v1.0.5

🎨 UI / UX (交互与布局)

• 会话面板拖拽改为仅从「≡」手柄发起：面板默认不可拖拽，手柄按下时临时开启、拖放结束（dragend / mouseup）复位——之前 panel.draggable = true 会抢占文本选择，复制会话窗口里的对话时鼠标拖动就成了拖拽窗口；页眉不再显示拖拽光标（改由手柄显示 grab 光标），面板头 title 提示同步更新。
• 修复「消息流」切换按钮溢出群发栏：概览列（220px）内「轮次对齐 + 消息流」控制组无处换行时溢出列宽、与「群发消息」标题重合——.run-overview-head 改为允许换行、统计文本加截断、控制组内部也可换行。

🛠 Bug Fixes (修复)

• 修复弹窗常驻「是否放弃修改」确认条（v1.0.2 潜在回归，v1.0.4 修复弹窗打开后暴露）：.modal-actions 与 .modal-confirm 都声明了 display: flex，但缺少 .类名[hidden] { display: none; } 显式覆盖规则（仓库内已有十余处同类规则，如 .modal-mask[hidden] / .panel-pending[hidden]，唯独弹窗内这两个漏了）——作者样式会覆盖浏览器默认的 [hidden] 隐藏行为，导致所有弹窗同时显示「是否放弃修改」确认条与取消/确定操作区。补上 .modal-actions[hidden] / .modal-confirm[hidden] 规则。
• 新增前端 hidden 一致性回归测试（tests/frontend/hidden_css.test.mjs）：静态校验「带 hidden 属性（或被 JS 以 .hidden 切换）且 CSS 声明了 display 的类，必须存在 [hidden] 覆盖规则」，防同类漏网再犯。

v1.0.4

🛠 Bug Fixes (修复)

• 修复全部弹窗无法打开（v1.0.2 回归）：index.html 的弹窗操作按钮容器 <div class="modal-actions"> 缺少 id="modal-actions"，而 v1.0.2（TB-03 dirty 确认条）起 modal.js 通过 $("modal-actions")（getElementById）访问它——恒为 null，openModal 一执行即抛 TypeError: can't access property "hidden", $(...) is null，组/会话配置、删除/重置确认等所有弹窗打开即失败（v1.0.1 的 modal.js 不引用该 id，故为 v1.0.2 引入的回归）。补回缺失的 id="modal-actions"。
• 新增前端 id 一致性回归测试（tests/frontend/page_ids.test.mjs）：静态校验页面 JS 中 $("…") / getElementById("…") 引用的每个 id 均须在 index.html 中定义、且 index.html 不得出现重复 id——防 HTML / JS 两侧不同步再次漏网（本次漏改正是此类问题，且此前测试仅覆盖 pure.js 纯函数）。

v1.0.3

⚙️ Compatibility (兼容性)

• 最低兼容版本修正为 astrbot >=4.26.0：插件 Web API 依赖 astrbot.api.web（PR #8688 的 Quart→FastAPI 迁移引入，首个包含版本为 v4.26.0；4.24.1/4.25.x 均无此模块）——原 >=4.24.1 声明不实（v4.24.1 的 subscribeSSE 不足以支撑本插件），metadata.yaml 修正为 >=4.26.0。

🧹 Chores / Refactoring (重构与工程化)

• 后端测试按域拆分（TB-09）：7719 行单文件拆为 tests/fakes.py（28 个公共辅助/Fake 类）+ test_runner / test_stores / test_testset / test_assessor / test_api 五个测试文件（283 个顶层定义零遗漏归位），导航/分跑/合并成本显著下降。
• CI 只跑上游最新版（TB-05 最终定案）：pytest.yml 改为 pip install astrbot（不写死版本，随上游发版自动跟进），安装步骤打印实际版本便于按日志定位上游变更；曾尝试「最低支持版 4.26.0 + latest」双矩阵，但固定旧版本在全新 runner 环境安装/运行不可靠（旧版重依赖解析失败），且与用户实际使用场景（总是跑最新 AstrBot）脱节——砍掉固定版本 leg；framework_internal 标记保留作语义标注（最新版全量运行）；「跳过数为 0」守卫（TB-29）保留，缺 astrbot 整组跳过时 CI 直接报错。

v1.0.2

🐛 Bug Fixes (修复)

• 持久化写入原子化 + 损坏文件备份（TB-01，数据安全）：全部 store 的 _save 改为「写临时文件 + os.replace 原子替换」，崩溃/断电不再留下半截 JSON；_load 解析失败时把损坏文件改名备份（*.corrupt-<ts>）并记告警日志，而非静默从空开始（下一次保存会把「空」写回、用户数据永久丢失）。
• 在途条「完成」条目不再残留（TB-02）：loadHistory/loadStream 成功后立即重渲染在途条（events.js 新增 renderAllPendingStrips 入口），消息流视图同步补写 historyRefreshedAt——完成且已刷入历史的条目即时消失。
• 弹窗误关丢表单防护（TB-03）：openModal 新增 dirty 选项（8 处表单弹窗启用），取消/遮罩点击/Esc 对已修改内容先显示内联确认条（不销毁表单 DOM），确认后才关闭；补 Esc 关闭、Tab 焦点圈定、关闭后焦点还原与 aria-labelledby。
• 单发/群发失败保留输入（TB-08）：入队成功后才清空输入框，网络/后端失败时原文保留可直接重试。

⚙️ Reliability (可靠性)

• API 列表元素级校验（TB-06）：sessions/ids 元素须为非空字符串（dict/list 元素此前使 dict.fromkeys/set 抛 TypeError → 500）；conf_id/provider_id/model 补字符串校验（非字符串 conf_id 曾可能污染 UCR 路由表）；评审重试 targets 防不可哈希。
• CI 双矩阵锁定 astrbot（TB-05）：pytest.yml 改为 astrbot==4.24.1（最低支持版）+ 4.26.6（已实测版）矩阵，pytest 系锁定；直接依赖内部模块的 3 条用例标 framework_internal 并在最低版矩阵跳过；新增「跳过数为 0」守卫（TB-29），缺 astrbot 整组跳过时 CI 直接报错。
• 测试 flaky 消除（TB-04）：4 处固定 asyncio.sleep(0.05) 竞态窗口改为 wait_until 轮询（路由恢复 ×2、历史重生成 ×2）。

🎨 UI / UX (交互改进)

