PolyLoop/tests/contract/conftest.py

"""契约套件的装配点。

这套测试**不针对任何具体实现**。它写的是「不管你怎么实现，都必须满足这些行为」，所以它
自己不造实现，只声明「你得提供什么」。任何一个下游写完自己的存储或适配器，把它接到这里
的 fixture 上跑一遍，全绿就算合格——这是 `CLAUDE.md` §0 说的「任何新适配器的准入标准」。

**接法**：下游在自己的 `conftest.py` 里覆盖同名 fixture，返回自己的实现。

**为什么在实现之前就写它**：写一条契约测试要求把每一次调用逐字写出来——方法叫什么、参数
填什么、返回值怎么取。散文里读着通顺的地方，落到这一步就会露出来。前三轮文档评审抓不到的
洞，几乎全是这么冒出来的。
"""

from collections.abc import Mapping

import pytest

from polyloop.ports import Action, Event, ToolCall
from polyloop.stores import JsonlRunStore
from polyloop.types import (
    ActionOutcome,
    ActionStatus,
    Intent,
    IntentKind,
    ModelCallResult,
    ModelReply,
    ReplayPolicy,
    RunFinished,
    RunResult,
    RunStarted,
    StepCompleted,
    StepRecord,
    StopReason,
)

#: 还没有默认实现的那几个接缝，套件里对应的测试全部跳过。
_NO_IMPLEMENTATION = (
    "库不带这个接缝的默认实现——带了就等于替某一家定了它的协议。"
    "下游在自己的 conftest.py 里覆盖这个 fixture，把自己的实现接进来跑。"
)


class _Records:
    """构造各类记录的工厂。

    它不是被测对象，是让测试正文读得懂的一层薄封装：`records.model_call_intent(...)` 比直接
    写一长串构造参数更能看出这条测试在断言什么。工厂随套件一起走，因为记录类的字段是库的
    公共承诺，下游不该为了跑契约测试去手写构造。
    """

    #: 让测试写 `records.action_status.EXECUTED` 而不必自己 import 那个枚举。
    action_status = ActionStatus

    def reply(self, *, call_id: str | None = "call-1", content: str = "hi") -> ModelReply:
        return ModelReply(call_id=call_id, content=content, thinking="")

    def model_call_intent(self, *, run_id: str, call_index: int, result_id: str) -> Intent:
        return Intent(
            run_id=run_id,
            kind=IntentKind.MODEL_CALL,
            call_index=call_index,
            result_id=result_id,
            replay_policy=ReplayPolicy.NEVER,
        )

    def action_intent(
        self,
        *,
        run_id: str,
        call_index: int,
        result_id: str,
        replay_policy: ReplayPolicy = ReplayPolicy.NEVER,
    ) -> Intent:
        return Intent(
            run_id=run_id,
            kind=IntentKind.ACTION,
            call_index=call_index,
            result_id=result_id,
            replay_policy=replay_policy,
        )

    def model_call_result(
        self,
        *,
        run_id: str,
        result_id: str,
        reply: ModelReply | None = None,
        failure: str | None = None,
    ) -> ModelCallResult:
        """`reply` 与 `failure` 恰好一个有值，两个都不给时默认造一条成功的。"""
        if reply is None and failure is None:
            reply = self.reply()
        return ModelCallResult(run_id=run_id, result_id=result_id, reply=reply, failure=failure)

    def outcome(
        self,
        *,
        status: ActionStatus = ActionStatus.EXECUTED,
        observation: str = "环境的输出",
        env_reported_completion: bool = False,
    ) -> ActionOutcome:
        return ActionOutcome(
            status=status,
            observation=observation,
            observation_is_synthetic=False,
            env_reported_completion=env_reported_completion,
            observation_truncated_chars=0,
        )

