层2/U3: SFTCollator 放开 prompt-only 模式（供 on-policy 生成）

data.py（对应 docs/03 §5 U3）:
- 加 prompt_only 开关：True 时输出 prompts/prompt_attention_mask（不产 labels，
  由 U4 生成后重建）；False 时 SFT 双预算路径逐字不变
- max_length 改可选：prompt-only 无总预算；SFT 模式缺它构造即报错
- 兑现 T3 为 on-policy 生成预留的口子；生成用左 padding（右边界对齐）

test_data.py:
- 新增 prompt_only 模式：返回 prompt 张量/不报错、左 padding、截断、剥末轮 assistant
- 回归守卫：SFT 模式仍拒绝 prompt-only 行（"SFT 路径行为不变"）

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

tests/test_data.py

@@ -233,11 +233,20 @@ def test_nothink模板注入空思考块():
     assert text.endswith("<T></T>")
 
 
-def test_prompt_only行显式报错():
+def test_sft模式仍拒绝prompt_only行():
+    # 回归守卫（docs/03 §5 U3："SFT 路径行为不变"）：SFT 模式下 prompt-only 行
+    # 仍是静默空训练闸门，必须报错——放开只发生在显式 prompt_only=True 模式
     with pytest.raises(ValueError, match="prompt-only"):
         make_collator()([row("没有答案的题")])
 
 
+def test_sft模式缺max_length构造即报错():
+    with pytest.raises(ValueError, match="max_length"):
+        SFTCollator(
+            ToyTokenizer(), max_prompt_length=50
+        )  # 非 prompt_only 却无 max_length
+
+
 def test_左padding对齐():
     collator = make_collator()
     batch = collator([row("ab", "cd"), row("a", "c")])
@@ -258,3 +267,52 @@ def test_pad回退到eos():
         max_prompt_length=50,
     )
     assert collator.pad_token_id == 7
+
+
+# ---------------------------------------------------------------------------
+# SFTCollator：prompt_only 模式（层 2 / U3）
+# ---------------------------------------------------------------------------
+
+
+def make_prompt_collator(**kw):
+    defaults = dict(max_prompt_length=100, enable_thinking=False, prompt_only=True)
+    defaults.update(kw)
+    return SFTCollator(ToyTokenizer(), **defaults)
+
+
+def test_prompt_only模式返回prompt张量且不报错():
+    # 层 2：prompt-only 行是常态，不再报错；渲染带生成引导符供 generate 续写
+    collator = make_prompt_collator()
+    batch = collator([row("ab")])
+    expected = "[user]ab[assistant]<T></T>"
+
+    assert set(batch.keys()) == {"prompts", "prompt_attention_mask"}
+    assert batch["prompts"][0].tolist() == ids_of(expected)
+    assert batch["prompt_attention_mask"][0].tolist() == [1] * len(expected)
+
+
+def test_prompt_only模式左padding对齐():
+    # 生成要求左 padding：短 prompt 在左侧补 pad，右边界对齐
+    collator = make_prompt_collator()
+    batch = collator([row("abc"), row("a")])
+    t = batch["prompts"].shape[1]
+    short_mask = batch["prompt_attention_mask"][1].tolist()
+    n_pad = t - short_mask.count(1)
+
+    assert n_pad > 0
+    assert short_mask[:n_pad] == [0] * n_pad  # padding 在左
+    assert batch["prompts"][1].tolist()[:n_pad] == [0] * n_pad  # pad_token_id=0
+
+
+def test_prompt_only模式截断到prompt预算():
+    collator = make_prompt_collator(max_prompt_length=8)
+    batch = collator([row("很长的题目" * 20)])
+    assert batch["prompts"].shape[1] == 8  # 恰截到 max_prompt_length
+
+
+def test_prompt_only模式剥掉末轮assistant():
+    # 若数据碰巧带了 assistant 轮，取生成前上下文（剥掉它再加生成引导符）
+    collator = make_prompt_collator()
+    batch = collator([row("q", "已有答案")])
+    expected = "[user]q[assistant]<T></T>"  # 不含"已有答案"
+    assert batch["prompts"][0].tolist() == ids_of(expected)