• 报告生成/批量重试防重（TB-07）：同一报告的 LLM 生成与批量评审重试在途时忽略重复点击，按钮置灰 + 「生成中…/重试中…」，完成后恢复。
• 历史刷新不再强制拉回底部（TB-15）：向上翻阅时反馈刷新保持阅读位置，仅原在底部/初始加载才滚动。
• 视图切换刷新一致（TB-16）/ 桥接超时可见错误（TB-17）/ 身份搜索防抖（TB-18）/ 报告加载失败重试（TB-19）/ 组会话数量减少提示（TB-20）：一批交互细节补齐。
• a11y 补齐（TB-21）：tab 按钮 role="tab"/aria-selected、图标按钮 aria-label、视图切换按钮文案「切换到 X」消歧义。

🧹 Chores / Refactoring (重构与工程化)

• 在途条清理触发点补全（TB-10）：pending_entries() 顺带 _prune_runs，无新测试时已完成条目也按时清理。
• add_group_sessions 总数上限（TB-12）/ update_group 严格类型校验（TB-13）：与 clone_sessions / update_session 同口径。
• 死代码与重复实现清理（TB-22/23/24）：删除未使用的 clearStream 导出与未消费导出；Provider 下拉抽为 utils.js providerOptions() 共享；重连/防抖/截断魔法数字提为具名常量。
• :has() 布局规则改修饰类（TB-26）：checkbox 标签布局不再依赖老内核 WebView 不支持的 :has()；清理 .ruff_cache/.pytest_cache/__pycache__ 残留；函数内 stdlib import 提顶。
• 文档如实化（TB-11/14/25）：CLAUDE.md 依赖声明改为「公共 API 为主 + 唯一内部路径助手 + 3 条 framework_internal 用例」的准确描述，并显式声明插件仓库中文注释约定；评审时机语义（单步失败/中止不评审）写入 README 与 CLAUDE.md 并有锚定测试。

🧪 Testing (测试)

• 新增 10 条测试：损坏文件备份（TB-01）、评审时机跳过（TB-14）、真并行在途与乱序完成（TB-28）、EventBus 慢消费者不阻塞 / StreamStore 损坏行容忍 / SSE 端点 / final_rules 组合兜底（TB-30）；后端测试 251 → 259。

v1.0.1

🧹 Chores / Refactoring (重构与工程化)

• 新增插件图标 logo.png：AstrBot 插件管理页自动识别插件根目录的 logo.png 并展示。

📝 文档与工程化（Docs & Chores）

• README 细化新手引导：修复「三步开始」流程断链（新建测试组默认 0 会话，须先经 ✎ 编辑设置「会话数量」才能打开会话）、修正「使用流程」中已移除的「添加」按钮描述（新增会话走编辑弹窗「会话数量」）；配置项表格补全「会话数量 / 消息类型」，并新增「对比不同提示词 / 配置 / 模型」用法提示——在 AstrBot 框架本体建多个配置档案，测试组内每个会话绑定不同档案，群发同一句话并排对比差异。
• README 开发者章节改为贡献者流程：移除「直接推送到 dev」的维护者流程表述，统一为 fork + 向 dev 提 PR（CI 在 PR 上自动把关）；本地测试命令路径改为克隆仓库后的通用形式。

v0.4.5

🐛 Bug Fixes (修复)

• 运行器消息流写入失败不再挂起运行（HIGH）：_await_event 的流回填调用包 try/except——stream_store.update_reply / append 抛错（磁盘故障等）时记录日志后继续，done / test_done 完成判定恒执行，运行不会挂到 STALE_RUN_TIMEOUT / TESTSET_STEP_TIMEOUT 超时。
• 「＋ 新建测试组」改为直接建 0 会话空组、不再弹编辑弹窗：此前创建即弹编辑弹窗，点取消测试组也已被创建（含 1 个会话）；现 create_group 允许 count=0 创建空测试组，前端直接建组留在列表、不弹窗，用户按需点 ✎ 编辑补配置与「会话数量」。
• 全 POST handler 非 dict JSON 体不再 500：api/common.py 新增 json_dict() 统一读取 helper，全部 POST handler（api/ 下 28 处 + history_ops 的 save_history / regenerate_history 2 处，共 30 处）的 request.json(default={}) 调用点替换——数组 / 标量 / null 请求体统一返回 400「请求体必须是 JSON 对象」，不再因 .get 触发 AttributeError → 500。
• 配置档案嵌套键类型错误不再崩溃：conf_tool_info 对非 dict 的 provider_settings / proactive_capability 按空对象处理（配置被手改坏时 list_confs / list_groups 不再 500）。
• 测试集消息清洗容忍非 dict 项：_normalize_messages 对非 dict 消息项直接跳过（直调 store 时不因 .get 崩溃）。
• 前端事件流订阅建立即失败可重连：connectEvents 主体包 try/catch，subscribeEvents 初始 reject 时同样延迟 3s 重连（此前只在断线回调里重连，首次订阅失败事件层本会话报废）。
• 历史 / 消息流加载失败回退缓存：loadHistory / loadStream 的失败分支优先渲染 state.historyCache / state.streamCache 已有内容，仅无缓存时才显示错误（瞬态失败不再摧毁已渲染好的面板）。
• 群成员变更异步失败有反馈：removeMember / addMember / saveChatGroupName 的 API 失败包 try/catch 并显示错误状态（此前 unhandled rejection + 零反馈）。
• 报告视图加渲染序号守卫：renderReportView 两个 await 之间切换测试集 / 视图时丢弃乱序迟到响应，不再渲染错对象的运行 / 报告。
• 「＋ 新建测试集」未保存修改先确认：openNewTestset 有脏编辑时弹 danger 确认（此前 createTestset 后 clearDirty 把未保存编辑静默丢弃）。
• segmentLabel 缺 steps 不崩溃：运行记录缺 steps 字段时回退「第 N 步」文案。
• 弹窗保存失败不再关闭、丢失表单内容：modal.js 的 ok 回调先执行 onOk，失败时弹窗保持打开、#modal-error 内联显示错误（此前新建评审 Profile 不合规时弹窗先关、已填内容全部丢失）；打开新弹窗前清除上次错误提示。
• 固定规则不再显示评审 Profile 选择器：.ts-msg-rule-llm 声明了 display: flex，覆盖 [hidden] 属性 UA 默认的 display: none——导致非 LLM 类型（如「包含」等固定规则）也显示 profile / 上下文下拉；补 .ts-msg-rule-llm[hidden] { display: none; } 显式隐藏（沿用 .groups-card[hidden] 等既有修复 pattern）。
• 同根因 display:flex 覆盖 [hidden] 的 3 处遗漏（对抗性审计发现，顺带修复）：.ts-report-body（「编辑 / 报告」切换时报告体不隐藏，切回编辑视图后报告内容仍显示在表单下方）、.cg-members（未选群聊时成员编辑区仍占位）、.panel-pending（无在途消息时消息条空占一行）——各补 [hidden] { display: none; }。

