diff --git a/docs/agent-specs/2026-07-03-生成引擎agentic架构-第一性重推演与差量-设计.md b/docs/agent-specs/2026-07-03-生成引擎agentic架构-第一性重推演与差量-设计.md index b9b23289..fbacd1dc 100644 --- a/docs/agent-specs/2026-07-03-生成引擎agentic架构-第一性重推演与差量-设计.md +++ b/docs/agent-specs/2026-07-03-生成引擎agentic架构-第一性重推演与差量-设计.md @@ -39,7 +39,9 @@ flowchart LR LIN -->|校准单·治理门| PACK -->|先验变好| RUN ``` -> SVG 门面图收口时按 atlas 补;本档图以 mermaid 为准。 +![第一性重推演总览](assets/rethink-00-第一性重推演总览.svg) + +上面的 mermaid 是流水线的机器可读事实源,这张门面图把整份重推演的骨架铺成一眼可读的三段。顶部是方法链五步:只取产品需求、项目目标、已冻架构三层输入(刻意不看详细设计),推出 G1–G5 目标函数(北极星 = 可信发布率每元),落成资产 / 执行 / 裁决 / 治理观测四个面,再与现行图说对照——推到同一面墙的是互证,推岔的才是待裁差量。中段是四个面的形状:资产面把每一单沉淀成版本化的源工程血缘 DAG 与共享资产包,执行面用无状态单写 run 加一条统一的有界重写原语(生成中修复、A11、remix 是同一件事),裁决面以确定性门栈作发布权唯一来源、外加 PlaySpec 考卷与 VerdictFeedback 判卷两份一等契约,治理观测面横切三者、保证预算上界可证明、一切可按 gameId join。底下的闭环点出护城河所在:门过后发布入 feed,玩家真数据经血缘与校准单固化回品类资产包,让下一单的先验变好。最后一排是 Δ1–Δ9 的裁决落点,按三态着色——已落地(C5/C6 契约、Δ6 叙事、Δ9① 注记已回库,画实线)、已采纳(预算两段式、判例库、立宪、能力旗标,裁定采而工单在排)、backlog(重写原语合一、升档梯子、血缘三件、gate-pack 取代 per-tier fork,采而排在放量或 A11 e2e 之后)。判法与差量的细节以正文各节与 §5 裁决表为准。 ## 1 这次推演的输入、方法与用途 diff --git a/docs/agent-specs/assets/rethink-00-第一性重推演总览.svg b/docs/agent-specs/assets/rethink-00-第一性重推演总览.svg new file mode 100644 index 00000000..214efc56 --- /dev/null +++ b/docs/agent-specs/assets/rethink-00-第一性重推演总览.svg @@ -0,0 +1,185 @@ + + + + + + + + + + 图 0 · 第一性重推演总览:五层方法链 → 四面流水线 → Δ1–Δ9 裁决落点 + 换个脑子、只取三层输入(需求 / 目标 / 已冻架构)从头设计,再与现行图说对照:推到同一面墙 = 方向性互证,推岔 = 值得逐条裁的差量。本档是判卷、不是第二份架构 SoT。 + + + + 整图状态(三态)——实线绿 = 已落地(裁定后已回库) · 实线蓝 = 已采纳(裁定采 · 待工单落) · 灰虚线 = backlog / 缓 / spike(采但排后)。本档不改现行架构与代码,采纳的差量经工单落地。 + + + 重推演方法链(刻意只取三层输入、不看详细设计) + + ① 输入三层(不看详设) + 产品需求 · 项目目标 · 已冻架构要求 + + ② 目标函数 G1–G5 + 北极星 = 可信发布率每元 + + ③ 设计方案 · 四个面 + 资产 · 执行 · 裁决 · 治理观测 + + ④ 互证:推到同一面墙 + 方向性互证 · 共享事实、非双盲 + + ⑤ 差量 Δ1–Δ9 + 推岔的才拿出来裁 + + + + + + + + + 资产面(沉淀什么) + + 源工程血缘 DAG + 边只三种:generate(新建)/ modify(A11)/ remix(做同款) + 节点 = 版本(contentHash + 构建 profile + provenance) + 血缘字段第一天就在源工程契约顶层(分成 / 防刷 / 归因地基) + + 品类资产包 + 插件库 + 判例库 + 设计 skill · 脚手架 · few-shot · rubric · 