Merge pull request 'feat(testing): deterministic test-runner replacing LLM tester on the testing stage (ORCH-116)' (#142) from feature/ORCH-116-orch-replace-llm-tester-with-d into main

Recovery from the merge-gate rebase-conflict bounce. The feature branch was
rebased onto origin/main (which had merged ORCH-123). The single conflicting
hunk — docs/architecture/README.md — was resolved during the rebase: kept
ORCH-123's host-side staging-runner line AND the ORCH-116 test-runner bullet.

This follow-up commit reconciles the remainder:

- Renumber the global sweeping ADR adr-0049 -> adr-0050. ORCH-123 took adr-0049
  (adr-0049-host-side-docker-execution-boundary.md) on main while ORCH-116 was
  in flight, so ORCH-116 yields to the merged task and moves to the next free
  number. Mechanical cross-reference reconciliation only (git mv + title + every
  test-runner reference across README/internals/CLAUDE/CHANGELOG/config.py +
  06-adr/ADR-001 + 12-review). Main's adr-0049 host-side references are left
  byte-for-byte untouched. No design/verdict content was altered.
- Restore the ORCH-116 CHANGELOG entry that the CHANGELOG auto-merge silently
  dropped (both ORCH-123 and ORCH-116 inserted at the same [Unreleased] anchor;
  git kept only ORCH-123).
- Add the missing ORCH_TEST_RUNNER_* keys to .env.example (parity with the
  ORCH_STAGING_RUNNER_* block; ORCH-101 canon of start keys).

Refs: ORCH-116

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

.env.example

@@ -585,6 +585,34 @@ ORCH_STAGING_RUNNER_INFRA_MAX_RETRIES=2
 ORCH_STAGING_RUNNER_INFRA_RETRY_DELAY_S=30
 ORCH_STAGING_RUNNER_EXEC_HOST_SIDE=true
 
+# ORCH-116: deterministic test-runner replacing the LLM `tester` agent on the
+# `testing` stage for the self-hosting orchestrator (2nd determinization slice,
+# mirror of the ORCH-115 staging-runner). A leaf src/test_runner.py is intercepted
+# in launch_job BEFORE _spawn: it runs the SAME regression `python -m pytest <target>`
+# in the task worktree (+ optional read-only smoke), maps the exit-code -> result:
+# PASS|FAIL, writes 13-test-report.md and initiates the UNCHANGED check_tests_passed
+# gate. Replaces only the producer of the artifact; the gate / STAGE_TRANSITIONS / DB
+# schema are byte-for-byte unchanged. See ADR-001-deterministic-test-runner.md / adr-0050.
+#   TEST_RUNNER_ENABLED            -> kill-switch; false -> the prior LLM tester runs on
+#                                     testing via _spawn 1:1.
+#   TEST_RUNNER_REPOS              -> CSV scope; empty -> self-hosting only. A repo with
+#                                     no resolvable test-contract is never intercepted (BR-9).
+#   TEST_RUNNER_TARGET            -> pytest target of the test-contract (default tests/).
+#   TEST_RUNNER_TIMEOUT_S          -> wall-clock budget for the pytest regression
+#                                     (malformed/non-positive -> default 900 + WARNING).
+#   TEST_RUNNER_SMOKE_ENABLED      -> optional read-only smoke (/health,/status,/queue +
+#                                     serial_gate block); false -> pytest exit-code is the sole signal.
+#   TEST_RUNNER_INFRA_MAX_RETRIES  -> tool-error (suite did NOT execute) bounded DEFER
+#                                     budget before a fail-closed FAIL (anti ORCH-110).
+#   TEST_RUNNER_INFRA_RETRY_DELAY_S-> delay before the re-queued tester job.
+ORCH_TEST_RUNNER_ENABLED=true
+ORCH_TEST_RUNNER_REPOS=
+ORCH_TEST_RUNNER_TARGET=tests/
+ORCH_TEST_RUNNER_TIMEOUT_S=900
+ORCH_TEST_RUNNER_SMOKE_ENABLED=true
+ORCH_TEST_RUNNER_INFRA_MAX_RETRIES=2
+ORCH_TEST_RUNNER_INFRA_RETRY_DELAY_S=30
+
 # ORCH-057 (follow-up ORCH-040): legacy root-owned ownership detect + actionable
 # worktree error. After the uid migration (user: "1000:1000") legacy root:root files
 # in /repos broke worktree creation under uid 1000 with a raw "Permission denied".

.openclaw/agents/tester.md

@@ -29,6 +29,17 @@ tools:
 ТОЛЬКО потом выноси вердикт. Любой FAIL/смок-сбой → `result: FAIL`; всё зелёное → `result: PASS`.
 </thinking>
 
+> **ORCH-116 — детерминированный раннер ведёт эту стадию для in-scope репо.** На `testing` для
+> self-hosting `orchestrator` (репо с тест-контрактом) стадию теперь ведёт **детерминированный код**
+> (`src/test_runner.py`, перехват в `launch_job` **до** `_spawn`, как `deploy-finalizer`/
+> `staging-runner`) — он исполняет тот же регресс `pytest tests/` в worktree ветки + read-only smoke
+> (`/health`, `/status`, `/queue` + блок `serial_gate`), маппит exit-код в `result:` тем же
+> контрактом `0 → PASS / иначе → FAIL`, пишет `13-test-report.md` и инициирует неизменный гейт
+> `check_tests_passed`. LLM-шаги ниже остаются **fallback'ом** под выключенным kill-switch
+> (`ORCH_TEST_RUNNER_ENABLED=false`) или для репо без тест-контракта. Контракт артефакта / гейт /
+> machine-key `result:` — неизменны. Детали:
+> `docs/work-items/ORCH-116/06-adr/ADR-001-deterministic-test-runner.md`.
+
 **Алгоритм:**
 1. **Окружение:** `curl -s http://localhost:8500/health`.
 2. **Тесты — в worktree ветки задачи, НЕ в общем `/repos/orchestrator`.** Прогоняй `pytest` из

.task-dev.md

@@ -1,4 +1,4 @@
-Work item: ORCH-115
+Work item: ORCH-116
 Repo: orchestrator
-Branch: feature/ORCH-115-orch-replace-llm-deployer-with
+Branch: feature/ORCH-116-orch-replace-llm-tester-with-d
 Stage: development

CHANGELOG.md

@@ -3,6 +3,13 @@
 Формат: [Keep a Changelog](https://keepachangelog.com/). Записи — на смысловой PR/задачу.
 
 ## [Unreleased]
+- **Детерминированный test-раннер вместо LLM-тестера на `testing`** (ORCH-116, `feat`): второй реализованный срез determinization-roadmap (ORCH-118 A5, `needs-hybrid-fallback`) — на стадии `testing` для self-hosting `orchestrator` **LLM-агент `tester` заменён детерминированным кодом** (`src/test_runner.py`). PASS/FAIL-ядро агента было деривируемым (регресс `pytest` + read-only smoke → `result:`); каждый прогон жёг токены/время opus-агента (~60–150k / 5–20 мин) и встраивал недетерминизм LLM в точку ветвления `testing → deploy-staging` / `testing → development`. **Инвариант (NFR-1):** это замена *продюсера* артефакта, **не** гейта — контракт `13-test-report.md`, гейт `check_tests_passed`/`_parse_tests_verdict`, `STAGE_TRANSITIONS`, machine-verdict `result:` (+ legacy `verdict:`/`status:`), схема БД — **байт-в-байт не тронуты**. Аддитивно, под kill-switch, never-raise, fail-closed, скоуп self-hosting, гибрид (LLM строго off-control-path). Эталон — `src/staging_runner.py` (ORCH-115). ADR: `docs/work-items/ORCH-116/06-adr/ADR-001-deterministic-test-runner.md`, сквозной `docs/architecture/adr/adr-0050-deterministic-test-runner.md`.
+  - **Перехват в `launch_job` до `_spawn` (D1):** `if job.agent=="tester" and test_runner.should_intercept(job)` → `_run_test_runner_job` (зеркало `_run_staging_runner_job`, прецедент `deploy-finalizer`/`post-deploy-monitor`/`staging-runner` `launcher.py:397/402/405`): синхронно ведёт `jobs`-строку через `mark_job`, возвращает `None` (нет `agent_runs`, нет токенов). Дискриминатор — роль `tester` **И** стадия задачи `testing` (defense-in-depth: `tester` — единственный агент входа в `testing`, коллизии стадий нет, в отличие от общей роли `deployer`) **И** `applies(repo)`; `should_intercept` never-raise → `False` → штатный `_spawn` (fail-safe к LLM-пути).
+  - **Leaf `src/test_runner.py` (новый, чистый never-raise):** по образцу `staging_runner`/`self_deploy`/`proc_group` (на импорте только `config`/`proc_group`; `db`/`git_worktree`/`self_deploy`/`qg.checks`/`stage_engine`/`notifications` — лениво). `applies(repo)` = kill-switch `test_runner_enabled` + скоуп `test_runner_repos` (пусто → self-hosting only) **И** резолв тест-контракта `_has_test_contract` (BR-9: репо без контракта → `False` → LLM-tester — enduro-trails 1:1 как до ORCH-116, даже если руками добавлен в CSV). Исполняет регресс `python -m pytest <test_runner_target>` **в worktree ветки** (`git_worktree.get_worktree_path`, анти checkout-гонка ORCH-112) через `proc_group.run_in_process_group` (tree-kill, таймаут `test_runner_timeout_s=900`, малформ/непозитив → дефолт + WARNING) + опц. **read-only smoke** (`/health`/`/status`/`/queue` + блок `serial_gate`, stdlib `urllib`; транзиентная недостижимость — ограниченный ретрай, не-200/нет блока — немедленный FAIL; `test_runner_smoke_enabled`). Маппит exit-код **единым** контрактом `self_deploy.map_exit_code_to_status` в токенах `result:` (`0→PASS`/иначе/None→`FAIL`, fail-closed; smoke-провал AND-ится в `FAIL`); пишет `13-test-report.md` (тот же machine-key `result:` UPPERCASE + 52c-схема, `author_agent: test-runner`/`model_used: n/a`) + best-effort push в **фичеветку**; вызывает **существующий** `advance_stage(current_stage="testing", finished_agent="tester")` — без новых рёбер/исходов (transition-lease ORCH-114 берётся внутри `advance_stage` — граница O1).
+  - **Анти-коллизия 52c-`status:` ↔ парсер (D6.1, специфично для tester):** `_parse_tests_verdict` читает вердикт из **трёх** равноранговых полей (`verdict:`/`status:`/`result:`) с negative-token-priority. 52c-обязательное `status:` поэтому читается тем же парсером → раннер **ВСЕГДА выравнивает** `status:` по вердикту (`PASS → status: success`, `FAIL → status: failed`) — иначе негативный токен в `status:` при `result: PASS` дал бы ложный FAIL здорового прогона. Прибито unit-тестом через **неизменённый** парсер.
+  - **Двухуровневый исход (D5, анти-ORCH-110):** сюита **исполнилась** (реальный exit-код) → verdict→advance (FAIL → тот же откат `testing → development` + developer-retry, что у FAIL-вердикта LLM, `stage_engine.py:849`); сюита **не исполнилась** (tool-error: spawn-error/таймаут/`returncode None`) → инфра-сбой ≠ код-фейл → bounded **DEFER** (re-queue **`tester`**-джоба с задержкой + restart-safe маркер `test-runner infra-retry` в `task_content`, счётчик подсчётом маркера — без правки схемы БД), на исчерпании `test_runner_infra_max_retries=2` → fail-closed `FAIL` + advance + INFRA-alert. Раннер **никогда** не делает тихий advance/ложный green, **никогда** не клинит очередь, **не** жжёт developer-retry на транзиентной инфре.
+  - **Гибрид (D11/BR-8/NFR-7):** в Phase 1 на `testing` (in-scope) вердикт `result:` производит **только** детерминированный раннер; LLM **не** вызывается в потоке управления вердикта. Архитектура не запрещает будущий **off-control-path** LLM-триаж падений / маппинг TC↔критерии после детерминированного FAIL (отдельная роль/джоб, **не** выносит и **не** переопределяет `result:`, **не** добавляет ребро в `STAGE_TRANSITIONS`) — в этом срезе не реализуется. Self-hosting safety: в командах раннера нет рестарта 8500 / `docker compose up orchestrator` / `--build` / force-push / правок `.env`; smoke строго read-only. Наблюдаемость — in-process счётчики (`runs`/`pass`/`fail`/`tool_error`/`deferred`) + read-only блок `test_runner` в `GET /queue` + один структурный лог-вердикт на прогон (различает код-фейл и tool-error). Флаги (`config.py`, дефолт = боевое): `test_runner_enabled`/`test_runner_repos`/`test_runner_target`/`test_runner_timeout_s`/`test_runner_smoke_enabled`/`test_runner_infra_max_retries`/`test_runner_infra_retry_delay_s` (env `ORCH_TEST_RUNNER_*`). Откат = `ORCH_TEST_RUNNER_ENABLED=false` → на `testing` снова LLM-`tester` через `_spawn` **байт-в-байт**.
+  - **Норматив сопровождения ORCH-118 (NFR-6):** обновлены `docs/architecture/llm-call-sites.md` (A5 — реализован; машинный `ORCH-118-INVENTORY-BLOCK` сохраняет tester как `avoidable=yes`/`axis=C`/`needs-hybrid-fallback`), `llm-determinization-roadmap.md` (rank 2 tester — ✅ реализован; инвариант «ровно один `first_slice = yes`» у rank 1 deployer цел), `llm-usage-policy.md` (§5 — единственный транспорт S0 не нарушен, раннер LLM не зовёт), `.openclaw/agents/tester.md` (LLM-ветвь `testing` — fallback), `docs/architecture/README.md`/`internals.md`, витрина `docs/overview/tech-pipeline.md`/`tech-agents.md`/`tech-quality-security.md`. Покрытие — `tests/test_orch116_test_runner.py` (TC-01…TC-14) + зелёные `tests/test_llm_call_site_inventory.py`/`test_llm_determinization_docs.py` (TC-15).
 - **Host-side исполнение staging-раннера + классификация environment-дефекта** (ORCH-123, `fix`, bug→escalate full-cycle): устранён инцидент **ORCH-116** — детерминированный staging-раннер (ORCH-115) вызывал `docker exec` **изнутри** прод-контейнера `orchestrator`, где **нет бинаря `docker`** (образ несёт только `openssh-client git curl`, `Dockerfile:11`; `/var/run/docker.sock` смонтирован, но клиента нет) → `Popen(["docker", …])` падал `FileNotFoundError` → ветка tool-error → инфра-DEFER×2 → fail-closed `FAILED` → **ложный** откат `deploy-staging → development` (как код-фейл, с расходом developer-retry). Так до фикса **любая** self-hosting задача, дойдя до `deploy-staging`, была обречена на ложный откат. Аддитивно, под флагами, never-raise, скоуп self-hosting; `STAGE_TRANSITIONS` / реестр `QG_CHECKS` / семантика и имена `check_staging_status`/`_parse_staging_status` / machine-verdict-ключи (`staging_status:`/`deploy_status:`) / схема БД — **байт-в-байт не тронуты** (замена *стратегии исполнения продюсера* `15-staging-log.md`, **не** гейта/стадии; зеркало инварианта ORCH-115 NFR-1). ADR: `docs/work-items/ORCH-123/06-adr/ADR-001-host-side-staging-execution-and-env-classification.md`, сквозной `docs/architecture/adr/adr-0049-host-side-docker-execution-boundary.md`.
   - **Host-side ssh-стратегия (D1):** `staging_runner.build_staging_command()` теперь обёртывает ту же `docker exec orchestrator-staging python3 … staging_check.py … --mode stub` в `ssh -o StrictHostKeyChecking=no <deploy_ssh_user>@<deploy_ssh_host> '<docker exec …>'` (зеркало `self_deploy.build_deploy_command` / `image_freshness.image_revision(ssh_target=…)`); канал — существующий доверенный (`ORCH_DEPLOY_SSH_HOST=127.0.0.1`, ssh-ключ смонтирован `:ro`, `openssh-client` в образе) → **новых секретов/привилегий не вводится** (NFR-3). Меняется **инициатор/канал** запуска, **не** сама сюита (она по-прежнему бежит **внутри** `orchestrator-staging` 8501). **Security (D2):** docker CLI/SDK в контейнер **не добавляется**, `docker.sock` **не используется изнутри** — это было бы root-эквивалентным расширением поверхности атаки (доступным и LLM-агентам); host-side ssh достигает цели без расширения привилегий.
   - **Трёхсторонняя классификация исхода (D3, чистая `classify_staging_outcome`, зеркало `merge_gate.classify_retest_failure`):** `suite-ran` (распознанный exit-код, кроме 255, **без** env-маркера в stderr → доверяем коду: `0→SUCCESS`/`≠0→FAILED`; анти-over-tolerance BR-3 — реальный фейл сюиты **никогда** не реклассифицируется в инфру), `permanent-env` (spawn-error `rc=None` без таймаута / нет ssh-target / `rc∈{126,127}` / env-маркер `No such container`/`Cannot connect to the Docker daemon`/`command not found` → ретрай бессмыслен), `transient-infra` (timeout / ssh transport `rc=255` / неизвестный сигнал → ретрай осмыслен). Дизамбигуация коллизии `exit=1` (`docker exec` «No such container»=1 vs суита fail=1) — **скан stderr на env-маркеры**, не голый exit-код; fail-safe при неоднозначности → `transient-infra` (DEFER), никогда тихий `suite-ran`.

CLAUDE.md

@@ -493,6 +493,63 @@ Plane, **не** Quality Gate и **не** стадия).
   Детали — `docs/work-items/ORCH-123/06-adr/ADR-001-host-side-staging-execution-and-env-classification.md`,
   сквозной `docs/architecture/adr/adr-0049-host-side-docker-execution-boundary.md`.
 
+## Детерминированный test-раннер вместо LLM-тестера (ORCH-116)
+Второй реализованный срез determinization-roadmap (ORCH-118 A5, `needs-hybrid-fallback`): на стадии
+`testing` для self-hosting `orchestrator` **LLM-агент `tester` заменён детерминированным кодом**
+(`src/test_runner.py`). PASS/FAIL-ядро было деривируемо (регресс `pytest` + read-only smoke) — теперь
+его делает leaf, перехватываемый в `launch_job` **до `_spawn`** (прецедент `deploy-finalizer`/
+`post-deploy-monitor`/`staging-runner`, `launcher.py:397/402/405`). **Инвариант (NFR-1):** замена
+*продюсера* артефакта, **не** гейта — контракт `13-test-report.md`, гейт/`_parse_tests_verdict`/имя
+`check_tests_passed`, `STAGE_TRANSITIONS`, machine-verdict `result:` (+ legacy `verdict:`/`status:`),
+схема БД — **байт-в-байт не тронуты**. Аддитивно, под kill-switch, never-raise, fail-closed, гибрид
+(LLM строго off-control-path).
+- **Перехват (D1):** `launch_job` — `if job.agent=="tester" and test_runner.should_intercept(job)`
+  → `_run_test_runner_job` (зеркало `_run_staging_runner_job`): синхронно ведёт `jobs`-строку через
+  `mark_job`, возвращает `None` (нет `agent_runs`). Дискриминатор — роль `tester` **И** стадия задачи
+  `testing` (defense-in-depth: `tester` — единственный агент входа в `testing`, коллизии стадий нет, в
+  отличие от общей роли `deployer`/ORCH-115) **И** `applies(repo)`; `should_intercept` never-raise →
+  `False` → штатный `_spawn` (fail-safe к LLM-пути).
+- **Раннер (D2-D7):** leaf по образцу `staging_runner`/`self_deploy`/`proc_group` (на импорте только
+  `config`/`proc_group`; `db`/`git_worktree`/`self_deploy`/`qg.checks`/`stage_engine`/`notifications`
+  — лениво). `applies` = kill-switch `test_runner_enabled` + скоуп `test_runner_repos` (пусто →
+  self-hosting only) **И** резолв тест-контракта `_has_test_contract` (BR-9: репо без контракта →
+  LLM-tester, enduro-trails 1:1 даже если руками в CSV). Исполняет `python -m pytest
+  <test_runner_target>` **в worktree ветки** (анти checkout-гонка) через `proc_group`
+  (tree-kill, таймаут `test_runner_timeout_s=900`) + опц. read-only smoke (`/health`/`/status`/`/queue`
+  + блок `serial_gate`, stdlib `urllib`; транзиент → ограниченный ретрай, не-200/нет блока → немедленный
+  FAIL; `test_runner_smoke_enabled`); маппит exit-код **единым** `self_deploy.map_exit_code_to_status`
+  в токенах `result:` (`0→PASS`/иначе/None→`FAIL`, fail-closed; smoke-провал AND-ится в `FAIL`); пишет
+  `13-test-report.md` (`author_agent: test-runner`/`model_used: n/a`, 52c-схема) + best-effort push в
+  фичеветку; вызывает **существующий** `advance_stage(current_stage="testing", finished_agent="tester")`
+  — без новых рёбер/исходов (lease ORCH-114 берётся внутри `advance_stage`).
+- **Анти-коллизия 52c-`status:` ↔ парсер (D6.1, специфично для tester):** `_parse_tests_verdict` читает
+  вердикт из **трёх** равноранговых полей (`verdict:`/`status:`/`result:`) с negative-token-priority →
+  52c-обязательное `status:` раннера **ВСЕГДА выровнено** по вердикту (`PASS → status: success`, `FAIL
+  → status: failed`), иначе негативный токен в `status:` при `result: PASS` дал бы ложный FAIL. Прибито
+  unit-тестом через неизменённый парсер.
+- **Двухуровневый исход (D5, анти-ORCH-110):** сюита **исполнилась** (реальный exit-код) → verdict→
+  advance (FAIL → тот же откат `testing → development` + developer-retry, что у LLM); сюита **не
+  исполнилась** (tool-error: spawn-error/таймаут/`returncode None`) → инфра-сбой ≠ код-фейл → bounded
+  **DEFER** (re-queue **`tester`**-джоба + restart-safe маркер `test-runner infra-retry` в
+  `task_content`, без правки схемы БД), на исчерпании `test_runner_infra_max_retries` → fail-closed
+  `FAIL` + advance + alert. Никогда тихий advance/ложный green; не клинит очередь; не жжёт
+  developer-retry на транзиентной инфре.
+- **Флаги** (`config.py`, дефолт = боевое): `test_runner_enabled` (kill-switch, env
+  `ORCH_TEST_RUNNER_ENABLED`), `test_runner_repos` (CSV; **пусто → self-hosting only**),
+  `test_runner_target=tests/`, `test_runner_timeout_s=900`, `test_runner_smoke_enabled`,
+  `test_runner_infra_max_retries=2`, `test_runner_infra_retry_delay_s=30`. Откат =
+  `ORCH_TEST_RUNNER_ENABLED=false` → на `testing` снова LLM-`tester` через `_spawn` **байт-в-байт**.
+  Наблюдаемость — in-process счётчики + read-only блок `test_runner` в `GET /queue` + один структурный
+  лог-вердикт на прогон (различает код-фейл и tool-error). **Гибрид (BR-8/NFR-7):** LLM строго
+  off-control-path — детерминированный раннер единственный продюсер `result:`; будущий триаж падений не
+  выносит/не переопределяет вердикт и не добавляет ребро в `STAGE_TRANSITIONS` (Phase 1 не реализован).
+  Норматив сопровождения ORCH-118: обновлены `llm-call-sites.md`/`llm-determinization-roadmap.md`/
+  `llm-usage-policy.md` (A5/rank 2 — реализован, машинные блоки/инвариант «ровно один `first_slice`»
+  целы) + `tester.md` (LLM-ветвь — fallback). Покрытие — `tests/test_orch116_test_runner.py`
+  (TC-01…TC-14) + зелёные LLM-анти-дрейф тесты (TC-15). Детали —
+  `docs/work-items/ORCH-116/06-adr/ADR-001-deterministic-test-runner.md`, сквозной
+  `docs/architecture/adr/adr-0050-deterministic-test-runner.md`.
+
 ## Машинный журнал уроков (ORCH-098)
 Шаг 1 («Фундамент», F2) эпика саморазвития: формализует свободнотекстовые «уроки» из `memory/` в
 **машинную структурированную таблицу отклонений конвейера** `lessons`, фундамент для будущих

docs/architecture/adr/adr-0050-deterministic-test-runner.md

@@ -0,0 +1,115 @@
+---
+work_item: ORCH-116
+stage: architecture
+author_agent: architect
+status: proposed
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+---
+
+# adr-0050: Детерминированный test-раннер — второй реализованный срез determinization-roadmap (tester-гибрид)
+
+> **Сквозной (cross-cutting) ADR.** Агрегирует решение ORCH-116, влияющее на **весь**
+> оркестратор: вводит новый компонент-leaf `src/test_runner.py`, снимает вторую avoidable
+> LLM-консультацию из потока управления (`tester`/`result:`, A5) и переводит rank-2
+> determinization-roadmap из «план» в «реализовано». Локальная детализация (все решения
+> D1–D12, включая tester-специфичную анти-коллизию `status:` D6.1) —
+> `docs/work-items/ORCH-116/06-adr/ADR-001-deterministic-test-runner.md`.
+
+## Статус
+Proposed
+
+## Контекст
+
+ORCH-118 ([adr-0047](adr-0047-llm-usage-policy-and-call-site-map.md)) зафиксировал нормативную
+политику и карту LLM-консультаций и назвал **avoidable LLM control paths = `{tester, deployer}`**.
+Первый срез — **deployer (staging-status, rank 1)** — реализован **ORCH-115**
+([adr-0048](adr-0048-deterministic-staging-runner.md)). Второй кандидат — **tester (rank 2,
+`needs-hybrid-fallback`, `hybrid_needed = yes`, `first_slice = no`)**. ORCH-116 — его фактическая
+реализация.
+
+Вердикт `result:` на стадии `testing` сейчас эмитит LLM-агент `tester`, но **PASS/FAIL-ядро** есть
+**чистый маппинг** exit-кода `pytest` + read-only smoke, а гейт `check_tests_passed`
+(`_parse_tests_verdict`) детерминирован и читает **только** frontmatter `result:` (+ legacy
+`verdict:`/`status:`). Это удовлетворяет обоим условиям «avoidable»: C-консультация **и**
+деривируемый вердикт. **Гибрид-нюанс:** прежний промпт нёс ещё и настоящее суждение (триаж падений,
+маппинг TC↔критерии) — поэтому ORCH-116 выносит из потока управления **только PASS/FAIL-исполнителя**,
+оставляя LLM допустимым лишь как будущий **off-control-path** триаж (Phase 2, не control-path).
+
+Прецедент детерминированной замены агента (`launch_job`-перехват до `_spawn`, D1/D2 +
+**рабочий эталон `src/staging_runner.py`** ORCH-115) и эталон «детерминированный джоб → `advance_stage`»
+уже в проде — архитектурный риск замены снят.
+
+## Решение
+
+**Новый leaf `src/test_runner.py` + перехват в `launch_job` до `_spawn`** (рядом с D1/D2/ORCH-115).
+На `testing` для in-scope репо с резолвимым тест-контрактом джоб `tester` обрабатывает раннер:
+исполняет регресс `pytest <target>` **в worktree ветки** через `proc_group` (tree-kill, ORCH-110) +
+опциональный read-only smoke, маппит exit-код единым контрактом `self_deploy.map_exit_code_to_status`
+(транслируя токены в `PASS`/`FAIL`), пишет `13-test-report.md` (тот же machine-key `result:`),
+best-effort пушит лог в фичеветку, вызывает **существующий** `advance_stage(current_stage="testing",
+finished_agent="tester")`.
+
+Кросс-каттинговые инварианты (сохранены **байт-в-байт**):
+- `STAGE_TRANSITIONS` (`src/stages.py`), реестр и имена `QG_CHECKS`/`check_tests_passed`/
+  `_parse_tests_verdict`/прочих `check_*`/`_parse_*`, machine-verdict-ключи (`result:`/`verdict:`/
+  `status:`/`staging_status:`/`deploy_status:`/`security_status:`/`coverage_status:`), **схема БД** —
+  не тронуты. Это замена *продюсера* артефакта, не гейта/стадии.
+- Единственный транспорт LLM-консультации (`launcher._spawn`/S0,
+  [llm-usage-policy.md](../llm-usage-policy.md) §5) — соблюдён: раннер **не зовёт LLM**; второй
+  транспорт не вводится; будущий off-control-path триаж — вне control-path (не контр-пример политике).
+- Сквозной бюджет времени ORCH-065/109/110 (`reaper_max_running_s` (5400) > Σ(работ на ребре)) —
+  соблюдён **без** правки `reaper_max_running_s`: ребро `testing` отдельно от `deploy-staging`, окно
+  раннера ≤900s ≤ прежнего LLM-окна `agent_timeout_seconds` (1800s).
+- Граница ORCH-112/ORCH-114/ORCH-115: transition-lease берётся **внутри** `advance_stage`; раннер
+  lease/гигиену/`staging_runner` не модифицирует.
+
+Скоуп — **self-hosting only** (`test_runner_repos=""` → `is_self_hosting_repo` + резолв
+тест-контракта `_has_test_contract`, в Phase 1 = self-hosting), под kill-switch
+`test_runner_enabled` (off → `_spawn` LLM-tester'а байт-в-байт). never-raise во всех публичных
+функциях; **двухуровневый исход** (verdict при исполнившейся сюите; bounded defer → fail-closed на
+tool-error/таймауте) убирает с `testing`-ребра RCA-класс ORCH-110 (инфра ≠ код-фейл).
+**Backward-compat (BR-9):** репо без резолвимого тест-контракта → `applies==False` → прежний
+LLM-tester (enduro-trails не затронут).
+
+**Tester-специфичная анти-коллизия (D6.1 локального ADR, отсутствует в ORCH-115):**
+`_parse_tests_verdict` читает вердикт из **трёх** полей (`verdict:`/**`status:`**/`result:`) с
+negative-token-priority — поэтому обязательное 52c-поле `status:` раннера **жёстко выровнено** по
+вердикту (`success` для PASS / `failed` для FAIL), иначе негативный токен в `status:` при `result:
+PASS` дал бы ложный FAIL. Зафиксировано unit-тестом через неизменённый парсер.
+
+**Эволюция карты LLM (норматив сопровождения, в том же PR — D12 локального ADR):**
+`llm-call-sites.md` (A5 → реализовано детерминированно, но `avoidable=yes`/`axis=C`/
+`needs-hybrid-fallback` сохранены — LLM-ветвь как fallback / будущий off-control-path триаж),
+`llm-determinization-roadmap.md` (rank 2 tester → реализован; **инвариант «ровно один
+`first_slice = yes`» цел** — `first_slice` остаётся у rank 1/deployer, у tester — `no`),
+`llm-usage-policy.md` (§5 — транспорт не нарушен), плюс анти-дрейф-тесты
+(`test_llm_call_site_inventory.py`/`test_llm_determinization_docs.py`). Эти правки коуплены к коду →
+применяются в development атомарно с реализацией, не в architecture-стадии (как ORCH-115).
+
+## Последствия
+
+- **+** Минус ещё один avoidable LLM control path; второй доказанный раннер-паттерн (теперь и для
+  `needs-hybrid-fallback`-кандидата, не только `replace-deterministic-now`).
+- **+** Дешевле/быстрее/детерминированнее собственный `testing`; нет токенов/латентности LLM в точке
+  ветвления `testing → deploy-staging` / `testing → development`.
+- **+** Паттерн остаётся переиспользуемым: leaf + перехват до `_spawn` + `advance_stage` — шаблон для
+  Phase 2 (project test contract не-self репо + опциональный off-control-path LLM-триаж).
+- **+** Гибрид-граница (D11 локального ADR): архитектура не закрывает будущий off-control-path триаж,
+  не пуская LLM обратно в поток управления вердикта.
+- **−** Новый компонент + врезка + defer-механика + tester-специфичная анти-коллизия `status:`.
+  Митигейшн: never-raise leaf, kill-switch (fail-safe к LLM), без схемы БД, инвариант выравнивания
+  `status:` + структурное покрытие `tests/test_orch116_test_runner.py`.
+- **Откат:** `ORCH_TEST_RUNNER_ENABLED=false` → прежний LLM-путь на `testing` байт-в-байт.
+
+## Ссылки
+- Локальный ADR: `docs/work-items/ORCH-116/06-adr/ADR-001-deterministic-test-runner.md`
+- Первый срез: [adr-0048](adr-0048-deterministic-staging-runner.md) (ORCH-115, `src/staging_runner.py`)
+- Политика/карта/roadmap: [llm-usage-policy.md](../llm-usage-policy.md),
+  [llm-call-sites.md](../llm-call-sites.md) (A5),
+  [llm-determinization-roadmap.md](../llm-determinization-roadmap.md) (rank 2),
+  [adr-0047](adr-0047-llm-usage-policy-and-call-site-map.md)
+- Прецеденты: D1/D2 (`launcher.py:397/402`), `_run_staging_runner_job` (`launcher.py:438`),
+  `run_staging_gate` (`staging_runner.py`), `proc_group` (ORCH-110,
+  [adr-0042](adr-0042-merge-gate-retest-infra-tolerance-and-tree-kill.md)),
+  transition-lease (ORCH-114, [adr-0045](adr-0045-transition-ownership-lease-and-stage-cas.md))

docs/architecture/internals.md

@@ -109,6 +109,19 @@ LLM). Leaf `src/staging_runner.py` (зеркало `run_deploy_finalizer`) ис
 `self_deploy.map_exit_code_to_status`, пишет `15-staging-log.md` (тот же machine-key `staging_status:`)
 и вызывает существующий `advance_stage(finished_agent="deployer")` (см. §5). Так LLM-агент `deployer`
 на `deploy-staging` исчезает из happy-path; `STAGE_TRANSITIONS`/`QG_CHECKS`/схема БД не тронуты.
+**ORCH-116 ([adr-0050](adr/adr-0050-deterministic-test-runner.md)):** тем же паттерном (рядом с
+ORCH-115) перехватывается джоб `tester` на стадии `testing` для in-scope репо с тест-контрактом
+(дискриминатор — роль `tester` **И** `tasks.stage == "testing"` **И** `test_runner.applies(repo)` под
+kill-switch `test_runner_enabled`, скоуп `test_runner_repos`, резолв `_has_test_contract`; пусто →
+self-hosting only; `should_intercept` never-raise → `False` → штатный `_spawn`, fail-safe к LLM). Leaf
+`src/test_runner.py` (зеркало `run_staging_gate`) исполняет регресс `pytest <target>` **в worktree
+ветки** через `proc_group` (tree-kill, таймаут `test_runner_timeout_s`) + read-only smoke, маппит
+exit-код `self_deploy.map_exit_code_to_status` в токенах `result:` (`0→PASS`/иначе→`FAIL`), пишет
+`13-test-report.md` (тот же machine-key `result:`; 52c-`status:` выровнен по вердикту — D6.1) и вызывает
+существующий `advance_stage(finished_agent="tester")` (см. §5). Двухуровневый исход (анти-ORCH-110):
+сюита НЕ исполнилась → bounded defer re-queue **`tester`**-джоба, не код-фейл-откат. Так LLM-агент
+`tester` на `testing` исчезает из happy-path; `STAGE_TRANSITIONS`/`QG_CHECKS`/`check_tests_passed`/схема
+БД не тронуты.
 
