browserskill-release-test

1# BrowserSkill 发版前测试与真实场景 Benchmark
2 
3用真实浏览器行为评估候选版本。交付可复查的完整证据、覆盖矩阵、Benchmark 统计（成功率、交互轮次、每轮动作压缩比、耗时分布）、缺陷清单及测试结论。**100% 是全量通过的判定标准，不是预先保证的测试结果，也不是强制 PR 门槛。**
4 
5较大改动提交 PR 前推荐运行；不是提交或合并 PR 的强制要求，不替代现有单测和检查。未运行或存在环境阻塞时如实说明，不据此要求阻止 PR。全量通过的判定仍要求所有必测项通过；明确请求局部自测时可只执行相关项，但报告必须标为部分覆盖，不能缩小全量分母。
6 
7可直接让 Agent 阅读本仓库中的本文件；也可将整个 `browserskill-release-test` 目录复制到宿主支持的技能目录后按名称调用。脚本和资源相对本 Skill 定位，无需修改用户的内置 `browser-skill`。
8 
9## 不可省略的约束
10 
11- 所有浏览器读取、输入、批量计划（`bsk plan`）、流程回放（`bsk recipe`）、有界 DOM 读取（`bsk read`）、脚本、截图、调试、录制、标签操作都经过本轮固定构建的 **Bsk**。不能用 Playwright、CDP、CUA、其他浏览器 MCP 或直接 HTTP 抓取页面代做。shell 可编译、启动本地合成服务器、调用 Bsk、解析产物；图片/视频工具可检查 Bsk 产物。
12- 阅读候选仓库的 `crates/bsk-cli/skill/SKILL.md`、`docs/recipes.md` 及对应 references，确保操作规范与候选匹配；不得凭本技能编造命令参数。
13- 按 [candidate-setup.md](references/candidate-setup.md) 选择候选：PR 自测默认当前分支 HEAD；发版测指定 release commit 或固定的 main SHA。CLI 与独立命名扩展来自同一源码，固定 browser 并核对 build/文件哈希。本轮中途换版本必须新开完整一轮。测试安装按用户要求保留供复查。
14- 业务操作前读取页面。target 政策 DOM 动作及 `bsk plan` 使用返回的 context；evaluate、已有页面的 navigate/back/forward/reload、视觉或首步无目标动作还使用 fresh sync 的**顶层 observation_id**。strict 独立会话每次重新 sync。不能猜 refs、补造 receipt 或用关闭 guard 消除失败。
15- 轮播保持运行。不得暂停、冻结 DOM、隐藏动画、注入 CSS 或换后端使巨量引擎/淘宝的 active 测试通过。`observation_changed` 等错误原样留证；判断实际原因，不把用户猜测直接写成已证实缺陷。
16- 每秒变化页和轮播页都必须独立测 evaluate、`read` 与 wheel，包含即时及跨更新周期的规划延迟、实际滚动和持续更新核验，按 [dynamic-pages.md](references/dynamic-pages.md) 执行。不能只在静态页测过命令就给动态页打勾。
17- **必测新引入命令与边缘场景**：
18…