test: 添加 Label 优先原则到 Agent Issue pick up 规则 — Closes #120

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

.claude/agents/dev-agent.md

@@ -78,6 +78,13 @@ export GITEA_USER=pzhang_dev_agent_01 # Dev-Agent 账号
 6. 无 Issue → 报告 "main healthy，无待处理 Issue"，等待下次轮询
 7. 同时保持对话开放，随时响应用户指令
 
+## 上下文管理
+Context window 有限。当 session 持续较长时间时：
+1. 根据对话轮次和消息长度估计 context 使用量
+2. **使用量达 ~80% 时主动使用 `/compact` 压缩对话**
+3. 压缩时保留：当前 Issue 上下文、`GLOBAL_STATE.md`、`PROJECT_CHARTER.md`、Agent 角色定义
+4. 压缩后从摘要恢复上下文，继续当前任务
+
 ## 工作流程
 
 ### 1. 轮询 Issue
@@ -99,6 +106,8 @@ python scripts/agent_poller.py --action list
 - 运行 `--action blocked-check` 检查阻塞状态是否已解除
 - 关闭 Issue 时会自动检查并解除被其阻塞的 Issue（auto-unblock）
 
+**Label 优先原则**：Issue 的 label 反映创建者（尤其是人类）的显式意图。`product-code` → Dev-Agent 域，`test-code` → QE-Agent 域。即使内容看似不在自身常规范围，只要 label 指定了自己的域就必须 pick up。Label 与内容冲突时，先 pick up 并评论确认，不直接跳过。
+
 ### 2. 分析 Issue
 
 ```bash

.claude/agents/qe-agent.md

@@ -31,6 +31,13 @@ description: "document_analyzer QE-Agent: 自动化验收测试开发与质量
 
 这样 QE-Agent 真正做到 **"默认轮询 + 随时互动"**。
 
+## 上下文管理
+Context window 有限。当 session 持续较长时间时：
+1. 根据对话轮次和消息长度估计 context 使用量
+2. **使用量达 ~80% 时主动使用 `/compact` 压缩对话**
+3. 压缩时保留：当前 Issue 上下文、`GLOBAL_STATE.md`、`PROJECT_CHARTER.md`、Agent 角色定义
+4. 压缩后从摘要恢复上下文，继续当前任务
+
 ## 环境要求
 
 开始工作前，确认以下环境变量已设置：
@@ -85,6 +92,8 @@ python scripts/agent_poller.py --action list
 python scripts/agent_poller.py --action list --labels acceptance-failure
 ```
 
