问题定义
种子内容说明：这里把“从失败日志定位根因”设为合成场景，用需求到补丁的拆解讨论不可运行输出，不对应真实用户或真实项目。
最终使用者需要从测试失败前后的对照看到输入、动作与结果的关联，否则“从失败日志定位根因”仍缺少可复现依据。
处理步骤
执行时先列出不可改动区域，再让需求到补丁的拆解只处理一个失败样本；真实浏览器操作未出现前，不追加工具权限。
验收清单：
- 用测试失败前后的对照固定“从失败日志定位根因”的当前基线。
- 请最终使用者复核真实浏览器操作与任务边界。
- 若生成结果看起来正确却无法运行仍出现，停止扩大需求到补丁的拆解的改动范围。
如何判断完成
验收证据：测试失败前后的对照用于确认当前动作，真实浏览器操作用于交叉检查；两者都不能被展示计数替代。
取舍点在“为每个任务拆分多个并行 Agent”：它可能缩短需求到补丁的拆解的首轮时间，也可能放大生成结果看起来正确却无法运行带来的评审与恢复成本。
记录里应把自动动作、人工修改和最终状态分开，让测试失败前后的对照只证明本轮发生的事情。对于生成结果看起来正确却无法运行，还要保留真实浏览器操作作为后续重放入口。
回退方案：如果最终使用者不能从真实浏览器操作解释结果，就恢复上一份已验证配置后重新跑关键入口，保留本轮失败样本。
反方检查：生成结果看起来正确却无法运行有时来自输入而非工具，因此测试失败前后的对照应先区分根因，再决定是否收紧权限。
开放讨论
你如何判断“第二位评审者可以复现结论”已经满足？最终使用者还应补看哪类需求到补丁的拆解证据？