测试AI提交结论："页面没有错误，测试通过。"系统却把它标记为测试失败 ------复核被打回、任务重测。折腾半天，凶手是系统里一行"找'有错误'三个字"的关键词判断："没有错误"里，藏着"有错误"。
一、结论明明是"通过"，系统判了"失败"
测试AI（小牛）测试完页面，提交结果：
页面打开正常，没有错误，测试通过。系统自动判定：测试失败。复核流程触发，任务被退回重测。
测试AI一脸无辜：我明明说通过了。系统一脸无辜：你明明说"有错误"。
两边都觉得自己对------因为它们说的，不是同一个"有错误"。
二、系统的"眼睛"：一行关键词扫描
查系统的测试结果判断逻辑，发现它判断"测试失败"的方式简单粗暴：
python
if '有错误' in result_text:
status = 'failed'只要测试结论文本里出现"有错误"三个字，就判定失败。
AI说"页面没有错误 "------这行字里包含 "有错误"三个字符（没有错误 → 没 + 有错误）------于是：
"页面没有错误，测试通过。" → contains "有错误" → 判定 failed系统不是看到了"没有错误"，它是看到了"有错误"------子串匹配，根本没有"否定"的概念。
三、更离谱的误判
正则收紧之前，误判的还不止"没有错误"：
"如果有错误，请指出来" → 误判失败（假设语气）
"有错误吗？请复核确认" → 误判失败（疑问句）
"没有发现错误" → 误判失败（"错误"单独命中？不------是"有错误"子串）AI本来是想表达"我检查了，没问题"------系统读到的是"有错误"------它不是在读语义，它是在找字符。
关键词匹配最大的问题就在这：它分不清"没有X"、"有X吗"、"如果有X"和"有X"------四个完全不同的意思，在它眼里是同一个"X"。
四、修复：从"找字符"到"读语义"
第一版修复，把否定词排掉：
python
# 排除否定/疑问/假设语境
failed = ('有错误' in text) and ('没有错误' not in text) and ('有错误吗' not in text)能挡住大多数情况，但心里没底------"没有出现错误"、"未发现有错误"......否定词的变体无穷无尽，正则迟早漏。
真正的修复是：不让AI用自然语言表达状态，改用结构化字段。
测试AI提交结果时，必须带上明确的机器可读状态：
测试状态: PASS # 或 FAIL
测试结论: 页面打开正常，没有错误。系统只认测试状态字段判断通过/失败，结论文本仅供人工查看。判断的依据从"扫描文字"变成了"读取字段"------语义的歧义，根本没机会发生。
五、教训
- 关键词匹配要防子串陷阱 。"没有X"包含"X"------
'有错误' in '没有错误'为True------这类反向误判，写正则的人自己都容易忽略。 - 否定/疑问/假设语境，正则很难全拦住。"没有"、"未"、"吗"、"如果"------变体无穷------正则是在跟人类的语言习惯赛跑，注定输。
- 状态判断用结构化数据，别用自然语言扫描。PASS/FAIL字段一个字符就表达清楚------让AI写"测试状态: PASS"，比让它在三百字结论里"暗示"通过，可靠一万倍。
- 误判要有可见性。那次误判要是没有被人工发现，测试AI会一直"说了通过却被判失败"------直到它学会用系统听得懂的方式说话（或者学会撒谎）。
AI说"没有错误"，系统听到的却是"有错误"------关键词匹配，分不清否定。
我们教AI用人类的语言说话，却忘了系统只听得懂字符------后来我们让AI改口说"状态: PASS"，误会从此消失。