test(sessions): add Session/Memory/Summary multi-backend replay consistency framework

.github/code_review/prompts/findings.md

@@ -0,0 +1,64 @@
+你现在的任务不是重新做代码审查，而是将已经生成的 `review.md` 提取为结构化结果，供后续脚本用于行内评论、阻断判断和其他自动化处理。
+
+输入文件：
+1. 仓库根目录下的 `review.md`：这是主依据，包含第一阶段已经确认的问题。
+2. 仓库根目录下的 `pr.diff`：仅用于辅助定位文件路径和行号，必要时可用于补全位置；不要基于 `pr.diff` 新增问题。
+
+任务要求：
+1. 只提取 `review.md` 中已经明确列出的问题，不要新增、扩展或重写任何新问题。
+2. 不要重新判断代码是否有问题；第一阶段 review 的结论已经成立，你的任务只是标准化提取。
+3. 如果 `review.md` 中某个问题缺少明确的文件路径或行号，不要编造；但不要跳过该问题，仍应保留该 finding，并将 `inline_candidate` 设为 `false`。在这种情况下，`path`、`start_line`、`end_line` 可留空字符串、0 或与定位失败一致的保守值，但不能让该问题从结果中消失。
+4. 允许参考 `pr.diff` 来确认问题对应的目标文件路径、起始行和结束行，但不要因此新增新的发现。
+5. 输出必须是严格合法的 JSON，且只能输出 JSON，不要输出 Markdown、解释文字、代码块、前后缀或额外说明。
+6. 输出必须直接以 `{` 开始、以 `}` 结束；不要使用 ```json、``` 或任何其他 Markdown 代码块围栏包裹 JSON。
+
+严重级别映射：
+- `Critical` -> `critical`
+- `Warning` -> `warning`
+- `Suggestion` -> `suggestion`
+
+输出 JSON 格式：
+```json
+{
+  "findings": [
+    {
+      "severity": "critical",
+      "path": "relative/path/to/file.py",
+      "start_line": 12,
+      "end_line": 12,
+      "title": "问题标题",
+      "body": "1-3 句简洁说明，适合直接用于 GitHub 行内评论。",
+      "inline_candidate": true
+    }
+  ]
+}
+```
+
+字段要求：
+1. `severity`：必须是 `critical`、`warning`、`suggestion` 之一。
+2. `path`：仓库相对路径，例如 `tests/ai_test.py`；如果确实无法稳定定位，可为空字符串，但该 finding 仍需保留。
+3. `start_line`：问题起始行号，必须优先使用变更后文件的目标行号；如果确实无法稳定定位，可为 `0`，但该 finding 仍需保留。
+4. `end_line`：
+   - 单行问题时，填写与 `start_line` 相同的值；
+   - 范围问题时，填写结束行号。
+5. `title`：简短问题标题，适合作为行内评论标题，不要过长。
+6. `body`：1-3 句简洁说明，说明风险和建议修复方向，适合直接显示在代码旁边。
+7. `inline_candidate`：
+   - `true`：适合做行内评论，问题能明确归因到一个文件的一行或一小段范围，且适合直接挂在代码旁解释。
+   - `false`：更适合放在总评论中，例如跨文件、跨逻辑链路、整体性结论、位置不稳定或无法明确锚定到 diff 行的问题。
+
+提取规则：
+1. 如果 `review.md` 中同一个问题覆盖多个独立位置，只有在这些位置都适合单独挂行内评论时，才拆成多条 findings；否则保持为一条并将 `inline_candidate` 设为 `false`。
+2. 如果一个问题已经在第一阶段被合并表述为一个综合问题（例如“命令注入 + 路径穿越”），不要在这里再次拆分成多个新问题，除非 `review.md` 本身已经明确拆开。
+3. `body` 不要照抄整段 review 原文；应提炼成适合行内评论展示的短说明。
+4. 不允许因为定位失败、信息缺失或不适合行内评论而省略第一阶段已经明确列出的问题；这类问题必须保留在 `findings` 中，并通过 `inline_candidate=false` 与保守字段值表达。
+5. 如果 `review.md` 中没有任何问题，输出：
+```json
+{"findings":[]}
+```
+
+校验要求：
+1. 输出必须能被标准 JSON 解析器直接解析。
+2. 所有字符串必须使用双引号。
+3. 不要在 JSON 外再输出任何额外字符。
+4. 不要输出 ```json 或 ```，也不要输出任何注释。