    def step(self, *, step_idx: int = 0, parse_ok: bool = True) -> StepRecord:
        return StepRecord(
            step_idx=step_idx,
            raw_output="模型说的话",
            content_chars=5,
            thinking_chars=0,
            action="做点事" if parse_ok else None,
            parse_ok=parse_ok,
            parse_error=None if parse_ok else "解释不出动作",
            observation="环境的输出",
            observation_is_synthetic=False,
            observation_truncated_chars=0,
            prompt_chars=100,
            call_id="call-1",
            step_wall_ms=12,
        )

    def step_completed(
        self,
        *,
        run_id: str,
        result_id: str | None,
        action_outcome: ActionOutcome | None,
        step: StepRecord,
    ) -> StepCompleted:
        return StepCompleted(
            run_id=run_id, result_id=result_id, action_outcome=action_outcome, step=step
        )

    def run_started(self, *, run_id: str, parameter_snapshot: Mapping[str, str]) -> RunStarted:
        return RunStarted(run_id=run_id, parameter_snapshot=dict(parameter_snapshot))

    def result(
        self, *, run_id: str, stop_reason: StopReason = StopReason.TASK_COMPLETED
    ) -> RunResult:
        return RunResult(
            run_id=run_id, stop_reason=stop_reason, final_answer="42", steps=(self.step(),)
        )

    def run_finished(self, *, run_id: str, result: RunResult) -> RunFinished:
        return RunFinished(run_id=run_id, result=result)

    def action(self, *, text: str = "做点事", tool_name: str | None = None) -> Action:
        return Action(
            text=text,
            tool_call=None if tool_name is None else ToolCall(name=tool_name, arguments={}),
        )

    def event(self) -> Event:
        return Event()


@pytest.fixture
def records() -> _Records:
    return _Records()


@pytest.fixture
def store(tmp_path) -> JsonlRunStore:
    """被测的存储接缝实现。

    默认接的是库自带的那个逐行追加实现。下游覆盖这个 fixture，返回自己的实例。

    每次调用返回一个**空的**存储：套件里每条测试都假设自己面对一份干净的日志，共用状态会让
    测试之间的顺序变成隐式依赖。`tmp_path` 每条测试一个新目录，这一条自动成立。
    """
    return JsonlRunStore(directory=tmp_path)


@pytest.fixture
def samples():
    """被测解释器认得的几段模型输出，由实现方提供。

    **套件不许自己写死输入。** 库不带默认解释器实现，也就不认识任何一家的动作语言：拿一家的
    代码围栏去喂另一家的 JSON 解析器，后者正确地返回「无效决策」，而写死输入的套件会把这个
    正确行为判成失败。

    实现方要提供两段：`yields_an_action`（一段能被解释成动作的模型回复）与 `yields_invalid`
    （一段解释不出动作的）。这不是给套件开后门——「我这套语言里什么算合法动作」本来就只有
    实现方答得出，套件断言的是**拿到之后的形状**，不是输入长什么样。
    """
    pytest.skip(_NO_IMPLEMENTATION)


@pytest.fixture
def action_executor():
    """被测的动作执行接缝实现。

    库自带一个由工具注册表派生的分发器（`polyloop.tools.ToolRegistry.executor`），但它只覆盖
    「工具调用」那一种动作语言；把它接在这里会让套件只验得了那一种，所以默认仍然留空。
    """
    pytest.skip(_NO_IMPLEMENTATION)


@pytest.fixture
def decision_parser():
    """被测的决策解释接缝实现。"""
    pytest.skip(_NO_IMPLEMENTATION)


@pytest.fixture
def model_client():
    """被测的模型调用接缝实现。

    注意这一层的契约测试**不打真实网关**——那是 e2e 的事。这里断言的是返回结构体的形状与
    失败时的表达方式，用一个受控的替身就能验。
    """
    pytest.skip(_NO_IMPLEMENTATION)


@pytest.fixture
def event_sink():
    """被测的事件出口实现。"""
    pytest.skip(_NO_IMPLEMENTATION)