 ### 5. Auto-advance (`launcher._try_advance_stage`)
 

docs/architecture/llm-call-sites.md

@@ -57,7 +57,7 @@
 | **A2** | `.openclaw/agents/architect.md` | стадия `architecture` | architect | `06-adr/`, `07` | — | `check_architecture_done:62` (наличие 06-adr/07) | ~80–200k / 5–20 мин | да (через S0) | **P** | `keep-LLM` | архитектурное решение / ADR — настоящее суждение |
 | **A3** | `.openclaw/agents/developer.md` | стадия `development` | developer | код + PR | — | `check_ci_green:82` (+ `check_branch_mergeable:657`) — CI/merge | ~150–400k / 10–40 мин | да (через S0) | **P** | `keep-LLM` | написание кода — настоящее суждение; гейт судит CI/merge, не самоотчёт |
 | **A4** | `.openclaw/agents/reviewer.md` | стадия `review` | reviewer | `12-review.md` | `verdict:` | `check_reviewer_verdict:336` (`verdict:`) | ~100–300k / 5–25 мин | да (через S0) | **C** | `keep-LLM` | control path, но вердикт «приемлемость кода/решения» **НЕ деривируем** из exit-кода — настоящее суждение |
-| **A5** | `.openclaw/agents/tester.md` | стадия `testing` | tester | `13-test-report.md` | `result:` | `check_tests_passed:182` → `_parse_tests_verdict:226` (`result:`) | ~60–150k / 5–20 мин | да (через S0) | **C** | `needs-hybrid-fallback` | **avoidable**: PASS/FAIL = exit-code `pytest`+smoke (деривируем); LLM нужен лишь на триаж падений / маппинг TC↔критерии |
+| **A5** | `.openclaw/agents/tester.md` | стадия `testing` | tester | `13-test-report.md` | `result:` | `check_tests_passed:182` → `_parse_tests_verdict:226` (`result:`) | ~60–150k / 5–20 мин | да (через S0; для in-scope репо на `testing` — **нет**, перехват до `_spawn`) | **C** | `needs-hybrid-fallback` | **avoidable, СРЕЗ РЕАЛИЗОВАН (ORCH-116):** на `testing` для self-hosting `orchestrator` (репо с тест-контрактом) вердикт `result:` производит детерминированный `src/test_runner.py` (перехват в `launch_job` до `_spawn`, как D1/D2) — exit-код `pytest` в worktree + read-only smoke. LLM-ветвь остаётся **fallback'ом** под выключенным флагом / для репо без контракта / как будущий **off-control-path** триаж падений (маппинг TC↔критерии), который НЕ выносит и НЕ переопределяет `result:` (гибрид-природа `needs-hybrid-fallback` сохранена) |
 | **A6** | `.openclaw/agents/deployer.md` | стадии `deploy-staging` / `deploy` | deployer | `15-staging-log.md` / `14-deploy-log.md` | `staging_status:` / `deploy_status:` | `check_staging_status:599` → `_parse_staging_status:538` (`staging_status:`); `check_deploy_status:473` → `_parse_deploy_status:413` (`deploy_status:`) | ~40–120k / 3–15 мин | да (через S0; для in-scope репо на `deploy-staging` — **нет**, перехват до `_spawn`) | **C** | `replace-deterministic-now` | **avoidable, СРЕЗ РЕАЛИЗОВАН (ORCH-115):** на `deploy-staging` для self-hosting `orchestrator` вердикт `staging_status:` производит детерминированный `src/staging_runner.py` (перехват в `launch_job` до `_spawn`, как D1/D2) — маппинг exit-кода `staging_check.py`; прод уже детерминирован Phase A/B/C (ORCH-036). LLM-ветвь остаётся fallback'ом под выключенным флагом / для не-self репо |
 | **D1** | `src/agents/launcher.py:389` (перехват в `launch_job` **до** `_spawn`; «Not an LLM spawn» `407`) | post-deploy edge | deploy-finalizer | jobs-row | — | — | — (детерминированный) | **нет** (слот, перехват до `_spawn`) | — | `already-deterministic` (эталон) | Занимает слот агента, но LLM не консультируется — рабочий прецедент замены |
 | **D2** | `src/agents/launcher.py:394` (перехват в `launch_job` **до** `_spawn`; «Not an LLM spawn» `428`) | post-deploy observation | post-deploy-monitor | jobs-row | — | — | — (детерминированный) | **нет** (слот, перехват до `_spawn`) | — | `already-deterministic` (эталон) | Тик наблюдения; LLM не консультируется |
@@ -154,7 +154,13 @@
   `replace-deterministic-now` без ввода второго транспорта (раннер LLM не зовёт) — карта/инвариант
   «единственный транспорт S0» соблюдены. Машинный `ORCH-118-INVENTORY-BLOCK` сохраняет deployer как
   `avoidable=yes`/`axis=C` (LLM-ветвь жива как fallback под выключенным флагом / для не-self репо).
-  Второй кандидат (`tester`) остаётся follow-up'ом по роли.
+  **Второй срез — tester (`result:`)** — реализован **ORCH-116** (`src/test_runner.py`, тем же
+  перехватом до `_spawn`): на `testing` для in-scope репо вердикт `result:` производит
+  детерминированный код (exit-код `pytest` в worktree + read-only smoke), не LLM. Это
+  `needs-hybrid-fallback`, тоже без второго транспорта (раннер LLM не зовёт). Машинный
+  `ORCH-118-INVENTORY-BLOCK` сохраняет tester как `avoidable=yes`/`axis=C`/
+  `classification=needs-hybrid-fallback` — LLM-ветвь жива как fallback (выключенный флаг / репо без
+  контракта) и как будущий **off-control-path** триаж, который не выносит `result:`.
 - **Анти-дрейф тесты:** `tests/test_llm_call_site_inventory.py` (TC-01…TC-06, TC-09, TC-12, TC-13,
   TC-14) и `tests/test_llm_determinization_docs.py` (TC-07/08/11). Дискриминатор всех проверок —
   **«консультирует LLM», а не «спавнит subprocess»**.

docs/architecture/llm-determinization-roadmap.md

@@ -39,12 +39,24 @@
    замены агента уже снят рабочим паттерном.
 4. **`replace-deterministic-now`, без hybrid-fallback** (в отличие от tester).
 
-## 2. Второй кандидат — **tester (гибрид)**
+## 2. Второй кандидат — **tester (гибрид)** — ✅ РЕАЛИЗОВАН (ORCH-116)
+
+> **Статус: реализовано.** Срез выполнен в **ORCH-116** — `src/test_runner.py` (перехват в
+> `launch_job` до `_spawn`, как `D1`/`D2`/ORCH-115): на стадии `testing` для self-hosting
+> `orchestrator` вердикт `result:` производит детерминированный код (exit-код `pytest tests/` в
+> worktree ветки + read-only smoke `/health`/`/status`/`/queue`+`serial_gate`, маппинг через
+> `self_deploy.map_exit_code_to_status` в токенах `PASS`/`FAIL`), а не LLM. Под kill-switch
+> `test_runner_enabled` + скоуп `test_runner_repos` (пусто → self-hosting only) + резолв тест-контракта
+> (репо без контракта → LLM-tester, fail-safe). Контракт артефакта/гейта `check_tests_passed`/
+> `STAGE_TRANSITIONS`/схема БД — не тронуты. Запись `rank 2` в машинном блоке §4 сохраняется
+> (`first_slice = no`, `hybrid_needed = yes` — инвариант карты) как фиксация второго среза.
 
 Детерминированное ядро (`pytest` + smoke даёт PASS/FAIL по exit-коду) покрывает основной вердикт;
 LLM-фолбэк сохраняется **только** на суждение, не сводимое к exit-коду: **триаж падений** и **маппинг
 TC ↔ критерии приёмки**. Поэтому `needs-hybrid-fallback`, а не `replace-deterministic-now`: поверхность
-суждения шире и объём работы больше.
+суждения шире и объём работы больше. В Phase 1 (ORCH-116) детерминированное ядро вынесено в раннер;
+off-control-path LLM-триаж (он **не** выносит и **не** переопределяет `result:`, **не** добавляет ребро
+в `STAGE_TRANSITIONS`) зафиксирован как Phase 2 follow-up по роли и в этом срезе не реализуется.
 
 ## 3. Общие требования к каждому follow-up'у
 

docs/architecture/llm-usage-policy.md

@@ -99,3 +99,10 @@ Call-site является **avoidable LLM control path** тогда и толь
   детерминированный `src/staging_runner.py` производит `staging_status:` без `_spawn` (перехват до
   него, как `D1`/`D2`) — раннер **LLM не зовёт** и **второй транспорт не вводит**, поэтому инвариант
   «единственный транспорт S0» соблюдён (TC-12 зелёный). Это образец для последующих срезов roadmap'а.
+- **Реализованный срез (ORCH-116).** ORCH-116 снял A5/tester тем же паттерном: детерминированный
+  `src/test_runner.py` производит `result:` на `testing` для in-scope репо без `_spawn` (перехват до
+  него, как `D1`/`D2`) — exit-код `pytest` в worktree + read-only smoke. Это `needs-hybrid-fallback`
+  (детерминированное ядро вынесено; LLM-фолбэк на не-деривируемое суждение — триаж падений / маппинг
+  TC↔критерии — остаётся **off-control-path** и **не** производит `result:`). Раннер **LLM не зовёт** и
+  **второй транспорт не вводит** → инвариант «единственный транспорт S0» соблюдён (TC-12 зелёный).
+  Будущий off-control-path триаж — **не** новый транспорт control-path-консультации (он вне control-path).

docs/overview/tech-agents.md

@@ -54,6 +54,14 @@ Machine-verdict ключи читаются гейтами **только из Y
 под выключенным флагом / для не-self репо и продолжает вести прод-стадию `deploy`. Подробнее —
 [конвейер](tech-pipeline.md) и [карта LLM-консультаций](../architecture/llm-call-sites.md).
 
+Особенность (ORCH-116): на стадии `testing` для self-hosting `orchestrator` LLM-`tester` заменён
+**детерминированным test-раннером** (`src/test_runner.py`) — его PASS/FAIL-ядро деривируемо (exit-код
+`pytest` в worktree + read-only smoke), вердикт `result:` производит детерминированный код. Это
+гибрид (`needs-hybrid-fallback`): LLM-промпт `tester` остаётся fallback'ом под выключенным флагом / для
+репо без тест-контракта, а будущий off-control-path триаж падений не выносит и не переопределяет
+`result:`. Подробнее — [конвейер](tech-pipeline.md) и
+[карта LLM-консультаций](../architecture/llm-call-sites.md).
+
 ## Человек как седьмая роль
 
 Человек не пишет артефакты конвейера, но принимает два решения, которые не делегированы

docs/overview/tech-pipeline.md

@@ -44,6 +44,17 @@ created → analysis → architecture → development → review → testing →
 > на стадии снова работает LLM-`deployer` байт-в-байт. Это первый реализованный срез
 > determinization-roadmap (см. `docs/architecture/llm-determinization-roadmap.md`).
 
+> **Детерминированный test-раннер (ORCH-116).** На стадии `testing` для self-hosting `orchestrator`
+> работу ведёт **детерминированный код** (`src/test_runner.py`), а не LLM-агент `tester`: он
+> перехватывается в `launch_job` до запуска агента (тем же паттерном, что staging-раннер), исполняет
+> регресс `pytest` в worktree ветки + read-only smoke, маппит exit-код в `result:` и инициирует **тот
+> же** гейт `check_tests_passed`. Это замена *продюсера* артефакта, а не гейта: контракт
+> `13-test-report.md`, имя/семантика `check_tests_passed`/`_parse_tests_verdict`, `STAGE_TRANSITIONS`
+> — не изменились. Под kill-switch `test_runner_enabled` (скоуп `test_runner_repos`, пусто →
+> self-hosting only; репо без тест-контракта → LLM-tester); при выключении снова работает LLM-`tester`
+> байт-в-байт. Это второй реализованный срез determinization-roadmap (гибрид: LLM-фолбэк остаётся на
+> off-control-path триаж, не на вынесение `result:`).
+
 ## Под-гейты деплойного ребра — врезки, не стадии
 
 На переходе `deploy-staging → deploy` исполняются четыре под-гейта в нормативном порядке

docs/overview/tech-quality-security.md

@@ -53,7 +53,10 @@ control-path и его вердикт деривируем из exit-кодов
 анти-дрейф тестами. **Первый срез реализован (ORCH-115):** на `deploy-staging` для self-hosting
 `orchestrator` LLM-`deployer` заменён детерминированным `src/staging_runner.py` (вердикт
 `staging_status:` = маппинг exit-кода staging-сюиты); LLM-ветвь остаётся fallback'ом, гейт
-`check_staging_status` не тронут. Замена второго кандидата (`tester`) — follow-up по роли.
+`check_staging_status` не тронут. **Второй срез реализован (ORCH-116):** на `testing` для self-hosting
+`orchestrator` LLM-`tester` заменён детерминированным `src/test_runner.py` (вердикт `result:` = exit-код
+`pytest` + read-only smoke); это гибрид (`needs-hybrid-fallback`) — LLM-ветвь остаётся fallback'ом /
+будущим off-control-path триажем, гейт `check_tests_passed`/`_parse_tests_verdict` не тронут.
 
 - Карта вызовов LLM: [`../architecture/llm-call-sites.md`](../architecture/llm-call-sites.md)
 - Нормативная политика: [`../architecture/llm-usage-policy.md`](../architecture/llm-usage-policy.md)

docs/work-items/ORCH-116/00-business-request.md

@@ -0,0 +1,7 @@
+# Business Request: ORCH: replace LLM tester with deterministic test runner
+
+Work Item ID: ORCH-116
+
+## Description
+
+TBD

docs/work-items/ORCH-116/01-brd.md

@@ -0,0 +1,224 @@
+---
+work_item: ORCH-116
+stage: analysis
+author_agent: analyst
+status: ready-for-review
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+---
+
+# 01 — BRD (бизнес-требования): ORCH-116 — заменить LLM-тестера детерминированным test-раннером
+
+Work Item: **ORCH-116** · Repo: **orchestrator** · Стадия: analysis
+
+## 1. Бизнес-контекст и проблема
+
+Стадия `testing` сейчас исполняется **LLM-агентом `tester`** (`src/stages.py:17`,
+`STAGE_TRANSITIONS["review"]["agent"] = "tester"` — tester запускается при входе в `testing`).
+Фактическая работа агента на этой стадии в happy-path — **в основном детерминированная**
+(`.openclaw/agents/tester.md`): прогнать регресс `pytest tests/ -v --tb=short` в worktree ветки,
+сделать read-only smoke (`/health`, `/status`, `/queue` + наличие блока `serial_gate`),
+собрать exit-код, записать `13-test-report.md` с машинным frontmatter `result: PASS|FAIL`. Гейт
+`check_tests_passed` (`src/qg/checks.py:182` → `_parse_tests_verdict:226`) читает **только** ключ
+`result:` из frontmatter — **не** прозу и **не** покрытие TC.
+
+Это **avoidable LLM control path** по нормативной политике (`docs/architecture/llm-usage-policy.md`):
+(i) это **C-консультация** — вердикт `result:` потребляется гейтом `check_tests_passed`, и
+(ii) вердикт PASS/FAIL **деривируем** из exit-кода `pytest` + smoke (детерминированные сигналы).
+Карта вызовов (`docs/architecture/llm-call-sites.md`, строка **A5**) классифицирует tester как
+**`needs-hybrid-fallback`**, а roadmap (`docs/architecture/llm-determinization-roadmap.md`, машинный
+блок §4) ставит его **rank 2** с `hybrid_needed = yes`, `first_slice = no`. Это **второй срез**
+determinization-roadmap — после реализованного первого среза **ORCH-115** (детерминированный
+`staging_runner`, deployer на `deploy-staging`).
+
+**Гибридная природа (ключевое отличие от ORCH-115).** Tester — `needs-hybrid-fallback`, не
+`replace-deterministic-now`: его **PASS/FAIL-ядро** полностью детерминируемо (exit-код pytest +
+smoke), но часть работы прежнего промпта — **триаж падений**, **анализ пробелов покрытия
+AC**, **сопоставление TC ↔ критерии приёмки** и **человекочитаемая диагностика** — это настоящее
+суждение. ORCH-116 выносит из потока управления **только PASS/FAIL-исполнителя** (его делает
+детерминированный код); опциональный LLM-аналитик допустим как **off-control-path** триаж/
+диагностика после детерминированного провала, но **никогда** как первичный исполнитель вердикта
+гейта (BR-8 / NFR-7).
+
+**Боль / риск, который закрываем:**
+- **Недетерминизм в потоке управления.** Решение «advance на `deploy-staging` или rollback на
+  `development`» на стадии `testing` зависит от LLM-сессии (стоимость, латентность, риск
+  галлюцинации/неверного вердикта), хотя сводится к exit-коду pytest + smoke.
+- **Стоимость и латентность.** Каждый прогон tester'а тратит токены/время opus-агента (оценка по
+  `agent_runs`: tester-строки ~60–150k токенов / 5–20 мин на прогон; точное число — `GET /metrics`)
+  ради действия, которое выполняется одним прогоном pytest + несколькими read-only GET.
+- **Избыточность с уже-зелёным сигналом.** Регресс уже прогоняется в CI (`check_ci_green` гейтит
+  `development → review`, `src/qg/checks.py:82`), повторно в merge-gate re-test (ORCH-043/110) и в
+  coverage-gate (ORCH-027). Повторный прогон pytest на стадии `testing` — подтверждение факта, а не
+  суждение → естественный кандидат на детерминизацию.
+- **Класс инцидентов «LLM принял решение, которое есть исполнение фиксированных команд + маппинг
+  результата»** — тот же RCA-трек, что ORCH-110/111/112/113/114/117/115.
+
+Установленные факты (не изобретать):
+- Гейт `check_tests_passed`/`_parse_tests_verdict` читает **только** `result:` (плюс legacy-поля
+  `verdict:`/`status:`, ORCH-047) из frontmatter `13-test-report.md`; покрытие TC / сопоставление с
+  AC гейтом **не парсится** (это была нагрузка промпта, не требование гейта). Значит замена
+  *продюсера* `result:` детерминированным кодом сохраняет контракт гейта байт-в-байт.
+- Детерминированный прецедент замены агента **до `_spawn`** уже работает и проверен: `launch_job`
+  перехватывает `deploy-finalizer` (D1, `src/agents/launcher.py:397`), `post-deploy-monitor`
+  (D2, `:402`) и **staging-runner** (ORCH-115, `:405-408`) до `_spawn`; `src/staging_runner.py` —
+  готовый эталон leaf-раннера (two-level outcome, never-raise, kill-switch, proc_group).
+- Изоляция спавненного pytest уже решена: `src/proc_group.py::run_in_process_group` (ORCH-110)
+  даёт tree-kill (`os.killpg`, каскад SIGTERM→grace→SIGKILL) — корень CPU-голодания от
+  осиротевших pytest (инцидент ORCH-109/111) закрыт; раннер обязан использовать его.
+- Маппинг exit-кода — тривиальная pure-функция (`0 → PASS`, иначе `FAIL`), зеркало
+  `self_deploy.map_exit_code_to_status` (но в токенах `PASS`/`FAIL`, а не `SUCCESS`/`FAILED`).
+
+## 2. Объём (scope)
+
+### В объёме (Phase 1)
+- **Детерминированный test-раннер** для стадии `testing` репо `orchestrator` (self-hosting):
+  исполняет «тест-контракт» (сконфигурированные test/smoke-команды) в worktree ветки задачи,
+  маппит exit-код в `result: PASS|FAIL`, пишет `13-test-report.md`, инициирует существующий гейт
+  `check_tests_passed` — **без** запуска LLM-агента `tester`.
+- **Тест-контракт** — сконфигурированный набор команд: обязательная регресс-команда
+  (`pytest tests/`, переиспользуя конвенцию `merge_retest_target`) + опциональные read-only
+  smoke-проверки (зеркало шага 3 промпта tester: `/health`, `/status`, `/queue` + наличие блока
+  `serial_gate`). Для self-hosting `orchestrator` контракт известен по умолчанию.
+- Раннер активируется через **перехват в `launch_job` до `_spawn`** (прецедент D1/D2/ORCH-115),
+  **без правки `src/stages.py`/`STAGE_TRANSITIONS`** (роль `tester` в словаре остаётся; меняется лишь
+  *кто* обрабатывает джоб на стадии `testing` для in-scope репо с тест-контрактом).
+- После выпуска вердикта раннер инициирует **существующую** оценку exit-гейта `check_tests_passed`
+  ровно как завершившийся LLM-tester (`advance_stage(finished_agent="tester")`): PASS → `deploy-staging`
+  (и далее под-гейты ORCH-022/043/027/058 на ребре `deploy-staging → deploy`); FAIL → существующий
+  откат `testing → development` + developer-retry (`src/stage_engine.py:849`).
+- Two-level outcome (анти-ORCH-110, по образцу `staging_runner`): сюита **исполнилась** → вердикт →
+  advance; сюита **не исполнилась** (tool-error: spawn-error/таймаут/`returncode None`) → bounded
+  DEFER, на исчерпании → fail-closed `FAIL` + advance + alert. Инфра-сбой **не жжёт** developer-retry.
+- Kill-switch + скоуп-CSV + **тест-контракт** (паттерн ORCH-022/027/043/089/090/115): `*_enabled`
+  (откат к LLM-пути), `*_repos` (пусто → self-hosting only), backward-compat: репо без тест-контракта
+  → раннер не применяется → прежний LLM-tester.
+- Наблюдаемость: read-only блок в `GET /queue` + структурный лог вердикта.
+
+### Вне объёма (явно НЕ делаем в ORCH-116)
+- **ORCH-115 (детерминированный deploy/staging-раннер)** — **по явной границе задачи не смешиваем**:
+  ORCH-116 не модифицирует `src/staging_runner.py` и не трогает ребро `deploy-staging`/`deploy`.
+- **LLM-роли `reviewer` и `developer`** — **остаются без изменений** (граница задачи). reviewer —
+  control-path-но-keep (вердикт `verdict:` не деривируем из tool-сигнала, `llm-call-sites.md`).
+- **Реализация опционального off-control-path LLM-триажа/диагностики после FAIL** — не делается в
+  этом срезе (forward-looking, §6 BRD и §8 TRZ). Архитектура раннера **не должна запрещать** её
+  (NFR-7), но и не реализует.
+- **Сопоставление TC ↔ критерии приёмки / анализ пробелов покрытия AC как условие гейта** — гейт
+  `check_tests_passed` его не требует (читает только `result:`); в потоке управления его нет. Это
+  off-control-path диагностика (см. выше).
+- **Любая правка `STAGE_TRANSITIONS` / реестра и имён `QG_CHECKS` / семантики `check_tests_passed` /
+  `_parse_tests_verdict` / machine-verdict-ключей (`result:`/`verdict:`/`status:`) / схемы БД**
+  (см. NFR-1).
+- **Замена/правка `check_ci_green` / merge-gate re-test / coverage-gate** — они продолжают работать
+  как есть; ORCH-116 меняет только продюсера `13-test-report.md`.
+
+## 3. Заинтересованные стороны
+
+- **Заказчик / Owner** (`homenet542@gmail.com`) — инициатор детерминизации LLM-control-path'ов.
+- **Платформа orchestrator (self-hosting)** — прямой потребитель: дешевле/быстрее/детерминированнее
+  собственная стадия `testing`.
+- **Другие проекты на общем инстансе** (enduro-trails) — НЕ затронуты в Phase 1 (скоуп self-hosting +
+  backward-compat для репо без тест-контракта); выигрывают позже от Phase 2 (project test contract).
+- **Reviewer / Developer-роли конвейера** — принимают результат через неизменные гейты; их LLM-роли
+  не трогаются.
+
+## 4. Бизнес-требования (BR)
+
+- **BR-1 — Детерминированный PASS/FAIL без LLM.** На стадии `testing` для in-scope репо с
+  тест-контрактом вердикт `result:` производится детерминированным кодом (исполнение тест-контракта
+  + маппинг exit-кода), **без** консультации LLM. Happy-path `testing` не вызывает `_spawn`.
+- **BR-2 — Контракт артефакта неизменен.** Раннер пишет тот же `13-test-report.md` с тем же
+  frontmatter-ключом `result: PASS|FAIL`, который читает `check_tests_passed`/`_parse_tests_verdict`.
+  Гейт и парсер байт-в-байт не меняются.
+- **BR-3 — Эквивалентность маршрутизации.** PASS → продвижение на `deploy-staging` через
+  существующий путь; FAIL → существующий откат `testing → development` + инкремент developer-retry
+  (тот же путь и cap `MAX_DEVELOPER_RETRIES`, что у FAIL-вердикта LLM-tester'а, `src/stage_engine.py:849`).
+  Никаких новых рёбер/исходов.
+- **BR-4 — Переиспользование существующей инфраструктуры.** Раннер исполняет pytest через
+  `proc_group.run_in_process_group` (ORCH-110, tree-kill), переиспользует exit-code→verdict-маппинг
+  (зеркало `self_deploy.map_exit_code_to_status`, в токенах `PASS`/`FAIL`) и конвенцию таргета
+  (`merge_retest_target`/`tests/`). Не плодит второй несогласованный маппинг/механизм.
+- **BR-5 — Обратимость одним флагом.** Глобальный kill-switch возвращает прежний LLM-tester-путь на
+  `testing` байт-в-байт; скоуп-CSV ограничивает раннер in-scope репо (пусто → только `orchestrator`).
+- **BR-6 — Наблюдаемость.** Исход раннера (запущен / PASS / FAIL / tool-error / defer) виден в
+  `GET /queue` и в структурном логе; «код упал» (детерминированный FAIL) и «инструмент недоступен»
+  (tool-error) различимы.
+- **BR-7 — Self-hosting safety.** Раннер на `testing` **никогда** не рестартит прод-контейнер 8500,
+  не трогает `main` force-push'ем, не правит `.env`/`docker-compose.yml`. Он лишь читает, исполняет
+  тест-контракт в worktree (pytest) и read-only smoke против 8500, пишет лог и best-effort пушит лог
+  в фичеветку (merge в `main` — штатным merge-gate-путём).
+- **BR-8 — Гибрид: LLM только off-control-path.** Детерминированный раннер — **единственный**
+  исполнитель вердикта `result:`. LLM на стадии `testing` допустим лишь как опциональный
+  off-control-path триаж/диагностика после детерминированного FAIL и **не** выносит/не переопределяет
+  машинный вердикт гейта. В Phase 1 он не реализуется (NFR-7), но архитектурно не запрещён.
+- **BR-9 — Backward-compatibility для репо без тест-контракта.** Репо, для которого тест-контракт не
+  сконфигурирован/не резолвится, раннер **не перехватывает** → стадию `testing` ведёт прежний
+  LLM-tester (fail-safe). enduro-trails и любые будущие репо без контракта — 1:1 как до ORCH-116.
+
+## 5. Нефункциональные требования (NFR)
+
+- **NFR-1 — Скоуп-инвариант (анти-дрейф).** `STAGE_TRANSITIONS` (`src/stages.py`), реестр и имена
+  `QG_CHECKS`/`check_tests_passed`/`_parse_tests_verdict` (`src/qg/checks.py`), machine-verdict-ключи
+  (`result:`/`verdict:`/`status:`/`staging_status:`/`deploy_status:`/`security_status:`/`coverage_status:`),
+  схема БД — **байт-в-байт не тронуты**. Это замена *продюсера* артефакта, не гейта.
+- **NFR-2 — never-raise / fail-safe.** Любая ошибка раннера (pytest не запустился, таймаут, I/O) →
+  безопасный детерминированный исход без падения воркера: либо `FAIL` (fail-closed, никогда ложный
+  green), либо штатный bounded requeue/defer — **не** «тихий advance». Сбой раннера не клинит очередь
+  всех проектов. **Tool-error ≠ code-fail:** инфра-сбой не жжёт developer-retry (анти-ORCH-110).
+- **NFR-3 — Изоляция процесса / таймаут.** Спавненный pytest исполняется через `proc_group`
+  (tree-kill, ORCH-110); сирот pytest не оставляет; ограниченный таймаут.
+- **NFR-4 — Сквозные бюджеты времени.** Таймаут раннера согласован со сквозным инвариантом
+  ORCH-065/109/110 (`reaper_max_running_s` > Σ(работ на ребре) + grace) — **без** правки
+  `reaper_max_running_s`. Ребро `testing` отдельно от ребра `deploy-staging`; бюджет ≤ окна, которое
+  раннер замещает (прежний tester шёл под `agent_timeout_seconds`).
+- **NFR-5 — Совместимость с не-self репо.** Для репо вне скоупа / без тест-контракта `testing` ведёт
+  себя 1:1 как до ORCH-116 (LLM-tester). enduro-trails не затронут.
+- **NFR-6 — Соответствие политике LLM.** Изменение снимает LLM-консультацию A5 из потока управления;
+  карта `docs/architecture/llm-call-sites.md` (A5) / `llm-determinization-roadmap.md` (rank 2) /
+  `llm-usage-policy.md` и анти-дрейф-тесты обновляются **в том же PR** (норматив сопровождения ORCH-118).
+- **NFR-7 — Не запрещать будущий off-control-path LLM-триаж.** Архитектура раннера не должна
+  архитектурно исключать опциональный LLM debug/triage-аналитик после детерминированного FAIL
+  (будущее улучшение); в ORCH-116 он не реализуется.
+
+## 6. Допущения и ограничения
+
+- **Допущение А1.** Регресс-сюита `orchestrator` (`pytest tests/`) исполняема в worktree ветки задачи
+  и её exit-код — авторитетный сигнал PASS/FAIL (как уже трактуют CI / merge-gate re-test / coverage-gate).
+- **Допущение А2.** Для self-hosting `orchestrator` тест-контракт известен по умолчанию
+  (pytest + read-only smoke против 8500). Для прочих репо контракт отсутствует, пока не сконфигурирован
+  (Phase 2) → раннер их не перехватывает (BR-9).
+- **Допущение А3.** Перехват «до `_spawn`» по имени джоб-роли (`tester`) + стадии задачи (`testing`)
+  — достаточный механизм диспетчеризации (как D1/D2/ORCH-115); конкретный механизм финализирует
+  архитектор (06-adr).
+- **Ограничение О1.** Граница задачи: не смешивать с ORCH-115 (его код не модифицируется); LLM-роли
+  `reviewer`/`developer` не трогаются; код ORCH-112/114 не модифицируется.
+- **Ограничение О2.** Phase 2 (project test contract для не-self репо + опциональный off-control-path
+  LLM-триаж) — отдельный follow-up; ORCH-116 закрывает только Phase 1.
+
+## 7. Критерии успеха
+
+Стадия `testing` для `orchestrator` проходит без запуска LLM-агента `tester`: детерминированный
+раннер исполняет тест-контракт (pytest + smoke), пишет корректный `13-test-report.md` (`result:
+PASS|FAIL`), инициирует неизменный гейт `check_tests_passed`, и конвейер продвигается
+(`testing → deploy-staging`) / откатывается (`testing → development` + developer-retry) ровно как
+раньше — при неизменных `STAGE_TRANSITIONS`/`QG_CHECKS`/гейтах/схеме БД, под kill-switch с откатом к
+прежнему LLM-поведению, с backward-compat для репо без тест-контракта. Детальные PASS/FAIL —
+`03-acceptance-criteria.md`.
+
+## 8. Риски
+
+Краткий перечень (детали — `10-tech-risks.md`, заполняет архитектор):
+- **R-1** — точка диспетчеризации «до `_spawn`» должна корректно отличать testing-tester от любого
+  иного джоба (по роли + стадии задачи), иначе можно перехватить не тот джоб.
+- **R-2** — после выпуска вердикта нужно надёжно инициировать `advance_stage(finished_agent="tester")`,
+  иначе задача зависнет на `testing` (нет «финиша агента», который раньше триггерил гейт).
+- **R-3** — таймаут/изоляция pytest-subprocess; утечка процессов (корень инцидента ORCH-109/110/111) —
+  обязателен `proc_group` tree-kill.
+- **R-4** — корректность two-level outcome: tool-error не должен жечь developer-retry (анти-ORCH-110),
+  но и не давать ложный green/тихий advance.
+- **R-5** — корректность отката FAIL (developer-retry cap, встраивание `extract_test_failures`) —
+  должна совпасть с LLM-путём `src/stage_engine.py:849`.
+- **R-6** — гибрид: не протащить LLM обратно в поток управления вердикта (BR-8); off-control-path
+  триаж — отдельная роль/джоб, не выносящая `result:`.
+- **R-7** — backward-compat: репо без тест-контракта обязаны откатываться на LLM-tester (BR-9), иначе
+  enduro/новый репо «застрянет» без продюсера отчёта.

