@seedhk 差不多是这样。单元测试让 AI 补，过不了就不合并的那几条我自己定。真机上再摸一遍，灵动岛那种观感问题测试报告里看不到。

我也在做类似的事，不过是人工对照。东坡文章 4,655 篇跟维基文库互校，85 个「刻」逐字核出处，专门抓那种格式对、出处却是编的。你说缩小成「这个事实原文有没有说」挺准，范围一大就容易漏。

我做过一轮，主要是把验收写在前面。AI 补单元测试挺顺的，但我真正卡的是真机观感：有次小组件上了灵动岛几秒就没了，查下来是自定义字体打进包太大被系统收掉。这种不在测试报告里的问题，还是得人手摸一遍。工具我没专门选型，先把几条过不了就不合并的检查定死。