有些專案的測試與文件一多，第一反應往往是「把它們移走」或「全部合併」。但對 V4 來說，真正值得先問的不是檔案數量，而是：哪些內容需要長期維護、哪些只供一次性驗證、哪些會進入安裝內容，以及哪些值得模型每次都讀取。

目前較穩健的方向，是把長期品質資產留下，把臨時材料隔離，再分別管理版本控制、安裝分發與模型上下文。這不等於「測試全部不提交」，也不等於「文件越少越好」。

測試：隔離臨時驗證，不要順手拆掉品質保障

V4 的 CI 設定 \.github/workflows/ci.yml:55 已使用集中測試目錄 tests/，其中涵蓋配置契約、安裝分發與資產保護。這些測試不能只因為看起來雜亂，就被當成一次性垃圾；不過，本次調研沒有重跑測試，也沒有逐項評估其維護價值。

目前的忽略規則 .gitignore:1 排除了一些沙箱、快取與臨時檔案，但沒有明確列出草稿區 _bmad-output/scratch/ 或驗證輸出區 _bmad-output/verification/。要留意的是，目錄存在不代表其中檔案已納入 Git；本次並未核對索引狀態。

另外，更新入口 bs.sh:298 更新的是倉庫，而部署來源採集 scripts/deployment_source.py:64 讀取選定套件，兩者是不同邊界。部署採集邏輯會遞迴收集套件中的一般檔案，再將其映射為部署輸入（scripts/deployment_source.py:47、scripts/deployment_source.py:81）。因此，若把臨時材料放進套件，理論上存在被一併分發的風險；目前沒有證據顯示這種情況已經發生。

較清楚的做法，是依用途管理不同類型的產物：

產物類型	版本控制建議	布局與分發建議
長期回歸、契約與必要的整合測試	隨實作提交並持續維護	遵循語言及專案慣例，預設不放進執行時安裝包
一次性診斷、驗證腳本與實驗輸入	預設留在本機，不自動提交	放在獲准的任務隔離區，避免進入套件資產目錄
日誌、覆蓋率與執行回執	預設不納入原始碼提交；必要證據依用途保存	與測試原始碼分開，也不進入安裝包

這些是建議方向，不代表規則已經實施。語言慣例也很重要：Go 官方教學示範在被測套件旁建立 _test.go 測試檔，因此不宜把所有 Go 單元測試一律移到統一外部目錄。15 至於 Python 的普遍最佳測試布局，本次沒有取得足夠的官方資料，不宜下定論。

關鍵在於先說清楚想解決哪種問題：如果目標是讓使用者安裝到的內容更乾淨，優先檢查發行包或安裝清單；如果目標是讓開發原始碼樹更清楚，才考慮符合語言習慣的測試布局。單靠搬移檔案，無法同時解決這兩件事。

文件：整理各自的工作，不必追求檔案最少

現有產物路由 bmad-suite-v4/rules/bmad-core.md:129 已區分分析、ADR（架構決策紀錄）、計畫與契約，也要求歸屬不明時先詢問；但草稿規則 bmad-suite-v4/rules/bmad-core.md:117 又提供了另一套路徑約定。這些靜態資料顯示，產物生命週期的規則仍有未銜接之處，卻不足以證明每次臨時目錄出現的具體原因。

比起新增更多資料夾，更值得先釐清各類文件的用途：

• 正式分析：保存證據、比較、反證與未知事項。一般諮詢可只在對話中交付；沒有持久保存需求，就不必另外建立報告。
• ADR：記錄重要決策、理由與限制，不複製整份分析，也不照抄執行紀錄。
• 實施計畫：說明授權範圍、依賴與驗收條件，並連結相關決策，而不是重寫研究正文。
• 臨時材料：草稿、診斷輸入與原始輸出集中在獲准的暫存區；不能只因標題有「草稿」就放進正式分析區。
• 長期操作文件：只有在確實扮演可重複使用的操作手冊時才保存；一次部署不必自動變成一個新的部署文件目錄。

文件數量、是否提交、是否安裝，以及是否被模型讀取，應分開決定。把所有內容塞進同一個目錄，不等於完成治理。

Geoffrey Huntley 的啟示：回饋要留下，重複負擔可減少

Geoffrey Huntley 在談 agent 的「背壓」時，強調替 agent 建立自動化品質與正確性回饋，讓它能在較長的任務中辨認錯誤；這並不是主張把測試檔當作噪聲刪除。12

他也曾在程式碼移植的情境中，提出先把測試行為整理成規格，再用規格引導移植。14 這是特定移植流程的做法，不能據此推論所有專案都應以文件取代測試。

對 V4 更實用的理解是：保留可執行的正確性回饋，減少重複或只用一次的驗證資產。規格用來說明預期行為，測試則提供可執行的反證；未經評估，不應把兩者當成可互換的東西。