docs/work-items/ORCH-116/02-trz.md

@@ -0,0 +1,195 @@
+---
+work_item: ORCH-116
+stage: analysis
+author_agent: analyst
+status: ready-for-review
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+---
+
+# 02 — ТЗ (TRZ): ORCH-116 — детерминированный test-раннер вместо LLM-тестера
+
+Work Item: **ORCH-116** · Repo: **orchestrator** · Стадия: analysis
+
+> ТЗ описывает **конкретные изменения к реализации**, выведенные из BRD и фактического кода.
+> Архитектурное обоснование (точный механизм перехвата, размещение раннера, способ инициации
+> `advance_stage`, форма тест-контракта, лестница таймаутов, two-level outcome) — задача
+> архитектора (`06-adr/`). Здесь — требования и привязка к реальным модулям `src/`.
+
+## 1. Сводка изменения
+
+Заменить **LLM-агента `tester`** на стадии `testing` (для self-hosting `orchestrator`)
+**детерминированным test-раннером**, перехватываемым в `launch_job` **до `_spawn`** (прецедент
+`deploy-finalizer`/`post-deploy-monitor`/`staging_runner`, `src/agents/launcher.py:397/402/405`).
+Раннер исполняет «тест-контракт» (регресс `pytest tests/` через `proc_group.run_in_process_group`
++ опциональные read-only smoke-проверки), маппит exit-код в `result:` (`0→PASS`, иначе `FAIL`),
+пишет `13-test-report.md`, best-effort пушит лог в фичеветку, затем инициирует **существующую**
+оценку exit-гейта `check_tests_passed` ровно как завершившийся LLM-tester. Контракт артефакта, гейт,
+`STAGE_TRANSITIONS`, схема БД — **неизменны**. Под kill-switch + скоуп-CSV + тест-контракт;
+never-raise; fail-closed; two-level outcome (анти-ORCH-110). Эталон реализации — `src/staging_runner.py`
+(ORCH-115).
+
+## 2. Задействованные модули / пути
+
+| Путь | Действие | Назначение |
+|------|----------|------------|
+| `src/test_runner.py` *(новый leaf)* | создать | Детерминированный раннер: `applies(repo)` (kill-switch + скоуп + наличие тест-контракта), `should_intercept(job)` (роль `tester` + стадия `testing`), исполнение тест-контракта (`pytest` через `proc_group`, опц. smoke), маппинг exit-кода → `result:`, запись `13-test-report.md`, best-effort push в фичеветку, инициация гейта через `advance_stage(finished_agent="tester")`, two-level outcome (tool-error DEFER), снапшот для `/queue`. Leaf-чистота по образцу `staging_runner.py`/`self_deploy.py`: на импорте только `config`/`logging`/`proc_group`; `db`/`git_worktree`/`self_deploy`/`qg.checks`/`stage_engine`/`notifications` — лениво внутри функций; never-raise. |
+| `src/agents/launcher.py` | изменить | В `launch_job` добавить перехват **до `_spawn`** (рядом с D1/D2/ORCH-115): `if job.get("agent")=="tester": from .. import test_runner; if test_runner.should_intercept(job): return self._run_test_runner_job(job)`. Новый метод `_run_test_runner_job(job)` — зеркало `_run_staging_runner_job`: синхронно ведёт `jobs`-строку через `mark_job(done|failed)`, возвращает `None` (нет `agent_runs`). |
+| `src/config.py` | изменить | Добавить ключи (зеркало `staging_runner_*`/`merge_retest_*`): `test_runner_enabled: bool = True` (env `ORCH_TEST_RUNNER_ENABLED`), `test_runner_repos: str = ""` (env `ORCH_TEST_RUNNER_REPOS`; пусто → self-hosting only), `test_runner_target: str = "tests/"` (pytest-таргет тест-контракта, конвенция `merge_retest_target`), `test_runner_timeout_s: int = 900` (см. FR-2/NFR-4), `test_runner_smoke_enabled: bool = True` (опц. read-only smoke), `test_runner_infra_max_retries: int = 2`, `test_runner_infra_retry_delay_s: int = 30`. Дефолты = боевое; пустой `.env` ⇒ поведение для in-scope. |
+| `src/main.py` (`GET /queue`) | изменить | Read-only блок `test_runner` (флаг/скоуп/таргет/счётчики исходов) — наблюдаемость BR-6 (зеркало блока `staging_runner`). |
+| `.openclaw/agents/tester.md` | изменить (docs) | Отметить, что на `testing` для in-scope репо с тест-контрактом стадию ведёт детерминированный код (зеркало формулировки `deployer.md` про staging-runner ORCH-115); LLM-ветвь `testing` остаётся fallback'ом под выключенным флагом / для репо без тест-контракта. Канон промпта 52d (5 секций, ключ `result:`) — байт-в-байт. |
+| `docs/architecture/llm-call-sites.md`, `llm-determinization-roadmap.md`, `llm-usage-policy.md` | изменить (docs) | Норматив сопровождения ORCH-118 (NFR-6): отразить реализацию A5 (tester) — обновить инвентарь/политику/roadmap (rank 2 → реализовано, инвариант «ровно один `first_slice = yes`» НЕ нарушать) в том же PR; синхронно поправить `tests/test_llm_call_site_inventory.py` / `tests/test_llm_determinization_docs.py` (машинные блоки). |
+| `docs/architecture/README.md`, `CLAUDE.md`, `CHANGELOG.md`, `docs/overview/` | изменить (docs) | Компонент-карта/паспорт/чейнджлог/витрина — правило для агентов №2 + витрина ORCH-011. |
+| `tests/test_orch116_test_runner.py` *(новый)* | создать | Покрытие (см. `04-test-plan.yaml`). |
+
+> **Не трогать (NFR-1):** `src/stages.py::STAGE_TRANSITIONS`; имена/семантику `QG_CHECKS`/
+> `check_tests_passed`/`_parse_tests_verdict`/прочих `check_*` в `src/qg/checks.py`; machine-verdict-ключи
+> (`result:`/`verdict:`/`status:`/…); `src/staging_runner.py` (ORCH-115); LLM-роли `reviewer`/`developer`
+> (`.openclaw/agents/reviewer.md`/`developer.md`); `src/transition_lease.py` (ORCH-114);
+> `src/checkout_hygiene.py` (ORCH-112); `src/proc_group.py` (переиспользуем как есть); схему БД.
+
+## 3. Функциональные требования
+
+### FR-1 — Детерминированный перехват на `testing` (без `_spawn`)
+В `launch_job` (`src/agents/launcher.py`) **до** вызова `_spawn`, по образцу D1/D2/ORCH-115: если
+`job.agent == "tester"` **и** `test_runner.should_intercept(job)` истинно → не вызывать `_spawn`, а
+исполнить раннер синхронно (`_run_test_runner_job`). Контракт: возвращает `None` (нет `agent_runs`),
+сам ведёт `jobs`-строку (`mark_job(done|failed)`) как `_run_staging_runner_job`.
+- `should_intercept(job)`: `job.agent == "tester"` **И** `applies(job.repo)` **И** стадия задачи
+  (`tasks.stage` по `job.task_id`) == `testing`. Роль `tester` исполняет **только** стадию `testing`
+  (единственный `agent` для входа в `testing`, `STAGE_TRANSITIONS["review"]["agent"]`), поэтому
+  коллизии стадий нет; гард по стадии — defense-in-depth (R-1). never-raise → `False` (DB-сбой →
+  fall-through к `_spawn`, fail-safe к LLM-пути).
+- `applies(repo)`: `test_runner_enabled=False` → `False` (откат к LLM-пути); непустой
+  `test_runner_repos` → membership; пустой CSV → `is_self_hosting_repo(repo)`; **и** тест-контракт
+  для репо резолвится (BR-9: иначе `False` → LLM-tester). Никакой сети, проверяется **первым**
+  (нулевой оверхед при выключенном флаге). never-raise → `False` (fail-safe к LLM-пути).
+
+### FR-2 — Исполнение тест-контракта (pytest + опц. smoke) через `proc_group`
+Раннер исполняет регресс-команду тест-контракта — `python -m pytest <test_runner_target>` (дефолт
+`tests/`) — **в worktree ветки задачи** (`git_worktree.get_worktree_path(repo, branch)`, НЕ в общем
+`/repos/orchestrator`: анти-checkout-гонка, как требовал промпт tester шаг 2) через
+`proc_group.run_in_process_group` (ORCH-110: отдельная группа процессов, tree-kill SIGTERM→grace→SIGKILL,
+grace = `agent_kill_grace_seconds`; `subprocess_tree_kill_enabled`). Таймаут — `test_runner_timeout_s`
+(дефолт 900; малформ/непозитив → дефолт + WARNING, never-break — зеркало
+`merge_gate._resolve_retest_timeout`/`staging_runner._resolve_timeout`). Захватывает exit-код и stdout
+(для тела отчёта/observability).
+- **Опциональный smoke** (`test_runner_smoke_enabled`, зеркало шага 3 промпта tester): read-only GET
+  `http://localhost:<port>/health`, `/status`, `/queue` + проверка наличия блока `serial_gate` в
+  `/queue`. Любой провал smoke → итоговый `FAIL` (детерминированно). Smoke — строго read-only
+  (BR-7/AC-8): никаких мутирующих запросов к 8500.
+
+### FR-3 — Маппинг exit-кода → `result:`
+`0 → "PASS"`, любой ненулевой / отсутствие кода / ошибка запуска → `"FAIL"` (fail-closed, никогда
+ложный green). Pure-функция, согласованная по контракту с `self_deploy.map_exit_code_to_status`, но в
+токенах `PASS`/`FAIL` (`result:` использует их, а не `SUCCESS`/`FAILED`; `_TESTS_POSITIVE_TOKENS`/
+`_TESTS_NEGATIVE_TOKENS`, `src/qg/checks.py:222-223`). Если архитектор предпочтёт единый маппер с
+параметризованными токенами — допустимо, но **второй несогласованный маппинг не плодить** (BR-4).
+
+### FR-4 — Запись и push `13-test-report.md`
+Раннер пишет `docs/work-items/<work_item_id>/13-test-report.md` в worktree фичеветки с frontmatter:
+`result: PASS|FAIL` (UPPERCASE) + обязательная 52c-схема (`work_item`/`stage: testing`/`author_agent`/
+`status`/`created_at`/`model_used`) + информативное тело (таблица результата pytest / хвост stdout /
+smoke-итог) — зеркало `staging_runner.build_staging_log`/`write_staging_log`. `author_agent: test-runner`,
+`model_used: n/a` честно отражают **детерминированный** продюсер; ключ `result:` и его UPPERCASE-значение
+**не** меняются. Best-effort `git add/commit/push` лога в **фичеветку** (та же git-identity ORCH-101,
+актор `test-runner`; **без** отдельного PR-merge в `main` — гейт читает worktree → origin/main fallback,
+`check_tests_passed`→`_repo_path`). Самостоятельный merge лога в `main` НЕ делать (усиливает BR-7/AC-8).
+
+### FR-5 — Инициация существующего гейта после вердикта
+После записи (и best-effort push) раннер инициирует ту же оценку exit-гейта, что триггерил
+завершившийся LLM-tester: `stage_engine.advance_stage(task_id, current_stage="testing", repo,
+work_item_id, branch, finished_agent="tester")`. Это запускает `check_tests_passed` (`_parse_tests_verdict`
+читает `result:` из `13-test-report.md`) — на PASS продвигает `testing → deploy-staging`; на FAIL
+запускает **существующий** откат `testing → development` + developer-retry (cap `MAX_DEVELOPER_RETRIES`,
+встраивание `extract_test_failures`, `src/stage_engine.py:849-892`). **Никакой новой ветви
+маршрутизации.** Lease ORCH-114 берётся внутри `advance_stage` как сейчас — раннер его не трогает
+(граница задачи О1). never-raise.
+
+### FR-6 — Two-level outcome (tool-error DEFER, анти-ORCH-110)
+По образцу `staging_runner.run_staging_gate`:
+- Сюита **исполнилась** (`returncode is not None` и не `timed_out`) → довериться exit-коду (FR-3) →
+  записать `result:` → инициировать гейт (FR-5). FAIL → существующий rollback (FR-5).
+- Сюита **не исполнилась** (tool-error: spawn-error / таймаут / `returncode None`) → **инфра-сбой, НЕ
+  код-фейл** → bounded DEFER: re-queue свежий `tester`-джоб с задержкой `test_runner_infra_retry_delay_s`
+  + restart-safe маркер (`test-runner infra-retry` в `task_content`, зеркало
+  `staging_runner._INFRA_RETRY_MARKER`/`stage_engine._merge_infra_retry_count`); счётчик из persisted
+  `jobs`. На исчерпании `test_runner_infra_max_retries` → fail-closed `result: FAIL` + запись лога +
+  инициация гейта (существующий rollback) + один INFRA-alert (явно «НЕ дефект кода», кликабельный
+  номер). **Никогда** тихий advance/ложный green; **никогда** не клинит очередь; **не** жжёт
+  developer-retry на транзиентной инфре.
+
+### FR-7 — Kill-switch, скоуп, тест-контракт (обратимость + backward-compat)
+`test_runner_enabled=False` → перехват не срабатывает → на `testing` запускается прежний LLM-tester
+(`_spawn`) **байт-в-байт** как до ORCH-116. `test_runner_repos` ограничивает скоуп (пусто → только
+`orchestrator`). Репо без резолвимого тест-контракта → `applies==False` → LLM-tester (BR-9). Переключение
+флага туда-сюда не оставляет несовместимого состояния (артефакт/гейт неизменны).
+
+### FR-8 — Наблюдаемость
+- Read-only блок `test_runner` в `GET /queue`: `enabled`, `repos`, `target`, `timeout_s`,
+  `infra_max_retries`, счётчики `runs`/`pass`/`fail`/`tool_error`/`deferred` (in-process, паттерн
+  `staging_runner._STAGING_RUNNER_COUNTERS`).
+- Один структурный лог-вердикт на прогон (`work_item`/`repo`/`exit_code`/`result`/`duration_s`/`outcome`),
+  различающий «код упал» (`FAIL` от сюиты) и «инструмент недоступен» (tool-error).
+
+### FR-9 — Гибрид: LLM строго off-control-path (BR-8 / NFR-7)
+В Phase 1 LLM на стадии `testing` **отсутствует** в потоке управления вердикта (детерминированный
+раннер — единственный продюсер `result:`). Архитектура раннера не должна архитектурно исключать
+будущий **опциональный off-control-path** LLM-триаж/диагностику после детерминированного FAIL
+(отдельная роль/джоб, **не** выносящая и **не** переопределяющая `result:`). В этом срезе он не
+реализуется и **не** добавляется в `STAGE_TRANSITIONS`.
+
+## 4. Изменения API
+
+- **`GET /queue`** — добавить read-only ключ `test_runner` (наблюдаемость). Существующие поля ответа
+  не меняются.
+- Опционально (на усмотрение архитектора, по образцу `POST /coverage/baseline`): обязательного нового
+  мутирующего эндпоинта нет. Откат — через env-флаг.
+- Новых вебхуков нет.
+
+## 5. Изменения схемы БД
+
+**Нет.** Раннер использует существующие таблицы (`tasks` для стадии/branch/work_item_id, `jobs` для
+статуса джоба и restart-safe счётчика infra-retry по маркеру в `task_content`) и worktree-механику.
+Никаких новых таблиц/колонок/миграций (NFR-1). Счётчики `/queue` — in-process (паттерн
+`_STAGING_RUNNER_COUNTERS`/`_MERGE_GATE_COUNTERS`), не БД.
+
+## 6. Требования к новым/изменённым QG checks
+
+**Нет новых QG и нет изменений существующих.** `check_tests_passed` / `_parse_tests_verdict` / ключ
+`result:` (+ legacy `verdict:`/`status:`) (`src/qg/checks.py:182/226`) и состав `QG_CHECKS` —
+**байт-в-байт неизменны**. ORCH-116 меняет только *продюсера* `13-test-report.md` (детерминированный
+код вместо LLM); гейт, читающий артефакт, остаётся прежним. Это критический инвариант (NFR-1) —
+reviewer ловит любое изменение имени/семантики гейта/парсера/токенов как finding ≥P1.
+
+## 7. Совместимость / регресс
+
+- **Обратная совместимость:** `test_runner_enabled=False` → прежний LLM-tester-путь байт-в-байт;
+  репо без тест-контракта / вне скоупа → LLM-tester (BR-9). enduro-trails не затронут (NFR-5).
+- **Kill-switch / область раската:** флаг `test_runner_enabled` + CSV `test_runner_repos` (пусто →
+  self-hosting only). Откат = `ORCH_TEST_RUNNER_ENABLED=false`.
+- **Обратимость:** полностью обратимо флагом; артефакт и гейт неизменны, переключение туда-сюда не
+  оставляет несовместимого состояния.
+- **never-raise / fail-safe (NFR-2):** ошибка раннера → `FAIL` (fail-closed) или bounded requeue, не
+  «тихий advance»; tool-error не жжёт developer-retry (анти-ORCH-110). Self-hosting safety (BR-7):
+  никаких рестартов 8500 / force-push в `main` / правок инфры; smoke строго read-only.
+- **Изоляция (NFR-3):** pytest через `proc_group` tree-kill (ORCH-110) — без сирот; таймаут согласован
+  со сквозным бюджетом ORCH-065/109/110 без правки `reaper_max_running_s` (NFR-4).
+- **Граница (О1):** код ORCH-115 (`staging_runner`), ORCH-112 (checkout hygiene), ORCH-114 (transition
+  lease) и LLM-роли `reviewer`/`developer` не модифицируются.
+- **Норматив сопровождения (NFR-6):** в том же PR обновить `docs/architecture/llm-call-sites.md` (A5) /
+  `llm-determinization-roadmap.md` (rank 2) / `llm-usage-policy.md` + анти-дрейф-тесты
+  (`tests/test_llm_call_site_inventory.py`, `tests/test_llm_determinization_docs.py`); `CLAUDE.md` /
+  `docs/architecture/README.md` / `CHANGELOG.md` / `docs/overview/`.
+
+## 8. Phase 2 (forward-looking, вне приёмки ORCH-116)
+
+Зафиксировано для преемственности — **не реализуется в этой задаче**, заводится отдельным follow-up:
+- **Project test contract** для не-self репо (enduro-trails): декларативный per-repo контракт
+  `test` / `smoke` (команды + ожидаемые коды/эндпоинты), исполняемый тем же детерминированным
+  раннер-паттерном (run → map exit code → `result:` → artifact → gate).
+- **Опциональный off-control-path LLM-триаж** после детерминированного FAIL: human-readable
+  диагностика причин падений, анализ пробелов покрытия AC, сопоставление TC ↔ критерии приёмки —
+  как обогащение отчёта/комментария, **не** как продюсер вердикта `result:` (NFR-7).
+- Зависимость: устойчивый Phase 1 (этот work item) как доказанный паттерн перехвата + маппинга +
+  two-level outcome.

docs/work-items/ORCH-116/03-acceptance-criteria.md

@@ -0,0 +1,216 @@
+---
+work_item: ORCH-116
+stage: analysis
+author_agent: analyst
+status: ready-for-review
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+---
+
+# 03 — Критерии приёмки (Acceptance Criteria): ORCH-116 — детерминированный test-раннер
+
+Work Item: **ORCH-116** · Repo: **orchestrator** · Стадия: analysis
+
+Формат: каждый критерий имеет **PASS** (что должно быть истинно для приёмки) и **FAIL**
+(что считается провалом). Любой машинный/ручной reviewer проверяет их буквально по файлам
+репозитория.
+
+---
+
+## AC-1 — Детерминированный перехват на `testing` (нет `_spawn`/LLM)
+
+**Условие:** При включённом флаге и in-scope репо с тест-контрактом джоб `tester` на стадии
+`testing` обрабатывается раннером, а не LLM-агентом.
+- **PASS:** `launch_job` (`src/agents/launcher.py`) перехватывает джоб **до** `_spawn` (рядом с
+  D1/D2/ORCH-115) при `agent=="tester"` + `test_runner.should_intercept(job)` (стадия задачи
+  `testing` + `applies(repo)`); `_spawn` не вызывается; не создаётся строка `agent_runs`; джоб
+  ведётся `mark_job(...)` самим раннером (`_run_test_runner_job` → `None`). Тест воспроизводит это
+  без живого Claude CLI.
+- **FAIL:** На `testing` для in-scope репо при включённом флаге всё ещё вызывается `_spawn` /
+  создаётся `agent_runs`-строка LLM-tester'а.
+
+---
+
+## AC-2 — Контракт артефакта `13-test-report.md` неизменен
+
+**Условие:** Раннер пишет тот же артефакт с тем же machine-key, что читает гейт.
+- **PASS:** Создаётся `docs/work-items/<work_item_id>/13-test-report.md` с frontmatter
+  `result: PASS|FAIL` (UPPERCASE) + обязательная 52c-схема (`work_item`/`stage: testing`/
+  `author_agent`/`status`/`created_at`/`model_used`). **Неизменённый** `_parse_tests_verdict` читает
+  его и возвращает корректный вердикт.
+- **FAIL:** Изменено имя/регистр/токены ключа `result:` (или legacy `verdict:`/`status:`),
+  отсутствует frontmatter, вердикт записан только прозой; либо парсер `_parse_tests_verdict` пришлось
+  менять.
+
+---
+
+## AC-3 — Корректный exit-code → verdict маппинг
+
+**Условие:** Exit-код тест-контракта детерминированно маппится в вердикт.
+- **PASS:** `0 → PASS`; любой ненулевой / None / ошибка запуска → `FAIL` (fail-closed). Маппинг —
+  pure-функция, согласованная по контракту с `self_deploy.map_exit_code_to_status` (токены `PASS`/
+  `FAIL`), покрыта unit-тестом на каждый класс входа. Второй несогласованный маппинг не вводится.
+- **FAIL:** Ненулевой код даёт `PASS`; ошибка/None даёт `PASS` (ложный green); раннер вводит второй
+  несогласованный маппинг или нестандартные токены.
+
+---
+
+## AC-4 — Эквивалентность маршрутизации (PASS / FAIL)
+
+**Условие:** После вердикта конвейер ведёт себя ровно как при завершившемся LLM-tester'е.
+- **PASS:** PASS → раннер инициирует `advance_stage(finished_agent="tester")` → `check_tests_passed`
+  → продвижение `testing → deploy-staging`. FAIL → существующий откат `testing → development` с
+  инкрементом developer-retry и встраиванием `extract_test_failures` (`src/stage_engine.py:849-892`),
+  тот же исход и cap `MAX_DEVELOPER_RETRIES`, что у FAIL-вердикта LLM.
+- **FAIL:** Задача зависает на `testing` (гейт не инициирован); или FAIL не откатывает / откатывает
+  иначе; или появляется новое ребро/исход.
+
+---
+
+## AC-5 — Two-level outcome: tool-error ≠ code-fail (анти-ORCH-110)
+
+**Условие:** Невозможность исполнить сюиту трактуется как инфра-сбой, не как провал кода.
+- **PASS:** Сюита исполнилась (реальный exit-код) → вердикт → advance (FAIL → существующий rollback +
+  developer-retry). Сюита НЕ исполнилась (spawn-error / таймаут / `returncode None`) → bounded DEFER
+  (re-queue `tester`-джоба + restart-safe маркер `test-runner infra-retry`, счётчик из persisted
+  `jobs`), **без** отката на `development` и **без** расхода developer-retry; на исчерпании
+  `test_runner_infra_max_retries` → fail-closed `result: FAIL` + advance + INFRA-alert (явно «НЕ дефект
+  кода»).
+- **FAIL:** Tool-error немедленно откатывает на `development` и жжёт developer-retry; либо tool-error
+  даёт `PASS`/тихий advance; либо DEFER бесконечен (не клинит, но и не сходится к fail-closed).
+
+---
+
+## AC-6 — Инвариант скоупа: гейты/стадии/схема БД не тронуты (анти-дрейф)
+
+**Условие:** Изменена только сторона *продюсера*, не контракт конвейера.
+- **PASS:** `git diff` не затрагивает `src/stages.py::STAGE_TRANSITIONS`; имена/семантику
+  `QG_CHECKS`/`check_tests_passed`/`_parse_tests_verdict`/прочих `check_*` в `src/qg/checks.py`;
+  machine-verdict-ключи и токены (`result:`/`verdict:`/`status:`/`staging_status:`/`deploy_status:`/
+  `security_status:`/`coverage_status:`); схему БД (нет новых таблиц/колонок/миграций). Анти-дрейф-тест
+  это подтверждает.
+- **FAIL:** Любой из перечисленных артефактов изменён по имени/семантике/структуре.
+
+---
+
+## AC-7 — Kill-switch и скоуп (обратимость)
+
+**Условие:** Флаг возвращает прежнее поведение; скоуп ограничивает раннер.
+- **PASS:** `test_runner_enabled=False` → на `testing` запускается прежний LLM-tester через `_spawn`
+  (байт-в-байт до ORCH-116). Пустой `test_runner_repos` → раннер активен только для `orchestrator`.
+  Покрыто тестом для обоих значений флага.
+- **FAIL:** При выключенном флаге раннер всё равно перехватывает; либо не-self репо из скоупа
+  перехватывается ошибочно.
+
+---
+
+## AC-8 — Backward-compatibility для репо без тест-контракта
+
+**Условие:** Репо без резолвимого тест-контракта обслуживается прежним LLM-tester'ом.
+- **PASS:** `applies(repo)` → `False`, когда тест-контракт для репо не сконфигурирован/не резолвится
+  (вне скоупа или нет команды) → `should_intercept` → `False` → `_spawn` (LLM-tester). enduro-trails и
+  любой репо без контракта — 1:1 как до ORCH-116. Покрыто тестом.
+- **FAIL:** Репо без тест-контракта перехватывается раннером и остаётся без продюсера `13-test-report.md`
+  / зависает.
+
+---
+
+## AC-9 — never-raise / fail-safe (инструмент недоступен)
+
+**Условие:** Любая ошибка раннера приводит к безопасному детерминированному исходу.
+- **PASS:** pytest не запустился / worktree-ошибка / I/O / таймаут → раннер не роняет воркер; исход —
+  `FAIL` (fail-closed) **или** bounded DEFER (AC-5), **никогда** тихий advance/ложный green. Все
+  публичные функции `test_runner.py` — never-raise; `applies()`/`should_intercept()` при ошибке →
+  `False` (fall-through к `_spawn`). Очередь всех проектов не клинится.
+- **FAIL:** Ошибка раннера роняет воркер/клинит очередь; либо ошибка/таймаут даёт `PASS`.
+
+---
+
+## AC-10 — Self-hosting safety
+
+**Условие:** Раннер на `testing` не выполняет опасных для прода действий.
+- **PASS:** Раннер не рестартит контейнер 8500, не выполняет `docker compose up -d orchestrator`/
+  `--build`, не пушит force в `main`, не правит `.env`/`.env.staging`/`docker-compose.yml`. Smoke —
+  строго read-only GET (`/health`/`/status`/`/queue`). Лог пушится только в фичеветку (merge в `main`
+  — штатным merge-gate-путём). Подтверждается ревью кода раннера + тестом отсутствия запрещённых
+  литералов в его командах.
+- **FAIL:** Раннер содержит путь, рестартящий 8500 / force-push в `main` / правящий инфру / мутирующий
+  smoke-запрос.
+
+---
+
+## AC-11 — Изоляция процесса и таймаут (proc_group / tree-kill)
+
+**Условие:** pytest-subprocess ограничен по времени и не оставляет сирот.
+- **PASS:** Раннер запускает pytest **в worktree ветки** через `proc_group.run_in_process_group`
+  (отдельная группа процессов, tree-kill при таймауте, grace = `agent_kill_grace_seconds`) с таймаутом
+  `test_runner_timeout_s` (согласован со сквозным бюджетом ORCH-065/109/110, без правки
+  `reaper_max_running_s`); малформ/непозитив таймаут → дефолт + WARNING; осиротевших pytest-процессов
+  не остаётся.
+- **FAIL:** Нет таймаута / зависший subprocess клинит воркер; pytest бежит в общем `/repos/orchestrator`
+  (checkout-гонка); остаются сироты процессов; правится `reaper_max_running_s`.
+
+---
+
+## AC-12 — Гибрид: LLM не в потоке управления вердикта
+
+**Условие:** Детерминированный раннер — единственный исполнитель `result:`.
+- **PASS:** В Phase 1 на стадии `testing` (in-scope) вердикт `result:` производит **только**
+  детерминированный код; LLM не вызывается в happy-path и в fail-path для вынесения/переопределения
+  `result:`. Если добавлен off-control-path триаж — он не пишет/не меняет `result:` и не добавляет
+  ребро в `STAGE_TRANSITIONS`.
+- **FAIL:** LLM вызывается для вынесения/переопределения машинного вердикта гейта; либо триаж-роль
+  гейтит продвижение.
+
+---
+
+## AC-13 — Наблюдаемость
+
+**Условие:** Исход раннера виден и различим.
+- **PASS:** `GET /queue` содержит read-only блок `test_runner` (`enabled`/`repos`/`target`/`timeout_s`/
+  счётчики `runs`/`pass`/`fail`/`tool_error`/`deferred`); на каждый прогон — один структурный
+  лог-вердикт (`work_item`/`repo`/`exit_code`/`result`/`duration_s`/`outcome`), различающий код-фейл и
+  tool-error.
+- **FAIL:** Нет блока в `/queue`; исход раннера не логируется/не различим.
+
+---
+
+## AC-14 — Норматив сопровождения LLM-карты/политики/витрины
+
+**Условие:** Документация обновлена в том же PR (правило агентов №2 + норматив ORCH-118).
+- **PASS:** `docs/architecture/llm-call-sites.md` (строка A5) / `llm-determinization-roadmap.md`
+  (rank 2) / `llm-usage-policy.md` отражают реализацию детерминированного tester (инвариант «ровно один
+  `first_slice = yes`» НЕ нарушен); анти-дрейф-тесты (`tests/test_llm_call_site_inventory.py`,
+  `tests/test_llm_determinization_docs.py`) зелёные; `.openclaw/agents/tester.md`,
+  `docs/architecture/README.md`, `CLAUDE.md`, `CHANGELOG.md`, `docs/overview/` обновлены.
+- **FAIL:** Карта/политика/roadmap/витрина не обновлены; анти-дрейф-тесты красные (reviewer: ≥P1).
+
+---
+
+## AC-15 — Полный регресс зелёный
+
+**Условие:** Существующий конвейер не сломан.
+- **PASS:** `pytest tests/ -q` зелёный; новый `tests/test_orch116_test_runner.py` зелёный;
+  зелёные анти-дрейф LLM-тесты.
+- **FAIL:** Любой ранее зелёный тест становится красным; новые тесты падают.
+
+---
+
+## Сводная матрица AC ↔ FR/BR
+| AC | Покрывает |
+|----|-----------|
+| AC-1 | BR-1 / FR-1 |
+| AC-2 | BR-2 / FR-4 |
+| AC-3 | BR-4 / FR-2 / FR-3 |
+| AC-4 | BR-3 / FR-5 |
+| AC-5 | NFR-2 / FR-6 |
+| AC-6 | NFR-1 / FR-7 |
+| AC-7 | BR-5 / FR-7 |
+| AC-8 | BR-9 / FR-1 / FR-7 |
+| AC-9 | NFR-2 / FR-1 / FR-6 |
+| AC-10 | BR-7 / FR-2 / FR-4 |
+| AC-11 | NFR-3 / NFR-4 / FR-2 |
+| AC-12 | BR-8 / NFR-7 / FR-9 |
+| AC-13 | BR-6 / FR-8 |
+| AC-14 | NFR-6 |
+| AC-15 | NFR-5 / NFR-1 |

