regression-gate.sh worklist 階段無 test 覆蓋（heredoc refactor 可能靜默掉白名單）

[kiki830621]

Problem

scripts/regression-gate.sh 的 worklist 生成階段（含 #112 加的 language 白名單、以及既有的 corpus 白名單）完全沒有 test 覆蓋。#112 verify 兩個 lens 各自確認：

• Regression lens：grep "regression-gate\|worklist" Tests/ = 零命中；對比之下 compare stage（baseline-compare.py）有 Process test 對照真實 implementation 防 drift。
• Security lens：RegressionBaselineTests.swift 只 exercise baseline-compare.py，unsafe language / worklist 零命中。

風險：未來一次 heredoc refactor 可能靜默掉白名單（把 fail-loud 的 guard 改沒了也不會有 test 抓到），#112 / #115 的修復就此回歸。

Type

feature

Expected

為 worklist 生成階段加 test 覆蓋（regression lens 建議二選一）：

1. 把 worklist python 抽成 scripts/lib/baseline-worklist.py（比照既有的 scripts/lib/baseline-compare.py），對它加 unit test（含 hostile language / corpus / model fixture）；或
2. Shell-test：BESTASR_BASELINE=<hostile> + stub bin，assert fail-loud exit 非零。

任一皆 retro-cover 既有未測的 corpus 白名單。

Impact

中等——是 regression 防護的結構性補強，非急迫。與 #112（language 白名單）、#115（model 白名單）互補：三者都靠這層 test 防未來 refactor 回歸。

Source: surfaced during /idd-verify #112 (PR #114) — regression lens MEDIUM + security lens LOW，both independently flagged「no test covers the worklist stage」。

Current Status

• Phase: verified
• Last update: 2026-08-01

[kiki830621]

Diagnosis

Type

feature

Root Cause / Analysis

worklist 驗證邏輯是 regression-gate.sh 內的 inline heredoc（L40-63），結構上無法在
不跑整個 gate（需要語料在 disk、需要 binary）的前提下測試。對比之下 compare stage 已經
是 scripts/lib/baseline-compare.py 獨立模組，且 RegressionBaselineTests.swift:65 用
Process 對真實實作跑測試防 drift。

兩者的不對稱正是缺口：compare stage 有防護，worklist stage 沒有——而 worklist 正是
#112（language 注入）與 #115（model path traversal）兩個安全修復所在的位置。一次
heredoc refactor 就可能靜默移除白名單，沒有任何 test 會紅。

額外發現（影響抽取設計）：baseline 欄位目前在兩段獨立 heredoc 各自 parse ——
worklist 段（L40-63，讀 corpus/language）與 model 段（L65-68，讀 entries[0]["model"]）。
若只抽 worklist，model 的驗證（#115）會落在仍未被測到的第二段，缺口只補一半。

Impact

• scripts/regression-gate.sh（兩段 heredoc → 呼叫 lib）
• scripts/lib/baseline-worklist.py（新，比照 baseline-compare.py）
• Tests/BestASRKitTests/（新測試，比照 RegressionBaselineTests 的 Process 模式）

Strategy

• 新增 scripts/lib/baseline-worklist.py：argv 收 baseline path、--emit worklist|model
  選輸出；不論 emit 哪個都跑完整欄位驗證（單一驗證通道，防兩段分岔）
• regression-gate.sh 兩段 heredoc 改為呼叫該 lib（行為等價）
• 新增 Swift 測試（Process 對真實 script）：合法 baseline 正向、各欄位注入負向、
  exit code 與 stdout 契約
• 現行 benchmarks/baseline.json 產出的 worklist 與抽取前逐 byte 相同（回歸鎖）

Conflict Class

C_shared_module_coord — 共享資源具名：regression-gate.sh 的 baseline 欄位驗證通道
（與 #115 同一資源，兩者綁 cluster PR 相鄰處理，不交錯）。

Complexity

Plan

多檔且有順序依賴（先抽取才有地方加驗證）、抽取介面有 2+ 合理設計（單一 script 雙 emit
mode vs 兩個 script）→ Layer P 命中「decision-heavy」+「2+ 檔案有順序依賴」。
未達 Spectra：scripts/lib/ 不是 published API surface，無既有 spec 治理其介面。

Risks

• 抽取改變 worklist 輸出（哪怕空白差異）會讓既有 gate 行為漂移 → 用「逐 byte 相同」測試鎖住。
• --emit model 若只驗 model 不驗 corpus/language（或反之），會重新製造兩段分岔 → 契約
  明訂「不論 emit 哪個都跑完整驗證」。

Residue

本 issue 只覆蓋 regression-gate.sh 的 baseline 讀取面。baseline-compare.py 的輸出跳脫
問題（#117）是另一條路徑，不在此範圍。

Vagueness Pre-check

• V1: 2 — deliverable 具體（抽 lib + 加測試），有既有模式可比照
• V4: 2 — 完成定義明確（測試綠 + 輸出逐 byte 相同）
• Triggered: no

Sister Concerns Filed (mid-diagnose)

(none) — #115 已獨立存在並與本 issue 綁 cluster。

[kiki830621]

Verify (via PR #126)

Result: PASS — 8/8 Strategy items FULLY，0 blocking。5 個 in-scope fix 已於 round-1（be03a92）修畢。
Full report: #126 (comment)

引擎：3 lens + sequenced DA + Codex 跨模型（本輪成功，前兩輪 429 缺席）。DA 無法推翻核心 PASS。

Follow-up 已 file：#127（pin-reference-model.sh 同款漏洞、更嚴重）、#128（gate wiring 無測試）、#129（symlink 物理 containment）；design D2 未強制已記入 #117。

⚠️ close note 需限縮為「model 欄位的詞法 traversal 已堵 + 該驗證路徑已納入測試」，不得宣稱 baseline 注入面全關（見 #127/#129）。