docs(.agents): 蒸馏 WU-A 后续对照验证 harness 范式

新 skill gen-path-parity-harness:两条生成路对照验证(parity)的可复用范式。
核心铁律 = 对照公平靠驱动器 held constant(每品类金标 play-spec 喂两路,
把驱动器从对照变量摘掉);金标只对 tap-targets 族公平(key-cycle 按键是
生成侧自由选择、不在 forensics 契约,需输入键契约);注入 = 生成与 play
拆步 + 金标覆写 staged 真路径(非 evidence);判据 = 两层 + 逐品类绝对地板
+ 双低标红(防 flaky 基线假等价);成功定义钉死「金标 spec 下」≠生产许可;
端口池 + 线程前台有界并发。WU-A 后续 cheap-worker/compare_node.py 实证、
双评审揪四坑固化成铁律。README 索引同步。

.agents/README.md

@@ -58,6 +58,7 @@
 | `skills/game-e2e-cdp-harness.md` | Canvas 游戏 e2e 证据 harness：编排形制/驱动器六律/出厂红线/四件套口径（T1b-α 实证；§7 = W-G1 生成游戏真玩九门 = 假绿守卫 G 门 + H 机制/latch + I 控制手感 + 自产 gatespec） |
 | `skills/cheap-model-game-generation.md` | 便宜模型（new-api DeepSeek/MiniMax）直出可真玩轻游戏 L1 worker：链路/模型与成本/L1 纪律/坑红线/latch 套壳/design agent 自产 gatespec/质量三层（W-G1 HJ-GEN-001 实证）。**注（2026-06-26）**：reframe 后便宜档生成已迁 `cheap-worker/`（Python/AgentScope，见 `agentscope-2.0-facts` 实现速查 + memory `amodel-generation-build-state`）；本条 W-G1 gamedef/factory/worker-loop 路已退役，仅成本/代理坑/模型画像/质量三层跨路有效（详见篇首状态注） |
 | `skills/agentic-amodel-generation.md` | **agentic A-model 生成 harness（ReAct+M3 已实证·生产形态）**：scaffold→工具循环（read/write/list/check/build/done）→循环外 play；链路/5 文件/运行配方/8 坑（write 前缀·compaction·停机纪律·防假绿·bundle.tick·boot envelope·路径深度）/M3 3-玩法自闭环实证/主流定性；取代旧 gamedef 单次产线（HJ-AGI-003） |
+| `skills/gen-path-parity-harness.md` | **两条生成路对照验证(parity) harness 范式**：验「换实现后生成质量没回退」(Node→Python 重写/换模型/换框架)。对照公平铁律=驱动器 held constant(每品类金标 play-spec 喂两路)/ 金标只对 tap-targets 族公平(key-cycle 按键是生成侧自由选择不在 forensics 契约,需输入键契约)/ 注入=生成与 play 拆步+金标覆写 staged 真路径(非 evidence)/ 两层判据+逐品类绝对地板+双低标红(防 flaky 基线假等价)/ 成功定义钉死「金标 spec 下」≠生产许可/ 端口池+线程前台有界并发；WU-A 后续 cheap-worker/compare_node.py 实证(双评审揪四坑) |
 | `skills/saa-graph-orchestration.md` | SAA（Spring AI Alibaba）裸 StateGraph 生成编排：拓扑/加节点/接 new-api(剥 /v1 坑)/checkpoint(含 saved_at 无 tiebreaker 框架坑+显式 checkPointId 修法)/observation/最小依赖集/派发契约/验证门（HJ-AGI-002 实证） |
 | `skills/doc-organizer.md` | 文档整理助手（创始人手动触发）：增量(上次清理→现在)+**两阶段审批门**——发起分析 Workflow→编清理计划→评审→批准后才执行；三轴=过期档清理(归档/压缩)/核心设计档措辞对齐现行真相/主任务总账回填；底层 `tools/doc-organizer.{sh,-analyze.mjs,-state.json}`（检测自动·判断留人·脚本不自删·最新日在飞档不碰） |
 | `skills/drive-remote-claude-tmux.md` | 远程驱动交互式 Claude Code（ssh + tmux）：双向通道 send-keys 派活 + capture-pane 读屏，不走 ACP/headless；每设备配置块 + onboarding 侦察配方 + 专用会话(独立 worktree 防撞树) + bypass-perms + 安全红线；**完成判据=git push 非读屏**（创始人 2026-06-18 拍板·多设备复用） |

