验证是否杀死变异体 |
+| 程序插桩 | 运行行为观测 | 插桩点对应输入 | 步骤包含采样与比对 |
+| 域测试 | 输入空间划分检验 | 构造域边界/域内样本 | 验证域划分正确性 |
+| 符号求值 | 公式与路径推导 | 依据符号约束反推输入 | 校验符号关系与结果 |
 
 ## 禁止模糊描述
 - 错误示例："检查功能正常"；正确示例："验证返回状态码为200且响应体包含status=success"。
@@ -43,3 +90,7 @@ description: "当需要根据已分解测试项生成包含操作步骤与测试
 
 ## 预期结果耦合
 - 每条用例必须可在下一步绑定一条明确、可验证的预期成果。
+- 每条 expected_result_placeholder 必须可映射到定量或可观察的检查项。
+
+## 对齐校验
+- 输出 method_alignment_report，至少包含：case_id、selected_methods、alignment_score、gaps、fix_suggestions。

.github/skills/identify-requirement-type/SKILL.md

@@ -6,10 +6,11 @@ description: "当需要在测试项分解与测试用例生成之前识别需求
 # identify-requirement-type
 
 ## 目标
-将用户需求文本识别为明确的测试需求类型，为后续测试项分解与测试用例生成提供分类依据。
+将用户需求文本识别为明确的测试需求类型，为后续测试项分解与测试用例生成提供分类依据、推荐测试方法与分解模板。
 
 ## 输入
 - user_requirement_text：用户原始需求文本。
+- debug（可选）：是否返回分类分数和证据切片。
 
 ## 输出
 - requirement_type：以下之一
@@ -30,6 +31,9 @@ description: "当需要在测试项分解与测试用例生成之前识别需求
   - 未知类型
 - reason：简要判断依据。
 - candidates：当 requirement_type 为未知类型时，给出 1-3 个最接近候选类型。
+- recommended_test_methods：基于类型推荐的测试方法列表（按优先级排序）。
+- suggested_decompose_template：推荐的测试项分解模板名称。
+- type_signals：触发该类型判断的关键语义信号。
 
 ## 类型识别信号
 - 功能测试：关注功能需求逐项验证、业务流程正确性、输入输出行为、状态转换与边界值处理。
@@ -47,16 +51,40 @@ description: "当需要在测试项分解与测试用例生成之前识别需求
 - 敏感性测试：关注有效输入类中可能引发不稳定或不正常处理的数据组合。
 - 测试充分性要求：关注需求覆盖率、配置项覆盖、语句覆盖、分支覆盖及未覆盖分析确认。
 
+## 附录 A：类型到方法与模板映射
+| 需求类型 | 推荐测试方法（优先顺序） | 推荐分解模板 |
+| --- | --- | --- |
+| 功能测试 | 功能分解, 等价类划分, 边界值分析, 场景法 | functional-standard-template |
+| 性能测试 | 边界值分析, 组合测试法, 随机测试, 正交试验法 | performance-metric-template |
+| 外部接口测试 | 等价类划分, 边界值分析, 判定表, 因果图 | external-interface-template |
+| 人机交互界面测试 | 场景法, 猜错法, 等价类划分, 边界值分析 | hmi-flow-template |
+| 强度测试 | 随机测试, 组合测试法, 边界值分析 | stress-limit-template |
+| 余量测试 | 边界值分析, 组合测试法 | margin-capacity-template |
+| 可靠性测试 | 随机测试, 场景法, 组合测试法, 蜕变测试法 | reliability-profile-template |
+| 安全性测试 | 边界值分析, 场景法, 猜错法, 因果图 | safety-hazard-template |
+| 恢复性测试 | 场景法, 功能图法, 猜错法 | recovery-fault-template |
+| 边界测试 | 边界值分析, 等价类划分, 组合测试法 | boundary-focused-template |
+| 安装性测试 | 场景法, 猜错法 | install-config-template |
+| 互操作性测试 | 场景法, 组合测试法, 因果图 | interoperability-template |
+| 敏感性测试 | 组合测试法, 正交试验法, 随机测试, 猜错法 | sensitivity-combination-template |
+| 测试充分性要求 | 控制流测试, 数据流测试, 程序变异, 程序插桩 | adequacy-coverage-template |
+| 未知类型 | 功能分解, 等价类划分, 边界值分析 | generic-fallback-template |
+
 ## 规则
 1. 优先依据需求文本中的显式表述进行分类。
 2. 分类应以语义意图为主，不能只做关键词机械匹配。
 3. 置信度不足时输出未知类型，并提供候选类型。
 4. 判断依据需简洁、可追溯到文本证据。
+5. 若需求同时覆盖多个类型，输出主类型 requirement_type，并将次类型放入 candidates。
+6. recommended_test_methods 至少返回 2 个方法，优先返回文档中可直接执行的方法。
+7. suggested_decompose_template 必须与 requirement_type 一致。
 