+**Label 优先原则**：Issue 的 label 反映创建者（尤其是人类）的显式意图。`test-code` → QE-Agent 域，`product-code` → Dev-Agent 域。即使内容看似不在自身常规范围（如基础设施、agent 配置），只要 label 指定了自己的域就必须 pick up。Label 与内容冲突时，先 pick up 并评论确认，不直接跳过。
+
 ### Step 2: 领取并分析 Issue
 
 ```bash

CLAUDE.md

@@ -1,20 +1,40 @@
-<!--
-  Dev-Agent 自动加载文件
-  Claude Code 在项目目录中启动时自动加载此文件。
-  完整 agent 配置见 .claude/agents/dev-agent.md。
--->
+# document_analyzer — PRD-to-IR Pipeline
 
-你是 **Dev-Agent**，document_analyzer 项目的专属 AI 开发专家，通过 Gitea Issues 与 QE-Agent 协同迭代。
+基于 AI 的车机 PRD 文档解析与结构化 IR 生成 pipeline。通过 Dev-Agent 与 QE-Agent 协同迭代，探索 AI Agent 多智能体协作的软件工程闭环。
+
+## 项目文档（session 启动时读取）
+
+使用 Read 工具加载以下文件（绝对路径，不要用 Glob）：
+
+- `C:\Users\peterz\projects\document_analyzer\docs\PROJECT_CHARTER.md` — 项目愿景、目标、架构、约束
+- `C:\Users\peterz\projects\document_analyzer\docs\GLOBAL_STATE.md` — 当前阶段目标、已知问题、最近变更
+
+## Gitea 配置
+
+- 配置文件：`~/.gitea/config.yaml`，按 `GITEA_USER` 环境变量选择 profile
+- 默认使用人类用户身份（generic session）：`export GITEA_USER=pzhangzywl`
+- Agent 身份通过各自环境变量设置（Dev: `pzhang_dev_agent_01`，QE: `pzhang_qe_agent_01`）
+- **所有 Gitea API 操作必须通过 `python scripts/agent_poller.py`**，禁止直接 curl 或硬编码 token
+
+## 上下文管理
+
+Context window 有限。当 session 持续较长时间时：
+1. 根据对话轮次和消息长度估计 context 使用量
+2. **使用量达 ~80% 时主动使用 `/compact` 压缩对话**
+3. 压缩时保留：当前 Issue 上下文、`GLOBAL_STATE.md`、`PROJECT_CHARTER.md`、Agent 角色定义
+4. 压缩后从摘要恢复上下文，继续当前任务
 
 ## 核心规则
-1. **所有 Gitea API 操作必须通过 `python scripts/agent_poller.py`**，禁止硬编码 token
-2. **任何代码改动必须走完整流程**：Issue → 分支 → 开发/UT → pytest → PR → CI → merge → 自行验证 → 关闭 Issue
-3. **关闭 Issue 必须包含 4 要素**：问题 / 根因 / 修复 / 验证
-4. **质量级修复必须跑 pipeline + e2e**，pytest 绿了不等于功能正确
-5. **禁止试错**：根因不明时开 investigation Issue
 
-## 启动行为
-每次 session 启动时：
-1. 读取 `docs/PROJECT_CHARTER.md` 和 `docs/GLOBAL_STATE.md`
-2. 用 `/loop 10m` 开启自动轮询：`python scripts/agent_poller.py --action list`
-3. 先捡 `product-code` 标签 Issue，再捡无标签但 title 带 `[product]` 前缀的
+1. 代码改动走完整流程：Issue → 分支 → 开发/UT → pytest → PR → CI → merge → 自行验证 → 关闭 Issue
+2. 关闭 Issue 必须包含 4 要素：问题 / 根因 / 修复 / 验证
+3. **Label 优先原则**：Issue 的 label 反映创建者（尤其是人类）的显式意图，Agent 必须尊重
+   - `test-code` → QE-Agent 域，`product-code` → Dev-Agent 域
+   - 即使内容看似不在自身常规范围，只要 label 指定了自己的域，就必须 pick up
+   - Label 与内容明显冲突时，先 pick up 并评论确认，不直接跳过
+
+## Agent 模式
+
+- **Dev-Agent**: 启动时自动加载 `.claude/agents/dev-agent.md`（功能开发、重构、UT、接口集成测试）
+- **QE-Agent**: 启动时自动加载 `.claude/agents/qe-agent.md`（验收测试、质量门禁）
+- **Generic session**: 仅加载本文件，使用人类用户身份工作

agents/DEV_AGENT.md

@@ -78,6 +78,13 @@ export GITEA_USER=pzhang_dev_agent_01 # Dev-Agent 账号
 6. 无 issue → 报告 "main healthy，无待处理 Issue"，等待下次轮询
 7. 同时保持对话开放，随时响应用户指令
 
+## 上下文管理
+Context window 有限。当 session 持续较长时间时：
+1. 根据对话轮次和消息长度估计 context 使用量
+2. **使用量达 ~80% 时主动使用 `/compact` 压缩对话**
+3. 压缩时保留：当前 Issue 上下文、`GLOBAL_STATE.md`、`PROJECT_CHARTER.md`、Agent 角色定义
+4. 压缩后从摘要恢复上下文，继续当前任务
+
 ## 工作流程
 
 ### 1. 轮询 Issue
@@ -109,6 +116,8 @@ python scripts/agent_poller.py --action list
   2. 给原 Issue 加上 `blocked` 标签（通过 Gitea API PUT /issues/{num}/labels）
 - `blocked-check` 会自动检测阻塞解除，但**设置阻塞必须是手动的，且与创建 Issue 原子执行**
 
+**Label 优先原则**：Issue 的 label 反映创建者（尤其是人类）的显式意图，Agent 必须尊重。`product-code` → Dev-Agent 域，`test-code` → QE-Agent 域。即使内容看似不在自身常规范围，只要 label 指定了自己的域就必须 pick up。Label 与内容冲突时，先 pick up 并评论确认，不直接跳过。
+
 **处理范围**：Dev-Agent 负责处理**所有非纯测试开发**相关的 Issue。具体来说：
 
 | 处理 | 跳过 |

agents/QE_AGENT.md

@@ -30,6 +30,13 @@ description: QE Agent — 自动化验收测试开发与质量门禁。轮询 Gi
 
 这样 QE-Agent 真正做到 **"默认轮询 + 随时互动"**。
 
+## 上下文管理
+Context window 有限。当 session 持续较长时间时：
+1. 根据对话轮次和消息长度估计 context 使用量
+2. **使用量达 ~80% 时主动使用 `/compact` 压缩对话**
+3. 压缩时保留：当前 Issue 上下文、`GLOBAL_STATE.md`、`PROJECT_CHARTER.md`、Agent 角色定义
+4. 压缩后从摘要恢复上下文，继续当前任务
+
 ## 环境要求
 
 开始工作前，确认以下环境变量已设置：
@@ -84,6 +91,8 @@ python scripts/agent_poller.py --action list
 python scripts/agent_poller.py --action list --labels acceptance-failure
 ```
 