.agents/skills/gen-path-parity-harness.md

@@ -0,0 +1,69 @@
+---
+name: gen-path-parity-harness
+description: 两条生成路对照验证(parity)harness 范式——验证「换实现后生成质量没回退」（Node→Python 重写 / 换模型 / 换框架）。核心=对照公平铁律(驱动器 held constant)+ 金标 spec 注入 + 两层判据 + 端口池并发。WU-A 后续(cheap-worker/compare_node.py)实证。
+node_type: skill
+---
+
+# 生成路对照验证 harness 范式
+
+## 何时用
+
+要回答「把生成实现换了一套，质量有没有回退」——Node 重写成 Python、换个模型、换个框架。区别于「每条路各自能不能跑」：对照验证比的是**两条路产出的游戏质量是否等价**，给「旧路可以退役」这种迁移决策当硬证据。WU-A 框架收敛的 R1 头号风险（把在产主力整条重写）就靠它兜。
+
+## 对照公平铁律：驱动器必须 held constant
+
+游戏质量用九门过门率衡量，而九门要靠一份 play-spec 驱动游戏去玩。**两条路若各用各自自动产的 play-spec，过门率差就掺进了驱动器质量差、不可归因于生成。** 所以对照时把每个品类的 play-spec 钉成**一份金标、喂两路共用**，把驱动器从对照变量里摘掉——这样过门率差才只反映生成质量。
+
+只精化单侧的 play-spec 是最隐蔽的陷阱：它看着是「让对照更准」，实则把驱动器质量偏向了被精化的那一路，制造新的不公平。
+
+## 金标 spec 只对一部分驱动器家族公平
+
+能不能「一份金标 spec 通吃两路同品类游戏」，取决于驱动器怎么找操作目标：
+
+- **tap-targets 族**（点击 occupied 目标：点击得分 / 打地鼠 / 经营点客）：驱动器从游戏自报的 `_forensicsView().state().targets` 里读坐标再点，坐标与具体游戏实现无关 → 一份金标 spec 公平驱动两路，**成立**。
+- **key-cycle 族**（方向键：2048 / 躲避）：驱动器按 spec 里硬编码的 `driver.keys` 逐键轮发，而**按哪个键是生成侧 LLM 写 game-logic 时的自由选择、不在 forensics 契约里**。两路独立生成完全可能绑不同键，一份固定按键的金标对绑定一致那路驱得动、对另一路驱不动 → 公平不成立。这类要先立一道「两路绑同一套输入键」的契约（生成侧约束），或让 spec 从每路自报的输入映射派生键集，才能纳入对照。
+
+一句话分界：**forensics 契约保证的是可观测性（读得到 targets/score），不是可驱动性（同一份 driver 配置能把两路都开起来）。** 别把两者当一回事——这是对照覆盖面的真实边界，硬来会把按键绑定的分叉冤判成生成质量差。
+
+## 注入机制：把生成与 play 拆开，金标覆写 staged 路径
+
+1. **拆步**：每路把「生成」和「九门 play」拆成两步。若某条生成路内部已经把 play 一气做完（如 `run_studio` 收口含 play），给它加一个 generation-only 开关（`run_gates=False`）只生成到 stage、不 play。
+2. **注入点 = staged 路径**：金标 spec 强制覆写到 `games/_wg1-gen/<id>/play-spec.json`——这是 `play.cdp.cjs` **真实读取**的位置，**不是** evidence 目录（最常踩的错）。
+3. **覆写时机**：在 stage 之后、play 之前写入。gen-only 路靠「自动产 spec 的已存在不覆盖」语义即可让金标留住；已经自动产了 spec 的路（如 Node `gen.mjs` done 门）要**强制覆写**。
+4. 再各自单独跑九门 play。