至於 Huntley 是否制定過通用的測試提交、草稿目錄或發行排除標準，本次資料不足。X、Reddit、Hacker News 與 Lobsters 是否有一致共識，也無法據此確認；未取得的討論不應被當成證據。

文件膨脹與模型幻覺：控制讀取範圍，比限制目錄更直接

長上下文研究指出，模型未必能平均運用輸入各處的資訊，尤其可能較難取用位於上下文中段的內容。3 HELMET 研究則提醒，評估長上下文模型需要涵蓋多種任務，不能只依靠簡單的「大海撈針」測試。4

這些研究不能證明某份文件只要超過特定行數就會導致幻覺，也不能直接量化 V4 的風險。比較務實的做法，是按主題與決策邊界拆分資料，讓模型預設讀取與當前任務相關的章節；歷史材料按需檢索。摘要應保留證據位置、未知事項與未完成義務，原始材料則供追溯使用。索引負責導航，不必複製正文再形成另一份事實來源；日誌與歷史報告也不應預設全部回灌模型。

V4 可先做的最小調整

與其增加一套繁重流程，不如補上一條從建立到交付都適用的產物規則：

1. 建立前先確認用途：優先擴充既有測試或文件，不因每次修改就機械式新增一份。
2. 保存前確認邊界：釐清路徑、長期或臨時、是否納入版本控制，以及是否會被發行；不確定時先詢問，不自行創造目錄。
3. 提交前做基本檢查：辨認臨時輸出、敏感內容、重複測試與重複文件；不要靠忽略所有測試來換取整潔。
4. 分發前確認安裝清單：避免臨時材料進入套件，同時保留既有的摘要、身分與資產保護機制。
5. 清理前先看依賴關係：保護失敗證據、進行中的任務與歷史引用；任務成功或材料看似過期，不自動等於獲准刪除。

因此，較合理的優先順序是先補齊臨時材料與發行邊界，再整理文件職責並採用按需讀取。現階段沒有充分理由全面搬遷 Go 單元測試、停止提交長期測試，或把所有文件合併成一份。

這仍是階段性調研：已取得倉庫靜態資料、Geoffrey Huntley 的作者資料與部分學術來源，但 Python 官方布局及相關論壇的交叉調研尚未完成。本次沒有重跑測試、修改檔案或清理產物；建議也尚未實施。

有些專案的測試與文件一多，第一反應往往是「把它們移走」或「全部合併」。但對 V4 來說，真正值得先問的不是檔案數量，而是：哪些內容需要長期維護、哪些只供一次性驗證、哪些會進入安裝內容，以及哪些值得模型每次都讀取。

目前較穩健的方向，是把長期品質資產留下，把臨時材料隔離，再分別管理版本控制、安裝分發與模型上下文。這不等於「測試全部不提交」，也不等於「文件越少越好」。

測試：隔離臨時驗證，不要順手拆掉品質保障

V4 的 CI 設定 \.github/workflows/ci.yml:55 已使用集中測試目錄 tests/，其中涵蓋配置契約、安裝分發與資產保護。這些測試不能只因為看起來雜亂，就被當成一次性垃圾；不過，本次調研沒有重跑測試，也沒有逐項評估其維護價值。

目前的忽略規則 .gitignore:1 排除了一些沙箱、快取與臨時檔案，但沒有明確列出草稿區 _bmad-output/scratch/ 或驗證輸出區 _bmad-output/verification/。要留意的是，目錄存在不代表其中檔案已納入 Git；本次並未核對索引狀態。

另外，更新入口 bs.sh:298 更新的是倉庫，而部署來源採集 scripts/deployment_source.py:64 讀取選定套件，兩者是不同邊界。部署採集邏輯會遞迴收集套件中的一般檔案，再將其映射為部署輸入（scripts/deployment_source.py:47、scripts/deployment_source.py:81）。因此，若把臨時材料放進套件，理論上存在被一併分發的風險；目前沒有證據顯示這種情況已經發生。

較清楚的做法，是依用途管理不同類型的產物：

產物類型	版本控制建議	布局與分發建議
長期回歸、契約與必要的整合測試	隨實作提交並持續維護	遵循語言及專案慣例，預設不放進執行時安裝包
一次性診斷、驗證腳本與實驗輸入	預設留在本機，不自動提交	放在獲准的任務隔離區，避免進入套件資產目錄
日誌、覆蓋率與執行回執	預設不納入原始碼提交；必要證據依用途保存	與測試原始碼分開，也不進入安裝包

這些是建議方向，不代表規則已經實施。語言慣例也很重要：Go 官方教學示範在被測套件旁建立 _test.go 測試檔，因此不宜把所有 Go 單元測試一律移到統一外部目錄。15 至於 Python 的普遍最佳測試布局，本次沒有取得足夠的官方資料，不宜下定論。