.github/code_review/prompts/review.md

@@ -0,0 +1,78 @@
+你是一个资深代码审查助手。请审查当前 PR 的代码变更，并给出稳定、可复用、可执行的 review 结论。
+
+审查范围：
+1. 以仓库根目录下的 `pr.diff` 作为审查主范围，只反馈落在 diff 变更中的问题。
+2. 允许结合仓库中的相关上下文辅助判断 diff 是否存在问题，例如被调用方、配置、类型定义、测试、公共函数和上下游调用关系；但不要脱离 diff 单独审查未修改代码。
+3. 不要修改任何文件，不要提交代码。
+4. 只反馈可以从 diff 及其相关仓库上下文中定位和验证的问题；不要基于猜测扩展到未修改代码。
+5. 每个问题必须标注文件路径和行号。行号优先使用 diff 中新增代码对应的目标文件行号；如果只能定位到代码块，请说明“附近行”。
+
+审查重点：
+1. 正确性：逻辑错误、状态流转错误、条件判断错误、返回值或异常处理错误。
+2. 安全性：凭证泄露、命令注入、路径穿越、不可信输入未校验、权限绕过、敏感信息输出。
+3. 稳定性：边界条件缺失、空值处理、并发或异步时序问题、资源未释放、超时和重试缺失。
+4. 兼容性：公开 API、配置项、持久化数据、CI/workflow 行为的破坏性变更。
+5. 测试有效性：高风险逻辑缺少必要测试，或测试没有覆盖实际风险路径。
+6. 可维护性：仅在影响理解、扩展或长期维护时提出，不输出泛泛的代码风格建议。
+
+质量等级定义：
+- 🚨 Critical：必须修复的问题。包括安全漏洞、明确的逻辑错误、会导致核心功能失败、数据错误、权限问题、CI 阻塞或线上风险的问题。
+- ⚠️ Warning：建议修复的问题。包括性能隐患、边界条件缺失、异常路径不完整、兼容性风险、测试覆盖不足等可能导致问题但不一定立即失败的情况。
+- 💡 Suggestion：可选优化。包括代码可读性、结构简化、维护性提升、轻微重复等不影响当前正确性的改进建议。
+
+输出要求：
+1. 使用 Markdown 输出，保持简洁，避免长篇解释。
+2. 先列问题，再给总结。
+3. 按 Critical、Warning、Suggestion 的顺序输出；同级别内按风险从高到低排序。
+4. 合并同类问题：同一根因、同一文件相邻代码、同一修复方式的问题应合并为一条，不要重复展开，也不要用不同表述重复描述同一问题。
+5. 优先输出高价值问题。Critical 和 Warning 不限数量但要合并；Suggestion 最多 2 条，且只有在确实有维护价值时输出。
+6. 每条问题控制在 2-3 句话内：说明问题、影响和修复方向即可，不要分别展开大段“问题/影响/建议”。
+7. 问题位置必须使用反引号包裹的 `文件路径:行号` 或 `文件路径:起始行-结束行` 格式，便于评论自动生成 GitHub 跳转链接。
+8. 如果没有发现明确问题，请直接说明“未发现明显阻塞问题”，不要为了完整性补充低价值建议。
+9. 如果同一段代码同时涉及多个相关风险（如命令注入、路径穿越），优先合并成一条，除非修复方式或影响范围明显不同。
+10. 对测试代码、示例代码、演示代码也按真实执行风险评估；如果这些代码会进入 CI、测试运行路径或被其他开发者复用，不要因为“仅用于示例/测试”而降低问题等级。
+11. 仅当问题离开具体代码片段不易理解时，才附带 3-8 行最小必要代码片段；前后可用 `...` 省略，不要默认给每个问题都附代码块，也不要贴大段代码。
+12. 结论要尽量确定：只有在确实无法从 diff 验证时，才使用“可能”“疑似”等措辞。
+
+输出格式：
+
+## 发现的问题
+
+如果存在问题，请按下面格式逐条输出。每条尽量一行位置 + 一段简短说明：
+
+### 🚨 Critical
+
+- `文件路径:行号`：问题标题
+  - 简要说明具体风险和建议修复方式。
+  - 如有必要，可附最小必要代码片段：
+    ```python
+    ...
+    问题代码
+    ...
+    ```
+
+### ⚠️ Warning
+
+- `文件路径:行号`：问题标题
+  - 简要说明具体风险和建议修复方式。
+  - 如有必要，可附最小必要代码片段：
+    ```python
+    ...
+    问题代码
+    ...
+    ```
+
+### 💡 Suggestion
+
+- `文件路径:行号`：问题标题
+  - 简要说明维护性影响和可选优化方式。
+
+如果某个等级没有问题，可以省略该等级。
+
+## 总结
+
+用 1-2 句话说明整体风险，以及是否存在必须修复的问题。
+
+## 测试建议
+
+如果需要补充测试，用 1-2 条说明建议覆盖的场景；如果不需要，请说明“暂无额外测试建议”。

.github/code_review/scripts/evaluate_gate.py

@@ -0,0 +1,24 @@
+#!/usr/bin/env python3
+
+import json
+import os
+import sys
+
+
+def main():
+    findings_path = os.environ.get("FINDINGS_PATH", "findings.json")
+    with open(findings_path, "r", encoding="utf-8") as f:
+        data = json.load(f)
+
+    findings = data.get("findings", [])
+    for finding in findings:
+        if finding.get("severity") == "critical":
+            print("Critical issues found in AI Code Review, blocking pipeline")
+            return 1
+
+    print("No critical findings, pipeline can continue")
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())

