ForCoding 自我验证项目

目的

验证 ForCoding 的模型路由和优化策略：

1. Flash Think High vs Flash Think Max vs Pro Max 的质量差距（真实数据）
2. 9 原则嵌入 + 上下文增强是否有实际价值
3. 各种配置的成本效益对比

目录

self-test/
├── README.md                  # 这个文件
├── configs/                   # 4个模型配置
│   ├── baseline-flash-high.json   # A: ForCoding 推荐
│   ├── test-flash-max.json        # B: Flash Max
│   ├── test-pro-max.json          # C: Pro Max
│   └── test-flash-noprinciples.json # D: 无优化
├── tasks/                     # 5个测试任务
│   ├── T01-refactor-skill.md
│   ├── T02-fix-builder-bug.md
│   ├── T03-add-flash-feature.md
│   ├── T04-security-audit.md
│   └── T05-document-update.md
├── evaluate.ps1               # 会话生成脚本
└── results/                   # 结果存档

快速运行

1. 预览

.\evaluate.ps1 -DryRun

2. 生成会话文件

.\evaluate.ps1

生成 sessions/YYYY-MM-DD-HHmm/ 目录，包含：

• INDEX.md — 会话索引和结果汇总表
• T01-A.md ~ T05-D.md — 每个任务×配置的会话提示词

3. 执行测试

在 OpenCode 中以新会话执行每个会话文件：

@forcoding 按照 sessions/YYYY-MM-DD-HHmm/T01-A.md 执行

重要：每个会话开始前，临时修改 forcoding.md 中的 model 为对应配置的模型。

完成后在 INDEX.md 中填写结果。

4. 填写结果

在 INDEX.md 的汇总表中填写每行：

#	任务	配置	结果	Token(入/出)	耗时	编辑纪律	注释	评分
1	T01	A	成功	2.1K/0.8K	2m30s	2/✅	无	4

5. 生成报告

手动汇总 INDEX.md 中的数据，或使用报告模板。

测试矩阵

配置	模型	推理	验证什么
A	Flash	High	ForCoding 当前推荐的基线
B	Flash	Max	Max 推理是否能提升质量
C	Pro	Max	质量上界（Flash 追赶目标）
D	Flash	High(无优化)	优化是否真的有效

评估维度

维度	权重	说明
正确性	40%	功能是否按需求实现
编辑纪律	25%	read→edit→verify 是否遵守
代码风格	20%	与现有代码一致性
注释质量	15%	无 AI slop 词

评分: 0=完全失败, 5=完美