用途：这是 AI-DLC 数据库迁移的校验与测试阶段，在 Construction 阶段获批后使用，用来证明源库与目标库之间“相同输入得到相同值”（函数/查询）以及“相同输入产生相同净效果”（过程/DML）。方法论见 engines/<pair>/checks/equivalence-spec.md，需替换为当前引擎对（如 oracle-to-postgresql、sqlserver-to-mysql）。
分工：dbmig 负责确定性工作（采样数据、运行测试、比较、报告），由 Kiro 依据真实数据生成测试用例。
运行模式：silent（默认）下任何测试或核对失败都记录到 migrations/<project>/follow-up.yaml（及 .md），运行继续、不阻塞，结束时汇总待办项；interactive 下额外提示输入或修正，失败以非零退出码呈现。
主要步骤：一、按 testing.data_load 装载数据，dev/test 用 python -m dbmig migrate-data --schema <S> --workers 8 --project <P>，方法可选 toolkit（默认）或 fdw（仅 PostgreSQL 目标，慢速 VPN 场景，加载后默认删除 FDW 对象，可加 --fdw-keep / --fdw-cleanup），prod/大型用外部 AWS DMS。二、数据就绪后执行 python -m dbmig apply-schema --schema <S> --project <P> --post-data 应用被推迟的外键与触发器，这是门控写入。三、用 python -m dbmig compare --schema <S> --project <P> 核对行数。四、用 python -m dbmig gen-tests --schema <S> --project <P> 抽取可调用对象与真实样本，人工为每个待处理单元写 .test.yaml，函数比较返回值，过程用探针查询前后快照比较增量。五、用 python -m dbmig run-tests --schema <S> --project <P> 在事务中运行并回滚，结果写入等价性报告。六、对失败项分类，链接到转换对象与手册参考，修复后回到 Construction 重新转换并重测。
限制：装载与过程测试会写目标库，属门控操作，应使用专用测试 schema/数据库；若过程自带 COMMIT，回滚无法撤销，只能对一次性目标测试。结束时停在门控“Approve the equivalence test results?”，带未决项继续须显式确认。