✨ New Features (新功能)

• 断言组合算子 any / not（testset-redesign v2 收尾①）：消息规则支持任意组（至少一条通过）与取反——rules 列表元素 = 叶（机械或 LLM）| {op:"any", rules:[叶...]}（任一子规则通过即组通过）| {op:"not", rule:叶}（取反），顶层隐式 all（全部 entry 通过才整步通过）；评估由 Assessor._eval_entry 递归（机械子叶恒评估、LLM 子叶在组已被决定为通过后短路跳过；每 entry 一条 verdict，组 verdict 的 metrics 为全部子叶拼接、detail 说明「任意（至少一条通过）：X/Y 子规则通过」；not 取反子 verdict 的 pass，子 pass None（评审失败）不取反）；顶层短路语义不变（机械未过 → 后续 LLM 跳过）。final_rules 不支持组合（保持单叶）。前端规则区新增「＋ 任意组」按钮（组行 .ts-msg-rule-group，组内子行隐式 all、不嵌套）与叶行「取反」checkbox（.ts-msg-rule-not，机械与 LLM 叶都提供）；pure.js 新增 buildAnyGroupRule / buildRule 的 not 参数 / collectRules 识别 kind:"group"；store / API 不做规则键白名单，组合节点天然透传。
• 报告按 3 类组织（testset-redesign v2 收尾②）：报告详情弹窗改为「统计 / 详情 / LLM 报告」3 tab——统计为纯聚合不展开会话（metrics_summary 指标聚合行 + 新增「断言：通过 X / 失败 Y（共 Z）」data.assertions 与「耗时：平均 / 最小 / 最大 / p50 / p95（N 条）」data.durations + 评审失败数；后端 build_assertion_stats 只数 pass 非 None 的 verdict、build_duration_stats 收集全部 done 步骤 × 会话的数字耗时）；详情为完整执行数据（逐步骤×会话×verdict 明细 + 导出原始数据）；LLM 报告按测试集配置的 report_llm 一键生成。
• LLM 生成报告（testset-redesign v2 收尾③）：测试集新增报告 LLM 配置 report_llm（{provider_id, system_prompt?, model?}——缺省模型用 Provider 当前模型，与评审 profile 一致；编辑视图报告开关下方配置，保存随测试集持久化）；报告条目按钮「生成 / 重新生成 LLM 报告」调新端点 POST /reports/<report_id>/llm-report（报告完整 JSON 作为 prompt 发给报告 LLM，成功落 data.llm_report = {status, text, provider_id, model, generated_at} 并持久化，重新生成覆盖）；报告详情弹窗 LLM 报告 tab 用新增的markdown 受限子集渲染器（pages/testbench/render_markdown.js：parseMarkdown / parseInline 零 DOM 依赖纯函数 + renderMarkdownBlocks(blocks, doc) 渲染——文本一律经 textContent / createTextNode 落（LLM 输出是数据不是代码，绝不拼 innerHTML），链接 safeHref 仅放行 http(s)/mailto、其余置 "#"，防 XSS）。

🔄 Changed (行为变更)

• 评审 Profile 不再单独配模型：validate_profile 移除「model 必填」（省略时评审用 Provider 当前模型，call_reviewer 传 model=None）；表单删除模型输入框，Provider 下拉显示「供应商（当前模型）」，列表模型徽标按 Provider 当前模型解析；保存 / 编辑 profile 时顺带清除旧数据遗留的显式 model。
• 新消息默认 0 条断言：测试集编辑视图新消息默认不再渲染 1 条「无」类型空断言行，按需点「＋ 断言」添加。
• 消息框改为 textarea 可纵向拉伸：消息文本从单行 <input type="text"> 改为 <textarea>（全局 resize: vertical），长文本可纵向拉大，消息可含换行。
• LLM 规则 slice 上下文可配范围切片：消息级 LLM 规则选「范围切片记录」后新增范围输入（rule.slice_range，0 基闭区间，格式同最终断言范围「2-4 / 3 / 空=全部」）；后端 Assessor._slice_entries 按范围切片喂给评审 LLM 的记录并钳制边界（越界裁剪 / 倒序空 / 非法回退全部），未配范围时与 record 等效。
• 切片范围支持多段：切片范围输入可写多个段（逗号分隔，如 3-4,10-12），rule.slice_range 扩展为 0 基闭区间列表（仍兼容旧版单段 dict 存量数据）；Assessor._slice_entries 逐段切片拼接（越界裁剪 / 倒序段跳过 / 形状非法回退全部）；前端 parseSliceRange / sliceRangeToText 为多段解析与编辑回填（纯函数层，node:test 覆盖）。
• 状态条消息内容固定高度、过长滚动：.run-status 直接内联当前消息内容（测试集运行进度含完整 stepText），长文本 / 多行消息会把状态条顶高、挤压下方视图；限高（max-height 72px）+ 纵向滚动查看并保留换行（pre-wrap）——常态生效，不限于执行测试集。
• {{agent_system_prompt}} 占位符弃用，被测 agent 系统提示词改由规则级开关注入：占位符展开依赖评审 Provider 把 system_prompt 真正传给评审 LLM——部分 Provider 忽略 / 改写 system_prompt，内容到不了评审 LLM；改为 LLM 断言规则级「注入提示词」开关（rule.inject_system_prompt，缺省开启，显式 false 才落盘）把被测 agent 的装饰后系统提示词注入评审输入（prompt）开头（【被测 Agent 系统提示词】 标签块，Assessor.inject_system_prompt_block）——prompt 是所有 Provider 必传的，对该问题天然免疫；call_reviewer 不再接收 / 展开占位符，残留字面量清成空串；verdict 的 agent_system_prompt 字段保留作信息（评审重试用存储的 context_text，已含注入内容，自包含）。
• 未捕获到被测 agent 系统提示词时注入块仍存在：开启注入（缺省）时评审输入恒以 【被测 Agent 系统提示词】 标签块开头——捕获到内容则注入全文，未捕获 / 为空则显示占位文案「（未捕获到被测 agent 系统提示词）」，报告评审详情可直观确认注入链路状态，不再与未开启注入的表现无异（此前无快照时该块整个消失，排查困难）。
• 注入块改前后闭合标签 + 空系统提示词时回退解析人格：注入块由单侧标签 【被测 Agent 系统提示词】 改为前后闭合的 【以下是被测 Agent 系统提示词】…【以上是被测 Agent 系统提示词】，长提示词也能清晰区分块边界（沿用中文标签块，避免与注入的 XML 标记冲突）；同时 on_llm 捕获到 req.system_prompt 为空时（开场对话（begin_dialogs）型人格把身份文本注入 req.contexts 对话历史而非 system_prompt，这类会话的快照系统提示词恒为空）回退从会话配置档案解析人格（persona_manager.resolve_selected_persona，经会话 umo + 会话级 persona_id + 档案 provider_settings，镜像框架装饰路径），把人格提示词与开场对话补进快照，评审 LLM 仍能看到被测 agent 的人格设定；解析失败 / 无人格回退未捕获占位；回退解析关键决策点打 [testbench] 前缀 INFO 日志（是否执行 / default_personality / 会话级 persona / 命中人格及内容规模），供排查「未捕获」。
• 人格回退解析抽到 eval/persona.py，评审阶段也回退（不依赖捕获 hook）：回退解析实现（format_persona_snapshot / conversation_persona_id / resolve_agent_system_prompt）从 main.py 抽到共享模块 eval/persona.py，on_llm 捕获时回退改为薄包装；Assessor 在步骤结果无 llm_input 快照 / 快照系统提示词为空时（捕获 hook 未触发或 begin_dialogs 型会话）评审阶段也调用同一份实现从会话配置档案解析人格补进评审材料——修复「未捕获」不依赖捕获链路，且评审输入恒带被测 agent 人格；评审阶段从对话存储回查会话级 persona_id（conversation_persona_id，防御式，失败回落档案 default_personality），结果按 umo 记忆（同一次运行内多次命中只解析一次）；日志改走根 astrbot logger——插件的专用 logger 支持按插件调级，INFO 日志可能被静默过滤，根 logger 与 AstrBot 自身模块记法一致、排查更可靠。

