AT 验收 B1+B2：文件系统/沙箱 + 知识/项目/记忆（15 个 WX-T + WX-E003/E004）定级

> 权威方案：`docs/design/standard-capabilities/acceptance-test-plan.md`，分支 `codex/2985-capability-acceptance-plan`（跟踪 #2985）。**先完整读 §1 §3 §11 §12。**
> 基线见 **#2996**，绑定 SHA `938d16bf3a49c4047f42bbc697833cd921d1053e`。

## 范围

方案 §6 Tools 矩阵中「组合」列为 **FS（8）**、**KNOW（2）**、**PROJECT（2）**、**MEMORY（3）** 的全部行，共 15 个 WX-T。

加 §5 平台前置两项：

- **AT-E003 / WX-E003 sandbox-backend**：write→execute→read→恢复真实闭环。反证要求穿越、技能包写入、禁网、超时、跨用户**全部拒绝**
- **AT-E004 / WX-E004 skill-package-mount**：SKILL.md / references / scripts / assets 渐进读取且脚本真实执行。反证要求缺文件、坏 hash、跨组织、版本切换不污染运行中快照

## 与你相关的已知事实

- `apps/skill-sandbox` 的 `container-network-isolation.test.ts` 与 `office-skills-container-network-isolation.test.ts` 的 `beforeAll` 会跑 `docker build`（timeout 600_000）。**CI 上各约 133s / 137s，测试真跑并通过**；**本地实测撞满 600s 后测试被 skip、报 `2 failed`**。别把本地那个当失败。
- 基线里 `skill-sandbox test` = 16 files / **72 passed / 0 failed / 1 skipped**。

## 交付物：状态表 + issue，不是「把它修绿」

对负责的每一项，按方案 §1 的枚举定级并给出**实测证据**（命令 + 真实用例数 + exact SHA）：

| 状态 | 含义 |
|---|---|
| `PASS` | 所有适用层级和反证通过（**必须同时有正向与至少一条反向/越权证据**） |
| `PARTIAL` | 组件通过，但真实模型 / DevApp / 视觉 / 权限层尚缺 |
| `BLOCKED` | 实现或环境前置缺失 |
| `FAIL` | 已执行且行为不符合契约 |
| `N/A` | 该层不适用，须写明理由 |

⚠ **缺实现或缺环境 ⇒ `BLOCKED`，不是 `FAIL`。** 每个 `FAIL` / `BLOCKED` 单独开 issue，标题带 AT-* / WX-* ID，并在本 issue 里登记编号。

## 方案本身有两处缺陷（已立案，别照抄）

- **#2991**：§10 的真库命令**收集到零个测试文件**（`No test files found`），而 §11 自己明令「零收集必须失败」。另有三条 api 命令写成裸跑（实测 `no tests` + exit 1），并漏写两个前置（`uv sync --frozen --extra dev`；SQL-TLS 要求 `COMPOSE_PROJECT_NAME` 以 `wsx-` 开头）。
- **§14 把记分牌当红线**：`chat-task-workbench` **按设计就是红的**（`playwright.chat-read.config.ts:210-214`），是能力缺口记分牌不是回归门。**别去修它那 14 条。**

## 判据纪律（本轮已栽六次）

1. **红 ≠ 跑过**：先在日志里找**该测试自己的断言输出**（用例数、期望 vs 实际）。只有 `beforeEach` 报错、`spawn ENOENT`、连接失败、超时这类，一律先判「没跑到」。本轮 19 项 e2e-full 失败里有 **9 项从来没执行过一条断言**。
2. **绿灯 ≠ 跑过**：`harness-verify` 的 `success` 里 `e2e-full` 常常是 **skipped**（见 #2996）。引用绿灯前先确认该 job 不是 skipped。
3. **重跑绿才是判据**，重跑本身不是。
4. **空测试集合 = 失败**：`pnpm --filter` 缺脚本时 exit 0；vitest 过滤器按 **cwd** 解析不按 `--root`。**每条命令核对真实用例数。**
5. `cmd | grep` 的退出码是 grep 的。
6. 已知 #2989：fixture id 撞**全局**主键，**碰撞确定、受害者随机**。看到 `beforeEach` duplicate key 先想到它。
7. 已知 #2968：整族 `agui-bridge-*` 共享固定 30s 预算，**一天内骗过三个不相关的 PR**。

## 进度回写（硬性要求）

**每完成一个子项就在本 issue 回一条评论**，不要攒到最后：已定级哪些、证据是什么、开了哪些 issue。协调者靠这些评论掌握进度，写在别处看不到。

## 边界

- **绝不碰 `/Users/shenyanbin/Documents/workspacex` 根工作区**。独立 worktree，先 `./init.sh`。
- 尽量不起 docker compose 栈；必须起说明理由，跑完 `down -v`。可复用已运行的 `workspacex-kernel-postgres-1`（`127.0.0.1:55432`），独立 `WORKSPACEX_DB`，用完 DROP。
- 修法很小可直接开 PR（正文首行 `Closes #NNNN`）；大改先开 issue 写清根因与建议。**不要合并 PR。**

Read docs/design/standard-capabilities/acceptance-test-plan.md §§1, 3, 11, and 12, then compare the baseline in #2996 at SHA 938d16bf3a49c4047f42bbc697833cd921d1053e. Start with the apps/skill-sandbox isolation tests and verify that each command reports real test counts rather than setup failures or skips. Done means a status table for all 15 WX-T items plus E003/E004, evidence with exact SHAs, progress comments, and separate issues for each FAIL or BLOCKED item.

Written by the indexing model from the issue text.