.github/code_review/scripts/post_inline_comments.py

@@ -0,0 +1,170 @@
+#!/usr/bin/env python3
+
+import json
+import os
+import re
+import sys
+import urllib.error
+import urllib.request
+
+
+def read_findings(path):
+    with open(path, "r", encoding="utf-8") as f:
+        data = json.load(f)
+    return data.get("findings", [])
+
+
+def build_position_map(diff_path):
+    with open(diff_path, "r", encoding="utf-8") as f:
+        lines = f.readlines()
+
+    position_map = {}
+    current_path = None
+    new_line_no = None
+    position = 0
+    in_hunk = False
+
+    for raw in lines:
+        line = raw.rstrip("\n")
+
+        if line.startswith("diff --git "):
+            current_path = None
+            new_line_no = None
+            position = 0
+            in_hunk = False
+            continue
+
+        if line.startswith("+++ b/"):
+            current_path = line[6:]
+            if current_path not in position_map:
+                position_map[current_path] = {}
+            continue
+
+        if line.startswith("@@ "):
+            match = re.match(r"@@ -\d+(?:,\d+)? \+(\d+)(?:,\d+)? @@", line)
+            if match:
+                new_line_no = int(match.group(1))
+                in_hunk = True
+            continue
+
+        if not in_hunk or current_path is None:
+            continue
+
+        if not line:
+            continue
+
+        prefix = line[0]
+        if prefix not in (" ", "+", "-"):
+            continue
+
+        position += 1
+
+        if prefix == " ":
+            position_map[current_path][new_line_no] = position
+            new_line_no += 1
+        elif prefix == "+":
+            position_map[current_path][new_line_no] = position
+            new_line_no += 1
+        elif prefix == "-":
+            continue
+
+    return position_map
+
+
+def build_payload(commit_id, path, position, title, body):
+    comment_body = "**%s**" % title
+    if body:
+        comment_body += "\n\n%s" % body
+    return {
+        "body": comment_body,
+        "commit_id": commit_id,
+        "path": path,
+        "position": position,
+    }
+
+
+def post_inline_comment(api_url, token, payload):
+    data = json.dumps(payload).encode("utf-8")
+    req = urllib.request.Request(
+        api_url,
+        data=data,
+        method="POST",
+        headers={
+            "Authorization": "Bearer %s" % token,
+            "Accept": "application/vnd.github+json",
+            "Content-Type": "application/json",
+        },
+    )
+    try:
+        with urllib.request.urlopen(req) as resp:
+            return True, "status=%s" % resp.status
+    except urllib.error.HTTPError as e:
+        try:
+            err = e.read().decode("utf-8", errors="ignore")
+        except Exception:
+            err = ""
+        return False, "status=%s body=%s" % (e.code, err)
+
+
+def main():
+    findings_path = os.environ.get("FINDINGS_PATH", "findings.json")
+    diff_path = os.environ.get("PR_DIFF_PATH", "pr.diff")
+    api_url = os.environ["INLINE_COMMENT_API_URL"]
+    token = os.environ["GITHUB_TOKEN"]
+    commit_id = os.environ["GITHUB_HEAD_SHA"]
+
+    findings = read_findings(findings_path)
+    if not findings:
+        print("no findings found, skip inline comments")
+        return 0
+
+    position_map = build_position_map(diff_path)
+    created = 0
+
+    for finding in findings:
+        if finding.get("severity") != "critical":
+            continue
+        if not finding.get("inline_candidate"):
+            continue
+
+        path = finding.get("path")
+        start_line = finding.get("start_line")
+        end_line = finding.get("end_line")
+        title = finding.get("title", "").strip()
+        body = finding.get("body", "").strip()
+
+        if not path or not start_line or not title:
+            print("skip finding without required fields: %s" % json.dumps(finding, ensure_ascii=False))
+            continue
+
+        start_line = int(start_line)
+        end_line = int(end_line) if end_line else None
+        target_line = start_line
+
+        file_positions = position_map.get(path, {})
+        position = file_positions.get(target_line)
+        if position is None and end_line and end_line > start_line:
+            position = file_positions.get(end_line)
+            if position is not None:
+                target_line = end_line
+
+        target = "%s:%s-%s" % (path, start_line, end_line) if end_line and end_line > start_line else "%s:%s" % (path, start_line)
+
+        if position is None:
+            print("skip finding without diff position: %s" % target)
+            continue
+
+        payload = build_payload(commit_id, path, position, title, body)
+        ok, msg = post_inline_comment(api_url, token, payload)
+        if ok:
+            created += 1
+            print("inline comment created: %s position=%s %s" % (target, position, msg))
+        else:
+            print("inline comment failed: %s position=%s %s" % (target, position, msg))
+
+    print("inline comments created: %s" % created)
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())