🧪 Tests (测试)

• 后端 +5：运行器流写入失败仍完成、_normalize_messages 非 dict 项、conf_tool_info 嵌套错型、_scope_indices 边界钳制、非 dict 请求体 400（223 → 228）。
• pure.js 动态测试 +7：buildRule 未知类型回退、信封缺 messages / 版本非 number / 非字符串 text / 畸形 final_rules、ruleFailCount 空 verdicts 回退、segmentLabel 缺 steps（35 → 42 断言组）。
• 前端静态检查 +1：test_frontend_defensive_fixes 防御性改动静态标记（59 → 60）。
• 前端静态检查 +1：test_frontend_modal_error_keeps_content 弹窗 onOk 失败保留表单内容（60 → 61）。
• 后端模型可选随测更新：test_validate_profile_ok_and_errors / test_call_reviewer_ok_and_statuses / test_plugin_reviewer_crud 覆盖省略 model、model=None 调用与无 model 创建（228 不变）。
• 后端 +1：test_assessor_message_rule_slice_range 消息规则 slice_range 切片 / 缺省回退 / 边界钳制（228 → 229）。
• pure.js 动态测试 +4：buildRule slice_range 分支（slice 空范围 / 区间 / 单步 / 非 slice 忽略，42 → 46 断言组）。
• pure.js 动态测试 +5：多段切片范围（buildRule slice 多段、parseSliceRange 空 / 多段 / 非法、sliceRangeToText 回填，46 → 51 断言组）。
• 前端静态检查 +1：test_frontend_message_editor_defaults_and_slice 默认 0 断言 / textarea / hidden 修复 / slice 输入标记（61 → 62）。
• 前端静态检查 +1：test_frontend_run_status_scroll 状态条消息限高滚动标记（62 → 63）。
• 后端 +2：test_inject_system_prompt_block 注入块纯函数 + test_assessor_inject_system_prompt_rule_level 规则级注入开关（缺省注入 / 显式 false 不注入 / 无 llm_input 快照注入占位块）（229 → 231）。
• 后端 +4：test_format_persona_snapshot 人格快照纯函数、test_resolve_persona_system_prompt_defensive 回退解析防御式（无 persona_manager / 解析异常 / 无人格 → 空串）、test_resolve_persona_system_prompt_from_conf 从配置档案解析（prompt + 开场对话合入、会话级 persona_id 与 umo 透传）、test_plugin_on_llm_persona_fallback 空 system_prompt 时 on_llm 回退补人格（231 → 235）。
• 后端 +1：test_assessor_persona_fallback 评审阶段回退解析人格（结果无 llm_input 快照时从配置档案补上、会话级 persona 回查失败回落档案、同 umo 结果 memo 只解析一次）（235 → 236）。
• 前端静态检查 +1：test_frontend_llm_rule_inject_system_prompt 注入开关静态标记（editor_js 的 .ts-msg-rule-inject 复选框 / collectRules 透传 / 占位符废弃文案 / css 样式，63 → 64）。
• pure.js 动态测试 +3：buildRule 注入开关分支（缺省与 true → 不带 inject_system_prompt、显式 false → 字段、collectRules 透传 injectSystemPrompt）（51 → 54 断言组）。
• 后端 +15（236 → 251）：组合算子 any/not 递归评估（全过 / 部分过 / 全不过 / not 取反 / not 内 LLM / any 内 LLM 短路 / 顶层短路不回归 / 空组与未知形状容错 / 组 verdict 契约）、store 透传组合节点、报告断言统计 build_assertion_stats / 耗时统计 build_duration_stats（error/invalid 与短路跳过不计入、全 done 步骤）、report_llm 存储清洗 / API 校验 / LLM 报告生成端点（成功产物落 data.llm_report 并持久化、重新生成覆盖、未配置 400 / Provider 缺失 400 / 报告不存在 404 / 数据损坏 400 / 调用异常 400 不落库）。
• pure.js 动态测试 +7：buildRule not 包裹（机械 / LLM 叶）、not=false / 空类型不包裹、buildAnyGroupRule 空子输入 → null、组节点收集、collectRules 识别 kind="group"（组内 not 子叶保留）、空组与无效组内行丢弃（54 → 61 断言组）。
• 新增 tests/frontend/render_markdown.test.mjs（node:test，13 断言组）：parseInline 纯文本 / 粗斜体 / 行内代码 / 链接混排、parseMarkdown 标题 / 代码块 / 分隔线 / 无序有序列表 / 表格 / 单行 | 降级段落 / 空行与非法输入容错、renderMarkdownBlocks 块结构 / 表格 thead+tbody / HTML 注入文本按文本渲染（不产生注入元素） / 链接协议白名单（javascript: 置 "#"）——node --test 总数 61 → 74。
• 前端静态检查 +5（64 → 69）：test_frontend_combo_rule_ui（「＋ 任意组」/ 组行 / 取反 checkbox / buildAnyGroupRule / op 节点形状）、test_frontend_report_three_tabs（统计 / 详情 / LLM 报告 3 tab 与断言 / 耗时统计行）、test_frontend_render_markdown_module（模块存在 / 导出纯函数 / 零依赖 / 不拼 innerHTML / safeHref）、test_frontend_report_llm_form（编辑器 report_llm 表单与保存 payload、api.js 封装）、test_frontend_report_llm_button_and_pane（生成按钮按配置显隐、LLM 报告 tab 渲染器接入）。

