test: add session memory summary replay consistency harness

[Hugo-Chu-HY]

No description provided.

[github-actions]

CLA Assistant Lite bot All contributors have signed the CLA ✍️ ✅

[Hugo-Chu-HY]

I have read the CLA Document and I hereby sign the CLA

[helloopenworld]

AI Code Review

这确认了设计：summary_update/summary_truncation 应检测到 SQLite 漂移。根报告（pr.diff 中的 session_memory_summary_diff_report.json）显示这两个用例均为 differences:[] —— 这与框架实际行为及设计相矛盾。这是一个陈旧/误导性的已提交制品。

现在，该测试框架（harness）已失效（未被使用），因此其内部 Bug 无法在 CI 中体现。但根据审查指南，测试代码必须按实际执行风险进行评估。由于此测试框架从未被导入，其内部 Bug 属于维护性/死代码问题。影响最大且可验证的问题是已提交制品具有误导性，以及存在死代码的测试框架。

我来验证一下 pr.diff 中的测试框架是否存在 summary 在后端之间不可比的问题——实际上 backend.summaries 是一个仅在测试框架层面设置的字典（并未持久化到任何后端）。因此 summary_create/summary_update 用例根本不测试后端持久化 —— 摘要完全是在测试框架中伪造的，在两个后端中完全相同。这意味着这些用例无法检测到摘要持久化中的任何漂移（与设计文档实际意图相比，这是一个测试有效性漏洞）。这是一个真正的测试有效性问题：摘要“测试”没有涉及后端，因此毫无意义。

我来确认一下：在 replay_case 中，op == "summary" 只是设置了 backend.summaries[session_id] —— 没有调用 session_service。快照返回的是 backend.summaries.get(session_id)。因此，在所有后端中，摘要是相同的。summary_create/summary_update/summary_truncation 用例无法测试后端摘要的一致性。这是一个真实的测试有效性漏洞（即“测试没有覆盖实际风险路径”），即使代码是死代码，这也符合审查准则（测试有效性）。

现在我来完成审查。我还要再仔细检查一下 state_overwrite：用例设置 {language:zh, theme:light}，然后是 {theme:dark}。测试框架对两者都使用了 EventActions(state_delta=...) 进行追加。在 _append_event_to_session 之后，session.state 将包含合并后的结果：language=zh, theme=dark。冒烟测试（重写后的版本）断言 counter==3，但这个测试框架的根用例使用的是 language/theme。由于这个测试框架是死代码，并没有这样的断言。没问题。

现在我来给出审查结论。我来精确获取报告和用例文件的行号。

pr.diff 的行号映射：

• 根报告 JSON：session_memory_summary_diff_report.json 第 38-49 行（用例数组）
• 根用例 JSON：replay_cases/session_memory_summary.json 第 16-26 行
• 测试框架摘要处理：tests/sessions/replay_harness.py:74-79
• 测试框架摘要快照：tests/sessions/replay_harness.py:101 (summary: backend.summaries.get)

我再重新考虑一下报告 differences:[] 的问题是否真的是一个 Bug。它是硬编码的预期输出。但已知漂移的摘要用例应该存在差异。对于 summary_update/summary_truncation，报告显示为空 -> 误导。我将把报告 + 死掉的测试框架归为一组，合并为一个关于陈旧/孤立制品的警告。

我再考虑一下 summary 的测试有效性问题是否成立且可验证。在测试框架中，摘要从未触及任何后端。已验证。

现在我来写审查意见。我已经充分理解了。让我确认一下 harness 中的一个最终细节——即 summary 是否涉及任何后端，以验证测试有效性的发现。

replay_case 中的 summary 操作（第 74-79 行）仅设置 backend.summaries[session_id]（一个 harness-local 字典），没有 session_service 调用。快照在 tests/sessions/replay_harness.py:101 处返回 backend.summaries.get(session_id)。因此，summary case 无法检测到任何后端差异。已确认。

发现的问题

🚨 Critical

（无）

⚠️ Warning

• tests/sessions/replay_harness.py:74-79 与 tests/sessions/replay_harness.py:101：summary 用例不经过任何后端，无法检测摘要持久化漂移

  • op == "summary" 仅写入 harness 本地的 backend.summaries 字典，未调用 session_service/summarizer_manager；快照又直接返回该字典。因此 summary_create/summary_update/summary_truncation 在 InMemory 与 SQLite 两端取到的 summary 必然逐字节相同，根本不覆盖后端摘要持久化这一声称的核心风险路径。建议改为走真实的 create_session_summary + get_session 读回，或明确删除这些 case。

  • elif op == "summary":
        backend.summaries[session_id] = {...}  # 仅本地字典,不落库

• session_memory_summary_diff_report.json:44-46：提交的“全绿”报告与框架实际行为/设计相矛盾

  • 该静态报告对 summary_update、summary_truncation 均记录 "differences":[]，但设计文档（tests/sessions/replay/session-memory-replay-consistency-design.md:403）与真实测试（test_replay_consistency.py 的 KNOWN_DRIFT）明确要求这两个 case 应被检出 SQLite 漂移。提交一份误导性的“零差异”产物会让后续阅读者误判一致性状态；建议不要把运行时报告作为静态文件提交，或至少与实际输出对齐。

• tests/sessions/replay_harness.py、replay_cases/session_memory_summary.json、session_memory_summary_diff_report.json：新增文件未被任何测试路径引用，属孤立死代码

  • 全仓库检索无任何 .py/配置导入 replay_harness 或引用根目录下的 replay_cases/session_memory_summary.json（真实回放用的是 tests/sessions/replay/ 包及 replay/replay_cases/cases.jsonl）。pytest 也不会收集 replay_harness.py（非 test_*.py）。这些文件既不进入 CI 也不可复用，建议删除以免与 tests/sessions/replay/ 重写版本长期并存造成维护歧义。

💡 Suggestion

• tests/sessions/replay_harness.py:83：stored.events[:-operation["keep"] or None] 依赖 -0 == 0 的 falsy 特性把 keep=0 转成 [:None]，可读性差且易被后续维护者误改。建议显式处理 keep == 0 分支（如 events[: len(events)-keep]），避免隐式 or None 技巧。

总结

整体无阻塞性安全/逻辑错误，但本 PR 引入的四个文件均为孤立产物：harness 未被任何测试引用，且 summary 用例因不经过任何后端而无法覆盖其声称的摘要一致性风险；提交的“零差异”报告还与设计期望的已知漂移相矛盾。建议删除这些冗余文件，或将其 summary 路径接入真实后端并对齐报告内容。

测试建议

• 若保留 harness：补一个 InMemory vs SQLite 的 summary_update 端到端断言，确认能复现 KNOWN_DRIFT 中描述的 SQLite 摘要漂移，否则该 case 形同虚设。
• 暂无其他额外测试建议。

[codecov]

Codecov Report

✅ All modified and coverable lines are covered by tests.
⚠️ Please upload report for BASE (main@86b5f7d). Learn more about missing BASE report.

Additional details and impacted files

@@            Coverage Diff             @@
##             main        #264   +/-   ##
==========================================
  Coverage        ?   87.85545%           
==========================================
  Files           ?         482           
  Lines           ?       45189           
  Branches        ?           0           
==========================================
  Hits            ?       39701           
  Misses          ?        5488           
  Partials        ?           0           

☔ View full report in Codecov by Harness.
📢 Have feedback on the report? Share it here.

🚀 New features to boost your workflow:

• ❄️ Test Analytics: Detect flaky tests, report on failures, and find test suite problems.