關鍵在於先說清楚想解決哪種問題：如果目標是讓使用者安裝到的內容更乾淨，優先檢查發行包或安裝清單；如果目標是讓開發原始碼樹更清楚，才考慮符合語言習慣的測試布局。單靠搬移檔案，無法同時解決這兩件事。

文件：整理各自的工作，不必追求檔案最少

現有產物路由 bmad-suite-v4/rules/bmad-core.md:129 已區分分析、ADR（架構決策紀錄）、計畫與契約，也要求歸屬不明時先詢問；但草稿規則 bmad-suite-v4/rules/bmad-core.md:117 又提供了另一套路徑約定。這些靜態資料顯示，產物生命週期的規則仍有未銜接之處，卻不足以證明每次臨時目錄出現的具體原因。

比起新增更多資料夾，更值得先釐清各類文件的用途：

• 正式分析：保存證據、比較、反證與未知事項。一般諮詢可只在對話中交付；沒有持久保存需求，就不必另外建立報告。
• ADR：記錄重要決策、理由與限制，不複製整份分析，也不照抄執行紀錄。
• 實施計畫：說明授權範圍、依賴與驗收條件，並連結相關決策，而不是重寫研究正文。
• 臨時材料：草稿、診斷輸入與原始輸出集中在獲准的暫存區；不能只因標題有「草稿」就放進正式分析區。
• 長期操作文件：只有在確實扮演可重複使用的操作手冊時才保存；一次部署不必自動變成一個新的部署文件目錄。

文件數量、是否提交、是否安裝，以及是否被模型讀取，應分開決定。把所有內容塞進同一個目錄，不等於完成治理。

Geoffrey Huntley 的啟示：回饋要留下，重複負擔可減少

Geoffrey Huntley 在談 agent 的「背壓」時，強調替 agent 建立自動化品質與正確性回饋，讓它能在較長的任務中辨認錯誤；這並不是主張把測試檔當作噪聲刪除。12

他也曾在程式碼移植的情境中，提出先把測試行為整理成規格，再用規格引導移植。14 這是特定移植流程的做法，不能據此推論所有專案都應以文件取代測試。

對 V4 更實用的理解是：保留可執行的正確性回饋，減少重複或只用一次的驗證資產。規格用來說明預期行為，測試則提供可執行的反證；未經評估，不應把兩者當成可互換的東西。

至於 Huntley 是否制定過通用的測試提交、草稿目錄或發行排除標準，本次資料不足。X、Reddit、Hacker News 與 Lobsters 是否有一致共識，也無法據此確認；未取得的討論不應被當成證據。

文件膨脹與模型幻覺：控制讀取範圍，比限制目錄更直接

長上下文研究指出，模型未必能平均運用輸入各處的資訊，尤其可能較難取用位於上下文中段的內容。3 HELMET 研究則提醒，評估長上下文模型需要涵蓋多種任務，不能只依靠簡單的「大海撈針」測試。4

這些研究不能證明某份文件只要超過特定行數就會導致幻覺，也不能直接量化 V4 的風險。比較務實的做法，是按主題與決策邊界拆分資料，讓模型預設讀取與當前任務相關的章節；歷史材料按需檢索。摘要應保留證據位置、未知事項與未完成義務，原始材料則供追溯使用。索引負責導航，不必複製正文再形成另一份事實來源；日誌與歷史報告也不應預設全部回灌模型。

V4 可先做的最小調整

與其增加一套繁重流程，不如補上一條從建立到交付都適用的產物規則：

1. 建立前先確認用途：優先擴充既有測試或文件，不因每次修改就機械式新增一份。
2. 保存前確認邊界：釐清路徑、長期或臨時、是否納入版本控制，以及是否會被發行；不確定時先詢問，不自行創造目錄。
3. 提交前做基本檢查：辨認臨時輸出、敏感內容、重複測試與重複文件；不要靠忽略所有測試來換取整潔。
4. 分發前確認安裝清單：避免臨時材料進入套件，同時保留既有的摘要、身分與資產保護機制。
5. 清理前先看依賴關係：保護失敗證據、進行中的任務與歷史引用；任務成功或材料看似過期，不自動等於獲准刪除。

因此，較合理的優先順序是先補齊臨時材料與發行邊界，再整理文件職責並採用按需讀取。現階段沒有充分理由全面搬遷 Go 單元測試、停止提交長期測試，或把所有文件合併成一份。

這仍是階段性調研：已取得倉庫靜態資料、Geoffrey Huntley 的作者資料與部分學術來源，但 Python 官方布局及相關論壇的交叉調研尚未完成。本次沒有重跑測試、修改檔案或清理產物；建議也尚未實施。