---

v0.4.4

🧹 Chores / Refactoring (重构与工程化)

• 巨型文件拆分（Phase 4）：testset_editor.js（1456 行）的报告视图拆到新模块 pages/testbench/testset_reports.js（348 行）——createReportView(deps) 工厂持有「编辑 / 报告」视图切换状态（viewMode）、最近运行 / 持久化报告列表 / 指标聚合总览 / 详情弹窗 / 导出 / 删除 / 评审重试全部随迁，编辑器只保留 #btn-ts-mode 切换按钮绑定与 renderTestsetEditor 末尾按当前视图刷新报告页的入口（reportView.syncViewModeUI() / reportView.isReportMode()）；getDeps 经闭包包装取最新绑定（setDeps 会重赋值编辑器闭包变量）。testset_editor.js 降到 998 行。配套：前端 ES module 清单（_FRONTEND_MODULES 与 CI js-check 循环）加入 testset_reports，test_frontend_report_editor_toggle / test_frontend_report_list_actions 断言重定向到新模块。

---

v0.4.3

⚡ Performance (性能优化)

• 身份库 sender_id → is_admin 惰性索引（Phase 3）：IdentityStore 新增 is_admin_of(sender_id)——按 sender_id 惰性构建管理员身份索引（create_identity / update_identity / delete_identities 写操作后失效、下次查询重建），runner 的 _resolve_role 改走该 O(1) 查询，不再在每次发送时对身份库全量线性扫描（身份数量增长时避免每次群发都 O(n) 比对）。语义不变：任一身份命中（sender_id 精确匹配且 is_admin 为真）即按管理员处理，未命中 / 旧数据缺 is_admin 键一律普通成员。

---

v0.4.2

🧹 Chores / Refactoring (重构与工程化)

• 前端纯函数抽取到零依赖模块 pure.js，新增 node:test 动态测试（Phase 2）：把 testset_editor.js / testset_run.js 的纯逻辑（collectEditorRows / parseScope / parseTestsetEnvelope / buildRule / collectRules / rangesFromFlags、verdict 计数 ruleFailCount / ruleReviewFailCount、段文案 segmentLabel / segmentSummary 与配套常量 RULE_VALUE_TYPES / EXPORT_FORMAT / EXPORT_VERSION）抽到 pages/testbench/pure.js——不引用 DOM / state / 其它模块，页面模块经 import 复用同一份实现（防两处漂移），并新增 tests/frontend/pure.test.mjs 用 Node 内置 node:test（零依赖）做行为测试；pytest.yml 的 js-check job 追加 node --test 命令，仓库根新增 package.json 声明 type: module（node 可直接加载页面 ES module，无 npm 依赖）。

---

v0.4.1

✨ New Features (新功能)