docs/work-items/ORCH-116/04-test-plan.yaml

@@ -0,0 +1,116 @@
+work_item: ORCH-116
+stage: analysis
+author_agent: analyst
+status: ready-for-review
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+title: "Детерминированный test-раннер вместо LLM-тестера (стадия testing)"
+framework: pytest
+scope: >
+  Покрывает Phase 1: перехват tester-джоба на стадии testing до _spawn, исполнение
+  тест-контракта (pytest через proc_group + опц. read-only smoke), маппинг exit-кода
+  в result: PASS|FAIL, запись/push 13-test-report.md, инициацию существующего гейта
+  check_tests_passed, two-level outcome (tool-error DEFER, анти-ORCH-110), kill-switch/
+  скоуп/backward-compat для репо без тест-контракта, never-raise/fail-safe, изоляцию
+  процесса/таймаут (tree-kill), гибрид (LLM не в control-path вердикта), наблюдаемость,
+  и анти-дрейф инвариант (STAGE_TRANSITIONS/QG_CHECKS/check_tests_passed/_parse_tests_verdict/
+  схема БД не тронуты). Вне покрытия: Phase 2 (project test contract для не-self репо,
+  off-control-path LLM-триаж), ORCH-115 staging/deploy-раннер, LLM-роли reviewer/developer,
+  живой Claude CLI и живой прод-стенд (мокируются).
+notes: >
+  Тесты не требуют живого Claude CLI или сети: subprocess/pytest-run (proc_group) и
+  advance_stage мокируются; пьюр-маппинг и рендер frontmatter тестируются напрямую;
+  smoke-GET мокируются. Полный регресс tests/ должен оставаться зелёным. Анти-дрейф
+  (TC-09) защищает критический инвариант NFR-1. Эталон реализации/покрытия —
+  tests/test_orch115_staging_runner.py (ORCH-115).
+
+tests:
+  - id: TC-01
+    type: unit
+    description: "applies(repo): enabled=False -> False (откат к LLM); пустой CSV -> True только для orchestrator; непустой CSV -> membership; репо без резолвимого тест-контракта -> False (BR-9 backward-compat); ошибка -> False (never-raise, fail-safe)."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-02
+    type: unit
+    description: "Маппинг exit-кода: 0 -> PASS; 1/2/любой ненулевой -> FAIL; None/нечисло/ошибка запуска -> FAIL (fail-closed). Токены PASS/FAIL согласованы с _parse_tests_verdict; второй несогласованный маппинг не вводится."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-03
+    type: unit
+    description: "Рендер 13-test-report.md: frontmatter содержит result: PASS|FAIL (UPPERCASE) + 52c-схему (work_item/stage=testing/author_agent=test-runner/status/created_at/model_used=n/a); хвост stdout pytest и smoke-итог копируются в тело."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-04
+    type: integration
+    description: "Сгенерированный раннером 13-test-report.md читается НЕИЗМЕНЁННЫМ _parse_tests_verdict -> корректный (bool, reason) для PASS и FAIL (контракт артефакта/гейта check_tests_passed неизменен)."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-05
+    type: integration
+    description: "launch_job перехватывает tester-джоб на стадии testing для in-scope репо ДО _spawn (как D1/D2/ORCH-115): _spawn НЕ вызывается, agent_runs не создаётся, возвращается None, jobs-строка ведётся mark_job. _spawn мокирован."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-06
+    type: integration
+    description: "Дискриминатор: tester-джоб на стадии НЕ testing (защита) и любой не-tester джоб НЕ перехватываются раннером; should_intercept never-raise -> False при DB-сбое (fall-through к _spawn)."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-07
+    type: integration
+    description: "После PASS-вердикта раннер инициирует advance_stage(finished_agent='tester') ровно как завершившийся LLM-tester (advance_stage мокирован/наблюдается) -> check_tests_passed -> testing->deploy-staging; после FAIL — существующий откат testing->development + developer-retry (stage_engine.py:849)."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-08
+    type: integration
+    description: "Kill-switch: test_runner_enabled=False -> на testing для orchestrator вызывается _spawn (прежний LLM-путь байт-в-байт), раннер не активируется."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-09
+    type: unit
+    description: "Анти-дрейф NFR-1: STAGE_TRANSITIONS (src/stages.py), реестр/имена QG_CHECKS, check_tests_passed/_parse_tests_verdict и токены result:/verdict:/status: неизменны; в схеме БД нет новой таблицы/колонки от ORCH-116. Структурная проверка."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-10
+    type: integration
+    description: "Two-level outcome (анти-ORCH-110): сюита НЕ исполнилась (spawn-error/таймаут/returncode None) -> bounded DEFER (re-queue tester-джоба + restart-safe маркер), БЕЗ отката на development и БЕЗ расхода developer-retry; на исчерпании test_runner_infra_max_retries -> fail-closed FAIL + advance + INFRA-alert. Никогда тихий advance/ложный green."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-11
+    type: unit
+    description: "never-raise/fail-safe: pytest-run бросает/таймаутит/worktree-ошибка -> раннер не падает, исход FAIL (fail-closed) или bounded DEFER, никогда тихий advance/ложный green; воркер/очередь не клинятся. Все публичные функции test_runner.py never-raise."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-12
+    type: unit
+    description: "Изоляция/таймаут: pytest исполняется в worktree ветки задачи через proc_group.run_in_process_group (tree-kill); test_runner_timeout_s применяется; малформ/непозитив -> дефолт 900 + WARNING (never-break); reaper_max_running_s не правится."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-13
+    type: unit
+    description: "Self-hosting safety: в командах раннера нет запрещённых литералов (рестарт 8500 / docker compose up orchestrator / --build / force-push main / правки .env); smoke-запросы строго read-only GET (/health,/status,/queue); лог пушится только в фичеветку."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-14
+    type: integration
+    description: "Наблюдаемость + гибрид: GET /queue содержит блок test_runner (enabled/repos/target/счётчики runs/pass/fail/tool_error/deferred); на прогон пишется один структурный лог-вердикт, различающий код-фейл и tool-error; LLM не вызывается для вынесения result: в happy/fail-path."
+    module: tests/test_orch116_test_runner.py
+    expected: PASS
+
+  - id: TC-15
+    type: integration
+    description: "Анти-дрейф LLM-карты: llm-call-sites.md (A5)/roadmap (rank 2)/policy обновлены под реализацию (инвариант 'ровно один first_slice=yes' цел); tests/test_llm_call_site_inventory.py и tests/test_llm_determinization_docs.py остаются зелёными после правок."
+    module: tests/test_llm_call_site_inventory.py
+    expected: PASS

docs/work-items/ORCH-116/06-adr/ADR-001-deterministic-test-runner.md

@@ -0,0 +1,471 @@
+---
+work_item: ORCH-116
+stage: architecture
+author_agent: architect
+status: proposed
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+---
+
+# ADR-001: Детерминированный test-раннер вместо LLM-тестера на стадии `testing`
+
+Work Item: **ORCH-116** — заменить LLM-агента `tester` на стадии `testing`
+(self-hosting `orchestrator`) детерминированным test-раннером (второй срез
+determinization-roadmap, **rank 2 / tester-гибрид**).
+Стадия: **architecture**
+Сквозная регистрация: **`docs/architecture/adr/adr-0050-deterministic-test-runner.md`**
+(решение кросс-каттинговое — вводит новый компонент-leaf `src/test_runner.py` и реализует
+второй срез determinization-roadmap; влияет на карту LLM-консультаций всего оркестратора).
+
+## Статус
+Proposed
+
+## Контекст
+
+Стадию `testing` сейчас исполняет **LLM-агент `tester`**. Маршрутизация (сверено по коду
+`src/stages.py:17-18`):
+
+```python
+"review":  {"next": "testing",        "agent": "tester",   "qg": "check_reviewer_verdict"},
+"testing": {"next": "deploy-staging", "agent": "deployer", "qg": "check_tests_passed"},
+```
+
+То есть `tester` — **единственный** агент, запускаемый при входе в `testing` (поле `agent`
+ребра `review → testing`); гейт выхода из `testing` — `check_tests_passed`. Фактическая работа
+агента на этой стадии в happy-path — **в основном детерминированная** (`.openclaw/agents/tester.md`):
+прогнать регресс `pytest tests/` в worktree ветки, сделать read-only smoke (`/health`, `/status`,
+`/queue` + наличие блока `serial_gate`), смаппить exit-код, записать `13-test-report.md` с
+машинным frontmatter `result: PASS|FAIL`.
+
+Вердикт `result:` потребляется **детерминированным** гейтом `check_tests_passed`
+(`src/qg/checks.py:182` → `_parse_tests_verdict:226`), который читает **только** YAML-frontmatter
+(`result:` канонический + legacy `verdict:`/`status:`, ORCH-047) — **не** прозу и **не** покрытие
+TC. По нормативной политике (`docs/architecture/llm-usage-policy.md`) это **avoidable LLM control
+path**: (i) C-консультация (вердикт `result:` ветвит гейт) **и** (ii) вердикт **деривируем** из
+exit-кода `pytest` + smoke. Карта (`docs/architecture/llm-call-sites.md`, строка **A5**)
+классифицирует tester как **`needs-hybrid-fallback`**; roadmap
+(`llm-determinization-roadmap.md`, машинный блок §4) ставит его **rank 2** (`hybrid_needed = yes`,
+`first_slice = no`). ORCH-116 — реализация этого второго среза (первый, **ORCH-115/deployer**,
+уже реализован — `src/staging_runner.py`).
+
+**Гибридная природа (ключевое отличие от ORCH-115).** Tester — `needs-hybrid-fallback`, не
+`replace-deterministic-now`: его **PASS/FAIL-ядро** полностью детерминируемо (exit-код pytest +
+smoke), но прежний промпт нёс ещё и **настоящее суждение** — триаж падений, анализ пробелов
+покрытия AC, сопоставление TC ↔ критерии приёмки, человекочитаемую диагностику. ORCH-116 выносит
+из потока управления **только PASS/FAIL-исполнителя** (его делает детерминированный код); LLM на
+стадии `testing` остаётся допустимым лишь как **off-control-path** триаж/диагностика **после**
+детерминированного провала и **никогда** как первичный исполнитель вердикта гейта (BR-8 / NFR-7).
+В Phase 1 off-control-path-триаж **не реализуется**, но архитектура его **не запрещает**.
+
+**Установленные факты (сверено по коду, не изобретать):**
+- Детерминированный прецедент замены агента **до `_spawn`** работает в проде: `launch_job`
+  перехватывает `deploy-finalizer` (D1, `src/agents/launcher.py:397`), `post-deploy-monitor`
+  (D2, `:402`) и **staging-runner** (ORCH-115, `:404-408`) до `_spawn`; `_run_staging_runner_job`
+  (`:438`) — тонкая обёртка, синхронно ведущая `jobs`-строку через `mark_job` и возвращающая `None`.
+- **Эталон leaf-раннера** — `src/staging_runner.py` (ORCH-115): two-level outcome, never-raise,
+  kill-switch + скоуп-CSV, `proc_group`, маппинг exit-кода единым контрактом, best-effort push в
+  фичеветку, инициация гейта через `advance_stage`, in-process счётчики. ORCH-116 — его зеркало для
+  роли `tester` / стадии `testing`.
+- Гейт `check_tests_passed` (`src/qg/checks.py:182`) читает `13-test-report.md` через
+  `_repo_path(repo, branch)` (`:15`), который **читает per-branch worktree первым** (если каталог
+  существует), иначе — общий клон. Значит worktree-записанный файл читается напрямую — **отдельный
+  merge лога в `main` не нужен**.
+- FAIL-маршрут существует и зафиксирован: `src/stage_engine.py:849` —
+  `if agent == "tester" and qg_name == "check_tests_passed"` → откат `testing → development` +
+  `extract_test_failures` + `enqueue_job("developer", …)` (cap `MAX_DEVELOPER_RETRIES=3`,
+  `:862-892`). Ветвь матчит по `agent == "tester"` — раннер обязан инициировать гейт с
+  `finished_agent="tester"`.
+- Tree-kill subprocess'а под таймаутом готов: `proc_group.run_in_process_group` (ORCH-110,
+  stdlib-only, never-raise, fallback к `subprocess.run`). pytest уже исполняется в worktree через
+  него в coverage-gate (ORCH-027) и merge-gate re-test (ORCH-110) — тот же контейнер, без новых
+  зависимостей образа.
+- Пьюр-маппинг exit-кода готов: `self_deploy.map_exit_code_to_status` (`0→SUCCESS`, иначе/None/
+  нечисло→`FAILED`, fail-closed, unit-tested). ORCH-116 переиспользует его, транслируя токены в
+  `PASS`/`FAIL`.
+
+«Как есть» не годится: каждый прогон tester'а тратит токены/время opus-агента (по `agent_runs`:
+~60–150k / 5–20 мин на прогон) ради действия = один прогон pytest + несколько read-only GET,
+встраивает недетерминизм LLM в точку ветвления `testing → deploy-staging` / `testing → development`
+и принадлежит к RCA-классу «LLM принял решение, которое есть исполнение фиксированных команд +
+маппинг результата» (ORCH-110/111/112/113/114/117/115).
+
+## Решение
+
+### Сводка
+
+Ввести **новый leaf `src/test_runner.py`** (never-raise, по образцу `staging_runner.py`/
+`self_deploy.py`/`proc_group.py`) и **перехват в `launch_job` до `_spawn`** (рядом с D1/D2/ORCH-115).
+Когда на стадии `testing` для in-scope репо с тест-контрактом к запуску приходит джоб `tester`, его
+обрабатывает раннер: исполняет «тест-контракт» (регресс `pytest <target>` в worktree ветки через
+`proc_group` + опциональный read-only smoke), маппит exit-код в `result:` (`0→PASS`, иначе `FAIL`),
+пишет `13-test-report.md`, best-effort пушит лог в фичеветку, и вызывает **существующий**
+`advance_stage(current_stage="testing", finished_agent="tester")` — ровно как завершившийся
+LLM-tester. Контракт артефакта, гейт `check_tests_passed`/`_parse_tests_verdict`, `STAGE_TRANSITIONS`,
+схема БД — **байт-в-байт неизменны** (это замена *продюсера* артефакта, не гейта). Под kill-switch +
+скоуп-CSV + резолв тест-контракта; never-raise; fail-closed; two-level outcome (анти-ORCH-110);
+fail-safe к прежнему LLM-пути.
+
+### D1 — Точка диспетчеризации: перехват в `launch_job` **до** `_spawn` (FR-1 / AC-1)
+
+В `launcher.launch_job`, рядом с врезками D1/D2/ORCH-115, **до** `_spawn`:
+
+```python
+if job.get("agent") == "tester":
+    from .. import test_runner
+    if test_runner.should_intercept(job):
+        return self._run_test_runner_job(job)
+```
+
+- **Дискриминатор перехвата — роль `tester` + стадия задачи + `applies(repo)`.**
+  `should_intercept(job)` истинно ⇔ `agent == "tester"` **И** `applies(job["repo"])` **И**
+  `tasks.stage` (по `job["task_id"]`) `== "testing"`.
+- **Отличие от ORCH-115 (важно, R-1).** Роль `deployer` была **общей** для `deploy-staging` и
+  `deploy`, поэтому гард по стадии у staging-раннера был обязателен для дизамбигуации «staging vs
+  prod». Роль `tester` исполняет **только** стадию `testing` (единственный `agent` входа в `testing`,
+  `STAGE_TRANSITIONS["review"]["agent"]`), коллизии стадий нет — но гард `tasks.stage == "testing"`
+  сохраняется как **defense-in-depth** (симметрия с ORCH-115 + защита от перехвата случайного
+  будущего `tester`-джоба вне `testing`).
+- `should_intercept` / `applies` — **never-raise → False**: любая ошибка (DB-lookup упал) → провал в
+  `_spawn` (fail-safe к прежнему LLM-пути).
+- `_run_test_runner_job(job)` — тонкая обёртка-зеркало `_run_staging_runner_job` (`:438`):
+  синхронно зовёт `test_runner.run_test_gate(job)`, затем `mark_job(job["id"], "done")`; любое
+  исключение → `mark_job(..., "failed", error=…)`; возвращает `None` (нет `agent_runs`-строки,
+  `_spawn` не вызывается, токены LLM не тратятся).
+
+### D2 — Размещение логики: чистый leaf `src/test_runner.py` (зеркало `staging_runner`)
+
+`run_test_gate(job)` живёт в leaf'е и владеет полным детерминированным потоком (зеркало
+`staging_runner.run_staging_gate`):
+1. поднять `work_item_id`/`branch` по `task_id`;
+2. исполнить тест-контракт (D3) → `ProcResult` (pytest) + smoke-итог;
+3. определить исход (D5);
+4. на verdict-исходе: записать `13-test-report.md` (D6) и вызвать
+   `advance_stage(finished_agent="tester")` (D7);
+5. на tool-error-исходе: bounded DEFER (D5);
+6. учесть счётчики + структурный лог (D10).
+
+**Чистота leaf'а:** импортирует на уровне модуля только `config`, `logging` (+ `proc_group`);
+лениво (внутри функций) — `db`/`git_worktree`/`self_deploy.map_exit_code_to_status`/
+`qg.checks.is_self_hosting_repo`/`stage_engine.advance_stage`/`notifications`. Лениво — чтобы не
+тащить тяжёлый `stage_engine` на импорте и не плодить цикл (паттерн `staging_runner`/
+`transition_lease`/`merge_gate`). Все публичные функции — **never-raise** (AC-9).
+
+### D3 — Исполнение тест-контракта: pytest (в worktree) + опц. smoke через `proc_group` (FR-2 / NFR-3 / AC-10 / AC-11)
+
+**Тест-контракт = (обязательная регресс-команда) + (опциональный read-only smoke).**
+
+- **Регресс:** `python -m pytest <test_runner_target>` (дефолт `tests/`, конвенция
+  `merge_retest_target`) исполняется **в worktree ветки задачи** —
+  `git_worktree.get_worktree_path(repo, branch)`, **НЕ** в общем `/repos/orchestrator` (анти
+  checkout-гонка, как требовал промпт tester шаг 2; тот же контекст, что coverage-gate/merge-gate
+  re-test) — через `proc_group.run_in_process_group(argv, cwd=<worktree>, timeout=<test_runner_timeout_s>,
+  grace_s=agent_kill_grace_seconds, tree_kill=subprocess_tree_kill_enabled)` → SIGTERM→grace→SIGKILL
+  всего дерева на таймауте, без сирот pytest (корень ORCH-109/110/111 закрыт). Захватывает exit-код и
+  stdout (для тела отчёта/observability).
+- **Опциональный smoke** (`test_runner_smoke_enabled`, дефолт `True`; зеркало шага 3 промпта tester):
+  read-only `GET` против запущенного оркестратора (base URL из config — host-параметризация ORCH-101,
+  без host-хардкодов): `/health`, `/status`, `/queue` + проверка **наличия** блока `serial_gate` в
+  ответе `/queue`. **Smoke строго read-only** (BR-7/AC-10): никаких мутирующих запросов.
+- **Итоговый verdict-токен** = `PASS` ⇔ (exit-код pytest == 0 по маппингу D4) **И** smoke прошёл
+  (если включён); иначе `FAIL`. Smoke-провал → `FAIL` (детерминированно, FR-2).
+- **Анти-флап smoke (уточнение архитектора):** транзиентная **недостижимость** smoke-эндпоинта
+  (connection refused / таймаут на единичном GET) ретраится **ограниченно** внутри smoke-шага
+  (несколько быстрых GET с коротким backoff) перед выводом `FAIL`; «достижимо, но форма неверна»
+  (не-200 / нет блока `serial_gate`) → немедленный `FAIL`. Это снижает риск, что разовый блип
+  прод-8500 откатит здоровую ветку, не вводя нового исхода (на исчерпании smoke-ретраев — обычный
+  `FAIL`, поглощаемый developer-retry-cap). Гард `test_runner_smoke_enabled` позволяет отключить
+  smoke, если он окажется шумным, без отката всего раннера.
+
+**Self-hosting safety (BR-7 / AC-10):** в argv раннера нет литералов рестарта 8500 /
+`docker compose up … orchestrator` / `--build` / force-push / правок `.env`/`docker-compose.yml`.
+Раннер только исполняет pytest в worktree и делает read-only GET. Покрывается тестом запрета
+литералов в его командах (зеркало TC ORCH-115).
+
+### D4 — Маппинг exit-кода → `result:`: переиспользовать единый контракт (FR-3 / AC-3)
+
+`result`-токен = трансляция `self_deploy.map_exit_code_to_status(returncode)`:
+`SUCCESS → "PASS"`, `FAILED → "FAIL"` (т.е. `0 → PASS`; ненулевой / None / нечисло → `FAIL`,
+fail-closed). **Второй несогласованный маппинг не вводится** — переиспользуется тот же пьюр-контракт
+(`0→SUCCESS`-семантика, unit-tested), что у deploy-finalizer и staging-runner (BR-4). Разница лишь в
+токенах (`result:` использует `PASS`/`FAIL`, а не `SUCCESS`/`FAILED`; `_TESTS_POSITIVE_TOKENS`/
+`_TESTS_NEGATIVE_TOKENS`, `src/qg/checks.py:222-223`) — тонкая обёртка-транслятор поверх единого
+маппера, не дубль логики. Smoke-результат **AND**-ится в итог отдельно (D3), exit-маппинг остаётся
+чистой функцией одного входа (покрыт unit-тестом на каждый класс: `0`/≠0/`None`/нечисло).
+
+### D5 — Двухуровневый исход: verdict vs tool-error (NFR-2 / AC-5 / R-4) — **ключевое решение**
+
+Выбран **двухуровневый исход** (зеркало `staging_runner` D5, анти-ORCH-110):
+
+- **Сюита ИСПОЛНИЛАСЬ** (`returncode is not None` и **не** `timed_out`) → доверяем коду: маппинг D4
+  (+ smoke D3) → `result:` → инициировать гейт (D7). `PASS → testing → deploy-staging`;
+  `FAIL → существующий откат testing → development` + developer-retry (тот же путь и cap
+  `MAX_DEVELOPER_RETRIES`, что у FAIL-вердикта LLM — `stage_engine.py:849-892`; R-5/AC-4).
+- **Сюита НЕ исполнилась** (tool-error: spawn-error / таймаут / `returncode is None`) — это
+  **инфра-сбой, а не код-фейл**. Раннер делает **ограниченный DEFER**: re-queue свежего **`tester`**-джоба
+  с задержкой `test_runner_infra_retry_delay_s` и **restart-safe маркером** `test-runner infra-retry`
+  в `task_content` (счётчик — `COUNT(*)` маркера в persisted `jobs`, зеркало
+  `staging_runner._infra_retry_count` / `stage_engine._merge_infra_retry_count`; **без правки схемы
+  БД**, NFR-1). На **исчерпании** бюджета (`test_runner_infra_max_retries`) — **fail-closed**:
+  записать `result: FAIL` + `advance_stage` (существующий откат) + один INFRA-alert (кликабельный
+  номер, явно «инфра, НЕ дефект кода»). Так раннер **никогда** не делает тихий advance / ложный green
+  и **никогда** не клинит очередь навсегда, но **не жжёт developer-retry на транзиентной инфре**.
+
+**Почему не «tool-error → немедленный FAIL-откат»:** это в точности анти-паттерн ORCH-110
+(инфра-таймаут, ошибочно маршрутизированный как код-фейл → откат на `development` + расход
+developer-retry; на следующем retry падает так же → ручное вмешательство). Пьюр-маппинг D4 остаётся
+fail-closed (None→FAIL) — это терминальный fallback **на исчерпании** defer, а не реакция на первый
+же tool-error. **DEFER re-queue'ит `tester`-джоб** (не `deployer`!) — он повторно входит в этот же
+раннер.
+
+### D6 — Артефакт `13-test-report.md`: зеркало `write_staging_log` (FR-4 / AC-2 / AC-10)
+
+Раннер пишет `docs/work-items/<work_item_id>/13-test-report.md` в worktree фичеветки
+(`git_worktree.get_worktree_path`) литеральным блоком (как `staging_runner.build_staging_log`),
+чтобы машинно-читаемый frontmatter был байт-точным:
+
+```markdown
+---
+result: PASS                  # или FAIL — UPPERCASE, имя/регистр/токены ключа НЕ меняются
+work_item: <work_item_id>
+stage: testing
+author_agent: test-runner
+status: success               # или failed — ВЫРОВНЕН по result (см. D6.1!)
+created_at: <YYYY-MM-DD>
+model_used: n/a
+exit_code: <returncode>
+smoke: <ok|failed|skipped>
+---
+
+# Test Gate Log (deterministic runner, ORCH-116)
+<exit-код pytest, краткий хвост stdout, итог smoke; вердикт зафиксирован детерминированным
+test-раннером, не LLM>
+```
+
+- `author_agent: test-runner` / `model_used: n/a` честно отражают **детерминированного** продюсера;
+  **machine-key `result:` и его UPPERCASE-значения/токены не меняются** (AC-2), читается
+  неизменённым `_parse_tests_verdict`.
+- Обязательная 52c-схема присутствует (`work_item`/`stage: testing`/`author_agent`/`status`/
+  `created_at`/`model_used`).
+- **Best-effort `git add/commit/push` в ФИЧЕВЕТКУ** (git-identity ORCH-101, актор `test-runner`,
+  `_GIT_TIMEOUT`). Гейт читает worktree **первым** (`_repo_path:22-25`), поэтому **отдельный
+  PR-merge лога в `main` НЕ выполняется** — исключение любой прямой работы с `main` усиливает
+  AC-10/BR-7. Итоговый мерж фичеветки в `main` идёт штатным merge-gate/merge-verify-путём позже.
+
+#### D6.1 — Анти-коллизия 52c-`status:` ↔ парсер вердикта (**специфично для tester, отсутствует в ORCH-115**)
+
+**Сверено по коду:** `_parse_tests_verdict` (`src/qg/checks.py:263-277`) читает вердикт из **трёх**
+равноранговых полей — `verdict:`, **`status:`** и `result:` — и применяет **negative-token-priority**:
+любой негативный токен (`BLOCKED`/`FAILED`/`FAIL`/`REQUEST_CHANGES`/`REJECT`/`RED`) в `f"{verdict}
+{status} {result}"` делает вердикт `False` авторитетно. У staging-гейта (ORCH-115) такой коллизии
+**не было**: `_parse_staging_status` читает только `staging_status:`, а 52c-`status:` ему безразличен.
+Здесь 52c-обязательное поле `status:` **читается тем же парсером, что и `result:`**.
+
+**Следствие-мина:** если 52c-`status:` принимает значение, чей UPPERCASE содержит негативный токен
+(например `status: failed` → `"FAILED"`), при `result: PASS` парсер вернёт `False` (негативный токен
+авторитетнее) — **ложный FAIL** здорового прогона.
+
+**Решение (инвариант):** 52c-`status:` раннера **ВСЕГДА выровнен по вердикту** и **никогда не
+противоречит** `result:`:
+- `result: PASS` → `status: success` (`"SUCCESS"` — не позитивный и **не** негативный токен;
+  положительный токен `PASS` берётся из `result:` → парсер даёт `True`);
+- `result: FAIL` → `status: failed` (`"FAILED"` — негативный токен, согласован с `FAIL` → `False`).
+
+Это **тот же приём**, что `staging_runner.build_staging_log` (`status: success|failed` выровнен по
+verdict'у) — но здесь он **обязателен по корректности**, а не косметика. Анти-дрейф: unit-тест,
+проверяющий `_parse_tests_verdict(<тело раннера для PASS>) == (True, …)` и
+`(<тело для FAIL>) == (False, …)` **через неизменённый парсер** (фиксирует, что 52c-`status:` не
+ломает вердикт). Reviewer ловит любой `status:`-литерал с негативным токеном при `result: PASS` как
+finding ≥P1.
+
+### D7 — Инициация существующего гейта (FR-5 / AC-4 / R-2, граница O1)
+
+После записи (и best-effort push) раннер вызывает:
+```python
+advance_stage(task_id, current_stage="testing", repo, work_item_id, branch,
+              finished_agent="tester")
+```
+Это запускает `check_tests_passed` (`_parse_tests_verdict` читает `result:` из `13-test-report.md`):
+- `PASS` → продвижение `testing → deploy-staging` (и далее под-гейты ORCH-022/043/027/058 на ребре
+  `deploy-staging → deploy` — **их раннер не трогает**);
+- `FAIL` → существующий откат `testing → development` + developer-retry (`stage_engine.py:849`).
+
+**`finished_agent="tester"` обязателен** (R-2): FAIL-ветвь матчит по `agent == "tester" and
+qg_name == "check_tests_passed"` (`:849`); иной/`None` агент не запустит откат. **Никакой новой
+ветви маршрутизации, никаких новых рёбер/исходов** (AC-4). **Граница O1:** transition-lease ORCH-114
+берётся **внутри** `advance_stage` на side-effectful переходе — раннер его **не трогает**;
+serial-gate ORCH-088 не взаимодействует (гейтит analyst-job claim). Код ORCH-112/ORCH-114/ORCH-115
+(`staging_runner`) **не модифицируется**. never-raise.
+
+### D8 — Kill-switch, скоуп и резолв тест-контракта: обратимость + backward-compat (FR-7 / AC-7 / AC-8 / BR-5 / BR-9)
+
+`config.py` (паттерн `staging_runner_*`/`coverage_gate_*`):
+- `test_runner_enabled: bool = True` (env `ORCH_TEST_RUNNER_ENABLED`).
+- `test_runner_repos: str = ""` (env `ORCH_TEST_RUNNER_REPOS`; CSV; **пусто → self-hosting only**
+  через `is_self_hosting_repo`).
+- `test_runner_target: str = "tests/"` (env `ORCH_TEST_RUNNER_TARGET`; pytest-таргет, конвенция
+  `merge_retest_target`).
+- `test_runner_timeout_s: int = 900` (env `ORCH_TEST_RUNNER_TIMEOUT_S`; см. D9).
+- `test_runner_smoke_enabled: bool = True` (env `ORCH_TEST_RUNNER_SMOKE_ENABLED`).
+- `test_runner_infra_max_retries: int = 2`, `test_runner_infra_retry_delay_s: int = 30`
+  (defer-бюджет D5; зеркало `staging_runner_infra_*`).
+
+`applies(repo)` (локально, без сети, **never-raise → False**) — **проверяется первым** в
+`should_intercept` (нулевой оверхед при выключенном флаге):
+```text
+1. test_runner_enabled == False                  -> False  (откат к LLM-пути)
+2. in_scope = (membership в test_runner_repos)   если CSV непуст
+            = is_self_hosting_repo(repo)          если CSV пуст
+   not in_scope                                  -> False
+3. _has_test_contract(repo)                       -> резолв тест-контракта (BR-9)
+```
+**`_has_test_contract(repo)` (BR-9 / AC-8) — отличие от ORCH-115.** У staging-раннера тест-контракт
+был неявно self-hosting-bound (staging-контейнер существует только для `orchestrator`), отдельной
+проверки не требовалось. Здесь резолв контракта вынесен явно: в **Phase 1** контракт известен по
+умолчанию **только** для self-hosting (`return is_self_hosting_repo(repo)` — pytest+smoke);
+для прочих репо контракта нет, пока не сконфигурирован (Phase 2) → `applies == False` →
+**прежний LLM-tester** (fail-safe). Это делает AC-8 проверяемым: даже если в `test_runner_repos`
+руками добавить не-self репо (`enduro-trails`), `_has_test_contract` вернёт `False` → раннер его не
+перехватит → LLM-tester. enduro-trails и любой репо без контракта — 1:1 как до ORCH-116.
+
+Откат = `ORCH_TEST_RUNNER_ENABLED=false` → `applies()` → `False` → `should_intercept` → `False` →
+штатный `_spawn` прежнего LLM-tester'а на `testing` **байт-в-байт**.
+
+### D9 — Бюджет времени (NFR-4 / AC-11, сквозной инвариант ORCH-065/109/110)
+
+`test_runner_timeout_s = 900` (дефолт; малформ/непозитив → дефолт + WARNING, never-break — зеркало
+`staging_runner._resolve_timeout` / `merge_gate._resolve_retest_timeout`). Обоснование **без правки
+`reaper_max_running_s` (5400)**:
+
+- **Ребро `testing` отдельно от ребра `deploy-staging`.** Гейт выхода из `testing` —
+  `check_tests_passed` (читает файл, мгновенно). Окно «running» одного `tester`-джоба = только
+  pytest+smoke (≤900s); тяжёлые под-гейты (security/merge re-test/coverage/image-freshness) живут на
+  ребре `deploy-staging → deploy`, **не** на `testing`.
+- **Σ(работ на ребре `testing`) НЕ растёт.** Прежний LLM-tester шёл под `agent_timeout_seconds`
+  (сверено `config.py:159` = **1800s**; tester не имеет выделенного per-role ключа, в отличие от
+  developer=3600/reviewer=3000). Раннер заменяет ≤1800s LLM-окно ограниченными ≤900s →
+  `reaper_max_running_s (5400) > 900 + grace` сохранён **без** изменения reaper'а. Выбор 900s
+  согласован с фактической длительностью регресс-сюиты (~517s, инцидент ORCH-110) и даёт ~74% запаса —
+  тот же запас, что merge-retest-бюджет ORCH-110.
+
+### D10 — Наблюдаемость (FR-8 / AC-13 / BR-6)
+
+In-process счётчики `_TEST_RUNNER_COUNTERS` (зеркало `_STAGING_RUNNER_COUNTERS` /
+`_MERGE_GATE_COUNTERS`): `runs`/`pass`/`fail`/`tool_error`/`deferred`. Read-only блок `test_runner` в
+`GET /queue` (`enabled`/`repos`/`target`/`timeout_s`/`infra_max_retries`/счётчики) — `src/main.py`,
+аддитивно, существующие ключи не трогаются. Один структурный лог-вердикт на прогон:
+`work_item`/`repo`/`exit_code`/`result`/`duration_s`/`outcome` — различает «код упал» (`FAIL` от
+сюиты/smoke) и «инструмент недоступен» (`tool_error`/`deferred`). Новых мутирующих эндпоинтов нет;
+откат — через env-флаг.
+
+### D11 — Гибрид: LLM строго off-control-path (BR-8 / NFR-7 / FR-9 / AC-12)
+
+В Phase 1 на стадии `testing` (in-scope) вердикт `result:` производит **только** детерминированный
+раннер; LLM **не вызывается** в потоке управления вердикта (ни happy-path, ни fail-path). Архитектура
+раннера **не запрещает** будущий **опциональный off-control-path** LLM-триаж/диагностику **после**
+детерминированного FAIL — но он будет **отдельной ролью/джобом**, который **не пишет и не
+переопределяет** `result:` и **не добавляет ребро** в `STAGE_TRANSITIONS`. В этом срезе он **не
+реализуется**. Это сохраняет `needs-hybrid-fallback`-природу A5: детерминированное ядро + (будущий)
+LLM-фолбэк только на суждение.
+
+### D12 — Норматив сопровождения LLM-карты/политики/витрины (NFR-6 / AC-14) — спека для developer
+
+Карта/политика/roadmap и их анти-дрейф-тесты **связаны с состоянием кода**, поэтому правятся
+**в development-стадии атомарно с кодом** (иначе тесты покраснеют на полу-готовой ветке — это же
+причина, по которой ORCH-115 не правил их в architecture; зеркало ORCH-115 D11). README/internals/
+паспорт/чейнджлог/витрина — там же. Архитектура фиксирует **точную спеку** правок (developer
+применяет в том же PR):
+
+- `docs/architecture/llm-call-sites.md` — строка **A5** и машинный `ORCH-118-INVENTORY-BLOCK`:
+  tester на `testing` для in-scope репо больше не консультирует LLM в потоке управления; отразить
+  реализованное детерминированное состояние (раннер-перехват до `_spawn`, как D1/D2), **сохранив**
+  `avoidable=yes`/`axis=C`/`classification=needs-hybrid-fallback` (LLM-ветвь жива как fallback под
+  выключенным флагом / для не-self репо / как будущий off-control-path триаж) — **зеркало** того, как
+  ORCH-115 обновил A6/deployer. Заголовок таблицы и `output_consumer = _parse_tests_verdict` не
+  менять (имя гейта/парсера неизменно).
+- `docs/architecture/llm-determinization-roadmap.md` — §2 (tester) и машинный
+  `ORCH-118-ROADMAP-BLOCK` rank 2: «второй кандидат» → «реализован (ORCH-116)». **Инвариант «ровно
+  один `first_slice = yes`» держать корректным** — `first_slice` остаётся `yes` у **rank 1
+  (deployer)**, у rank 2 (tester) — `no`; **не переключать** (см.
+  `test_llm_determinization_docs.py`). `hybrid_needed = yes` у tester сохраняется (гибрид-природа).
+- `docs/architecture/llm-usage-policy.md` — §5: единственный транспорт LLM-консультации
+  (`_spawn`/S0) не нарушен; раннер LLM не зовёт; будущий off-control-path триаж — **не** новый
+  транспорт control-path-консультации (он вне control-path).
+- Анти-дрейф `tests/test_llm_call_site_inventory.py` / `tests/test_llm_determinization_docs.py` —
+  обновить ожидания синхронно, держать зелёными (AC-14).
+- Прочие docs того же PR (правило агентов №2 + витрина ORCH-011): `.openclaw/agents/tester.md`
+  (пометка, что на `testing` для in-scope репо стадию ведёт детерминированный код; LLM-ветвь —
+  fallback под выключенным флагом / для репо без контракта; канон промпта 52d — 5 секций, ключ
+  `result:` — байт-в-байт), `docs/architecture/README.md` (новый компонент **Test-runner** в
+  карте — зеркало записи **Staging-runner** + отметка «второй срез реализован» в блоке roadmap),
+  `docs/architecture/internals.md` (примечание о перехвате на `testing`, рядом с ORCH-115),
+  `CLAUDE.md`, `CHANGELOG.md`, `docs/overview/`.
+
+**Обоснование против `llm-usage-policy.md` §5:** ORCH-116 **снимает** C-консультацию с деривируемым
+PASS/FAIL-ядром (A5/tester) — это разрешённая реализация `needs-hybrid-fallback`, не ввод новой
+LLM-консультации; политика соблюдена.
+
+## Альтернативы
+
+- **Новая стадия / новый QG для детерминированного testing** — отвергнуто: нарушает NFR-1
+  (`STAGE_TRANSITIONS`/`QG_CHECKS` байт-в-байт). Меняется только *продюсер* артефакта; гейт и ребро
+  прежние.
+- **tool-error → немедленный `FAIL`-откат на `development`** — отвергнуто: анти-паттерн ORCH-110
+  (инфра-сбой как код-фейл → расход developer-retry → петля). Выбран двухуровневый исход D5.
+- **Свой второй exit-code→verdict маппинг** — отвергнуто: переиспользуем
+  `self_deploy.map_exit_code_to_status` (BR-4, единый контракт), тонкий транслятор токенов поверх.
+- **52c-`status:` произвольным значением (как чисто описательное поле)** — отвергнуто: `status:`
+  **читается** `_parse_tests_verdict` с negative-token-priority → негативный токен в `status:` при
+  `result: PASS` даёт ложный FAIL. Выбрано жёсткое выравнивание `status:` по вердикту (D6.1).
+- **Прогон pytest в общем `/repos/orchestrator`** — отвергнуто: checkout-гонка с другими задачами
+  (мина, закрытая ORCH-112); раннер исполняет pytest **в worktree ветки** (как coverage/merge-gate).
+- **Merge лога отдельным PR в `main`** (как прежний tester) — отвергнуто: гейт читает worktree первым
+  (`_repo_path`) → достаточно push в фичеветку; исключение прямой работы с `main` усиливает
+  AC-10/BR-7.
+- **Логика раннера прямо в `launcher.py`** — отвергнуто: нарушает разделение транспорт/решение; leaf
+  тестируем без живого CLI (зеркало `staging_runner`/`coverage_gate`).
+- **LLM-триаж как control-path-продюсер `result:`** — отвергнуто: BR-8/AC-12 (детерминированный
+  раннер — единственный исполнитель вердикта; триаж — off-control-path, Phase 2).
+- **Править `llm-call-sites.md`/roadmap/policy/README в architecture-стадии** — отвергнуто:
+  анти-дрейф-тесты коуплены к коду; правки идут атомарно с кодом (D12, как ORCH-115).
+- **DEFER через re-queue `deployer`-джоба** (копипаст из staging-раннера) — отвергнуто: DEFER должен
+  re-queue'ить **`tester`**-джоб (он повторно входит в этот раннер на стадии `testing`).
+
+## Последствия
+
+- **+** На `testing` для `orchestrator` исчезает LLM-консультация в потоке управления вердикта:
+  дешевле/быстрее/детерминированнее; минус один avoidable LLM control path (второй срез roadmap,
+  rank 2).
+- **+** Happy-path не вызывает `_spawn` (нет `agent_runs`-строки, нет токенов LLM на стадии `testing`).
+- **+** Полная обратимость одним флагом; артефакт/гейт/ребро/схема БД неизменны → переключение
+  туда-сюда не оставляет несовместимого состояния.
+- **+** Двухуровневый исход (D5) убирает класс ORCH-110 (инфра ≠ код-фейл) с `testing`-ребра.
+- **+** Гибрид-граница сохранена (D11): архитектура не закрывает путь к будущему off-control-path
+  LLM-триажу, не пуская LLM обратно в поток управления.
+- **−** Новый leaf + врезка в `launch_job` + defer-механика — рост поверхности кода. Митигейшн: leaf
+  never-raise + kill-switch (fail-safe к LLM), тонкая врезка-зеркало D1/D2/ORCH-115, defer-счётчик без
+  схемы БД (маркер в `task_content`), покрытие `tests/test_orch116_test_runner.py`.
+- **−** Smoke зависит от достижимости запущенного оркестратора (8500) — разовый блип мог бы дать
+  `FAIL`. Митигейшн: D3 (bounded smoke-ретрай транзиентной недостижимости + config-gate
+  `test_runner_smoke_enabled` + developer-retry-cap); pytest остаётся первичным сигналом.
+- **−** Тонкая мина 52c-`status:` ↔ парсер (D6.1) специфична для tester. Митигейшн: жёсткий инвариант
+  выравнивания + unit-тест через неизменённый парсер; reviewer-ось ≥P1.
+- **Откат:** `ORCH_TEST_RUNNER_ENABLED=false` → штатный `_spawn` LLM-tester'а на `testing`
+  **байт-в-байт** до ORCH-116.
+
+## Ссылки
+- BRD: `docs/work-items/ORCH-116/01-brd.md`
+- TRZ: `docs/work-items/ORCH-116/02-trz.md`
+- Acceptance: `docs/work-items/ORCH-116/03-acceptance-criteria.md`
+- Тест-план: `docs/work-items/ORCH-116/04-test-plan.yaml`
+- Инфра: `docs/work-items/ORCH-116/07-infra-requirements.md`;
+  Данные: `08-data-requirements.md`; Риски: `10-tech-risks.md`
+- Сквозной ADR: `docs/architecture/adr/adr-0050-deterministic-test-runner.md`
+- Эталон реализации: `src/staging_runner.py` (ORCH-115),
+  `docs/work-items/ORCH-115/06-adr/ADR-001-deterministic-staging-runner.md`
+- Сверено по коду: `src/agents/launcher.py:397/404/438`, `src/stages.py:17-18`,
+  `src/qg/checks.py:15/182/222-223/226/263-277/528`, `src/stage_engine.py:849-892`,
+  `src/self_deploy.py` (`map_exit_code_to_status`), `src/proc_group.py`, `src/config.py:159/162`
+  (`agent_timeout_seconds`/`reaper_max_running_s`)
+- Политика/карта/roadmap: `docs/architecture/llm-usage-policy.md`,
+  `docs/architecture/llm-call-sites.md` (A5), `docs/architecture/llm-determinization-roadmap.md`
+  (rank 2)

