test(qa): craft 成稿质量前后对照评估回路（灵感 F2）

固定 3 题材金标准输入（仙侠/都市/悬疑，各含最小 spec+world+outline 及开篇章），
经真实 assemble()+build_write_request() 组装 craft-on / craft-off 两版写章请求：

- dry 模式（默认，零成本、免真实 LLM，可进 CI）：断言 craft 教条块、genre 片段、
  开篇黄金三章 marker 确实按 fixture 注入正确内容，且 craft-off 基线不含这三者；
  并把两版将发送给模型的 prompt 并排 dump 供人眼看。这些断言即 tests/test_craft_eval.py，
  是 craft/审查注入路径的回归门禁。
- --live 模式（真实付费 LLM，绝不进 CI）：经 gateway 各生成一章 + analyst 五维裁判，
  凭据读 DB、路由走 tier_routing，与生产写章同一网关路径。

入口 `uv run python -m tests.craft_eval [--live]`；用法/成本/门禁说明见 README.md。

tests/craft_eval/__main__.py

@@ -0,0 +1,104 @@
+"""craft A/B 评估脚本入口（灵感 F2）。
+
+    # dry（默认，零成本、免真实 LLM）——组装+校验+并排 dump prompt
+    uv run python -m tests.craft_eval
+
+    # live（真实付费生成 + LLM 五维裁判）
+    uv run python -m tests.craft_eval --live
+
+选项：`--genre 仙侠` 只跑某题材；`--out PATH` 指定报告路径；`--quiet` 少打印。
+退出码：dry 任一断言失败 → 非零（可当回归门禁）。详见 README.md。
+"""
+
+from __future__ import annotations
+
+import argparse
+import asyncio
+import sys
+import tempfile
+from pathlib import Path
+
+from .fixtures import FIXTURES, FixtureCase
+from .harness import (
+    CaseReport,
+    all_passed,
+    build_prompt_pair,
+    render_report,
+    verify_case,
+    write_report,
+)
+
+
+def _select(genre: str | None) -> list[FixtureCase]:
+    if genre is None:
+        return list(FIXTURES)
+    picked = [c for c in FIXTURES if c.genre == genre]
+    if not picked:
+        raise SystemExit(f"没有题材为 {genre!r} 的 fixture；可选：{[c.genre for c in FIXTURES]}")
+    return picked
+
+
+def _default_out(live: bool) -> Path:
+    name = "craft_ab_live.md" if live else "craft_ab_dry.md"
+    return Path(tempfile.gettempdir()) / name
+
+
+async def _run(args: argparse.Namespace) -> int:
+    cases = _select(args.genre)
+
+    reports: list[CaseReport] = []
+    for case in cases:
+        pair = await build_prompt_pair(case)
+        reports.append(CaseReport(case=case, pair=pair, checks=verify_case(case, pair)))
+
+    failed = [(r.case.slug, c) for r in reports for c in r.checks if not c.passed]
+    if not args.quiet:
+        for r in reports:
+            status = "OK" if all_passed(r.checks) else "FAIL"
+            print(f"[dry] {r.case.slug:10s} {r.case.genre}  第{r.pair.chapter_no}章  {status}")
+    for slug, chk in failed:
+        print(f"[dry][FAIL] {slug} · {chk.name}: {chk.detail}", file=sys.stderr)
+
+    if args.live:
+        if failed:
+            print("[live] dry 校验未全绿，拒绝进入付费生成——先修正注入。", file=sys.stderr)
+            return 1
+        from .live import run_live, summarize
+
+        print("[live] 开始真实生成（付费）……", flush=True)
+        reports = await run_live(reports)
+        print("\n[live] 摘要：\n" + summarize(reports))
+
+    out = Path(args.out) if args.out else _default_out(args.live)
+    write_report(render_report(reports, live=args.live), out)
+    print(f"\n[out] 报告写至 {out}")
+
+    return 1 if failed else 0
+
+
+def main() -> None:
+    parser = argparse.ArgumentParser(
+        prog="python -m tests.craft_eval",
+        description="craft A/B 成稿质量前后对照评估（灵感 F2）",
+    )
+    parser.add_argument(
+        "--live",
+        action="store_true",
+        help="真实调用付费 LLM 生成两版正文 + 五维裁判（默认 dry，免真实 LLM）",
+    )
+    parser.add_argument("--genre", default=None, help="只跑指定题材（如 仙侠/都市/悬疑）")
+    parser.add_argument("--out", default=None, help="报告输出路径（默认写系统临时目录）")
+    parser.add_argument("--quiet", action="store_true", help="减少 stdout 打印")
+    args = parser.parse_args()
+
+    if args.live:
+        # get_settings() 按 cwd 读 .env；确保 cwd = 仓库根（本文件在 tests/craft_eval/ 下三层）。
+        import os
+
+        os.chdir(Path(__file__).resolve().parents[2])
+
+    raise SystemExit(asyncio.run(_run(args)))
+
+
+if __name__ == "__main__":
+    main()