+
+## 判据:两层 + 逐品类绝对地板 + 双低标红
+
+当基线本身 flaky（如旧路五款只 3/5 真可玩），只用「新路不低于旧路」会把「两路都没真玩起来」或「两路都勉强平庸」判成等价坐实。要四道一起兜：
+
+- **相对层**：新路过门率不低于旧路。
+- **绝对层**：旧路本身过不了可玩门的品类，要新路**真过**该品类可玩门（driven 且进展门 H 过）才算坐实，不能靠「一起烂」蒙混。
+- **逐品类绝对地板**：坐实的品类，新路真玩比例要带余量过线（如 ≥0.6），不只是 ≥旧路。
+- **双低标红**：两路同卡菜单 / 同低分的品类显式标红、不计入坐实。
+
+判据在**品类层聚合**多局（单局生成 flake 不拖垮整品类，且单局两路同等的 flake 是公平的、不算回退）。
+
+## 成功定义钉死「金标 spec 下」
+
+对照证据是在手写金标驱动器下采的；生产里新路将用自动产的 play-spec 驱动。两个驱动器不是同一个，而金标通常比自动 spec 更干净。所以**对照等价 ≠ 生产退役/切换许可**：面向生产的退役授权要另 gate 在「生产自动 spec 达到金标同等过门率」（auto-vs-golden delta）。产物命名直接标「金标 spec 下」，免得被当成生产许可。
+
+## 并发(可选,提速)
+
+并发的真约束不是产物隔离（gameId 前缀已隔离），是九门 play/smoke 的固定端口 + Chrome 实例。
+
+- **端口池**：每并发槽一对独立 `(server_port, cdp_port)`，server 段与 cdp 段不重叠。
+- **每对一线程**：用线程跑整对（线程内生成路自带 event loop），信号量或端口池 size 天然限并发。
+- **前台进程内有界并发**，不是后台子代理 task / tail 监视 / 自我唤醒重试——后者会失控（撞同名产物、杀进程触发重试死循环、token 泄漏）。
+- 前提：引擎工具端口可参数化（`gen.mjs --port/--cdp`、`play.mjs {port,cdpPort}` 各自独立 spawn server+Chrome+userDataDir）。
+
+便宜档生成的资源/并发上限画像另见相应容量记录（M3 推理远程、本地瓶颈是 Chrome/esbuild 的 CPU 突发、并发上限 ≤15）。
+
+## 实现指针
+
+- `cheap-worker/compare_node.py`：`judge_genre`（两层判据）/ `inject_golden` + `_write_spec_atomic`（金标覆写 staged）/ `run_pair_sync`（生成→注入→play 整对）/ `run_multi`（端口池 + 线程 + 限并发）/ `_port_pool`。
+- `cheap-worker/fixtures/golden-specs/`：每品类一份金标 play-spec。
+- 九门 harness 本体（驱动器家族 / play.cdp.cjs / 出厂红线）见 [game-e2e-cdp-harness](game-e2e-cdp-harness.md)；AgentScope 2.0.2 便宜档实现 API 见 [agentscope-2.0-facts](../knowledge/agentscope-2.0-facts.md)。
+
+## 实证
+
+WU-A 后续（2026-06-26，`docs/plans/2026-06-26-002-feat-cheap-worker-multi-genre-plan.md`）：三 tap-targets 品类 n=3 对照 Python 新路 vs Node 旧路全 equivalent，坐实范式未回退。Codex + Opus 双评审揪出的四个真坑都在本范式里固化成了铁律：注入路径错（evidence 而非 staged）、品类族判错（点击得分是 occupied 反应族不是放置族）、判据缺绝对地板（双低被判等价）、只精化单侧 spec 污染对照。