docs/work-items/ORCH-116/07-infra-requirements.md

@@ -0,0 +1,69 @@
+---
+work_item: ORCH-116
+stage: architecture
+author_agent: architect
+status: proposed
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+---
+
+# 07 — Инфраструктурные требования: ORCH-116 — детерминированный test-раннер
+
+Work Item: **ORCH-116** · Repo: **orchestrator** · Стадия: architecture
+
+> Топология **не меняется** (всё в Docker на одном сервере mva154, SQLite, собственная очередь).
+> Раздел фиксирует **рантайм-предусловия** детерминированного раннера и подтверждает отсутствие
+> новых компонентов/портов/зависимостей образа.
+
+## 1. Топология — без изменений
+
+Новых контейнеров / сервисов / портов / сетей **нет**. Раннер исполняется **внутри уже работающего
+прод-контейнера `orchestrator` (8500)** как синхронный обработчик джоба `tester` (перехват в
+`launch_job` до `_spawn`) — там же, где сейчас стартует LLM-tester. Staging-контур (8501) для
+ORCH-116 **не используется** (в отличие от ORCH-115) — это ребро `testing`, а не `deploy-staging`.
+
+## 2. Рантайм-предусловия (предсуществующие, проверить)
+
+| # | Предусловие | Статус | Обоснование |
+|---|-------------|--------|-------------|
+| P-1 | `python -m pytest` исполним внутри прод/staging-образа | **уже выполнено** | pytest уже гоняется в worktree внутри этого же образа coverage-gate (ORCH-027) и merge-gate re-test (ORCH-110). Новых pip-зависимостей **нет** (в отличие от `pytest-cov` ORCH-027 — он не требуется: ORCH-116 читает только exit-код, не покрытие). |
+| P-2 | Per-branch worktree ветки задачи материализуем (`git_worktree.get_worktree_path`) | **уже выполнено** | механика worktree используется всеми гейтами/раннерами; раннер исполняет pytest **в worktree ветки** (анти checkout-гонка, ORCH-112), не в общем `/repos/orchestrator`. |
+| P-3 | `proc_group.run_in_process_group` (tree-kill) доступен на POSIX-хосте | **уже выполнено** | ORCH-110; fallback к `subprocess.run` на не-POSIX (`subprocess_tree_kill_enabled`). |
+| P-4 | Read-only smoke: запущенный оркестратор отвечает на `GET /health`, `/status`, `/queue` по config-резолвнутому base URL | **уже выполнено** | те же эндпоинты read-only опрашивал LLM-tester (шаг 3 промпта). Base URL — из config (host-параметризация ORCH-101, без host-хардкодов). Smoke **строго read-only**; опционален (`test_runner_smoke_enabled`). |
+| P-5 | git-identity актора `test-runner` для best-effort push лога в фичеветку | **уже выполнено** | HOME + email-домен из `settings` (ORCH-101), как у `staging-runner`. Push **только в фичеветку**, никогда в `main`/force-push. |
+
+## 3. Конфигурация (env, дефолт = боевое; пустой `.env` ⇒ поведение для in-scope)
+
+| Ключ | env | Дефолт | Назначение |
+|------|-----|--------|------------|
+| `test_runner_enabled` | `ORCH_TEST_RUNNER_ENABLED` | `True` | kill-switch (off → LLM-tester байт-в-байт) |
+| `test_runner_repos` | `ORCH_TEST_RUNNER_REPOS` | `""` | CSV-скоуп; пусто → self-hosting only |
+| `test_runner_target` | `ORCH_TEST_RUNNER_TARGET` | `tests/` | pytest-таргет тест-контракта |
+| `test_runner_timeout_s` | `ORCH_TEST_RUNNER_TIMEOUT_S` | `900` | таймаут pytest (D9; согласован со сквозным бюджетом ORCH-065/109/110 без правки `reaper_max_running_s`) |
+| `test_runner_smoke_enabled` | `ORCH_TEST_RUNNER_SMOKE_ENABLED` | `True` | опц. read-only smoke |
+| `test_runner_infra_max_retries` | `ORCH_TEST_RUNNER_INFRA_MAX_RETRIES` | `2` | бюджет tool-error DEFER (D5) |
+| `test_runner_infra_retry_delay_s` | `ORCH_TEST_RUNNER_INFRA_RETRY_DELAY_S` | `30` | задержка DEFER-re-queue |
+
+> `.env.example` пополнить этими ключами (канон старта, норматив ORCH-101). Изменений
+> `docker-compose.yml` / `Dockerfile` / образа **нет**.
+
+## 4. Сквозной бюджет времени (NFR-4)
+
+Ребро `testing` отдельно от `deploy-staging`. Окно «running» `tester`-джоба = только pytest+smoke
+(≤`test_runner_timeout_s`=900s); тяжёлые под-гейты (security/merge/coverage/image-freshness) живут на
+ребре `deploy-staging → deploy`. Прежний LLM-tester шёл под `agent_timeout_seconds`=1800s
+(`config.py:159`; tester без выделенного per-role ключа). 900 < 1800 → Σ(работ на ребре `testing`)
+**не растёт** → инвариант `reaper_max_running_s (5400) > Σ + grace` сохранён **без** правки reaper'а.
+
+## 5. Self-hosting safety (BR-7 / AC-10)
+
+Раннер на `testing` **никогда** не рестартит контейнер 8500, не выполняет `docker compose up -d
+orchestrator`/`--build`, не пушит force в `main`, не правит `.env`/`.env.staging`/`docker-compose.yml`.
+Он лишь исполняет pytest в worktree, делает read-only GET и пишет/пушит лог в фичеветку. Деплой-решений
+ORCH-116 не принимает (это стадия `testing`, до прод-деплоя) — staging-гейт остаётся обязательной
+страховкой на последующих рёбрах.
+
+## 6. Вывод
+
+Инфраструктурных изменений **нет** (топология/порты/образ/зависимости — без правок). Все предусловия
+P-1…P-5 предсуществуют. Эскалация `arch:major-change` **не требуется**.

docs/work-items/ORCH-116/08-data-requirements.md

@@ -0,0 +1,54 @@
+---
+work_item: ORCH-116
+stage: architecture
+author_agent: architect
+status: proposed
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+---
+
+# 08 — Требования к данным: ORCH-116 — детерминированный test-раннер
+
+Work Item: **ORCH-116** · Repo: **orchestrator** · Стадия: architecture
+
+## 1. Изменения схемы БД — НЕТ (NFR-1)
+
+Новых таблиц / колонок / индексов / миграций **нет**. Раннер использует **существующие** структуры:
+
+| Структура | Использование | Запись? |
+|-----------|---------------|---------|
+| `tasks` (`stage`, `branch`, `work_item_id`) | резолв полей задачи по `task_id`; гард стадии `testing` в `should_intercept`; продвижение/откат — через **существующий** `advance_stage` (он же пишет стадию под transition-lease ORCH-114) | раннер сам стадию **не** пишет — только через `advance_stage` |
+| `jobs` (`status`, `task_content`) | `mark_job(done\|failed)` для строки джоба (через `_run_test_runner_job`); restart-safe счётчик tool-error DEFER — `COUNT(*)` по маркеру `test-runner infra-retry` в `task_content` re-queued джоба | да (`mark_job`, `enqueue_job` — существующие API) |
+| `agent_runs` | **НЕ создаётся** — детерминированный раннер не спавнит LLM (happy-path без `_spawn`) | нет |
+| `transition_lease` (ORCH-114) | берётся/освобождается **внутри** `advance_stage` на side-effectful переходе | раннер **не трогает** |
+
+## 2. Restart-safe счётчик DEFER — без колонки (зеркало ORCH-115/110)
+
+Бюджет tool-error DEFER (D5) считается **из persisted очереди `jobs`** подсчётом маркера
+`test-runner infra-retry` в `task_content` re-queued джоба (зеркало
+`staging_runner._infra_retry_count` / `stage_engine._merge_infra_retry_count`). Это переживает
+рестарт сервиса **без** новой колонки/таблицы — намеренно, ради NFR-1 (схема БД байт-в-байт).
+
+## 3. Артефакт `13-test-report.md` — контракт frontmatter неизменен (AC-2)
+
+Раннер пишет тот же файл с тем же machine-key, что читает гейт:
+- `result: PASS|FAIL` (UPPERCASE) — канонический ключ `_parse_tests_verdict` (`src/qg/checks.py:265`);
+  имя/регистр/токены **не меняются**.
+- Обязательная 52c-схема: `work_item` / `stage: testing` / `author_agent: test-runner` /
+  `status: success|failed` / `created_at` / `model_used: n/a`.
+- **Инвариант D6.1 (данные):** `status:` **читается** тем же парсером (`verdict:`/`status:`/`result:`,
+  negative-token-priority) → значение `status:` **обязано** быть выровнено по вердикту
+  (`success`↔PASS, `failed`↔FAIL); иначе негативный токен в `status:` при `result: PASS` исказит
+  вердикт. Это требование к **значению данных**, не к схеме.
+
+## 4. Счётчики наблюдаемости — in-process, не БД
+
+Блок `test_runner` в `GET /queue` питается **in-process** счётчиками `_TEST_RUNNER_COUNTERS`
+(`runs`/`pass`/`fail`/`tool_error`/`deferred`) — паттерн `_STAGING_RUNNER_COUNTERS`/
+`_MERGE_GATE_COUNTERS`. В БД **не** персистятся (обнуляются при рестарте — приемлемо для
+оперативной наблюдаемости).
+
+## 5. Вывод
+
+Требований к изменению данных/схемы **нет**. Совместимость с общей БД (self-hosting + enduro-trails)
+сохранена: аддитивных объектов не вводится, существующие read/write идут через существующие API.

docs/work-items/ORCH-116/10-tech-risks.md

@@ -0,0 +1,47 @@
+---
+work_item: ORCH-116
+stage: architecture
+author_agent: architect
+status: proposed
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+---
+
+# 10 — Технические риски: ORCH-116 — детерминированный test-раннер
+
+Work Item: **ORCH-116** · Repo: **orchestrator** · Стадия: architecture
+
+> Информационный (гейтом не парсится). Покрывает риски BRD §8 (R-1…R-7) + риски, выявленные
+> архитектором по коду (TR-8…TR-11, специфичные для роли `tester` / стадии `testing`).
+
+## Реестр рисков
+
+| ID | Риск | Вер. | Влия. | Митигейшн |
+|----|------|------|-------|-----------|
+| TR-1 (R-1) | Точка диспетчеризации «до `_spawn`» перехватывает не тот джоб | Низ. | Выс. | `should_intercept` = `agent=="tester"` **И** `applies(repo)` **И** `tasks.stage=="testing"` (D1). Роль `tester` исполняет ТОЛЬКО `testing` (`STAGE_TRANSITIONS["review"]["agent"]`) → коллизии стадий нет; гард по стадии — defense-in-depth. never-raise → `False` → `_spawn`. Покрыто тестом перехвата/не-перехвата. |
+| TR-2 (R-2) | После вердикта гейт не инициирован → задача зависает на `testing` | Низ. | Выс. | D7: раннер вызывает `advance_stage(current_stage="testing", finished_agent="tester")` в `run_test_gate` (never-raise). **`finished_agent="tester"` обязателен** — FAIL-ветвь `stage_engine.py:849` матчит по `agent=="tester"`. Покрыто тестом PASS-advance и FAIL-rollback. |
+| TR-3 (R-3) | Таймаут/изоляция pytest; утечка процессов (корень ORCH-109/110/111) | Сред. | Выс. | D3: pytest через `proc_group.run_in_process_group` (tree-kill SIGTERM→grace→SIGKILL); таймаут `test_runner_timeout_s`=900 (малформ→дефолт+WARNING); прогон **в worktree ветки**, не в общем клоне. Покрыто тестом изоляции/таймаута. |
+| TR-4 (R-4) | Two-level outcome неверен: tool-error жжёт developer-retry (регресс ORCH-110) ИЛИ ложный green | Сред. | Выс. | D5: сюита исполнилась → verdict→advance; сюита НЕ исполнилась (spawn-error/таймаут/`None`) → bounded DEFER (re-queue `tester`-джоба, restart-safe маркер) → на исчерпании fail-closed `FAIL`+advance+alert. Никогда тихий advance/ложный green; не жжёт developer-retry на инфре. Покрыто тестом обоих уровней. |
+| TR-5 (R-5) | Откат FAIL не совпадает с LLM-путём (developer-retry cap / `extract_test_failures`) | Низ. | Сред. | D7 переиспользует **существующий** откат `stage_engine.py:849-892` (тот же `MAX_DEVELOPER_RETRIES`, `extract_test_failures`, `enqueue_job("developer", …)`). Новой ветви маршрутизации нет. Покрыто тестом эквивалентности. |
+| TR-6 (R-6) | LLM протаскивается обратно в поток управления вердикта (нарушение BR-8) | Низ. | Сред. | D11: детерминированный раннер — единственный продюсер `result:`; off-control-path триаж не реализуется и не добавляет ребро в `STAGE_TRANSITIONS`. Анти-дрейф LLM-карты (D12) + reviewer-ось AC-12. |
+| TR-7 (R-7) | Backward-compat: репо без тест-контракта зависает без продюсера отчёта | Низ. | Выс. | D8: `_has_test_contract(repo)` (Phase 1 = self-hosting) — `applies==False` для не-self/без-контракта → `should_intercept==False` → прежний LLM-tester (fail-safe). Покрыто тестом для не-self репо. |
+| **TR-8** | **52c-`status:` ↔ парсер: ложный FAIL.** `_parse_tests_verdict` читает вердикт из `verdict:`/**`status:`**/`result:` с negative-token-priority. 52c-`status: failed` (`"FAILED"`) при `result: PASS` → негативный токен авторитетен → ложный FAIL здорового прогона. **(Отсутствует в ORCH-115 — там гейт читает только `staging_status:`.)** | Сред. | Выс. | D6.1: `status:` ВСЕГДА выровнен по вердикту (`success`↔PASS / `failed`↔FAIL); `"SUCCESS"` — не негативный/не позитивный токен, позитив берётся из `result: PASS`. **Обязательный** unit-тест: `_parse_tests_verdict(<тело раннера PASS>)==(True,…)` и `(FAIL)==(False,…)` через **неизменённый** парсер. Reviewer: `status:`-литерал с негативным токеном при `result: PASS` → ≥P1. |
+| **TR-9** | **Smoke против прод-8500 флапает.** Разовый блип запущенного оркестратора (connection refused/таймаут) → `FAIL` → откат здоровой ветки + расход developer-retry. | Сред. | Сред. | D3: bounded smoke-ретрай **транзиентной недостижимости** (несколько быстрых GET с коротким backoff) перед `FAIL`; «достижимо, но форма неверна» → немедленный `FAIL`. `test_runner_smoke_enabled` позволяет отключить smoke без отката раннера. pytest — первичный сигнал; developer-retry-cap поглощает остаточный шум. |
+| **TR-10** | **DEFER re-queue'ит не тот агент.** Копипаст из `staging_runner` мог бы re-queue'ить `deployer`-джоб → задача уйдёт в чужой обработчик. | Низ. | Выс. | D5: DEFER re-queue'ит **`tester`**-джоб (`enqueue_job("tester", …)`), повторно входящий в этот раннер на стадии `testing`. Покрыто тестом DEFER (проверка роли re-queued джоба). |
+| **TR-11** | **Дрейф LLM-карты/политики/витрины** при реализации (NFR-6): инвариант «ровно один `first_slice=yes`» нарушен / `avoidable=yes` снят с tester / анти-дрейф-тесты красные. | Сред. | Сред. | D12: точная спека правок (A5 → реализовано, но `avoidable=yes`/`axis=C`/`needs-hybrid-fallback` СОХРАНЯЮТСЯ; rank 2 tester → реализован, `first_slice` НЕ переключать — остаётся у rank 1/deployer). Правки атомарно с кодом в development + зелёные `test_llm_call_site_inventory.py`/`test_llm_determinization_docs.py`. Reviewer-ось AC-14 ≥P1. |
+| TR-12 | Скоуп-дрейф: правка `STAGE_TRANSITIONS`/`QG_CHECKS`/`check_tests_passed`/`_parse_tests_verdict`/machine-verdict/схемы БД | Низ. | Выс. | NFR-1: замена только *продюсера*. Анти-дрейф-тест на неизменность гейта/токенов/схемы (AC-6). Reviewer ловит как ≥P1. |
+
+## Сводный вывод
+
+Доминирующий класс — **корректность интеграции детерминированного раннера в существующий гейт**
+(`finished_agent="tester"`, two-level outcome, эквивалентность отката) и **две tester-специфичные
+мины, которых не было в ORCH-115**: (TR-8) коллизия 52c-`status:` с `_parse_tests_verdict` и
+(TR-9) флап smoke против прод-8500. Обе закрыты архитектурно (D6.1 — жёсткое выравнивание `status:`
++ unit-тест через неизменённый парсер; D3 — bounded smoke-ретрай + config-gate). Остаточный риск для
+прод-конвейера (self-hosting) — **низкий**: leaf never-raise + kill-switch (мгновенный откат к
+LLM-tester байт-в-байт), без правки гейта/стадии/схемы БД, граница с ORCH-112/114/115 соблюдена,
+сквозной бюджет времени сохранён без правки `reaper_max_running_s`.
+
+Эскалация `arch:major-change` **не требуется** (нет новой стадии/QG/смены БД; новый компонент-leaf —
+аддитивный, под kill-switch, по доказанному прецеденту ORCH-115). Возврат в анализ **не требуется**
+(ТЗ удовлетворяется без нарушения принципов архитектуры).