• 持久化写路径去阻塞：全部 store（测试组 / 身份 / 群聊 / 测试集 / 评审 profile / 报告）的同步写方法保持同步签名，API 层与异步编排（测试集运行报告生成）经新增 AsyncWriteMixin.write（store/_base.py）锁内线程化执行——asyncio.to_thread 把全量写 JSON 移出事件循环线程（不再阻塞 LLM / 消息处理），实例级 asyncio.Lock 串行化 read-modify-write + 落盘（防并发写丢更新）。群消息流（StreamStore）改为 JSONL 追加写（streams.jsonl）：磁盘只记 append / reply 两种 op 记录，clear / 删除会话 / 压缩时才全量重写（reply_status 烘焙进消息），行数达阈值（10000）自动压缩——热路径不再反复全量重写整个文件。测试集运行终态广播增加一次报告生成完成后的终态快照：_drive_segments 先广播终态（report_id 尚为 None），_drive finally 生成报告后重发终态快照，前端 SSE / 轮询者能拿到含 report_id 的最终快照。
• 评审 Profile 表单新增 {{metrics}} 展开内容实时预览与复制：编辑输出指标时，表单实时显示 {{metrics}} 占位符展开后的完整内容（逐字段取值要求 + 示例输出，经新接口 POST /reviewers/preview 由评审运行时的 metrics_contract_description 直接计算，保证预览与实际展开字节级一致、前端不镜像格式化逻辑）；预览与占位符共存——{{metrics}} 照常自动展开，也可点「复制预览」把展开内容复制到提示词手动修改后使用（任选其一或同时存在）。复制按钮带剪贴板回退：navigator.clipboard → document.execCommand("copy") → 选中预览内容提示手动 Ctrl+C（插件页 iframe 沙箱未授予 allow-clipboard-write，自动复制可能被拒）。表单同时新增 {{agent_system_prompt}} 占位符提示（展开为被测 agent 的装饰后系统提示词，未捕获时为空串）。
• LLM 评审材料改为结构化「实际输入 + 输出」：单轮（reply 模式）评审不再只给回复文本——现在包含该轮完整输入与输出，并用中文标签块明确标注身份与分界（【输入 · user（发送者）】 / 【输出 · agent（virtual_bot）】，多轮 record / slice 模式每轮带「第 N 步:」前缀、轮间空行分隔）。材料中的输入是实际喂给被测 LLM 的输入而非测试集原始文本：插件经 AstrBot 原生 LLM 阶段 hook（on_llm_request）在调用前快照装饰后的 req.prompt 与 req.extra_user_content_parts（框架 / 插件注入的 <system_reminder>、知识库结果、附件标记等），随结果摘要（llm_input）进入评审上下文；未捕获到快照时回退原始文本。快照在 hook 处渲染为纯字符串，不存组件对象引用（随 SSE 事件与报告 JSON 序列化）。同时评审 profile 的 system_prompt 新增 {{agent_system_prompt}} 占位符——展开为被测 agent 的装饰后系统提示词（来自同一快照），由用户在评审提示词中自行编排；未捕获时展开为空串（不残留字面量占位符）。verdict 持久化存储 agent_system_prompt，报告评审重试（/reports/<id>/reviews/retry）重跑时自动透传，评审材料不包含被测 agent 的 system_prompt。
• 新增主动消息与异步补发检测警告：虚拟会话无法收到插件主动发送的消息（定时任务到点触发的问候 / 话题等），此前这类回复被静默漏掉、测试结果呈「无回复」且无任何提示。现测试台在运行启动时探测 cron 定时任务（AstrBot 公开 API list_jobs / get_next_run_time）：active_agent 任务的 payload.session 投递目标与虚拟会话 umo 精确匹配、basic 任务 payload 做浅层启发式扫描（深度 2，命中虚拟 umo / 会话 id 才警告），命中项作为运行级警告（含任务名 / 类型 / 表达式 / 投递目标 / 下次运行时间与说明）随运行记录与事件流呈现——手动群发启动前同步探测、测试集运行启动后后台探测，前端在运行状态条（「⚠ N 条主动消息警告」）、结果表格弹窗顶部警告块与面板状态中提示。检测是增强：cron_manager 未初始化 / 枚举失败一律降级为无警告，不破坏测试本身。同时 runner 新增异步补发检测窗口：pipeline 结束后再观察一小段时间（生产装配 1s，构造缺省 0 保持旧行为与测试速度），窗口内 fire-and-forget 补发的回复不计入结果（摘要已冻结），仅在面板状态行标记「pipeline 结束后又有 N 条回复到达（插件异步补发）」——如实告知有回复被漏掉；检测不是捕获，长延时 / 外部触发来源无法覆盖，其计划根源由 cron 探测兜住。
• 评审 Profile 放开为多个实例并把管理入口迁到左侧测试集列表：左侧「测试集」卡片以 tab 拆分「测试集 / 评审 Profile」（镜像身份实体与身份池的列表 + modal 表单管理模式），profile 的创建 / 编辑 / 删除在列表中完成（每条显示 Provider · 模型 · 评审上下文 · 指标数徽标 + 编辑 / 删除）；不再限制只能有一个 profile——消息规则 / 最终断言按 profile_id 引用，创建第二个不再被 API 拒绝；编辑窗口内的 Profile 摘要区随之移除，消息规则 / 最终断言行内 profile 下拉在 profile 增删改后自动重建（防 stale）。
• 测试集消息模型升级：断言规则由单条 rule 扩展为 rules 规则列表（每条消息可配多条断言，按全部通过判定；旧数据与旧信封单条 rule 自动迁移），新增命令标记 is_command（预期触发框架行为而非 LLM 回复的消息，勾选后随消息持久化）；编辑器消息行改为「文本行 + 下方多断言列表」结构（类型下拉 / 断言值 / 删除 + 「＋ 断言」添加，min_len/max_len 值须为整数，空值规则保存时静默丢弃并带行号提示）。
• 测试集新增身份配置：可设单一身份（single，整集消息恒用该身份发送，消息级身份下拉随之隐藏）或身份池（pool，消息行身份下拉列出池成员、按成员选择）；保存时把被引用身份的完整数据内联快照进测试集（自包含，身份 / 群聊删除后测试集仍可运行），单身份快照含 is_admin（管理员身份发送时 event.role 自动为 "admin"）、身份池快照为群聊名 + 成员身份列表；测试集运行记录记录每条消息的解析后发送者与管理员标记。
• 测试集导出 / 导入信封升级到 v2：信封携带身份配置（single → identity 快照；pool → pool 身份池），导入复用创建端点、不创建身份 / 群聊记录（内联快照直接可用）；解析兼容 v1（单条 rule → rules 列表）与 v2（rules / is_command / identity / pool），版本号高于当前版本拒绝。