+**Label 优先原则**：Issue 的 label 反映创建者（尤其是人类）的显式意图，Agent 必须尊重。`test-code` → QE-Agent 域，`product-code` → Dev-Agent 域。即使内容看似不在自身常规范围（如基础设施、agent 配置），只要 label 指定了自己的域就必须 pick up。Label 与内容冲突时，先 pick up 并评论确认，不直接跳过。
+
 ### Step 2: 领取并分析 Issue
 
 ```bash

tests/acceptance/conftest.py

@@ -9,7 +9,7 @@ LLM configuration is read from secrets.yaml (searched in order):
     2. ~/.openclaw/config/secrets.yaml
     3. ~/.openclaw/workspace-document-analyzer/config/secrets.yaml
 
-    deepseek.apiKey / deepseek.baseUrl  → text model (deepseek-v4-flash)
+    deepseek.apiKey / deepseek.baseUrl  → text model (deepseek-v4-pro)
 
 Environment variables:
     TEST_IR_PATH       — path to IR JSON (default: output/final/ir_final.json)
@@ -198,11 +198,11 @@ def parsed_data(parsed_path: str | None) -> dict | None:
 class _AcceptanceLLM:
     """Thin LLM wrapper for acceptance tests.
 
-    Uses deepseek-v4-flash for text (Layer C QE audit) via OpenAI-compatible API,
+    Uses deepseek-v4-pro for text (Layer C QE audit) via OpenAI-compatible API,
     configured from ~/.openclaw/config/secrets.yaml.
     """
 
-    TEXT_MODEL = "deepseek-v4-flash"
+    TEXT_MODEL = "deepseek-v4-pro"
     IMAGE_MODEL = "qwen3-vl-plus"
     TIMEOUT = 180
     MAX_RETRIES = 3
@@ -277,7 +277,7 @@ class _AcceptanceLLM:
 def llm_client():
     """Create an LLM client for acceptance tests.
 
-    Uses deepseek-v4-flash for text (Layer C QE audit), configured from
+    Uses deepseek-v4-pro for text (Layer C QE audit), configured from
     ~/.openclaw/config/secrets.yaml deepseek section.
     """
     return _AcceptanceLLM()