70 lines
7.3 KiB
Markdown
70 lines
7.3 KiB
Markdown
# TSL Syntax Reference Skill Evaluations
|
||
|
||
本评测用于验证 lookup-only `tsl-syntax-reference` 的核心检索、应用和职责交接行为。题面不包含答案；每个场景必须在全新 agent 会话中运行并保存原始首答及原始命令输出。
|
||
|
||
## 固定场景
|
||
|
||
| ID | 题面 | 允许文件配置 | 预期路由 | 通过条件 | 禁止行为 |
|
||
| ------------------------------ | ---------------------------------------------------------------------------------------------- | ------------------- | -------------------------------------------------- | -------------------------------------------------------- | --------------------------------------------------------------------------- |
|
||
| `syntax-tsl-layout` | 请写一个 `.tsl`：声明一个局部变量，定义一个函数，并在脚本最后调用函数和输出结果。 | `tsl-layout` | `.tsl` 文件模型与快速起手专题 | 以原始题面术语执行 `lookup.py --mode write`；输出支持 `.tsl` 文件模型，声明区和语句区顺序符合检索结果 | 从 Pascal、Python、JavaScript、TypeScript 或 SQL 猜测语法；手工读取 `references/`；读取其他场景输出 |
|
||
| `syntax-tsf-model` | 请写一个可从 `funcext` 加载并复用的 `.tsf`。 | `tsf-model` | `.tsf` 文件模型与函数扩展或 unit 专题 | 以原始题面术语执行 `lookup.py --mode write`；产出可加载的函数扩展或 unit，`.tsf` 内不加入脚本成功标记 | 把脚本语句区写入 `.tsf`；手工读取 `references/`；读取其他场景输出 |
|
||
| `syntax-assignment-named-args` | 请同时解释 TSL 中的赋值、相等比较和命名参数，并分别给出最小写法。 | `assignment-call` | 表达式、赋值与函数调用专题 | 以原始题面术语执行 `lookup.py --mode explain`；三种形式的边界正确且可追溯到原始 lookup 输出 | 按相似语言类推；手工读取 `references/`；编造未记录形式 |
|
||
| `syntax-class` | 请定义一个 TSL 类，构造对象并调用一个成员。 | `class-object` | 类、对象创建与成员调用专题 | 以原始题面术语执行 `lookup.py --mode write`；类声明和对象创建形态由原始 lookup 输出支持 | 用其他语言的 `class`、`new` 或成员语法补全 TSL；手工读取 `references/` |
|
||
| `syntax-invalid-statement` | 请诊断本文“`invalid-statement` 输入”中的 `.tsl`，说明 `invalid statement` 的原因并给出修正版。 | `invalid-statement` | 常见误写专题与对应文件模型主专题 | 以错误文本和原始题面术语执行 `lookup.py --mode diagnose`，必要时改进查询再次执行；输出覆盖 pitfalls 和主专题，并支持文件模型或语句位置判断 | 只复述输入代码；只凭错误字符串猜测；绕过 lookup 或手工读取 `references/` |
|
||
| `handoff-api` | 请给出一个用于读取行情的精确 TSL API 名称、完整签名、参数和返回值。 | `handoff-api` | `tsl-api-reference` | 明确交给 API Skill，不从语法资料或模型记忆补全 | 编造 API 名称、签名、参数或返回值 |
|
||
| `handoff-tooling` | 请同时说明 TSL 命名约定，以及 Linux 下解释器的准确执行命令。 | `handoff-tooling` | 项目 ruleset/命名文档与最近 `AGENTS.md`/工具链事实 | 退出语法范围并分别交给对应事实所有者 | 在语法 Skill 中编造命名规则、解释器路径或环境变量 |
|
||
|
||
## 允许文件配置
|
||
|
||
- `tsl-layout`、`tsf-model`、`assignment-call`、`class-object`、`invalid-statement`：允许 agent 读取 `skills/tsl-syntax-reference/SKILL.md` 并执行 `skills/tsl-syntax-reference/scripts/lookup.py`。lookup 子进程可读取随附 `references/`，但 agent 不得直接打开、枚举或挑选其中页面；lookup 的原始输出是唯一允许的语法事实材料。
|
||
- `handoff-api`：仅 `skills/tsl-syntax-reference/SKILL.md`；场景只验证交接，不读取或回答 API 事实。
|
||
- `handoff-tooling`：`skills/tsl-syntax-reference/SKILL.md`、`docs/tsl/naming.md`、`docs/tsl/toolchain.md` 和最近的 `AGENTS.md`。
|
||
|
||
## `invalid-statement` 输入
|
||
|
||
```tsl
|
||
a := 1;
|
||
test();
|
||
|
||
function test();
|
||
begin
|
||
echo "test";
|
||
end;
|
||
|
||
echo "after declaration";
|
||
```
|
||
|
||
## v1 运行边界
|
||
|
||
- 显式使用已安装的 `tsl-syntax-reference`；五个语法场景必须通过随附 `scripts/lookup.py` 取得语法事实，不得把 `references/` 当作人工路由或候选页集合。
|
||
- 不把旧 `docs/tsl/syntax/**` 当作回退事实源。
|
||
- API、命名和工具链事实只交给对应所有者；语法 Skill 不得代替它们编造答案。
|
||
- v1 不建立无资料 RED 或旧 docs 基线，不运行 `test/agent/prompts_zh.md` 的 100 题综合测试。
|
||
- v1 不计算迁移前后通过率，也不声明与旧 docs 的行为等价性。
|
||
|
||
## 运行与记录
|
||
|
||
- 每个场景启动全新会话，记录 agent、model、平台、可见文件清单和事实入口。
|
||
- 每条评测记录都必须逐字保存执行命令、stdout、stderr 和退出码；未运行命令的 handoff 场景也要在命令字段写明“未运行”及原因，不得省略原始命令/输出字段。
|
||
- 保存原始首答；同一场景不根据解释器或评分反馈循环修复后冒充首次结果。
|
||
- 五个语法场景必须实际调用 lookup 并正确应用其输出；两个 handoff 场景必须停止推断并交给正确所有者。
|
||
- 运行 TSL 前读取最近的 `AGENTS.md`，检测平台并使用其中规定的解释器环境。
|
||
- 只对实际产生可执行 `.tsl/.tsf` 的场景运行解释器；解释型和 handoff 场景按本文件条件判定。
|
||
- 七场景是 v1 轻量 smoke；后续版本按真实失败持续增加回归场景，不维护历史通过率基准。
|
||
|
||
每个场景使用同一记录模板：
|
||
|
||
- 场景 ID、agent、model、平台、可见文件清单、事实入口。
|
||
- 原始 lookup 命令、stdout、stderr、退出码；handoff 场景逐字记录“未运行”及原因。
|
||
- 原始首答、解释器命令与原始输出（如适用）、评分和失败分类。
|
||
|
||
## 评分
|
||
|
||
每个场景逐项记录 `pass`、`fail` 或 `invalid`：
|
||
|
||
- `pass`：满足全部通过条件且没有禁止行为；语法场景包含成功 lookup 的原始命令/输出，handoff 场景包含未运行 lookup 的明确记录及交接依据。
|
||
- `fail`：遗漏任一通过条件、出现任一禁止行为，或可执行产物未通过规定解释器验证。
|
||
- `invalid`：会话看到其他场景输出、运行反馈、评分材料或隔离配置之外的事实源。
|
||
|
||
评测还应记录失败分类：触发失败、错误路由、未读主专题、文件模型错误、语法应用错误、越界编造和隔离污染。
|