• 新增身份管理员配置（is_admin）与发送时自动角色：测试身份实体新增「是否管理员」勾选（新建默认非管理员，旧数据零迁移）；发送虚拟消息时按发送身份是否为管理员自动设置 event.role（管理员 → "admin"，否则 "member"）——此前虚拟事件恒为 "member"，开启 computer_use_require_admin（默认开启）的配置下虚拟会话永远无法通过计算机工具的管理员权限门控，现可按身份模拟不同权限身份。管理员身份在身份列表以徽标标注，并带「⚠ 危险」警告提示（管理员可调用需管理员权限的工具、可能执行危险操作），身份表单勾选管理员时即时显示内联警告条；身份表单管理员单选框改为 checkbox 在前、与标签同行显示（不再独占一行），群聊编辑视图成员行同时显示昵称与发送者ID，管理员成员挂「管理员」+「⚠ 危险」徽标。
• 新增工具安全警告：创建 / 编辑测试组与会话级配置档案覆盖时，若所选配置启用了任何可调用的工具（computer_use_runtime 为 local/sandbox、web_search、kb_agentic_mode、proactive_capability.add_cron_tools——缺省即开启，故默认配置本身即命中），弹窗内即时显示内联警告条（不阻塞提交）；测试组列表按组与全部会话的有效配置实时计算安全标记（⚠ 工具），配置档案事后内容修改会随列表刷新更新（标记派生、不持久化）；GET /confs 每个档案新增 has_callable_tools 布尔。
• 新增群聊虚拟会话支持：测试组 / 会话新增「消息类型」配置（私聊 FriendMessage / 群聊 GroupMessage，默认私聊、旧数据零迁移），群聊消息的 umo 变为 平台:GroupMessage:会话id——只监听 GROUP_MESSAGE 的插件（如主动回复类插件）现在能被虚拟会话触发；消息类型变更视同 umo 变更，自动清理旧 umo 的路由与对话历史。
• 新增自动@（auto_at）（群聊消息，默认开启）：开启时模拟「@机器人 发言」，消息链以 At(机器人自身) 开头、消息文本保持纯文本，唤醒检查直接命中（is_at_or_wake_command 置位）；关闭时消息以未唤醒状态进管道，只能被 filter 通过（如 Heartflow）唤醒——用于测试「不 @ 就不回复」的主动回复插件。auto@ 是发送时选项而非组/会话配置：群发栏新增「自动@」勾选框（默认开启，群聊消息生效），测试集每条消息也可单独配置是否@（消息行 @ 勾选框，导入导出信封保留 auto_at 字段、旧文件缺省按开启），旧组/会话配置里的 auto_at 键自动清理。
• 新增测试身份（name / sender_id / sender_name 三元组）与虚拟群聊（名称 + 成员池 member_ids）两个跨测试组共享的持久化资源，经 UI 窄条第三个按钮「身份与群聊」视图集中管理；群聊测试会话可绑定一个虚拟群聊，投递消息时自动取成员池首个身份作为默认发送者（优先级：消息级身份 > 绑定群聊默认成员 > 会话/组手动 sender > 默认 testbench）。
• 「身份与群聊」视图交互改型：左侧卡片内以 tab 拆分「身份」/「群聊」两个列表（身份膨胀后群聊列表不被长列表挤走）；创建虚拟群聊只填名称（成员多选移出弹窗——成员多时窗口放不下），成员管理移到新增的右侧「群聊编辑」视图——搜索身份池（按名称 / 发送者ID / 昵称实时过滤、已在群内成员排除）点「＋ 加入」、成员行可「✕」移除、名称可改；删除群聊后编辑视图回到空态。
• 群聊编辑视图界面优化：群成员列表与搜索结果优先展示昵称（sender_name，无昵称回退发送者ID，悬停显示完整信息）而非裸 ID——成员多时按昵称识别更直观；左侧身份条目可拖拽到右侧群聊编辑视图的成员区快速加入该群（拖入时成员区虚线高亮提示，drop 即加入；未选中群聊 / 身份已在群中给出明确提示而非静默无效）。
• 新增群消息流持久化：每个虚拟会话记录与 LLM 对话历史并行的纯消息流（user 发言含发送者身份与 @ 标记、bot 回复，按时间序，不注入 LLM 上下文），面板页头新增「LLM 历史 ↔ 消息流」切换按钮；重置会话清流、删除会话删流，单会话上限 500 条超出截断最旧。
• 新增唤醒状态 / 无回复原因反馈：no_reply 区分「未唤醒」（not_woken）与「已唤醒但无回复」（woken_no_reply），结果摘要携带 wake 字段（woken / at_or_wake / stopped / llm_requested），面板可据此判断消息是否真正唤醒机器人。
• 新增动态身份：群发栏身份选择器可给整批消息指定身份，测试集每条消息也可单独指定身份（消息行新增身份下拉，导入导出信封保留可选 sender 字段，向后兼容旧文件）；新增长后端接口：GET/POST /identities、POST /identities/delete、POST /identities/<id>/update、GET/POST /chat-groups、POST /chat-groups/delete、POST /chat-groups/<id>/update、GET /sessions/<id>/stream、POST /sessions/stream/clear。
• 会话视图历史中的工具调用与工具返回改为结构化气泡：助手消息带 tool_calls 时逐个渲染工具调用气泡（summary 即工具名、展开查看美化后的参数 JSON，默认收起防长参数撑开面板），不再以裸「（调用工具…）」占位符挂在思维链下——思维链内出现工具调用时（think 部件与 tool_calls 同消息）工具调用以独立气泡紧随思维链渲染；role: "tool" 的返回消息渲染工具返回气泡，头部经 tool_call_id 关联标注「哪个工具的返回」，正文即返回内容；非 JSON 参数原样显示、空返回显示占位。
• 新增「测试集」视图（UI 窄条第二个按钮）：测试集是一组连续 user 消息序列，可对单个 / 多个会话做多轮对话的纵深测试（命令 → 子命令 → 参数确认 → 结果）、提示词/插件改动后的回归（同一序列反复跑）与连发/追问压测。支持 CRUD、每条消息可带回复断言规则（正则 / 包含 / 不包含 / 合法 JSON / 非空 / 字数 / 前后缀），后端以 Python 正则评估、结果随运行返回（✓/✗）。
• 测试集支持批量发送范围（batch_ranges）：测试集内按消息勾选「批量」、连续勾选自动合并为一个批量段，段内消息立即连续发出（重叠）、段外消息逐条发送（等上一步全部会话完成）；可设多个批量段（每段 ≥1 条），运行发送节奏完全由测试集自身决定、不再在运行时选「逐条 / 批量」模式；侧栏「最近运行」列出历史运行，可点「查看」找回结果（含运行中的继续跟踪）。
• 测试集运行由后端后台任务驱动，与页面生命周期解耦：离开 / 刷新页面不中断后续步骤，返回后经「最近运行」可继续查看进度与结果；运行可随时「取消」（当前步骤完成即止、后续不再发）；单步 10 分钟超时安全阀防止一条悬挂消息拖死整个测试集，运行记录超时自动清理。新增 8 个 Web API：GET/POST /testsets、POST /testsets/delete、POST /testsets/<id>/update、POST /testsets/run、GET /testsets/run/status、POST /testsets/run/abort、GET /testsets/runs。
