regression-optimization

用途：在回归测试优化中，对测试选择、排序、并行、缓存与风险保留之间的权衡做有证据边界的分析、设计或验证准备；可用于审查计划、结果或指标，并转化为可执行改进；输入不完整时也可给出有边界的首轮分析，标明假设、缺口与需人工决策的边界。\n\n主要能力：提取范围、环境、版本、时间窗口、约束、成功标准与可用证据，关注选择依据、排序、并行、缓存、风险保留；区分已确认事实、有证据的推断、候选建议和人类决策，再按风险与证据强度排序；将高风险项转为前置条件、步骤、预期行为或决策标准、所需证据与验证方法；输出默认 Markdown，按领域风险、证据状态、优先级和边界组织，也可按要求输出表格、CSV、JSON 或工单字段。\n\n使用方式：阅读并遵循 prompts/regression-optimization.md，包括输入审计、领域覆盖和输出顺序；校准领域结果、有效控制或证据缺口时阅读 references/domain-decision-example.md；评估时阅读 evals/eval.yaml 及 evals/cases/ 下匹配用例；仅在目录存在且任务需要时加载 references/、examples/、scripts/ 或 output-formats.md。\n\n适用场景：回归测试优化方案评审、指标与结果审查、权衡设计与验证准备，尤其需保留关键风险、已知逃逸和强制门禁时。\n\n限制：不得编造系统行为、字段、指标、阈值、数据、根因、执行记录或通过结论；静态设计、计划、文件存在或干跑不能成为真实执行的证明；证据不足时使用待确认、阻塞、未评估或 NOT_SCORED 并给出最小验证方法；不得替代业务负责人或人类风险接受、例外审批与发布决策；生产、隐私或安全相关工作需最小权限、脱敏数据、模拟、干跑或隔离；需对比前后版本、环境、义务、数据和窗口，不同测试量不支持时间对比；删除唯一保护需授权接受。