docs/work-items/ORCH-116/12-review.md

@@ -0,0 +1,139 @@
+---
+verdict: APPROVED
+work_item: ORCH-116
+stage: review
+author_agent: reviewer
+status: approved
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+type: review
+work_item_id: ORCH-116
+version: 4
+---
+
+# Review ORCH-116 — детерминированный test-раннер вместо LLM-тестера
+
+> Машинный вердикт читается ТОЛЬКО из `verdict:` во frontmatter.
+
+## Summary
+
+Реализация **полностью соответствует ТЗ (02-trz.md), критериям приёмки (03-acceptance-criteria.md)
+и ADR-001 / adr-0050**. ORCH-116 заменяет LLM-агента `tester` на стадии `testing` детерминированным
+leaf `src/test_runner.py`, перехватываемым в `launch_job` до `_spawn` — точное зеркало эталона
+`src/staging_runner.py` (ORCH-115). Критический инвариант NFR-1 соблюдён байт-в-байт: гейт
+`check_tests_passed` / `_parse_tests_verdict`, `STAGE_TRANSITIONS`, `QG_CHECKS`, machine-key `result:`
+и схема БД **не тронуты** (это замена *продюсера* артефакта, не гейта). Тонкая мина D6.1 (52c-`status:`
+↔ парсер с negative-token-priority) обработана корректно и прибита тестом через неизменённый парсер.
+Документация обновлена в полном объёме (CLAUDE.md / CHANGELOG / README / internals / витрина
+`docs/overview/` / LLM-карта/roadmap/policy / tester.md / .env.example). Все 4 оси — зелёные. Findings
+уровня P0/P1, относящихся к ORCH-116, нет.
+
+## Оси проверки
+
+### 1. Соответствие ТЗ / AC — PASS
+- **FR-1 / AC-1** перехват до `_spawn`: `launcher.launch_job` врезка `if job.get("agent")=="tester"
+  and test_runner.should_intercept(job): return self._run_test_runner_job(job)` рядом с
+  D1/D2/ORCH-115; `_run_test_runner_job` — зеркало `_run_staging_runner_job`, ведёт `jobs` через
+  `mark_job`, возвращает `None` (нет `agent_runs`). ✔ (TC-05).
+- **FR-2/3 / AC-3/AC-11** pytest в worktree через `proc_group` (tree-kill, `_resolve_timeout`
+  fail-safe), маппинг `map_exit_code_to_result` поверх единого `self_deploy.map_exit_code_to_status`
+  (без второго маппинга). ✔ (TC-02, TC-12).
+- **FR-4 / AC-2** `write_test_report` — `result:` UPPERCASE + 52c-схема, `author_agent: test-runner` /
+  `model_used: n/a`, push только в фичеветку (без merge в `main`). ✔ (TC-03, TC-04).
+- **FR-5 / AC-4** `_advance` вызывает `advance_stage(current_stage="testing", finished_agent="tester")`
+  — FAIL-ветвь `stage_engine.py:849` матчит по `agent=="tester"`. ✔ (TC-07).
+- **FR-6 / AC-5** two-level outcome: `suite_ran=(returncode is not None) and (not timed_out)`;
+  tool-error → bounded DEFER (re-queue именно **`tester`**-джоба + restart-safe маркер), на исчерпании
+  → fail-closed `FAIL` + advance + INFRA-alert. ✔ (TC-10).
+- **FR-7 / AC-7/AC-8** `applies()` = kill-switch + скоуп + `_has_test_contract` (репо без контракта →
+  LLM-tester даже при ручном добавлении в CSV). ✔ (TC-01, TC-08).
+- **FR-8 / AC-13** блок `test_runner` в `GET /queue` + счётчики + структурный лог, различающий
+  code-fail / tool-error. ✔ (TC-14).
+- **FR-9 / AC-12** гибрид: LLM вне control-path вердикта. ✔.
+
+### 2. Соответствие ADR / инварианты — PASS
+- NFR-1 / AC-6: `git diff origin/main...HEAD` НЕ затрагивает `src/stages.py`, `src/qg/`,
+  `src/stage_engine.py`, `src/staging_runner.py`, `src/proc_group.py`, `src/transition_lease.py`,
+  `src/git_worktree.py` — проверено явно (пустой diff). ✔.
+- **D6.1 (ключевая мина)**: `_parse_tests_verdict` (`src/qg/checks.py:263-277`) читает вердикт из трёх
+  полей с приоритетом негативного токена. Раннер выравнивает `status:` по вердикту (`PASS→success`
+  «SUCCESS» — не позитивный и не негативный токен → `True` берётся из `result: PASS`; `FAIL→failed`
+  «FAILED» — негативный → `False`). Проверено вручную по логике парсера и тестом TC-04
+  (`test_tc04_status_field_never_false_negatives_a_pass`) через **неизменённый** парсер. ✔.
+- Граница O1: `staging_runner` (ORCH-115), `transition_lease` (ORCH-114), `checkout_hygiene`
+  (ORCH-112) не модифицированы — соответствует требованию. ✔.
+- Трассировка: новые врезки корректно ссылаются на прецеденты D1/D2/ORCH-115; зафиксированные
+  инварианты конвейера не сломаны. ✔.
+
+### 3. Качество кода — PASS
+- never-raise соблюдён во всех публичных функциях (`applies`/`should_intercept`/`run_test_gate`/
+  `snapshot`/`write_test_report`/`run_smoke` — guarded; TC-01/TC-06/TC-11/TC-14 покрывают).
+- Лениво импортируются тяжёлые модули — leaf-чистота сохранена (импорт на уровне модуля только
+  `config`/`logging`/`proc_group`).
+- Тесты содержательные (14 TC + анти-дрейф TC-15), без живого Claude CLI/сети; покрывают happy/FAIL/
+  tool-error/never-raise/kill-switch/scope/smoke/observability.
+- Это feature-трек (не `Bug`), регресс-тест-фиксатор (ORCH-019 BR-4) не требуется; покрытие тем не
+  менее исчерпывающее.
+
+### 4. Документация — PASS (обязательная проверка)
+`src/` изменён → документация обновлена в том же PR, проверено пофайлово:
+- `CLAUDE.md` — новый раздел «Детерминированный test-раннер (ORCH-116)». ✔
+- `CHANGELOG.md` — детальная запись `[Unreleased]`. ✔
+- `docs/architecture/README.md` — компонент **Test-runner** + блок roadmap «второй срез реализован». ✔
+- `docs/architecture/internals.md` — примечание о перехвате на `testing`. ✔
+- `docs/architecture/llm-call-sites.md` (A5), `llm-determinization-roadmap.md` (rank 2),
+  `llm-usage-policy.md` (§5) — обновлены; **инвариант «ровно один `first_slice=yes`» сохранён**
+  (deployer=yes, tester=no), анти-дрейф `tests/test_llm_call_site_inventory.py` /
+  `test_llm_determinization_docs.py` — зелёные. ✔
+- Витрина `docs/overview/` (ORCH-011): `tech-pipeline.md` / `tech-agents.md` /
+  `tech-quality-security.md` обновлены; `tests/test_system_docs.py` зелёный. ✔
+- `.openclaw/agents/tester.md` — LLM-ветвь помечена fallback'ом (канон 52d цел). ✔
+- `.env.example` — все 7 ключей `ORCH_TEST_RUNNER_*`. ✔
+- ADR + сквозной `adr-0050` присутствуют. ✔
+
+## Тесты (AC-15)
+- `tests/test_orch116_test_runner.py` + LLM анти-дрейф — **45 passed**.
+- Полный регресс `pytest tests/ -q` — **2162 passed, 1 failed** (84s). Единственный фейл —
+  `tests/test_orch123_staging_runner_exec.py::test_r2_held_deploy_staging_not_rolled_back` (см. P2).
+
+## Findings
+
+### P0 — Blocker
+- (нет)
+
+### P1 — Must fix
+- (нет)
+
+### P2 — Should fix
+- **[Вне ORCH-116, для отдельного follow-up] Pre-existing test-isolation flake в ORCH-123.**
+  В полном прогоне падает `tests/test_orch123_staging_runner_exec.py::test_r2_held_deploy_staging_
+  not_rolled_back`. Доказано, что это **не** дефект ORCH-116: (1) тест зелёный в изоляции и в своём
+  файле; (2) фейл воспроизводится при прогоне полного сьюта **без** `tests/test_orch116_test_runner.py`
+  (`--ignore`) → 1 failed; (3) ORCH-116 не трогает `src/staging_runner.py` (граница O1, корректно).
+  Это загрязнение глобального состояния от соседнего теста в ORCH-123-коде (недавно влит в `main`).
+  AC-15 в части «ORCH-116 не краснит ранее зелёные тесты» удовлетворён. Рекомендация: завести
+  отдельный bug на изоляцию теста ORCH-123 — он вне области ORCH-116 и не должен блокировать этот PR.
+
+### P3 — Nice to have
+- `run_smoke` (`src/test_runner.py:291`) дублирует литерал `"http://localhost:8500"`, который уже
+  является дефолтом `settings.post_deploy_base_url`. Это безвредный defensive double-default
+  (`localhost`/`8500` НЕ в FORBIDDEN-списке `test_no_host_hardcodes` — нарушения нет); можно опереться
+  только на дефолт config. Косметика.
+- Smoke-провал из-за транзиентного блипа прод-8500 после bounded-ретраев даёт `FAIL` → откат +
+  расход developer-retry (формально инфра, трактуемая как код-фейл — родственно классу ORCH-110).
+  Архитектор **осознанно** взвесил это в ADR (D3 + Consequences «−»): bounded smoke-ретрай +
+  config-gate `test_runner_smoke_enabled` + developer-retry-cap; поведение эквивалентно прежнему
+  LLM-tester (`curl /health`). Принято как задокументированный компромисс; не блокирует.
+
+## Документация
+Обновлена в полном объёме в том же PR (см. ось 4). Изменение `src/` сопровождено обновлением
+паспорта, чейнджлога, архитектурной карты, internals, витрины `docs/overview/`, LLM-карты/roadmap/
+политики, промпта `tester.md`, `.env.example` и ADR (локальный + сквозной). Машинно-проверяемые факты
+витрины и LLM-карты держатся зелёными анти-дрейф-тестами. Требование «документация = golden source»
+выполнено → блокирующих документационных findings нет.
+
+## Вердикт
+Нет P0/P1, относящихся к ORCH-116. Все четыре оси (ТЗ, ADR/инварианты, качество кода, документация)
+пройдены; критические инварианты сохранены байт-в-байт; покрытие исчерпывающее. **APPROVED.**
+Единственный красный тест полного сьюта — pre-existing flake ORCH-123 (P2), доказанно независимый от
+ORCH-116 и вне его области правки.

docs/work-items/ORCH-116/13-test-report.md

@@ -0,0 +1,151 @@
+---
+result: PASS   # PASS | FAIL — машинный вердикт, UPPERCASE
+work_item: ORCH-116
+stage: testing
+author_agent: tester
+status: pass
+created_at: 2026-06-16
+model_used: claude-opus-4-8
+type: test-report
+work_item_id: ORCH-116
+---
+
+# Test Report — ORCH-116 — детерминированный test-раннер вместо LLM-тестера
+
+> Машинный вердикт читается ТОЛЬКО из frontmatter (`result:`; равнорангово `verdict:`/`status:`,
+> ORCH-047). Любой негативный токен авторитетен.
+
+## Окружение
+- Python: 3.12.13
+- pytest: 8.3.3
+- Дата: 2026-06-16
+- Worktree: `/repos/_wt/orchestrator/feature_ORCH-116-orch-replace-llm-tester-with-d`
+  (ветка `feature/ORCH-116-orch-replace-llm-tester-with-d`) — регресс прогнан в worktree ветки
+  задачи, НЕ в общем `/repos/orchestrator` (анти checkout-гонка).
+- Прод-контейнер 8500 не трогался; smoke — строго read-only GET.
+- Review-гейт: `12-review.md` → `verdict: APPROVED` ✔ (предусловие стадии выполнено).
+
+## Smoke API (read-only)
+
+| Эндпоинт | Результат |
+|----------|-----------|
+| `GET /health` | `{"status":"ok","service":"orchestrator"}` — **OK** |
+| `GET /status` | 200, активные задачи отдаются (вкл. ORCH-116, stage=testing) — **OK** |
+| `GET /queue` | 200; блок `serial_gate` присутствует ✔ (ORCH-088); блок `auto_labels` присутствует ✔ — **OK** |
+
+Примечание: блок `test_runner` (ORCH-116) в `/queue` прод-инстанса отсутствует — ожидаемо, т.к.
+прод исполняет до-ORCH-116 код (эта ветка ещё не задеплоена). Это не регресс смока: контрактные
+блоки `serial_gate`/`auto_labels` на месте.
+
+## Результаты
+
+### Полный регресс (`pytest tests/ -v --tb=short`, worktree ветки)
+- **2162 passed, 1 failed** (105.31s).
+- Профильная сюита `tests/test_orch116_test_runner.py` — **32 passed** (в изоляции, 2.64s).
+- Анти-дрейф LLM-карты `tests/test_llm_call_site_inventory.py` + `test_llm_determinization_docs.py`
+  — зелёные (в составе полного регресса).
+
+### Единственный красный — pre-existing flake ORCH-123, НЕ дефект ORCH-116
+
+`tests/test_orch123_staging_runner_exec.py::test_r2_held_deploy_staging_not_rolled_back`.
+
+Доказано независимым воспроизведением, что фейл **полностью независим** от ORCH-116 и пред-существует
+в `main` (анти-ложная-маршрутизация инфра/чужого фейла как код-фейла — класс ORCH-110):
+
+1. **Изоляция:** `pytest …::test_r2_held_deploy_staging_not_rolled_back` отдельно → **1 passed**.
+2. **Профильный файл ORCH-116:** `tests/test_orch116_test_runner.py` → **32 passed** (зелёный).
+3. **Полный регресс БЕЗ файла ORCH-116** (`--ignore=tests/test_orch116_test_runner.py`) → всё равно
+   **1 failed, 2130 passed** — тот же тест красный без участия нового кода тестов ORCH-116.
+4. **Чистый `origin/main` (`9c88fdd`), полный регресс** во временном worktree → **1 failed, 2130
+   passed**, падает РОВНО тот же тест. → флейк пред-существует в `main`, идентичный счётчик фейлов.
+5. **Граница правки:** `git diff origin/main...HEAD` НЕ затрагивает `src/staging_runner.py`,
+   `src/stages.py`, `src/qg/`, `src/stage_engine.py`. ORCH-116 физически не может влиять на этот тест.
+
+Итог сопоставления: ветка ORCH-116 = `2162 passed / 1 failed`; `main` = `2130 passed / 1 failed`.
+ORCH-116 добавляет **32 зелёных** теста и **не делает красным ни один ранее зелёный** — это
+кросс-тестовое загрязнение глобального состояния в коде ORCH-123 (недавно влит в `main`).
+**AC-15 FAIL-условие** («любой ранее зелёный тест становится красным / новые тесты падают») —
+**не наступило**; AC-15-интент NFR-1/NFR-5 («существующий конвейер не сломан») — выполнен.
+Рекомендация: завести отдельный bug на изоляцию `test_orch123_staging_runner_exec.py` (вне области
+ORCH-116, не должен блокировать этот PR). Согласуется с вердиктом reviewer (P2, APPROVED).
+
+### Сопоставление с тест-планом (`04-test-plan.yaml`)
+
+| TC ID | Тип | Описание (кратко) | Тест-функция / проверка | Результат |
+|-------|-----|-------------------|--------------------------|-----------|
+| TC-01 | unit | `applies(repo)`: kill-switch/CSV/контракт (BR-9)/never-raise | `test_tc01_*` | PASS |
+| TC-02 | unit | Маппинг exit→verdict (0→PASS, иначе/None→FAIL, единый контракт) | `test_tc02_map_exit_code` | PASS |
+| TC-03 | unit | Рендер `13-test-report.md`: `result:` UPPERCASE + 52c-схема | `test_tc03_report_render_schema_and_status_alignment` | PASS |
+| TC-04 | integration | Артефакт читается **неизменённым** `_parse_tests_verdict` | `test_tc04_gate_parser_unchanged`, `test_tc04_status_field_never_false_negatives_a_pass` | PASS |
+| TC-05 | integration | Перехват tester на `testing` до `_spawn`, нет `agent_runs`, `None` | `test_tc05_launch_job_intercepts_before_spawn` | PASS |
+| TC-06 | integration | Дискриминатор: не-`testing`/не-`tester` не перехват; never-raise→`False` | `test_tc06_*` | PASS |
+| TC-07 | integration | PASS→`advance_stage(finished_agent='tester')`; FAIL→откат+retry | `test_tc07_advance_initiated_like_llm[0-PASS]`, `[1-FAIL]` | PASS |
+| TC-08 | integration | Kill-switch off → `_spawn` (LLM-путь байт-в-байт) | `test_tc08_killswitch_falls_back_to_spawn` | PASS |
+| TC-09 | unit | Анти-дрейф NFR-1: STAGE_TRANSITIONS/QG_CHECKS/парсер/токены/схема БД целы | `test_tc09_pipeline_contract_unchanged` | PASS |
+| TC-10 | integration | Two-level outcome: tool-error→bounded DEFER→fail-closed FAIL+alert | `test_tc10_*` | PASS |
+| TC-11 | unit | never-raise/fail-safe: pytest бросает/таймаут→FAIL/DEFER, не клинит | `test_tc11_run_gate_never_raises`, `test_tc11_launcher_contains_runner_fault` | PASS |
+| TC-12 | unit | Изоляция/таймаут: proc_group tree-kill в worktree; малформ→дефолт 900+WARN | `test_tc12_*` | PASS |
+| TC-13 | unit | Self-hosting safety: нет запрещённых литералов; smoke read-only GET | `test_tc13_*` | PASS |
+| TC-14 | integration | Наблюдаемость: блок `test_runner` в `/queue`, структурный лог, гибрид | `test_tc14_*` | PASS |
+| TC-15 | integration | Анти-дрейф LLM-карты (A5/rank 2, «ровно один first_slice=yes») | `test_llm_call_site_inventory.py` / `test_llm_determinization_docs.py` | PASS |
+
+**Все 15 TC выполнены и сопоставлены; все PASS.**
+
+### Сопоставление с критериями приёмки (`03-acceptance-criteria.md`)
+
+| AC | Покрыт | Результат |
+|----|--------|-----------|
+| AC-1 Перехват на `testing` без `_spawn`/LLM | TC-05 | PASS |
+| AC-2 Контракт `13-test-report.md` неизменен | TC-03, TC-04 | PASS |
+| AC-3 exit-code→verdict маппинг (fail-closed) | TC-02 | PASS |
+| AC-4 Эквивалентность маршрутизации PASS/FAIL | TC-07 | PASS |
+| AC-5 Two-level outcome (tool-error ≠ code-fail) | TC-10 | PASS |
+| AC-6 Скоуп: гейты/стадии/схема БД не тронуты | TC-09 + `git diff` | PASS |
+| AC-7 Kill-switch и скоуп (обратимость) | TC-01, TC-08 | PASS |
+| AC-8 Backward-compat для репо без контракта | TC-01 | PASS |
+| AC-9 never-raise / fail-safe | TC-11 | PASS |
+| AC-10 Self-hosting safety | TC-13 | PASS |
+| AC-11 Изоляция процесса/таймаут (proc_group) | TC-12 | PASS |
+| AC-12 Гибрид: LLM не в control-path вердикта | TC-14 | PASS |
+| AC-13 Наблюдаемость | TC-14 | PASS |
+| AC-14 Норматив LLM-карты/политики/витрины | TC-15 + ревью оси 4 | PASS |
+| AC-15 Полный регресс зелёный | полный регресс | PASS* |
+
+\* AC-15: новые тесты зелёные, ни один ранее зелёный тест не покраснел из-за ORCH-116. Единственный
+красный — pre-existing flake ORCH-123 (идентичен на чистом `main`), вне области ORCH-116.
+
+## Вывод pytest (хвост полного регресса)
+
+```
+=================================== FAILURES ===================================
+_________________ test_r2_held_deploy_staging_not_rolled_back __________________
+tests/test_orch123_staging_runner_exec.py:462: in test_r2_held_deploy_staging_not_rolled_back
+    assert result is None                               # red gate -> stay, no advance call
+E   AssertionError: assert <MagicMock name='mock()' id='...'> is None
+=========================== short test summary info ============================
+FAILED tests/test_orch123_staging_runner_exec.py::test_r2_held_deploy_staging_not_rolled_back
+============ 1 failed, 2162 passed, 1 warning in 105.31s (0:01:45) =============
+```
+
+Контрольные прогоны (доказательство независимости от ORCH-116):
+```
+# тест в изоляции
+1 passed
+# профильный файл ORCH-116
+32 passed
+# полный регресс БЕЗ файла ORCH-116 (--ignore)
+1 failed, 2130 passed   (тот же тест красный)
+# чистый origin/main (9c88fdd), полный регресс
+1 failed, 2130 passed   (тот же тест красный)
+```
+
+## Итог
+
+**PASS.** Smoke OK (read-only `/health`/`/status`/`/queue`; `serial_gate` + `auto_labels` на месте).
+Профильная сюита (32) и анти-дрейф LLM-карты зелёные. Все 15 TC и 15 AC сопоставлены и пройдены.
+Единственный красный тест полного регресса — **pre-existing flake ORCH-123**
+(`test_r2_held_deploy_staging_not_rolled_back`), доказанно идентичный на чистом `origin/main`
+(`2130 passed / 1 failed`) и полностью независимый от ORCH-116 (граница правки не затрагивает
+`src/staging_runner.py`); ORCH-116 не делает красным ни один ранее зелёный тест и добавляет 32
+зелёных. AC-15-интент «существующий конвейер не сломан» выполнен. Рекомендован отдельный bug на
+изоляцию теста ORCH-123 (вне области этой задачи). Задача переходит на `deploy-staging`.

docs/work-items/ORCH-116/14-deploy-log.md

@@ -0,0 +1,12 @@
+---
+deploy_status: SUCCESS
+work_item: ORCH-116
+hook_exit_code: 0
+deployed_by: deploy-finalizer
+---
+
+# Deploy log — ORCH-036 executable self-deploy
+
+Прод-деплой завершён хост-хуком с exit-code `0` -> `deploy_status: SUCCESS`.
+
+Вердикт зафиксирован детерминированным finalizer'ом (Фаза C), не LLM.

docs/work-items/ORCH-116/15-staging-log.md

@@ -0,0 +1,46 @@
+---
+staging_status: SUCCESS
+work_item: ORCH-116
+stage: deploy-staging
+author_agent: staging-runner
+status: success
+created_at: 2026-06-16
+model_used: n/a
+exit_code: 0
+base_url: http://localhost:8501
+---
+
+# Staging Gate Log (deterministic runner, ORCH-115)
+
+Staging suite exit-code `0` -> `staging_status: SUCCESS`.
+
+Вердикт зафиксирован детерминированным staging-раннером (ORCH-115), не LLM. infra-tolerance (ORCH-061) уже учтена внутри `staging_check.py` — раннер её не пересуживает.
+
+INFRA-WAIVED lines (ORCH-061, copied for observability):
+- INFRA-WAIVED: C9a Branch appears in orchestrator-sandbox, C9b Analyst job enqueued in staging queue (known sandbox-infra; real checks green)
+
+Staging suite stdout (tail):
+```
+ (waiting for analyst job in queue)
+  ·        waiting... (waiting for analyst job in queue)
+  ·        waiting... (waiting for analyst job in queue)
+  ·        waiting... (waiting for analyst job in queue)
+  ·        waiting... (waiting for analyst job in queue)
+  ·        waiting... (waiting for analyst job in queue)
+  ✗ FAIL  C9b Analyst job enqueued in staging queue
+
+[CLEANUP]
+  ·      CLEANUP: no branch to delete
+  ✓ PASS  CLEANUP: deleted Plane issue d88719d1-378b-49d4-b4be-3cc30e9dca4f (HTTP 204)
+  ·      CLEANUP DB: no task row found for plane_id=d88719d1-378b-49d4-b4be-3cc30e9dca4f
+  ·      CLEANUP DB dedup: no such table: events_dedup
+
+============================================================
+  RESULT: 8/10 checks PASS
+  REAL failed         : none
+  SANDBOX_INFRA failed: ['C9a Branch appears in orchestrator-sandbox', 'C9b Analyst job enqueued in staging queue']
+============================================================
+  ·      tolerance: staging_infra_tolerance_enabled=True
+INFRA-WAIVED: C9a Branch appears in orchestrator-sandbox, C9b Analyst job enqueued in staging queue (known sandbox-infra; real checks green)
+VERDICT: SUCCESS (exit 0) — SUCCESS (infra-waived): ['C9a Branch appears in orchestrator-sandbox', 'C9b Analyst job enqueued in staging queue'] are known sandbox-infra checks; all real checks green
+```

docs/work-items/ORCH-116/17-security-report.md

@@ -0,0 +1,29 @@
+---
+security_status: PASS
+secrets_found: 0
+deps_blocking: 0
+deps_warning: 8
+deps_audit_degraded: false
+---
+# Security Report — ORCH-116
+
+Детерминированный security-гейт (ORCH-022): secret-scanning (gitleaks, offline) + dependency audit (pip-audit). Машинный вердикт читается ТОЛЬКО из frontmatter выше.
+
+## Verdict
+clean: 0 secrets, 0 blocking CVE(s)
+
+## Secrets
+- None
+
+## Dependencies (blocking)
+- None
+
+## Dependencies (warning)
+- `pytest==8.3.3` — GHSA-6w46-j5rx-g56g severity=UNKNOWN fix=9.0.3
+- `starlette==0.38.6` — PYSEC-2026-161 severity=UNKNOWN fix=1.0.1
+- `starlette==0.38.6` — GHSA-f96h-pmfr-66vw severity=UNKNOWN fix=0.40.0
+- `starlette==0.38.6` — GHSA-2c2j-9gv5-cj73 severity=UNKNOWN fix=0.47.2
+- `starlette==0.38.6` — GHSA-wqp7-x3pw-xc5r severity=UNKNOWN fix=1.1.0
+- `starlette==0.38.6` — GHSA-x746-7m8f-x49c severity=UNKNOWN fix=1.1.0
+- `starlette==0.38.6` — GHSA-82w8-qh3p-5jfq severity=UNKNOWN fix=1.3.1
+- `starlette==0.38.6` — GHSA-jp82-jpqv-5vv3 severity=UNKNOWN fix=1.3.0

src/agents/launcher.py

@@ -406,6 +406,17 @@ class AgentLauncher:
             from .. import staging_runner
             if staging_runner.should_intercept(job):
                 return self._run_staging_runner_job(job)
+        # ORCH-116: deterministic test-runner intercept (BEFORE _spawn). The LLM
+        # ``tester`` on the ``testing`` stage (self-hosting scope, repo with a
+        # test-contract) is replaced by a DETERMINISTIC test-runner (same precedent
+        # as deploy-finalizer / post-deploy-monitor / staging-runner). ``tester`` is
+        # the only agent entering ``testing``; the stage guard is defense-in-depth.
+        # Kill-switch off / out of scope / no contract -> should_intercept False ->
+        # the prior LLM tester runs via _spawn byte-for-byte.
+        if job.get("agent") == "tester":
+            from .. import test_runner
+            if test_runner.should_intercept(job):
+                return self._run_test_runner_job(job)
         return self._spawn(
             job["agent"],
             job["repo"],
@@ -457,6 +468,28 @@ class AgentLauncher:
                 pass
         return None
 
+    def _run_test_runner_job(self, job: dict):
+        """ORCH-116: run the deterministic test gate for a tester job on `testing`.
+
+        Not an LLM spawn — there is no subprocess/monitor of an agent, so we mark the
+        jobs row done/failed here (mirror of _run_staging_runner_job). The runner
+        never-raises, but we guard anyway so a runner fault can't wedge the worker.
+        Returns None (no agent_run row, _spawn not called).
+        """
+        from ..db import mark_job
+        from .. import test_runner
+        try:
+            test_runner.run_test_gate(job)
+            mark_job(job["id"], "done")
+            logger.info(f"test-runner job {job['id']} done")
+        except Exception as e:
+            logger.error(f"test-runner job {job['id']} failed: {e}")
+            try:
+                mark_job(job["id"], "failed", error=f"test-runner error: {e}")
+            except Exception:
+                pass
+        return None
+
     def _run_post_deploy_monitor_job(self, job: dict):
         """ORCH-021: run one deterministic post-deploy monitor tick for a job.
 

src/config.py

@@ -475,6 +475,57 @@ class Settings(BaseSettings):
     staging_runner_infra_retry_delay_s: int = 30
     staging_runner_exec_host_side: bool = True
 
+    # ORCH-116: deterministic test-runner replacing the LLM `tester` agent on the
+    # `testing` stage for the self-hosting orchestrator (second realised slice of the
+    # determinization-roadmap, A5/tester needs-hybrid-fallback; first was ORCH-115/
+    # deployer). A new leaf src/test_runner.py (never-raise) is intercepted in
+    # launch_job BEFORE _spawn (mirroring the deploy-finalizer / post-deploy-monitor /
+    # staging-runner precedent, launcher.py:397/402/405): it runs the SAME regression
+    # `python -m pytest <target>` in the task worktree via proc_group (tree-kill) +
+    # the read-only smoke (/health,/status,/queue + serial_gate block), maps the
+    # exit-code -> result: PASS|FAIL via the existing self_deploy.map_exit_code_to_status
+    # contract, writes 13-test-report.md, and initiates the EXISTING check_tests_passed
+    # gate exactly as a finished LLM-tester would. The artifact contract, the gate,
+    # STAGE_TRANSITIONS and the DB schema are byte-for-byte UNCHANGED — this only
+    # replaces the *producer* of the artifact. Pattern = staging_runner_* / coverage_gate_*.
+    # See docs/work-items/ORCH-116/06-adr/ADR-001-deterministic-test-runner.md and
+    # docs/architecture/adr/adr-0050-deterministic-test-runner.md.
+    #   test_runner_enabled            -> SINGLE kill-switch (env ORCH_TEST_RUNNER_ENABLED).
+    #                                     False -> the intercept never fires -> the prior
+    #                                     LLM tester runs on testing via _spawn byte-for-byte
+    #                                     as before ORCH-116 (D8/AC-7).
+    #   test_runner_repos              -> CSV scope (env ORCH_TEST_RUNNER_REPOS). Empty ->
+    #                                     self-hosting only (orchestrator) via
+    #                                     is_self_hosting_repo; non-empty -> membership.
+    #                                     A repo with no resolvable test-contract is never
+    #                                     intercepted even if listed (BR-9, _has_test_contract).
+    #   test_runner_target             -> pytest target of the test-contract (env
+    #                                     ORCH_TEST_RUNNER_TARGET; convention merge_retest_target).
+    #   test_runner_timeout_s          -> wall-clock budget for the pytest regression (env
+    #                                     ORCH_TEST_RUNNER_TIMEOUT_S). Malformed/non-positive ->
+    #                                     default + WARNING (never-break). Aligned with the
+    #                                     cross-cutting budget invariant ORCH-065/109/110 WITHOUT
+    #                                     touching reaper_max_running_s (D9): it replaces the
+    #                                     <=1800s LLM testing window (agent_timeout_seconds) with a
+    #                                     bounded <=900s deterministic one (Σ on the edge does not grow).
+    #   test_runner_smoke_enabled      -> optional read-only smoke (env ORCH_TEST_RUNNER_SMOKE_ENABLED).
+    #                                     False -> pytest exit-code is the sole signal (smoke skipped).
+    #   test_runner_infra_max_retries  -> tool-error (suite did NOT execute: spawn-error / timeout /
+    #                                     returncode None) bounded DEFER budget before a fail-closed
+    #                                     FAIL (env ORCH_TEST_RUNNER_INFRA_MAX_RETRIES). Mirrors
+    #                                     staging_runner_infra_max_retries — infra hiccup is NOT a
+    #                                     code-fault, so it never burns a developer-retry until the
+    #                                     budget is exhausted (D5, anti ORCH-110).
+    #   test_runner_infra_retry_delay_s-> delay before the re-queued tester job (env
+    #                                     ORCH_TEST_RUNNER_INFRA_RETRY_DELAY_S).
+    test_runner_enabled: bool = True
+    test_runner_repos: str = ""
+    test_runner_target: str = "tests/"
+    test_runner_timeout_s: int = 900
+    test_runner_smoke_enabled: bool = True
+    test_runner_infra_max_retries: int = 2
+    test_runner_infra_retry_delay_s: int = 30
+
     # ORCH-098 (FND/F2): machine lessons-journal — additive `lessons` table + leaf
     # src/lessons.py (never-raise observer, by образцу serial_gate/coverage_gate/
     # metrics). The journal is an OBSERVER, never a Quality Gate: writing a lesson

src/main.py

@@ -251,6 +251,7 @@ async def queue():
     from . import checkout_hygiene
     from . import transition_lease
     from . import staging_runner
+    from . import test_runner
     from .disk_watchdog import disk_watchdog
     from .build_cache_pruner import build_cache_pruner
     return {
@@ -304,6 +305,11 @@ async def queue():
         # failed/tool_error/deferred counters, so a code-fail FAILED is distinguishable
         # from an infra tool-error. Additive block; never-raise.
         "staging_runner": staging_runner.snapshot(),
+        # ORCH-116 (FR-8 / AC-13): deterministic test-runner observability (read-only)
+        # — kill-switch, scope, target, timeout/smoke/infra budget + run/pass/fail/
+        # tool_error/deferred counters, so a code-fail FAIL is distinguishable from an
+        # infra tool-error. Additive block; never-raise.
+        "test_runner": test_runner.snapshot(),
         # ORCH-098 (FR-4 / AC-4): lessons-journal observability (read-only) —
         # kill-switch + counts by type/status + last N lessons. Additive block;
         # never-raise (snapshot() returns {"enabled": ...} minimum on error).