• 群发不再阻止重叠发送：agent 处理上一条消息时可再次群发（真实「重复追问」场景，与真实平台一致由 AstrBot 原生 pipeline 并发处理）。已打开会话面板底部新增在途消息条，实时显示每条消息「已入队 / 排队等待 LLM / LLM 生成中 / 完成」四个阶段——前三个阶段经 AstrBot 原生 LLM 阶段 hook（on_waiting_llm_request / on_llm_request）观察，只读不干预 pipeline。
• 平台来源完全移除 virtual_test，默认改用 webchat（与 AstrBot WebUI 一致）；发送者 id / 昵称默认改为 testbench / 测试台。
• 群发栏新增实时统计：显示当前打开的会话数量，并标注各会话来源的测试组分布（如「当前会话:8 提示词测试组:5 模型测试组:3」）。
• 面板头部新增「编辑」按钮：以 JSON 编辑器整体查看 / 替换该会话的 {conversations: [...]} 结构化对话历史（编辑单条消息、新增或删除对话都在 JSON 中完成），取代原先逐条消息的编辑；气泡保留「重新生成」。按钮文案后由「历史」更名为「编辑」（功能不变）。
• 会话面板页眉改为多行布局：标题与测试组 / 平台 / 配置徽标随内容长度自动换行并撑开页眉，不再溢出截断；「编辑 / 置顶 / 关闭」操作按钮始终固定在第一行右对齐。
• LLM 回复气泡新增思维链折叠显示：带推理内容（think 部件）的回复默认收起，点击「展开思维链」即可查看，再次点击收起；轮次对齐模式下展开 / 收起后自动重排对齐高度。
• 左侧布局重构：最左新增 UI 窄条（方形按钮 ☰「会话列表」/ ✎「测试集」），点击当前视图按钮折叠 / 展开侧栏，点击另一视图按钮切换视图；移除「创建测试组」表单块与独立「测试组列表」块，改为单一列表——列表内含「＋ 新建测试组」块（点击即创建默认配置测试组，随后弹出编辑弹窗）+ 测试组块（点击展开组内会话）。
• 新增测试组编辑弹窗：可修改组名、会话数量（保存时若少于目标值自动新增）、平台来源、配置档案、发送者 id 与昵称；组配置变更同步应用到仍继承组配置的会话（新增后端接口 POST /groups/<id>/update，会话已单独覆盖的字段不受影响）。
• 会话可在列表内展开查看配置：逐项显示有效值与「已修改 / 继承组」状态标识，会话头显示「已改 N」汇总徽标；会话配置的修改统一走展开配置中的「编辑配置」弹窗。
• 左侧会话行操作收敛为「打开 / 删除」：移除「配置」按钮，「重置」按钮移至已打开会话的面板页眉（编辑 / 重置 / 置顶 / 关闭）。
• 群发栏移至工作区下方（已打开会话面板在上、群发在右下），轮次对齐滑动条位于面板与群发栏之间。
• 界面重构：右侧工作区视图随左侧列表选择自动切换（不设手动切换按钮）——☰「会话列表」→ 会话视图（已打开会话面板 + 群发栏），✎「测试集」/ 选中测试集条目 → 右侧测试集编辑窗口；测试集列表条目收敛为「有名字的条目」，创建即得到命名条目，消息编辑 / 运行 / 导出 / 删除统一在编辑窗口完成（不再条目内联展开）；会话视图顶部新增常显状态条（测试集运行进度 + 取消按钮，两个视图下都常显），已打开会话面板加一层块包裹。
• 群发栏新增测试集执行：执行测试 选择测试集后直接对全部已打开会话运行，进度显示在常显状态条、逐步骤刷新，完成后弹结果表格（批量段步骤带「批量」徽标）。
• 测试集运行目标新增「选择测试组」：可多选测试组，勾选组解析为该组全部会话 id（含未打开的会话）作为目标，运行弹窗只需选目标会话、不再选发送模式。
• 测试集导出 / 导入：编辑窗口可将测试集导出为 JSON 文件（带 format / version 信封，为未来「测试集市场」从网络下载兼容预留），可导入已有测试集 JSON 文件（复用创建端点，无新后端接口）；导入校验信封格式与版本，非法文件弹窗报错不创建。
• 会话面板页眉新增「⋯」菜单：编辑历史（JSON 编辑器入口，原页眉「编辑」按钮收敛进菜单）、重置历史（清空对话）、复制历史（复制当前会话全部对话历史到剪贴板，跨会话可用，刷新页面后清空）、克隆会话（同测试组内新建 N 个会话，对话历史与当前会话完全一致，可应用于同组配置下多会话对照）、粘贴历史（有复制内容时以剪贴板整体覆盖当前会话历史）、衍生测试组（基于当前会话的历史创建一个全新测试组，组内会话历史均与该会话一致，可命名 / 指定会话数，用于把一次成功调试沉淀为可复用的对照组）；新增 2 个后端接口 POST /sessions/clone 与 POST /sessions/derive（复制与衍生分别按会话 / 按组拷贝原生对话历史）。
• 新增进程内事件总线 EventBus 与 /events SSE 事件流端点：runner / testset_runner 在状态变化点广播全量快照事件（在途 pending、会话完成 session_done、测试完成 test_done、测试集进度 testset，快照为发布时刻的拷贝），页面经插件页面 subscribeSSE 实时订阅，不轮询即可看到在途 / 逐会话 / 测试集进度实时更新；15s 心跳注释行防代理断连。兼容下限提升至 astrbot_version: ">=4.24.1"（subscribeSSE 自该版本提供）。
• 测试组「打开全部」按钮改为**「打开全部 / 关闭全部」二态**：组内会话全部打开时按钮变为「关闭全部」，点击一键关闭本组全部已打开会话（只关属于本组的会话，其他组的会话不受影响）；任一会话在会话视图中被单独关闭后按钮自动回到「打开全部」，点击只补开尚未打开的会话。
• 左侧列表的「＋ 新建测试组」/「＋ 新建测试集」按钮移至列表末尾（已有测试组 / 测试集下方），列表为空时紧随空态提示之下——新增入口不再抢占列表首屏，长列表下新建入口始终固定在底部可滚动到。
• 群发栏重构为从左到右三块：第 1 块（窄，仅显示状态）首行左对齐当前会话总数、右对齐「轮次对齐」开关，下方按测试组逐行列出分布（每行「组名:N」，条目多时可上下滚动）；第 2 块为群发消息输入框 + 发送按钮；第 3 块为测试集选择 + 执行按钮。原先输入框与测试集选择框横跨整行过长，现收敛为各块内自适应宽度。
• 新增评审层（LLM 断言）：测试集从纯机械断言扩展为「机械 + LLM」两层，机械规则全部通过才调 LLM（短路控制成本与不确定性）。新增跨测试集共享的评审 Profile（name / note / provider_id / model / system_prompt / context(reply|record|slice) / metrics 指标声明——类型必须配置声明、不能运行时推断，报告聚合依赖它；system_prompt 支持 {{metrics}} 占位符自动展开为已收集指标；Provider / 模型为测试集级显式配置，避免用被测模型自评）——评审 Profile 的管理入口在左侧「测试集」卡片的「评审 Profile」tab（列表 + 新建 / 编辑 ...