你的 KMP 重构 Workflow 全自动跑通了：10 个单元 MERGED、编译绿。但你自己说过那句关键的话——编译通过 ≠ 功能没坏。点赞计数、评论面板参数、JustWatched 浮窗、分页 generation，这些运行时回归只有真机能验。于是整条 ⑤ 级流水线，唯一还卡在 ① 级纯手工的环节就是：你抱着那 1 台设备逐 Tab 点。
这一课把第四课埋的伏笔收回来：trace 是诊断工具——现在我们把它建起来，再接上"判定"，组成完整的验证 harness。目标不是全自动，是把你从"逐 Tab 点"降级到"只审一份分析报告"。
PostToolUse 把每次工具调用写成一行 JSONL（stdin 本身就是结构化 JSON，直接落盘）：
{ "hooks": { "PostToolUse": [{ "matcher": "*", "hooks": [
{ "type": "command", "command":
"jq -c '{ts:now, tool:.tool_name, input:.tool_input, session:.session_id, prompt:.prompt_id}' >> ~/.claude/trace.jsonl" }
]}]}}
官方语义保证：多个 hook 并行执行，日志 hook 和拦截 hook 可叠加——trace 和第四课的护栏不冲突。另外别忘了白嫖：会话本身就是全量 JSONL transcript（~/.claude/projects/<项目>/<session-id>.jsonl），每行带 timestamp/parentUuid/token 用量，一条 jq 就能抽出所有工具调用：
jq -c 'select(.type=="assistant") | .message.content[] | select(.type=="tool_use")' <session>.jsonl
步骤号 | 意图 | 动作 | 观察 | 判定；所有截图文件名带步骤号（step07-savior-digg.png），让图和 trace 能对上。journal 与 trace 是两条独立证据链——对照它们，才能发现"判定说成功、证据说失败"的那一步。读这份 run journal 和 trace（JSONL），找出第一个"判定与证据矛盾"的步骤： 判定写成功但观察/日志/截图不支持，或跳过了 VERIFY.md 里要求的断言。 输出：步骤号、矛盾内容、涉及的 Tab、建议复查动作。按严重度排序。一个额外的好消息：v2.1.199 修掉了"子 agent 把 API 错误当成功结果返回"的 bug——独立 verifier 模式过去最阴的坑已被官方填了。
个人 vs 团队的选型：官方还有 OpenTelemetry 导出（CLAUDE_CODE_ENABLE_TELEMETRY=1，metrics/logs/traces 三件套，成本可按 skill/子 agent 归因，beta 的分布式 tracing 连 agent 树都能还原）。但那是团队级基建——个人做 trace，hooks + transcript 这条轻路线就够。
2026 年中 best-practices 的新框架，按门禁强度递增——这张表值得贴在墙上：
| 层级 | 机制 | 一句话 | 适合 |
|---|---|---|---|
| 1. 单条 prompt | prompt 里写明"跑完测试再结束" | 零配置，靠自觉（会漂，见第四课） | 小改动 |
| 2. 会话级 | /goal（v2.1.139+） | 每轮结束由独立小模型评估条件是否达成，未达成自动续跑；条件要写成"可度量终态 + 检查方式"，可加 or stop after 20 turns 限流 | 长任务收敛 |
| 3. 确定性门禁 | Stop hook 跑脚本 | 测试/lint 不过就 {"decision":"block"}，回合无法结束。护栏：连续 block 8 次强制放行；脚本要查 stop_hook_active 防自锁 | 硬标准（编译/测试/lint） |
| 4. 第二意见 | 独立 verifier 子 agent / workflow | 干活的模型不给自己打分——fresh context 的 agent 只看 diff 和标准做审查（第六课的对抗验证就是它的舰队版） | 正确性无法脚本化时 |
官方 verifier prompt 模板（注意最后一句，防 reviewer 过度报问题）：
Use a subagent to review the diff against PLAN.md. Check that every requirement is implemented. Report gaps that affect correctness, not style preferences.
还有两个新门禁值得知道：TaskCompleted hook（exit 2 可阻止任务被标记完成——给内置任务系统装验收钩）；内置 /verify skill（v2.1.145+）——通过真实界面端到端驱动改动，官方原话："If users click buttons, test by clicking buttons, not by curling the API underneath"。
你的场景比纯后端难：1 台设备 = 验证天然串行，UI 回归靠肉眼。但你手里的验证设施其实已经齐了，缺的只是把它们接进 agent 流水线：
adb logcat -s "Savior:*" 一条命令断言"点赞后计数++ 且无重复请求"。.a2k/ 截图测试体系是现成的 UI 回归网——让驱动 agent 在关键步骤触发它，diff 超阈值就在 journal 里记"判定=可疑"，留给分析 agent 升级为复查项。PostToolUseFailure 工具失败、InstructionsLoaded 规则加载——第四课诊断"规则到底加载没"用的就是它）。/goal 会话级收敛；TaskCompleted 挡任务假完成。claude -p --output-format stream-json 拿 NDJSON 事件流；--json-schema 强制结构化输出后直接 jq '.structured_output' 机器断言；--bare 保证每台机器行为一致。codex exec --json 输出 NDJSON 事件流，实测事件链：thread.started → turn.started → item.started/completed → turn.completed；item.type 有 agent_message / command_execution（含 exit_code）/ file_change / reasoning / mcp_tool_call 等；turn.completed.usage 连 reasoning_output_tokens 都有（文档还没写，实测为准）。-o 把最终结论单独落盘给脚本消费。解析注意：warning 也走 item.type:"error"，别一律当失败。{"decision":"block"} 或 exit 2 → 带你的反馈自动续跑；/goal 已 stable——目标持久化进 SQLite，每轮续行时重新注入。openai/codex-action@v1，官方模式：只读 job 跑 codex 产出 patch 工件 → 独立有写权限的 job 应用。--best-of（实际是 --attempts）、还"不确定 hooks 是否已支持"（它自己每一轮都在触发 hooks）。这正是本课主旨的镜像：对 agent 的能力和产出，--help、feature flags、trace、源码才是事实源；它的自我报告只能当线索。动作 → 预期日志（tag+关键字）→ 兜底截图点。例：「Savior Tab 点赞 → logcat 出现 Savior:Digg count=+1 且 60s 内无重复请求日志 → step 截图」。写不出断言的项，说明你自己也不知道"对"长什么样——先补规格（第二课）。步骤号|意图|动作|观察|判定，截图文件名带步骤号，任何断言失败继续跑完但判定记 FAIL」。1. agent 报告"重构完成、编译通过"，此时正确的验收姿势是？
2. Stop hook 门禁和 /goal 的本质区别是什么？
3. 真机验证的断言，日志和截图的正确优先级是？
4. run journal 和 trace 的关系，正确的是？
Claude Code 官方 Best Practices — "Give Claude a way to verify its work" 章节（约 10 分钟）。四级验证梯度、verifier prompt 模板、"show evidence rather than asserting success" 的一手出处——2026 年官方把"验证"从社区经验升格成了产品方法论，这一章就是分水岭。
点卡片翻面。记的是能用的判断核心，不是定义。
/goal（小模型评估）③ Stop hook 确定性门禁（脚本不过不许停）④ 独立 verifier（fresh context 只看 diff 和标准）。硬标准用 ③，脚本化不了的正确性用 ④。能讲清楚，才是真懂——比能回忆高一层。
讲不顺的地方就是还没真懂的地方 —— 发给我，我帮你补上。