test(contract): 落成五个接缝的契约骨架，用它逼出七个设计洞

第 ④ 阶段的核心交付物。这套测试不针对任何具体实现，写的是「不管你怎么实现
都必须满足这些行为」，下游写完自己的实现接到 fixture 上跑一遍即可，
是任何新适配器的准入标准（CLAUDE.md §0）。

现在全部跳过，因为公共类型与 Protocol 还没落地。价值不在跑，在写：
写一条契约要求把每次调用逐字写出来——方法叫什么、参数填什么、返回值怎么取，
而散文里读着通顺的地方，落到这一步就露出来了。

三轮文档评审没报出的七个洞，写这套测试时全部撞了出来：
没有动作的步 result_id 填什么；三个 ActionStatus 取值的触发条件；
动作被拒绝时观察的来源（执行器与 SyntheticObservations 两处都有）；
解释器能不能抛异常；Event 没有字段所以事件出口的契约只写得出一半；
read_log 读不存在的运行必须返回空日志而不是抛异常；
以及原子性与前缀持久性这两条 0005 的承诺根本没有机器兜底——
写这套测试之前我们默认它们会被契约测试接住。

洞标成 xfail(strict=True) 而不是常驻 fail：一个永远红的套件会训练所有人忽略红。
它们都不带 fixture，否则会被「实现还没有」那个跳过挡住，
于是「答不上来」就伪装成了「还没轮到」。补上之后 XPASS 会报错，逼人回来删标记。

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

tests/contract/test_decision_parser.py

@@ -0,0 +1,77 @@
+"""决策解释接缝的行为契约。
+
+两个已知形态：一个从代码围栏里抽 Python 源码，一个从 JSON 里抽工具名与参数。库不带任何
+默认实现——带了就等于替某一家定了动作语言。
+
+## 写这份文件时撞出来的、`design/0006` 还答不上的问题
+
+模型输出完全无法解释时，解释器是返回「无效决策」还是抛异常。
+"""
+
+import pytest
+
+pytestmark = pytest.mark.contract
+
+
+def test_parse_is_synchronous(decision_parser, records):
+    """`parse` 是同步的，不是协程。
+
+    解释一次模型回复是纯计算，没有等待点。写成协程会让每个只想写测试替身的下游多套一层
+    `async def`，也会诱导实现方在里面做 I/O——而这个接缝一旦做起 I/O，「恢复时重新解释
+    被打断的那一步」就不再是安全操作了。
+    """
+    parsed = decision_parser.parse(records.reply(content="anything"))
+
+    assert not hasattr(parsed, "__await__")
+
+
+def test_history_text_is_what_goes_back_into_the_conversation(decision_parser, records):
+    """`history_text` 是这一步回填进历史的那段文本，可以与模型原文不同。
+
+    解释器有权改写它：dissect 的解析器把第一个代码围栏之后的内容整段丢掉，因为模型常在
+    代码块后面编造「执行结果」。库这边只有模型原文，照它回填，模型下一轮会看见自己编的
+    那段，而迁移前它看不见。
+    """
+    reply = records.reply(content="```python\nprint(1)\n```\nThe command succeeded.")
+    parsed = decision_parser.parse(reply)
+
+    assert isinstance(parsed.history_text, str)
+    assert len(parsed.history_text) <= len(reply.content)
+
+
+def test_invalid_decision_explanation_is_what_is_fed_back(decision_parser, records):
+    """无效决策的说明文本**就是**回喂给模型的那段观察，不是从一个固定串里取。
+
+    dissect 的解析器对五种解析失败各有一条对症说明（没有代码块、空的未闭合块、闭合围栏后
+    跟了别的内容、多块策略下第一块为空、拼接策略下全空）。压成一句会改掉它的实验条件——
+    模型收到的纠错信息变了，它的纠错行为也就变了。
+    """
+    parsed = decision_parser.parse(records.reply(content="没有任何代码块"))
+
+    assert isinstance(parsed.decision.explanation, str)
+    assert parsed.decision.explanation != ""
+
+
+def test_action_carries_its_trace_form(decision_parser, records):
+    """动作分支要带「这一步的动作在轨迹里长什么样」，由实现方决定内容，库原样填进步记录。
+
+    dissect 传那段 Python 源码，GovDoc 传序列化后的参数。没有这个字段，dissect 轨迹里那一列
+    会被库改写，而那个文件是它的反思模型的唯一输入界面。
+    """
+    parsed = decision_parser.parse(records.reply(content="```python\nprint(1)\n```"))
+
+    assert isinstance(parsed.decision.text, str)
+
+
+@pytest.mark.xfail(reason="design/0006 答不上，见 docstring", strict=True)
+def test_unparseable_output_returns_invalid_decision_rather_than_raising():
+    """模型输出完全无法解释时，解释器返回「无效决策」还是抛异常。
+
+    `design/0006` 定了三个分支——动作、最终回答、无效决策——但没说「解释器可以抛异常吗」。
+    两条路后果完全不同：返回无效决策，那一步照常留痕、说明文本回喂给模型、循环继续；抛
+    异常，库要么把它翻译成某个停止原因终止整次运行，要么让它穿出去炸掉调用方。
+
+    dissect 的解析器不抛异常，所以它撞不到这个分歧。但契约测试是**任何新适配器的准入
+    标准**，一个会抛异常的实现照现在的契约既不算违规也不算合规。
+    """
+    pytest.fail("解释器能不能抛异常、抛了怎么办，没有定义")