测试信号

在真实和合成的测试差异上运行 Macroscope 的 test-signal 检查（.macroscope/check-run-agents/test-signal.md），并检查一个便宜的模型会标出低信号测试、放过好的测试。用它把检查裁到仍然有效的最少字数。

模型拿到检查正文、PR 的测试差异、PR 头上的 read_file 和 grep，以及 post_comment。包在正文外面的包装提示是 Macroscope 那份未公开提示的替代品。

运行

sh

cd evals
pnpm test-signal --out runs/baseline
pnpm test-signal --out runs/cut --prompt /path/to/variant.md --case new-table-row

模型经过 ~/.codex/config.toml 里的 vibeproxy CLIProxyAPI 提供方。默认模型：gpt-6.1-terra 和 gpt-6-luna。每个模型传一次 --model 来更换它们。
标志：--prompt <file>（检查的一个变体，默认是真实的那份）、--case <id>（可重复）、--samples <n>（默认 2，前两次不一致时再来第 3 次）、--concurrency <n>（默认 6）、--reasoning <level>（默认 low，与检查运行时一样）。
坏案例在评论落在目标测试内部时通过。守卫案例在检查什么都不发、并且回复恰好是 All clear 时通过。
summary.md 给出提示的哈希和字数，然后按模型给出：抓住的坏案例、干净的守卫、错误和 token。
费用：只有代理配额，两个模型完整跑一次大约 0.5M token。

添加案例

向 cases.ts 添加一条。real 案例指定一个已合并的提交及其测试路径。synthetic 案例在真实文件里的一个锚点字符串之后插入一个测试。坏案例列出要标记的测试标题。