src/test_runner.py

@@ -0,0 +1,705 @@
+"""Deterministic test-runner (ORCH-116).
+
+The ``testing`` stage for the self-hosting ``orchestrator`` repo was driven by the
+LLM ``tester`` agent, but its PASS/FAIL core is purely deterministic
+(``.openclaw/agents/tester.md`` steps 1-3): run the regression ``pytest tests/`` in
+the task worktree, do a read-only smoke (``/health`` / ``/status`` / ``/queue`` +
+``serial_gate`` block), map the exit-code to a verdict (``0 -> PASS``, else ``FAIL``)
+and write ``13-test-report.md`` with the machine frontmatter ``result: PASS|FAIL``.
+This leaf replaces that LLM consultation with deterministic code, intercepted in
+``launcher.launch_job`` BEFORE ``_spawn`` (the ``deploy-finalizer`` /
+``post-deploy-monitor`` / ``staging-runner`` reserved-agent precedent,
+``launcher.py:397/402/405``). It is the second realised slice of the
+determinization-roadmap (A5/tester, ``needs-hybrid-fallback``; the first was
+ORCH-115/deployer — ``src/staging_runner.py``).
+
+Hybrid nature (the key difference from ORCH-115): tester is
+``needs-hybrid-fallback``, not ``replace-deterministic-now``. Its PASS/FAIL core is
+fully derivable (pytest exit-code + smoke) and that is what this deterministic runner
+owns; a future OPTIONAL **off-control-path** LLM triage/diagnosis after a
+deterministic FAIL stays allowed (a separate role/job that never writes/overrides
+``result:`` and never adds a STAGE_TRANSITIONS edge). Phase 1 does NOT implement the
+triage but the architecture does not forbid it (D11/FR-9/AC-12).
+
+What is and is NOT changed (NFR-1, the critical invariant):
+  * UNCHANGED — the artifact contract (``13-test-report.md`` with ``result:
+    PASS|FAIL``), the gate ``check_tests_passed`` / ``_parse_tests_verdict``,
+    ``STAGE_TRANSITIONS``, the DB schema. This module replaces only the *producer* of
+    the artifact, never the gate that reads it.
+  * NEW — a deterministic producer + a launch_job intercept. Under a kill-switch +
+    repo-scope CSV + a test-contract resolve; fail-safe back to the LLM path when off
+    / out of scope / no contract.
+
+This module is a **leaf** (mirror of ``staging_runner`` / ``self_deploy`` /
+``proc_group``): it imports only ``config`` / ``logging`` / ``proc_group`` at module
+load; ``db`` / ``git_worktree`` / ``self_deploy.map_exit_code_to_status`` /
+``qg.checks`` / ``stage_engine.advance_stage`` / ``notifications`` are imported LAZILY
+inside functions so the heavy ``stage_engine`` is never pulled at import and no import
+cycle forms. Every public function honours a **never-raise** contract (AC-9): a test
+infra hiccup can never crash the worker / wedge the queue.
+
+Two-level outcome (D5 — the key safety decision, anti ORCH-110):
+  * the suite EXECUTED (a real exit-code, 0 or non-zero) -> trust the code:
+    ``0 -> PASS -> advance``; ``!=0 -> FAIL -> the existing rollback testing ->
+    development`` (same developer-retry path as a FAIL LLM verdict). A smoke failure
+    AND-s into ``FAIL`` (deterministic), it is NOT a tool-error.
+  * the suite did NOT execute (tool-error: spawn-error / timeout / ``returncode is
+    None``) -> an infra fault, NOT a code fault -> a bounded DEFER (re-queue a fresh
+    ``tester`` job with a delay + a restart-safe marker). On budget exhaustion ->
+    fail-closed ``FAIL`` + advance + alert. So the runner NEVER does a silent advance
+    / false green, and NEVER wedges the queue, but does NOT burn a developer-retry on
+    transient infra.
+"""
+
+import logging
+import time
+import urllib.error
+import urllib.request
+
+from .config import settings
+from . import proc_group
+
+logger = logging.getLogger("orchestrator.test_runner")
+
+# Default wall-clock budget for the pytest regression (D9). Kept <= the LLM testing
+# window it replaces (agent_timeout_seconds=1800) so Σ(work on the testing edge) does
+# not grow and the cross-cutting reaper invariant (ORCH-065/109/110) holds WITHOUT
+# touching reaper_max_running_s. 900s = ~74% headroom over the ~517s regression suite.
+_DEFAULT_TIMEOUT_S = 900
+
+_GIT_TIMEOUT = 60
+
+# Read-only smoke knobs (D3). Transient unreachability (connection refused / timeout)
+# is retried briefly before a FAIL so a single prod-8500 blip does not roll back a
+# healthy branch; a reachable-but-wrong-form response (non-200 / no serial_gate block)
+# is an immediate FAIL.
+_SMOKE_TIMEOUT_S = 5
+_SMOKE_MAX_ATTEMPTS = 3
+_SMOKE_BACKOFF_S = 1.0
+
+# Restart-safe DEFER marker (counted from the persisted jobs queue, mirror of
+# staging_runner._INFRA_RETRY_MARKER / stage_engine._merge_infra_retry_count). Embedded
+# verbatim in the re-queued job's task_content so a service restart never resets the
+# infra-retry budget.
+_INFRA_RETRY_MARKER = "test-runner infra-retry"
+
+# In-process observability counters (mirror staging_runner._STAGING_RUNNER_COUNTERS).
+_TEST_RUNNER_COUNTERS: dict = {
+    "runs": 0,          # run_test_gate entered
+    "pass": 0,          # suite ran, exit 0 + smoke ok -> PASS
+    "fail": 0,          # suite ran non-zero / smoke failed, OR infra budget exhausted -> FAIL
+    "tool_error": 0,    # suite did NOT execute (spawn-error / timeout / None)
+    "deferred": 0,      # bounded infra DEFER (re-queued)
+}
+
+
+def _bump(key: str) -> None:
+    """Increment an observability counter. Never raises."""
+    try:
+        _TEST_RUNNER_COUNTERS[key] += 1
+    except Exception:  # noqa: BLE001 - observability must never break a decision
+        pass
+
+
+# ---------------------------------------------------------------------------
+# Conditionality (D8 / FR-7 / AC-7 / AC-8)
+# ---------------------------------------------------------------------------
+def _has_test_contract(repo: str) -> bool:
+    """Whether a test-contract (regression + smoke) is resolvable for ``repo`` (BR-9).
+
+    In Phase 1 the contract is known by default ONLY for the self-hosting repo
+    (``orchestrator`` — ``pytest tests/`` + the read-only smoke); for every other repo
+    there is no contract yet (Phase 2 project test-contract) -> ``applies`` is False ->
+    the prior LLM-tester runs (fail-safe, AC-8). This makes AC-8 checkable: even if a
+    non-self repo (e.g. ``enduro-trails``) is hand-added to ``test_runner_repos``,
+    ``_has_test_contract`` returns False -> it is never intercepted. never-raise.
+    """
+    try:
+        from .qg.checks import is_self_hosting_repo
+        return is_self_hosting_repo(repo)
+    except Exception as e:  # noqa: BLE001 - never-raise contract
+        logger.warning("test_runner._has_test_contract error for %s: %s", repo, e)
+        return False
+
+
+def applies(repo: str) -> bool:
+    """Whether the deterministic test-runner is REAL for ``repo``.
+
+    Mirrors ``staging_runner.applies`` / ``coverage_gate``:
+      * ``test_runner_enabled=False`` -> always False (global kill-switch); the legacy
+        LLM-tester path runs on ``testing`` via ``_spawn``.
+      * ``test_runner_repos`` (CSV) non-empty -> only the listed repos.
+      * empty CSV -> only the self-hosting repo (``orchestrator``).
+      * AND a test-contract is resolvable for the repo (BR-9, ``_has_test_contract``).
+    Checked FIRST in ``should_intercept`` (local, no network, no DB) so a disabled flag
+    costs nothing. never-raise -> False (fail-safe to the prior LLM path).
+    """
+    try:
+        if not settings.test_runner_enabled:
+            return False
+        raw = (settings.test_runner_repos or "").strip()
+        if raw:
+            allowed = {r.strip().lower() for r in raw.split(",") if r.strip()}
+            in_scope = (repo or "").strip().lower() in allowed
+        else:
+            # Lazy import keeps this module a leaf (no qg import at module load).
+            from .qg.checks import is_self_hosting_repo
+            in_scope = is_self_hosting_repo(repo)
+        if not in_scope:
+            return False
+        return _has_test_contract(repo)
+    except Exception as e:  # noqa: BLE001 - never-raise contract
+        logger.warning("test_runner.applies error for %s: %s", repo, e)
+        return False
+
+
+def should_intercept(job: dict) -> bool:
+    """True iff this ``tester`` job is the deterministic test-suite job (D1).
+
+    ``tester`` is the ONLY agent that enters the ``testing`` stage
+    (``STAGE_TRANSITIONS["review"]["agent"]``), so there is no stage collision as
+    there was for the shared ``deployer`` role (ORCH-115); the
+    ``tasks.stage == "testing"`` guard is kept as defense-in-depth (R-1) — it stops a
+    stray future ``tester`` job outside ``testing`` from being intercepted. Intercept
+    iff ``agent == "tester"`` AND ``applies(repo)`` AND ``tasks.stage == "testing"``.
+
+    never-raise -> False (a DB-lookup failure falls through to ``_spawn``, fail-safe to
+    the prior LLM path).
+    """
+    try:
+        if (job.get("agent") or "") != "tester":
+            return False
+        # applies() FIRST (local, no DB): disabled flag -> zero DB overhead.
+        if not applies(job.get("repo")):
+            return False
+        task_id = job.get("task_id")
+        if task_id is None:
+            return False
+        from .db import get_db
+        conn = get_db()
+        row = conn.execute("SELECT stage FROM tasks WHERE id=?", (task_id,)).fetchone()
+        conn.close()
+        if not row:
+            return False
+        return (row[0] or "") == "testing"
+    except Exception as e:  # noqa: BLE001 - never-raise contract
+        logger.warning("test_runner.should_intercept error: %s", e)
+        return False
+
+
+# ---------------------------------------------------------------------------
+# Suite execution (D3 / FR-2 / NFR-3 / AC-9 / AC-11)
+# ---------------------------------------------------------------------------
+def build_test_command() -> list[str]:
+    """Build the canonical regression argv (the same command the LLM-tester ran).
+
+    ``python -m pytest <test_runner_target> -q`` (default ``tests/``, convention
+    ``merge_retest_target``). Self-hosting safety (BR-7 / AC-10 / TC-13): NO restart of
+    8500, NO ``docker compose up orchestrator`` / ``--build``, NO force-push, NO
+    ``.env`` edit — the runner only executes pytest in the task worktree and does
+    read-only GETs.
+    """
+    target = (settings.test_runner_target or "tests/").strip() or "tests/"
+    return ["python", "-m", "pytest", target, "-q"]
+
+
+def _resolve_timeout() -> int:
+    """Resolve ``test_runner_timeout_s`` (malformed/non-positive -> default + WARNING,
+    never-break — mirror of ``staging_runner._resolve_timeout`` /
+    ``merge_gate._resolve_retest_timeout``)."""
+    raw = getattr(settings, "test_runner_timeout_s", _DEFAULT_TIMEOUT_S)
+    try:
+        t = int(raw)
+        if t > 0:
+            return t
+        logger.warning(
+            "test_runner_timeout_s non-positive (%r) -> default %ds", raw, _DEFAULT_TIMEOUT_S
+        )
+    except (TypeError, ValueError):
+        logger.warning(
+            "test_runner_timeout_s malformed (%r) -> default %ds", raw, _DEFAULT_TIMEOUT_S
+        )
+    return _DEFAULT_TIMEOUT_S
+
+
+def run_test_suite(repo: str, branch: str) -> proc_group.ProcResult:
+    """Execute the pytest regression IN THE TASK WORKTREE, tree-killed on timeout.
+
+    Runs in ``git_worktree.get_worktree_path(repo, branch)`` (NOT the shared
+    ``/repos/orchestrator`` — anti checkout-race, the same context coverage-gate /
+    merge-gate re-test use) through ``proc_group.run_in_process_group`` (ORCH-110) so a
+    hung pytest subtree is killed whole (no orphans, AC-11). Never raises (proc_group
+    degrades any OS error to a safe ``ProcResult``; a missing worktree -> a ProcResult
+    with ``returncode is None`` -> the tool-error DEFER path).
+    """
+    cmd = build_test_command()
+    timeout = _resolve_timeout()
+    try:
+        grace = float(getattr(settings, "agent_kill_grace_seconds", 5) or 5)
+    except (TypeError, ValueError):
+        grace = 5.0
+    try:
+        from .git_worktree import get_worktree_path
+        wt = get_worktree_path(repo, branch)
+    except Exception as e:  # noqa: BLE001 - never-raise -> tool-error DEFER
+        logger.error("run_test_suite: worktree error for %s/%s: %s", repo, branch, e)
+        return proc_group.ProcResult(returncode=None, stdout="", stderr=str(e), timed_out=False)
+    return proc_group.run_in_process_group(
+        cmd,
+        cwd=wt,
+        timeout=timeout,
+        grace_s=grace,
+        tree_kill=bool(getattr(settings, "subprocess_tree_kill_enabled", True)),
+    )
+
+
+# ---------------------------------------------------------------------------
+# Read-only smoke (D3 / FR-2 / AC-10) — stdlib urllib, never-raise
+# ---------------------------------------------------------------------------
+def _http_get(url: str) -> tuple[int, str]:
+    """GET ``url`` -> (http_code, body). Network/timeout -> (0, ""). Never raises.
+
+    Mirror of ``post_deploy._http_status`` (stdlib only, no httpx import at module
+    load — keeps the leaf pure). ``urllib`` raises ``HTTPError`` for >=400 responses;
+    that is treated as a real status code (so a 5xx is observed, not swallowed)."""
+    try:
+        with urllib.request.urlopen(url, timeout=_SMOKE_TIMEOUT_S) as resp:  # noqa: S310
+            body = resp.read(8192).decode("utf-8", "replace")
+            return int(getattr(resp, "status", resp.getcode())), body
+    except urllib.error.HTTPError as e:
+        try:
+            body = e.read(8192).decode("utf-8", "replace")
+        except Exception:  # noqa: BLE001
+            body = ""
+        return int(e.code), body
+    except Exception as e:  # noqa: BLE001 - URLError / socket timeout / anything
+        logger.warning("test_runner smoke GET error for %s: %s", url, e)
+        return 0, ""
+
+
+def run_smoke() -> tuple[bool, str]:
+    """Read-only smoke against the running orchestrator (D3). Returns (ok, detail).
+
+    Strictly read-only GETs (BR-7/AC-10): ``/health`` (HTTP 200), ``/status`` (HTTP
+    200), ``/queue`` (HTTP 200 AND the ``serial_gate`` block present, ORCH-088). A
+    transient unreachability (code 0 = connection refused / timeout) is retried up to
+    ``_SMOKE_MAX_ATTEMPTS`` with a short backoff before FAIL (anti-flap, so a single
+    prod blip does not roll back a healthy branch); a reachable-but-wrong-form response
+    (non-200 / missing serial_gate) is an immediate FAIL. never-raise -> (False, detail)
+    on any unexpected error."""
+    try:
+        base = (settings.post_deploy_base_url or "http://localhost:8500").rstrip("/")
+    except Exception as e:  # noqa: BLE001 - never-raise
+        logger.warning("test_runner.run_smoke: base url error: %s", e)
+        return False, f"smoke base-url error: {e}"
+
+    # (path, validator(code, body) -> (ok, immediate_fail, note))
+    def _ok_200(code: int, body: str) -> tuple[bool, bool, str]:
+        if code == 200:
+            return True, False, ""
+        if code == 0:
+            return False, False, "unreachable"  # transient -> retryable
+        return False, True, f"HTTP {code}"       # reachable wrong form -> immediate FAIL
+
+    def _queue_ok(code: int, body: str) -> tuple[bool, bool, str]:
+        if code == 0:
+            return False, False, "unreachable"
+        if code != 200:
+            return False, True, f"HTTP {code}"
+        if "serial_gate" not in (body or ""):
+            return False, True, "no serial_gate block"
+        return True, False, ""
+
+    checks = (("/health", _ok_200), ("/status", _ok_200), ("/queue", _queue_ok))
+    for path, validator in checks:
+        url = base + path
+        note = "unreachable"
+        for attempt in range(1, _SMOKE_MAX_ATTEMPTS + 1):
+            code, body = _http_get(url)
+            ok, immediate_fail, note = validator(code, body)
+            if ok:
+                break
+            if immediate_fail:
+                return False, f"smoke {path} failed: {note}"
+            # transient (unreachable) -> bounded retry before declaring FAIL.
+            if attempt < _SMOKE_MAX_ATTEMPTS:
+                time.sleep(_SMOKE_BACKOFF_S)
+        else:
+            return False, f"smoke {path} {note} after {_SMOKE_MAX_ATTEMPTS} attempts"
+    return True, "smoke ok (/health, /status, /queue + serial_gate)"
+
+
+# ---------------------------------------------------------------------------
+# exit-code -> result: (D4 / FR-3 / AC-3) — reuse the single contract, no 2nd mapping
+# ---------------------------------------------------------------------------
+def map_exit_code_to_result(exit_code) -> str:
+    """``0 -> PASS``; non-zero / None / non-int -> ``FAIL`` (fail-closed).
+
+    A thin token-translator over ``self_deploy.map_exit_code_to_status`` — the SAME
+    pure, unit-tested ``0->SUCCESS`` contract the deploy-finalizer / staging-runner use
+    (BR-4: no second, drifting mapping). Only the tokens differ (``result:`` uses
+    ``PASS``/``FAIL``, the ``_TESTS_POSITIVE_TOKENS`` / ``_TESTS_NEGATIVE_TOKENS`` the
+    gate reads), not the logic."""
+    from .self_deploy import map_exit_code_to_status as _map
+    return "PASS" if _map(exit_code) == "SUCCESS" else "FAIL"
+
+
+# ---------------------------------------------------------------------------
+# Artifact 13-test-report.md (D6 / FR-4 / AC-2) — mirror write_staging_log
+# ---------------------------------------------------------------------------
+def build_test_report(
+    work_item_id: str, exit_code, result: str, stdout: str = "",
+    smoke: str = "skipped", *, tool_error: bool = False,
+) -> str:
+    """Render a ``13-test-report.md`` body whose ``result:`` frontmatter is the verdict
+    ``check_tests_passed`` / ``_parse_tests_verdict`` reads (contract UNCHANGED, AC-2).
+    Carries the mandatory 52c schema; ``author_agent: test-runner`` / ``model_used:
+    n/a`` honestly reflect the DETERMINISTIC producer. The machine key ``result:`` and
+    its UPPERCASE value are NOT changed.
+
+    D6.1 (the tester-specific mine, absent in ORCH-115): ``_parse_tests_verdict`` reads
+    the verdict from THREE equal-rank fields — ``verdict:`` / ``status:`` / ``result:``
+    — with negative-token priority. The 52c-mandatory ``status:`` is therefore read by
+    the SAME parser, so it MUST be aligned with the verdict and never contradict
+    ``result:``: ``PASS -> status: success`` (``SUCCESS`` is neither a positive nor a
+    negative token; the positive ``PASS`` comes from ``result:`` -> the parser gives
+    True); ``FAIL -> status: failed`` (``FAILED`` is a negative token, consistent with
+    ``FAIL`` -> False). A ``status:`` literal carrying a negative token at ``result:
+    PASS`` would be a false FAIL of a healthy run (reviewer ≥P1).
+
+    Written as a literal block (mirror of ``staging_runner.build_staging_log``) so the
+    machine-read frontmatter is byte-exact; only the frontmatter is machine-read, the
+    body is informational."""
+    import datetime
+    created = datetime.date.today().isoformat()
+    sub_status = "success" if result == "PASS" else "failed"
+
+    tail = ""
+    if stdout:
+        tail_text = stdout.strip()[-1500:]
+        if tail_text:
+            tail = f"\npytest stdout (tail):\n```\n{tail_text}\n```\n"
+
+    note = (
+        "Regression suite did NOT execute (tool-error) and the infra-retry budget was "
+        "exhausted -> fail-closed FAIL."
+        if tool_error
+        else f"pytest exit-code `{exit_code}` -> `result: {result}` (smoke: {smoke})."
+    )
+
+    return (
+        "---\n"
+        f"result: {result}\n"
+        f"work_item: {work_item_id}\n"
+        "stage: testing\n"
+        "author_agent: test-runner\n"
+        f"status: {sub_status}\n"
+        f"created_at: {created}\n"
+        "model_used: n/a\n"
+        f"exit_code: {exit_code}\n"
+        f"smoke: {smoke}\n"
+        "---\n\n"
+        "# Test Gate Log (deterministic runner, ORCH-116)\n\n"
+        f"{note}\n\n"
+        "Вердикт зафиксирован детерминированным test-раннером (ORCH-116), не LLM. "
+        "PASS/FAIL = exit-код `pytest` + read-only smoke (`/health`, `/status`, "
+        "`/queue` + блок `serial_gate`).\n"
+        f"{tail}"
+    )
+
+
+def write_test_report(
+    repo: str, work_item_id: str, branch: str, exit_code, result: str,
+    stdout: str = "", smoke: str = "skipped", *, tool_error: bool = False,
+) -> bool:
+    """Write ``13-test-report.md`` into the task worktree (so ``check_tests_passed``
+    reads it) and best-effort commit+push it to the FEATURE BRANCH. Returns True iff
+    the file was written. Never raises.
+
+    Mirror of ``staging_runner.write_staging_log``: the actor name is ``test-runner``
+    and the log is pushed only to the feature branch — there is NO separate PR-merge of
+    the log into ``main`` (the gate reads the worktree first via ``_repo_path``;
+    excluding any direct work on ``main`` strengthens AC-10 / BR-7). The feature branch
+    is merged into ``main`` later by the normal merge-gate path."""
+    import os
+    import subprocess
+    from .git_worktree import get_worktree_path
+
+    rel = f"docs/work-items/{work_item_id}/13-test-report.md"
+    try:
+        wt = get_worktree_path(repo, branch)
+    except Exception as e:  # noqa: BLE001 - never-raise
+        logger.error("write_test_report: worktree error for %s/%s: %s", repo, branch, e)
+        return False
+
+    path = os.path.join(wt, rel)
+    content = build_test_report(
+        work_item_id, exit_code, result, stdout, smoke, tool_error=tool_error
+    )
+    try:
+        os.makedirs(os.path.dirname(path), exist_ok=True)
+        with open(path, "w", encoding="utf-8") as f:
+            f.write(content)
+    except OSError as e:
+        logger.error("write_test_report: write error at %s: %s", path, e)
+        return False
+
+    # Best-effort commit + push to the feature branch (the gate also falls back to
+    # origin/main). ORCH-101: HOME + email domain from Settings; the actor NAME stays
+    # the platform literal `test-runner` (deterministic system-actor commits).
+    _email = f"test-runner@{settings.git_email_domain}"
+    git_env = {
+        **os.environ,
+        "HOME": settings.agent_home_dir,
+        "GIT_AUTHOR_NAME": "test-runner",
+        "GIT_AUTHOR_EMAIL": _email,
+        "GIT_COMMITTER_NAME": "test-runner",
+        "GIT_COMMITTER_EMAIL": _email,
+    }
+    try:
+        subprocess.run(["git", "-C", wt, "add", rel],
+                       capture_output=True, timeout=_GIT_TIMEOUT, env=git_env)
+        commit = subprocess.run(
+            ["git", "-C", wt, "commit", "-m",
+             f"test(ORCH-116): test gate {result} for {work_item_id}"],
+            capture_output=True, text=True, timeout=_GIT_TIMEOUT, env=git_env,
+        )
+        if commit.returncode == 0:
+            subprocess.run(["git", "-C", wt, "push", "origin", branch],
+                           capture_output=True, timeout=_GIT_TIMEOUT, env=git_env)
+    except (subprocess.SubprocessError, OSError) as e:
+        logger.warning("write_test_report: git commit/push best-effort failed: %s", e)
+    return True
+
+
+# ---------------------------------------------------------------------------
+# Existing-gate initiation (D7 / FR-5 / AC-4) — no new routing branch
+# ---------------------------------------------------------------------------
+def _advance(task_id, repo: str, work_item_id: str, branch: str) -> None:
+    """Initiate the SAME ``advance_stage`` evaluation a finished LLM-tester would
+    (``finished_agent="tester"`` on ``testing``): PASS -> ``testing -> deploy-staging``;
+    FAIL -> the existing rollback ``testing -> development`` + developer-retry
+    (``stage_engine.py:849``, matched by ``agent == "tester" and qg_name ==
+    "check_tests_passed"`` — ``finished_agent="tester"`` is MANDATORY, R-2). No new
+    routing branch. The transition-lease (ORCH-114) is taken INSIDE advance_stage on
+    the side-effectful edge — the runner never touches it (task boundary O1).
+    never-raise."""
+    try:
+        from . import stage_engine
+        stage_engine.advance_stage(
+            task_id=task_id,
+            current_stage="testing",
+            repo=repo,
+            work_item_id=work_item_id,
+            branch=branch,
+            finished_agent="tester",
+        )
+    except Exception as e:  # noqa: BLE001 - never-raise into the worker
+        logger.error(
+            "test_runner._advance: advance_stage failed for task %s (%s): %s",
+            task_id, work_item_id, e,
+        )
+
+
+# ---------------------------------------------------------------------------
+# Two-level outcome (D5) — tool-error DEFER bookkeeping
+# ---------------------------------------------------------------------------
+def _infra_retry_count(task_id) -> int:
+    """How many times this task was re-queued by the tool-error DEFER path
+    (restart-safe; counted from the persisted jobs queue by the marker — mirror of
+    ``staging_runner._infra_retry_count``). Never raises -> 0 on error."""
+    try:
+        from .db import get_db
+        conn = get_db()
+        n = conn.execute(
+            "SELECT COUNT(*) FROM jobs WHERE task_id=? AND task_content LIKE ?",
+            (task_id, f"%{_INFRA_RETRY_MARKER}%"),
+        ).fetchone()[0]
+        conn.close()
+        return int(n)
+    except Exception as e:  # noqa: BLE001 - never-raise
+        logger.warning("test_runner._infra_retry_count error for %s: %s", task_id, e)
+        return 0
+
+
+def _handle_tool_error(
+    task_id, repo: str, work_item_id: str, branch: str, result: proc_group.ProcResult
+) -> None:
+    """Suite did NOT execute (tool-error) -> bounded DEFER, then fail-closed (D5).
+
+    Anti ORCH-110: an infra fault is NOT a code fault, so we re-queue a fresh
+    ``tester`` job (which re-enters this runner on the still-``testing`` task) with a
+    delay instead of an immediate FAIL-rollback that would burn a developer-retry. On
+    budget exhaustion -> write ``result: FAIL`` + advance (the existing rollback) + an
+    INFRA-specific alert (explicitly "not a code defect"). Never a silent advance /
+    false green; never wedges the queue. never-raise."""
+    retries = _infra_retry_count(task_id)
+    try:
+        max_retries = int(settings.test_runner_infra_max_retries)
+    except (TypeError, ValueError):
+        max_retries = 2
+    try:
+        delay = int(settings.test_runner_infra_retry_delay_s)
+    except (TypeError, ValueError):
+        delay = 30
+
+    if retries < max_retries:
+        _bump("deferred")
+        reason = "timeout" if result.timed_out else "suite did not execute (tool-error)"
+        task_desc = (
+            f"Work item: {work_item_id}\nRepo: {repo}\nBranch: {branch}\n"
+            f"Stage: testing\nNote: {_INFRA_RETRY_MARKER} "
+            f"(attempt {retries + 1}/{max_retries}) — {reason}, retrying after {delay}s."
+        )
+        try:
+            from .db import enqueue_job
+            new_job = enqueue_job(
+                "tester", repo, task_desc, task_id=task_id, available_at_delay_s=delay,
+            )
+            logger.warning(
+                "Task %s (%s): regression suite did not execute (%s) -> infra-DEFER "
+                "(job_id=%s, attempt %d/%d)",
+                task_id, work_item_id, reason, new_job, retries + 1, max_retries,
+            )
+        except Exception as e:  # noqa: BLE001 - never-raise
+            logger.error("test_runner: infra-DEFER enqueue failed for %s: %s", task_id, e)
+        return
+
+    # Budget exhausted -> fail-closed FAIL (terminal, never a false green).
+    _bump("fail")
+    logger.error(
+        "Task %s (%s): test tool-error DEFER budget exhausted (%d) -> fail-closed FAIL",
+        task_id, work_item_id, max_retries,
+    )
+    write_test_report(repo, work_item_id, branch, result.returncode, "FAIL",
+                      result.stdout, "skipped", tool_error=True)
+    _alert_infra_exhausted(work_item_id, max_retries)
+    _advance(task_id, repo, work_item_id, branch)
+
+
+def _alert_infra_exhausted(work_item_id: str, max_retries: int) -> None:
+    """Best-effort Telegram alert that the regression suite never executed (infra, NOT
+    a code defect) after the retry budget. never-raise."""
+    try:
+        from .notifications import send_telegram, link_for
+        send_telegram(
+            f"\U0001f6a8 {link_for(work_item_id)}: регресс-сюита не запустилась "
+            f"(инфра, НЕ дефект кода) после {max_retries} попыток — fail-closed FAIL, "
+            f"откат на development. Нужно проверить тест-окружение."
+        )
+    except Exception as e:  # noqa: BLE001 - never-raise
+        logger.warning("test_runner: infra-exhausted alert failed for %s: %s", work_item_id, e)
+
+
+# ---------------------------------------------------------------------------
+# Entry point (D2) — owns the full deterministic flow, mirror run_staging_gate
+# ---------------------------------------------------------------------------
+def run_test_gate(job: dict) -> None:
+    """Deterministic test gate for a ``tester`` job on ``testing``.
+
+    Flow (mirror of ``staging_runner.run_staging_gate``):
+      1. resolve ``work_item_id`` / ``branch`` by ``task_id``;
+      2. execute the regression suite in the worktree (D3) -> ProcResult;
+      3. suite EXECUTED -> map exit-code (+ smoke) -> ``result:``, write
+         ``13-test-report.md``, initiate the existing gate via ``advance_stage`` (D7);
+      4. suite did NOT execute (tool-error) -> bounded DEFER / fail-closed (D5);
+      5. observability counters + one structured verdict log (D10).
+    Never raises into the caller (the launcher marks the job done/failed)."""
+    started = time.time()
+    _bump("runs")
+    task_id = job.get("task_id")
+    repo = job.get("repo")
+
+    # 1. resolve task fields.
+    work_item_id, branch = None, None
+    try:
+        from .db import get_db
+        conn = get_db()
+        row = conn.execute(
+            "SELECT work_item_id, branch FROM tasks WHERE id=?", (task_id,)
+        ).fetchone()
+        conn.close()
+        if row:
+            work_item_id, branch = row[0], row[1]
+    except Exception as e:  # noqa: BLE001 - never-raise
+        logger.error("test_runner: task lookup failed for task_id=%s: %s", task_id, e)
+    if not work_item_id or not branch:
+        logger.error(
+            "test_runner: missing work_item_id/branch for task_id=%s — aborting", task_id
+        )
+        return
+
+    # 2-4. execute + classify + route — guarded so AC-9 (never-raise) holds even if an
+    # unexpected error escapes a sub-step (the worker must never crash on test infra;
+    # the task is left on testing for the reconciler/reaper to re-drive).
+    try:
+        result = run_test_suite(repo, branch)
+        duration_s = round(time.time() - started, 1)
+        suite_ran = (result.returncode is not None) and (not result.timed_out)
+
+        if suite_ran:
+            # 3. trust the exit-code; AND-in the read-only smoke (D3).
+            exit_verdict = map_exit_code_to_result(result.returncode)
+            smoke_state = "skipped"
+            verdict = exit_verdict
+            if exit_verdict == "PASS" and bool(getattr(settings, "test_runner_smoke_enabled", True)):
+                smoke_ok, smoke_detail = run_smoke()
+                smoke_state = "ok" if smoke_ok else "failed"
+                if not smoke_ok:
+                    verdict = "FAIL"
+                    logger.warning(
+                        "test_runner: pytest green but smoke FAILED for %s: %s",
+                        work_item_id, smoke_detail,
+                    )
+            _bump("pass" if verdict == "PASS" else "fail")
+            logger.info(
+                "test_runner verdict: work_item=%s repo=%s exit_code=%s result=%s "
+                "smoke=%s duration_s=%s outcome=%s",
+                work_item_id, repo, result.returncode, verdict, smoke_state, duration_s,
+                "code-pass" if verdict == "PASS" else "code-fail",
+            )
+            write_test_report(repo, work_item_id, branch, result.returncode, verdict,
+                              result.stdout, smoke_state)
+            _advance(task_id, repo, work_item_id, branch)
+            return
+
+        # 4. tool-error (suite did not execute) -> DEFER / fail-closed (D5).
+        _bump("tool_error")
+        logger.warning(
+            "test_runner verdict: work_item=%s repo=%s exit_code=%s result=%s "
+            "duration_s=%s outcome=tool-error (timed_out=%s)",
+            work_item_id, repo, result.returncode, "TOOL-ERROR", duration_s, result.timed_out,
+        )
+        _handle_tool_error(task_id, repo, work_item_id, branch, result)
+    except Exception as e:  # noqa: BLE001 - never-raise into the worker (AC-9)
+        logger.error(
+            "test_runner.run_test_gate: unexpected error for task %s (%s): %s",
+            task_id, work_item_id, e,
+        )
+
+
+# ---------------------------------------------------------------------------
+# Observability (D10 / FR-8 / AC-13)
+# ---------------------------------------------------------------------------
+def snapshot() -> dict:
+    """Read-only test-runner summary for ``GET /queue`` (FR-8 / AC-13).
+
+    Additive block; existing ``/queue`` keys are untouched. never-raise: any error ->
+    a minimal dict with the kill-switch state."""
+    try:
+        return {
+            "enabled": bool(settings.test_runner_enabled),
+            "repos": getattr(settings, "test_runner_repos", "") or "",
+            "target": getattr(settings, "test_runner_target", "tests/") or "tests/",
+            "timeout_s": getattr(settings, "test_runner_timeout_s", _DEFAULT_TIMEOUT_S),
+            "smoke_enabled": bool(getattr(settings, "test_runner_smoke_enabled", True)),
+            "infra_max_retries": getattr(settings, "test_runner_infra_max_retries", 2),
+            "runs": _TEST_RUNNER_COUNTERS["runs"],
+            "pass": _TEST_RUNNER_COUNTERS["pass"],
+            "fail": _TEST_RUNNER_COUNTERS["fail"],
+            "tool_error": _TEST_RUNNER_COUNTERS["tool_error"],
+            "deferred": _TEST_RUNNER_COUNTERS["deferred"],
+        }
+    except Exception as e:  # noqa: BLE001 - never-raise -> minimal dict
+        logger.warning("test_runner.snapshot error: %s", e)
+        return {"enabled": False}