 ## 容错
 - 当需求描述过于笼统或跨多类型混合时，输出未知类型，并在 candidates 给出最接近类型。
 - 当识别不稳定时，优先保守分类，不强行归入单一类型。
 - 未知类型不阻断后续流程，应继续执行通用测试项分解。
+- 当文本信息不足以支持白盒方法推荐时，保留黑盒优先推荐并标记 reason。
 
 ## 调试
 - debug 模式下返回每个类型的分类分数 classification_scores。
+- debug 模式下追加 evidence_spans（触发分类的文本片段）与 method_selection_reason。

.github/skills/testing-orchestrator/SKILL.md

@@ -6,14 +6,14 @@ description: "当用户要求测试项分解或测试用例生成且需要完整
 # testing-orchestrator
 
 ## 目标
-严格执行测试生成调用链，并显式传递每一步上下文。
+严格执行测试生成调用链，确保每一步上下文显式传递、结构一致、可追踪。
 
 ## 标准调用链
 1. identify-requirement-type
 2. decompose-test-items
 3. generate-test-cases
-4. build_expected_results
-5. format_output
+4. build-expected-results
+5. format-output
 
 ## 编排规则
 1. 优先使用 Skill 与 Tool，不使用临时硬编码逻辑替代。
@@ -21,32 +21,76 @@ description: "当用户要求测试项分解或测试用例生成且需要完整
 3. 每一步必须显式接收上一步输出。
 4. 分类失败时输出未知类型并继续执行通用分解。
 
+## 步骤契约
+
+### Step 1: identify-requirement-type
+- 输入：
+	- user_requirement_text
+	- debug（可选）
+- 输出：
+	- requirement_type
+	- reason
+	- candidates
+	- recommended_test_methods
+	- suggested_decompose_template
+
+### Step 2: decompose-test-items
+- 输入：
+	- user_requirement_text
+	- requirement_type（来自 Step 1）
+	- recommended_test_methods（来自 Step 1）
+	- suggested_decompose_template（来自 Step 1）
+- 输出：
+	- normal_test_items
+	- abnormal_test_items
+	- coverage_analysis
+
+### Step 3: generate-test-cases
+- 输入：
+	- normal_test_items（来自 Step 2）
+	- abnormal_test_items（来自 Step 2）
+	- requirement_type（来自 Step 1）
+	- recommended_test_methods（来自 Step 1）
+- 输出：
+	- normal_test_cases
+	- abnormal_test_cases
+	- method_alignment_report
+
+### Step 4: build-expected-results
+- 输入：
+	- normal_test_cases（来自 Step 3）
+	- abnormal_test_cases（来自 Step 3）
+	- requirement_type（来自 Step 1）
+	- recommended_test_methods（来自 Step 1）
+- 输出：
+	- normal_expected_results
+	- abnormal_expected_results
+
+### Step 5: format-output
+- 输入：
+	- normal_test_items, abnormal_test_items（来自 Step 2）
+	- normal_test_cases, abnormal_test_cases（来自 Step 3）
+	- normal_expected_results, abnormal_expected_results（来自 Step 4）
+	- coverage_analysis（来自 Step 2）
+	- method_alignment_report（来自 Step 3）
+	- debug（可选）
+- 输出：
+	- markdown_output
+
+## 执行顺序与回退
+1. Step 1 必须先执行，若无法确定类型则输出未知类型并继续。
+2. Step 2 若覆盖率不足，不中断流程，记录 coverage_analysis.gaps 并继续。
+3. Step 3 若方法对齐不足，不中断流程，输出 method_alignment_report。
+4. Step 4 若缺少定量口径，使用通用默认口径并标记待确认字段。
+5. Step 5 若 Markdown 格式化失败，回退为结构化 JSON，不丢失三段内容。
+
+## 成果完整性检查
+- 最终输出必须同时包含：测试项、测试用例、预期成果。
+- 每个测试用例必须能追踪到测试项，每个预期成果必须能追踪到测试用例。
+- 输出必须按正常测试/异常测试分组。
+
 ## 输出模板
-最终输出必须严格遵循以下分组结构：
-
-**测试项**
-
-**正常测试**：
-1. [测试项 N1]：...
-
-**异常测试**：
-1. [测试项 E1]：...
-
-**测试用例**
-
-**正常测试**：
-1. [用例 N1]（对应测试项 N1）：...
-
-**异常测试**：
-1. [用例 E1]（对应测试项 E1）：...
-
-**预期成果**
-
-**正常测试**：
-1. [预期 N1]（对应用例 N1）：...
-
-**异常测试**：
-1. [预期 E1]（对应用例 E1）：...
+最终输出由 format-output 统一生成，必须遵循三段式结构并保持编号追踪。
 
 ## 调试模式
 当 debug=true 时，输出步骤日志并包含：
@@ -55,3 +99,4 @@ description: "当用户要求测试项分解或测试用例生成且需要完整
 - output_summary
 - success
 - fallback_used
+- duration_ms