tests/test_orch116_test_runner.py

@@ -0,0 +1,560 @@
+"""ORCH-116 — deterministic test-runner replacing the LLM tester on the `testing`
+stage (self-hosting orchestrator).
+
+Covers Phase 1 (04-test-plan.yaml TC-01…TC-14): the launch_job intercept BEFORE
+_spawn, the exit-code -> result: PASS|FAIL mapping, 13-test-report.md render + the
+UNCHANGED gate contract (incl. the tester-specific D6.1 52c-`status:`↔parser
+anti-collision), advance_stage initiation, kill-switch / scope / backward-compat for a
+repo without a test-contract, never-raise / fail-safe, the bounded tool-error DEFER
+(anti ORCH-110), process timeout (proc_group / worktree), read-only smoke, self-hosting
+safety, the anti-drift invariant (STAGE_TRANSITIONS / QG_CHECKS / check_tests_passed /
+_parse_tests_verdict / DB schema untouched), and the /queue observability block.
+
+No live Claude CLI, network or worktree git: the pytest subprocess, the smoke GETs and
+advance_stage are mocked; the pure mapping/render is tested directly. (TC-15 — the LLM
+call-site map anti-drift — lives in tests/test_llm_call_site_inventory.py /
+test_llm_determinization_docs.py and is asserted green here too.)
+"""
+import os
+import tempfile
+
+import pytest
+
+_test_db = os.path.join(tempfile.gettempdir(), "test_orch116_test_runner.db")
+os.environ["ORCH_DB_PATH"] = _test_db
+os.environ["ORCH_REPOS_DIR"] = tempfile.gettempdir()
+os.environ.setdefault("ORCH_GITEA_TOKEN", "test-token")
+os.environ.setdefault("ORCH_PLANE_API_TOKEN", "test-token")
+
+from unittest.mock import MagicMock  # noqa: E402
+
+import src.db as _db  # noqa: E402
+from src.db import init_db, get_db, enqueue_job  # noqa: E402
+from src import test_runner  # noqa: E402
+from src import stage_engine  # noqa: E402
+from src import config as cfg  # noqa: E402
+from src.proc_group import ProcResult  # noqa: E402
+from src.agents.launcher import AgentLauncher  # noqa: E402
+
+
+# ---------------------------------------------------------------------------
+# Fixtures
+# ---------------------------------------------------------------------------
+@pytest.fixture(autouse=True)
+def fresh_db(monkeypatch, tmp_path):
+    monkeypatch.setattr(_db.settings, "db_path", _test_db)
+    if os.path.exists(_test_db):
+        os.unlink(_test_db)
+    init_db()
+    # Worktree artefacts land in tmp; git commit/push degrade gracefully (no repo).
+    monkeypatch.setattr("src.git_worktree.settings.worktrees_dir", str(tmp_path), raising=False)
+    # Runner ON, self-hosting scope (default). Smoke OFF by default so the PASS path
+    # does not hit the network; the dedicated smoke tests re-enable + mock it.
+    monkeypatch.setattr(cfg.settings, "test_runner_enabled", True, raising=False)
+    monkeypatch.setattr(cfg.settings, "test_runner_repos", "", raising=False)
+    monkeypatch.setattr(cfg.settings, "test_runner_smoke_enabled", False, raising=False)
+    monkeypatch.setattr(cfg.settings, "test_runner_infra_max_retries", 2, raising=False)
+    # Reset in-process counters between tests.
+    for k in test_runner._TEST_RUNNER_COUNTERS:
+        test_runner._TEST_RUNNER_COUNTERS[k] = 0
+    yield
+
+
+def _make_task(stage, repo="orchestrator", wi="ORCH-116", branch="feature/ORCH-116-x"):
+    conn = get_db()
+    cur = conn.execute(
+        "INSERT INTO tasks (plane_id, work_item_id, repo, branch, stage) VALUES (?, ?, ?, ?, ?)",
+        (f"plane-{wi}", wi, repo, branch, stage),
+    )
+    tid = cur.lastrowid
+    conn.commit()
+    conn.close()
+    return tid
+
+
+def _make_job(agent, repo, task_id, content="x"):
+    return enqueue_job(agent, repo, content, task_id=task_id)
+
+
+def _job_dict(job_id, agent, repo, task_id):
+    return {"id": job_id, "agent": agent, "repo": repo, "task_id": task_id, "task_content": "x"}
+
+
+def _read_report(repo, branch, wi):
+    from src.git_worktree import get_worktree_path
+    p = os.path.join(get_worktree_path(repo, branch), f"docs/work-items/{wi}/13-test-report.md")
+    with open(p, "r", encoding="utf-8") as f:
+        return f.read()
+
+
+# ---------------------------------------------------------------------------
+# TC-01 — applies(): kill-switch / scope / contract / fail-safe (FR-7 / AC-6/AC-7/AC-8)
+# ---------------------------------------------------------------------------
+def test_tc01_applies_killswitch_scope_and_contract(monkeypatch):
+    # enabled=False -> False (fall back to the LLM path) regardless of repo.
+    monkeypatch.setattr(cfg.settings, "test_runner_enabled", False)
+    assert test_runner.applies("orchestrator") is False
+
+    # enabled, empty CSV -> self-hosting only (and a test-contract resolves for it).
+    monkeypatch.setattr(cfg.settings, "test_runner_enabled", True)
+    monkeypatch.setattr(cfg.settings, "test_runner_repos", "")
+    assert test_runner.applies("orchestrator") is True
+    assert test_runner.applies("enduro-trails") is False
+    assert test_runner.applies("") is False
+
+    # BR-9 backward-compat: even hand-adding a non-self repo to the CSV -> False,
+    # because _has_test_contract is unresolved for it (Phase 1 = self only).
+    monkeypatch.setattr(cfg.settings, "test_runner_repos", "enduro-trails, orchestrator")
+    assert test_runner.applies("ENDURO-TRAILS") is False   # no contract -> LLM-tester
+    assert test_runner.applies("orchestrator") is True      # in scope + contract
+    assert test_runner.applies("other-repo") is False
+
+
+def test_tc01_applies_never_raises(monkeypatch):
+    class Boom:
+        @property
+        def test_runner_enabled(self):
+            raise RuntimeError("boom")
+    monkeypatch.setattr(test_runner, "settings", Boom())
+    assert test_runner.applies("orchestrator") is False
+
+
+# ---------------------------------------------------------------------------
+# TC-02 — exit-code -> verdict, single shared contract (FR-3 / AC-3)
+# ---------------------------------------------------------------------------
+def test_tc02_map_exit_code():
+    from src import self_deploy
+    assert test_runner.map_exit_code_to_result(0) == "PASS"
+    for bad in (1, 2, 137, -9):
+        assert test_runner.map_exit_code_to_result(bad) == "FAIL"
+    for noncode in (None, "x", object()):
+        assert test_runner.map_exit_code_to_result(noncode) == "FAIL"
+    # Same underlying contract as the deploy-finalizer / staging-runner (no 2nd mapping):
+    # PASS iff SUCCESS, FAIL iff FAILED.
+    for v in (0, 1, None, "garbage"):
+        expect = "PASS" if self_deploy.map_exit_code_to_status(v) == "SUCCESS" else "FAIL"
+        assert test_runner.map_exit_code_to_result(v) == expect
+
+
+# ---------------------------------------------------------------------------
+# TC-03 — 13-test-report.md render: machine key + 52c schema + status alignment (FR-4 / AC-2)
+# ---------------------------------------------------------------------------
+def test_tc03_report_render_schema_and_status_alignment():
+    body = test_runner.build_test_report("ORCH-116", 0, "PASS", "23 passed", smoke="ok")
+    assert "result: PASS" in body            # UPPERCASE machine key
+    for field in ("work_item: ORCH-116", "stage: testing",
+                  "author_agent: test-runner", "status: success",
+                  "created_at:", "model_used: n/a"):
+        assert field in body, f"missing 52c field: {field}"
+    assert "smoke: ok" in body
+    assert "23 passed" in body               # stdout tail copied into the body
+
+    failed = test_runner.build_test_report("ORCH-116", 1, "FAIL", "boom", smoke="skipped")
+    assert "result: FAIL" in failed
+    # D6.1: status MUST be aligned with the verdict (failed, never `success`).
+    assert "status: failed" in failed
+
+
+# ---------------------------------------------------------------------------
+# TC-04 — generated report read by the UNCHANGED _parse_tests_verdict (AC-2 / D6.1)
+# ---------------------------------------------------------------------------
+def test_tc04_gate_parser_unchanged():
+    from src.qg.checks import _parse_tests_verdict
+    ok, reason = _parse_tests_verdict(
+        test_runner.build_test_report("ORCH-116", 0, "PASS", "", smoke="ok"))
+    assert ok is True and "PASS" in reason
+    bad, reason2 = _parse_tests_verdict(
+        test_runner.build_test_report("ORCH-116", 2, "FAIL", "", smoke="skipped"))
+    assert bad is False and "FAIL" in reason2
+
+
+def test_tc04_status_field_never_false_negatives_a_pass():
+    """The D6.1 mine: the 52c-mandatory `status:` is read by _parse_tests_verdict with
+    negative-token priority. A PASS report must NOT carry a status whose UPPERCASE is a
+    negative token (else a healthy run reads as FAIL)."""
+    from src.qg.checks import _parse_tests_verdict, _TESTS_NEGATIVE_TOKENS
+    body = test_runner.build_test_report("ORCH-116", 0, "PASS", "", smoke="ok")
+    # Extract the status: line from the frontmatter and assert it is token-safe.
+    status_line = next(ln for ln in body.splitlines() if ln.startswith("status:"))
+    status_val = status_line.split(":", 1)[1].strip().upper()
+    for neg in _TESTS_NEGATIVE_TOKENS:
+        assert neg not in status_val, f"PASS report status carries negative token {neg!r}"
+    assert _parse_tests_verdict(body)[0] is True
+
+
+# ---------------------------------------------------------------------------
+# TC-05 — launch_job intercepts tester on testing BEFORE _spawn (AC-1)
+# ---------------------------------------------------------------------------
+def test_tc05_launch_job_intercepts_before_spawn(monkeypatch):
+    tid = _make_task("testing")
+    jid = _make_job("tester", "orchestrator", tid)
+    lr = AgentLauncher()
+    spawn = MagicMock(return_value=999)
+    monkeypatch.setattr(lr, "_spawn", spawn)
+    run_gate = MagicMock()
+    monkeypatch.setattr(test_runner, "run_test_gate", run_gate)
+
+    ret = lr.launch_job(_job_dict(jid, "tester", "orchestrator", tid))
+
+    assert ret is None                      # no agent_runs row
+    spawn.assert_not_called()               # LLM path NOT taken
+    run_gate.assert_called_once()           # deterministic runner ran
+    conn = get_db()
+    status = conn.execute("SELECT status FROM jobs WHERE id=?", (jid,)).fetchone()[0]
+    conn.close()
+    assert status == "done"
+
+
+# ---------------------------------------------------------------------------
+# TC-06 — discriminator: tester off-`testing` / non-tester / never-raise (AC-1 / R-1)
+# ---------------------------------------------------------------------------
+def test_tc06_stage_discriminator_off_testing_not_intercepted(monkeypatch):
+    tid = _make_task("development")  # tester job but not the testing stage
+    jid = _make_job("tester", "orchestrator", tid)
+    assert test_runner.should_intercept(_job_dict(jid, "tester", "orchestrator", tid)) is False
+    # and launch_job falls through to _spawn for it.
+    lr = AgentLauncher()
+    spawn = MagicMock(return_value=42)
+    monkeypatch.setattr(lr, "_spawn", spawn)
+    ret = lr.launch_job(_job_dict(jid, "tester", "orchestrator", tid))
+    assert ret == 42
+    spawn.assert_called_once()
+
+
+def test_tc06_non_tester_not_intercepted():
+    tid = _make_task("testing")
+    jid = _make_job("developer", "orchestrator", tid)
+    assert test_runner.should_intercept(_job_dict(jid, "developer", "orchestrator", tid)) is False
+
+
+def test_tc06_non_self_repo_not_intercepted():
+    tid = _make_task("testing", repo="enduro-trails", wi="ET-9", branch="feature/ET-9-x")
+    jid = _make_job("tester", "enduro-trails", tid)
+    assert test_runner.should_intercept(_job_dict(jid, "tester", "enduro-trails", tid)) is False
+
+
+def test_tc06_should_intercept_never_raises(monkeypatch):
+    # applies() True, but the DB lookup explodes -> should_intercept False (fall-through).
+    monkeypatch.setattr(test_runner, "applies", lambda repo: True)
+    monkeypatch.setattr(test_runner, "get_db", None, raising=False)
+
+    def boom_get_db():
+        raise RuntimeError("db down")
+    import src.db as dbmod
+    monkeypatch.setattr(dbmod, "get_db", boom_get_db)
+    assert test_runner.should_intercept(
+        {"agent": "tester", "repo": "orchestrator", "task_id": 1}) is False
+
+
+# ---------------------------------------------------------------------------
+# TC-07 — routing equivalence: PASS -> advance; FAIL -> same path (AC-4)
+# ---------------------------------------------------------------------------
+@pytest.mark.parametrize("rc,expected", [(0, "PASS"), (1, "FAIL")])
+def test_tc07_advance_initiated_like_llm(monkeypatch, rc, expected):
+    tid = _make_task("testing")
+    monkeypatch.setattr(test_runner, "run_test_suite",
+                        lambda repo, branch: ProcResult(returncode=rc, stdout="out", stderr="", timed_out=False))
+    advance = MagicMock()
+    monkeypatch.setattr(stage_engine, "advance_stage", advance)
+
+    test_runner.run_test_gate(_job_dict(1, "tester", "orchestrator", tid))
+
+    advance.assert_called_once()
+    kwargs = advance.call_args.kwargs
+    assert kwargs["current_stage"] == "testing"
+    assert kwargs["finished_agent"] == "tester"
+    assert kwargs["work_item_id"] == "ORCH-116"
+    assert f"result: {expected}" in _read_report("orchestrator", "feature/ORCH-116-x", "ORCH-116")
+
+
+# ---------------------------------------------------------------------------
+# TC-08 — kill-switch: enabled=False -> LLM path via _spawn (AC-7)
+# ---------------------------------------------------------------------------
+def test_tc08_killswitch_falls_back_to_spawn(monkeypatch):
+    monkeypatch.setattr(cfg.settings, "test_runner_enabled", False)
+    tid = _make_task("testing")
+    jid = _make_job("tester", "orchestrator", tid)
+    lr = AgentLauncher()
+    spawn = MagicMock(return_value=7)
+    monkeypatch.setattr(lr, "_spawn", spawn)
+    run_gate = MagicMock()
+    monkeypatch.setattr(test_runner, "run_test_gate", run_gate)
+
+    ret = lr.launch_job(_job_dict(jid, "tester", "orchestrator", tid))
+
+    assert ret == 7
+    spawn.assert_called_once()              # byte-for-byte the prior LLM-tester path
+    run_gate.assert_not_called()
+
+
+# ---------------------------------------------------------------------------
+# TC-09 — anti-drift NFR-1: STAGE_TRANSITIONS / QG_CHECKS / schema untouched (AC-6)
+# ---------------------------------------------------------------------------
+def test_tc09_pipeline_contract_unchanged():
+    from src.stages import STAGE_TRANSITIONS
+    from src.qg.checks import QG_CHECKS
+    # The review->testing edge (tester) and testing->deploy-staging gate are byte-for-byte.
+    assert STAGE_TRANSITIONS["review"] == {
+        "next": "testing", "agent": "tester", "qg": "check_reviewer_verdict"
+    }
+    assert STAGE_TRANSITIONS["testing"] == {
+        "next": "deploy-staging", "agent": "deployer", "qg": "check_tests_passed"
+    }
+    assert "check_tests_passed" in QG_CHECKS
+    # No new ORCH-116 table: only the existing tables exist.
+    conn = get_db()
+    tables = {r[0] for r in conn.execute(
+        "SELECT name FROM sqlite_master WHERE type='table'").fetchall()}
+    conn.close()
+    assert not any("test_runner" in t for t in tables)
+    # The machine key is not renamed: the runner emits `result:`.
+    assert "result:" in test_runner.build_test_report("ORCH-116", 0, "PASS")
+
+
+# ---------------------------------------------------------------------------
+# TC-10 / TC-11 — two-level outcome + never-raise (anti ORCH-110, AC-5/AC-9)
+# ---------------------------------------------------------------------------
+def test_tc10_nonzero_exit_is_fail_and_advances(monkeypatch):
+    tid = _make_task("testing")
+    monkeypatch.setattr(test_runner, "run_test_suite",
+                        lambda repo, branch: ProcResult(returncode=3, stdout="fail", stderr="", timed_out=False))
+    advance = MagicMock()
+    monkeypatch.setattr(stage_engine, "advance_stage", advance)
+    test_runner.run_test_gate(_job_dict(1, "tester", "orchestrator", tid))
+    advance.assert_called_once()
+    assert "result: FAIL" in _read_report("orchestrator", "feature/ORCH-116-x", "ORCH-116")
+
+
+def test_tc10_timeout_defers_without_advance(monkeypatch):
+    tid = _make_task("testing")
+    monkeypatch.setattr(cfg.settings, "test_runner_infra_max_retries", 2)
+    monkeypatch.setattr(test_runner, "run_test_suite",
+                        lambda repo, branch: ProcResult(returncode=None, stdout="", stderr="", timed_out=True))
+    advance = MagicMock()
+    monkeypatch.setattr(stage_engine, "advance_stage", advance)
+
+    test_runner.run_test_gate(_job_dict(1, "tester", "orchestrator", tid))
+
+    advance.assert_not_called()             # NO silent advance / false green on infra hiccup
+    conn = get_db()
+    n = conn.execute(
+        "SELECT COUNT(*) FROM jobs WHERE task_id=? AND task_content LIKE ?",
+        (tid, f"%{test_runner._INFRA_RETRY_MARKER}%"),
+    ).fetchone()[0]
+    # The re-queued job must be a `tester` job (re-enters this runner), not a deployer.
+    agent = conn.execute(
+        "SELECT agent FROM jobs WHERE task_id=? AND task_content LIKE ?",
+        (tid, f"%{test_runner._INFRA_RETRY_MARKER}%"),
+    ).fetchone()[0]
+    conn.close()
+    assert n == 1
+    assert agent == "tester"
+    assert test_runner._TEST_RUNNER_COUNTERS["deferred"] == 1
+    assert test_runner._TEST_RUNNER_COUNTERS["tool_error"] == 1
+
+
+def test_tc10_tool_error_budget_exhausted_fails_closed(monkeypatch):
+    tid = _make_task("testing")
+    monkeypatch.setattr(cfg.settings, "test_runner_infra_max_retries", 0)  # exhausted immediately
+    monkeypatch.setattr(test_runner, "run_test_suite",
+                        lambda repo, branch: ProcResult(returncode=None, stdout="", stderr="", timed_out=True))
+    advance = MagicMock()
+    monkeypatch.setattr(stage_engine, "advance_stage", advance)
+    alert = MagicMock()
+    monkeypatch.setattr(test_runner, "_alert_infra_exhausted", alert)
+
+    test_runner.run_test_gate(_job_dict(1, "tester", "orchestrator", tid))
+
+    advance.assert_called_once()            # fail-closed: write FAIL + advance (existing rollback)
+    alert.assert_called_once()
+    assert "result: FAIL" in _read_report("orchestrator", "feature/ORCH-116-x", "ORCH-116")
+
+
+def test_tc11_run_gate_never_raises(monkeypatch):
+    tid = _make_task("testing")
+
+    def boom(repo, branch):
+        raise RuntimeError("pytest exploded")
+    monkeypatch.setattr(test_runner, "run_test_suite", boom)
+    # Must NOT raise (AC-9): the worker is protected even on an unexpected error.
+    test_runner.run_test_gate(_job_dict(1, "tester", "orchestrator", tid))
+
+
+def test_tc11_launcher_contains_runner_fault(monkeypatch):
+    tid = _make_task("testing")
+    jid = _make_job("tester", "orchestrator", tid)
+    lr = AgentLauncher()
+    monkeypatch.setattr(lr, "_spawn", MagicMock())
+    monkeypatch.setattr(test_runner, "run_test_gate",
+                        MagicMock(side_effect=RuntimeError("kaboom")))
+    ret = lr.launch_job(_job_dict(jid, "tester", "orchestrator", tid))
+    assert ret is None
+    conn = get_db()
+    status = conn.execute("SELECT status FROM jobs WHERE id=?", (jid,)).fetchone()[0]
+    conn.close()
+    assert status == "failed"
+
+
+# ---------------------------------------------------------------------------
+# TC-12 — timeout resolution + worktree cwd + tree-kill (NFR-3/NFR-4 / AC-11)
+# ---------------------------------------------------------------------------
+def test_tc12_resolve_timeout_default_on_bad_value(monkeypatch):
+    monkeypatch.setattr(cfg.settings, "test_runner_timeout_s", 1234)
+    assert test_runner._resolve_timeout() == 1234
+    for bad in (0, -5, "abc", None):
+        monkeypatch.setattr(cfg.settings, "test_runner_timeout_s", bad)
+        assert test_runner._resolve_timeout() == test_runner._DEFAULT_TIMEOUT_S
+
+
+def test_tc12_pytest_runs_in_worktree_via_proc_group(monkeypatch):
+    monkeypatch.setattr(cfg.settings, "test_runner_timeout_s", 321)
+    monkeypatch.setattr(cfg.settings, "subprocess_tree_kill_enabled", True)
+    captured = {}
+
+    def fake_run(cmd, *, cwd, timeout, grace_s, tree_kill):
+        captured.update(cmd=cmd, cwd=cwd, timeout=timeout, tree_kill=tree_kill)
+        return ProcResult(returncode=0, stdout="", stderr="", timed_out=False)
+    monkeypatch.setattr(test_runner.proc_group, "run_in_process_group", fake_run)
+
+    test_runner.run_test_suite("orchestrator", "feature/ORCH-116-x")
+    from src.git_worktree import get_worktree_path
+    assert captured["cwd"] == get_worktree_path("orchestrator", "feature/ORCH-116-x")
+    assert captured["timeout"] == 321
+    assert captured["tree_kill"] is True
+    assert captured["cmd"][:3] == ["python", "-m", "pytest"]
+
+
+# ---------------------------------------------------------------------------
+# TC-13 — self-hosting safety: no forbidden literals; smoke read-only (AC-10)
+# ---------------------------------------------------------------------------
+def test_tc13_command_has_no_dangerous_literals():
+    cmd = " ".join(test_runner.build_test_command())
+    forbidden = ("compose", "up -d", "--build", "8500", "force", "push", ".env",
+                 "rm ", "restart", "docker")
+    for token in forbidden:
+        assert token not in cmd, f"forbidden literal {token!r} in runner command: {cmd}"
+    assert "pytest" in cmd
+
+
+def test_tc13_smoke_is_read_only_and_checks_serial_gate(monkeypatch):
+    monkeypatch.setattr(cfg.settings, "test_runner_smoke_enabled", True)
+    monkeypatch.setattr(test_runner, "_SMOKE_BACKOFF_S", 0)
+    calls = []
+
+    def fake_get(url):
+        calls.append(url)
+        if url.endswith("/queue"):
+            return 200, '{"serial_gate": {"enabled": true}}'
+        return 200, "ok"
+    monkeypatch.setattr(test_runner, "_http_get", fake_get)
+
+    ok, detail = test_runner.run_smoke()
+    assert ok is True
+    # All three read-only endpoints hit; serial_gate verified in /queue body.
+    assert any(u.endswith("/health") for u in calls)
+    assert any(u.endswith("/status") for u in calls)
+    assert any(u.endswith("/queue") for u in calls)
+
+
+def test_tc13_smoke_missing_serial_gate_fails(monkeypatch):
+    monkeypatch.setattr(cfg.settings, "test_runner_smoke_enabled", True)
+    monkeypatch.setattr(test_runner, "_SMOKE_BACKOFF_S", 0)
+    monkeypatch.setattr(test_runner, "_http_get",
+                        lambda url: (200, "{}"))  # 200 but no serial_gate block
+    ok, detail = test_runner.run_smoke()
+    assert ok is False
+    assert "serial_gate" in detail
+
+
+def test_tc13_smoke_unreachable_retries_then_fails(monkeypatch):
+    monkeypatch.setattr(cfg.settings, "test_runner_smoke_enabled", True)
+    monkeypatch.setattr(test_runner, "_SMOKE_BACKOFF_S", 0)
+    attempts = {"n": 0}
+
+    def fake_get(url):
+        attempts["n"] += 1
+        return 0, ""  # always unreachable
+    monkeypatch.setattr(test_runner, "_http_get", fake_get)
+    ok, detail = test_runner.run_smoke()
+    assert ok is False
+    # bounded retry: more than one attempt was made before declaring FAIL.
+    assert attempts["n"] >= test_runner._SMOKE_MAX_ATTEMPTS
+
+
+def test_tc13_pytest_green_but_smoke_fail_is_fail(monkeypatch):
+    tid = _make_task("testing")
+    monkeypatch.setattr(cfg.settings, "test_runner_smoke_enabled", True)
+    monkeypatch.setattr(test_runner, "run_test_suite",
+                        lambda repo, branch: ProcResult(returncode=0, stdout="ok", stderr="", timed_out=False))
+    monkeypatch.setattr(test_runner, "run_smoke", lambda: (False, "smoke /queue failed"))
+    advance = MagicMock()
+    monkeypatch.setattr(stage_engine, "advance_stage", advance)
+
+    test_runner.run_test_gate(_job_dict(1, "tester", "orchestrator", tid))
+
+    advance.assert_called_once()            # FAIL still advances (existing rollback)
+    body = _read_report("orchestrator", "feature/ORCH-116-x", "ORCH-116")
+    assert "result: FAIL" in body
+    assert "smoke: failed" in body
+
+
+# ---------------------------------------------------------------------------
+# TC-14 — observability + hybrid: /queue block + structured verdict log (AC-12/AC-13)
+# ---------------------------------------------------------------------------
+def test_tc14_snapshot_shape():
+    snap = test_runner.snapshot()
+    for k in ("enabled", "repos", "target", "timeout_s", "smoke_enabled",
+              "infra_max_retries", "runs", "pass", "fail", "tool_error", "deferred"):
+        assert k in snap, f"snapshot missing key {k}"
+
+
+def test_tc14_queue_endpoint_includes_block():
+    import asyncio
+    from src import main
+    payload = asyncio.run(main.queue())
+    assert "test_runner" in payload
+    assert "enabled" in payload["test_runner"]
+
+
+def test_tc14_structured_verdict_log_distinguishes_outcomes(monkeypatch, caplog):
+    tid = _make_task("testing")
+    monkeypatch.setattr(stage_engine, "advance_stage", MagicMock())
+    # code-pass
+    monkeypatch.setattr(test_runner, "run_test_suite",
+                        lambda repo, branch: ProcResult(returncode=0, stdout="", stderr="", timed_out=False))
+    with caplog.at_level("INFO", logger="orchestrator.test_runner"):
+        test_runner.run_test_gate(_job_dict(1, "tester", "orchestrator", tid))
+    assert any("outcome=code-pass" in r.message for r in caplog.records)
+
+    caplog.clear()
+    # tool-error
+    monkeypatch.setattr(cfg.settings, "test_runner_infra_max_retries", 2)
+    monkeypatch.setattr(test_runner, "run_test_suite",
+                        lambda repo, branch: ProcResult(returncode=None, stdout="", stderr="", timed_out=True))
+    with caplog.at_level("WARNING", logger="orchestrator.test_runner"):
+        test_runner.run_test_gate(_job_dict(1, "tester", "orchestrator", tid))
+    assert any("outcome=tool-error" in r.message for r in caplog.records)
+
+
+def test_tc14_snapshot_never_raises(monkeypatch):
+    class Boom:
+        def __getattr__(self, name):
+            raise RuntimeError("boom")
+    monkeypatch.setattr(test_runner, "settings", Boom())
+    snap = test_runner.snapshot()
+    assert snap["enabled"] is False
+
+
+# ---------------------------------------------------------------------------
+# TC-15 — anti-drift of the LLM call-site map / roadmap stays green after our edits.
+# ---------------------------------------------------------------------------
+def test_tc15_llm_map_anti_drift_green():
+    from tests import test_llm_call_site_inventory as inv
+    from tests import test_llm_determinization_docs as docs
+    # tester stays avoidable=yes / axis=C / needs-hybrid-fallback (LLM-branch = fallback).
+    inv.test_tc14_avoidable_set_fixed()
+    inv.test_tc13_control_path_axis_correct()
+    inv.test_tc04_classification_total_and_axis_consistent()
+    # roadmap: exactly one first_slice=yes (deployer); tester rank 2 hybrid.
+    docs.test_tc07_roadmap_completeness_and_first_slice()
+    docs.test_tc11_no_fabricated_followup_ids()