门金标回归集 + 共享资产,只经治理门更新: + 校准单 → 人审 → 版本化发布 → 观察窗对照 → 劣化即 revert + + + + 执行面(怎么跑) + + 无状态单写 run + 脚手架起手 → 有界 ReAct → 构建;跑完即弃、状态外置可续跑 + + 统一有界重写原语 + 生成中修复 = A11 模块重生成 = remix 编辑,一条码路 · 三断言 + + 局内升档梯子(backlog · spike) + 卡住的最小失败面,预算带内换强模型;只花尾部的钱买成功率 + + + + 裁决面(谁说了算) + + 确定性门栈 · gate-pack 组合 + 发布权唯一来源 · 自带金标回归集;真玩取证 · 零 LLM 硬门 + 出题 ≠ 被考;LLM 只做非阻塞丰富度评分,永不自评放行 + + VerdictFeedback 契约(C5/C6 中 C6) + 门裁决 → 结构化反馈:哪门 · phaseNow · driver · 证据 · 失败面 · 修复方向 + + PlaySpec 考卷契约(C5) + 游戏声明「怎么被玩 / 被判」·由源工程派生、源变即重生 + + + + RUN·SPEC→门 + + 反馈 → 定向重写 + + + + 治理与观测面(横切三面 · 上界可证明、一切可 join) + 预算两段式:软停线(越线只许收尾类动作)＋ 硬地板(轮数×单步上限 + 总墙钟 + 收尾预算带,¥ 上界数学封死)——上界永远可证明,软停不等于无界。 + trace 台账:traceId→gameId 全链可 join(生成特征 × 门裁决 × 成本 × 玩家行为 × 收益);成本只认计费平面 quota 行、不信模型自报。配置分两类:受治理发版 / 运营热改。 + + + 闭环:把不可靠输出精炼成可信资产,并回流让先验变好 + 门栈过门 + 合规 + 发布入 feed + 玩家真数据 + 血缘 DAG(gameId join) + 校准单 · 治理门固化 + 先验变好 → 回 RUN + + + + + + + ↺ 闭环回流:玩家真数据经血缘与校准单固化,让下一单先验变好(护城河 = 数据 / 资产 / 血缘,搬不走) + + + Δ1–Δ9 差量裁决落点(创始人 2026-07-03「一次性裁决」· 数值为生效草案值) + + + + 已采纳 + 预算两段式(含 Δ7) + 软停 ¥10/¥50 + 硬地板 ×1.5(¥15/¥75) + 越线只许收尾;生产 / CLI / 图说三处统一 + 采 · 立即生效 + + + 已落地 + Δ1 考卷 + 判卷契约(C5/C6) + PlaySpec + VerdictFeedback 立一等契约 + 已入图说 §三契约表(增两行) + schema + 校验器 + 负样本落 contracts(收口面) + + + 已采纳 + Δ4 门金标判例库 + 误杀 / 漏放判例集中位(contracts 或 harness 树) + 门判据任何改动必先过全量判例 + 采 + + + 已采纳 + Δ5 契约 = schema + 校验器 + 立宪:新契约 DoD 含机器校验器 + 负样本进 CI + 「无校验器不算契约」写入 engineering-conventions + 采 · 立宪 + + + 已落地 + Δ6 叙事重心 + 图说 §一改述为「按变更频率设缝」 + (非框架可插拔);随 W-DSGN doc-sync 回同 + 采 + + + + backlog + Δ2 统一有界重写原语 + 修复 = A11 = remix 合一条码路 + 排 A11 计费 e2e 之后立单 + 采 · 缓(在飞验收面不动) + + + backlog + Δ3 局内升档梯子 + 失败面换强模型;F-2 后 A/B spike + 四前置清了才谈生产、成本方差须封 + 采 spike · 不采直接上线 + + + backlog + Δ8 血缘三件 + lineage 顶层字段 + 边表 + trade game_id 透传 + 放量(决策包⑤)前落地,否则种子数据断链 + 采 · 绑放量 + + + 混合 + Δ9 契约表面三主张 + ①A8–A13 缓编号(注记已加 · 已落地)　单实现期不冻、第二消费者出现才逐条抬升 + ②gate-pack 取代 per-tier fork(缓裁 · backlog)　现不动任何 schema + ③tier 不进契约字段、用能力旗标 + 预算档(新增遵此 · 已采纳)　对外 Tier0/1/2 口径不变 + + + 映射:docs/agent-specs/2026-07-03-生成引擎agentic架构-第一性重推演与差量-设计.md(§0 一图看懂 / §2 目标函数 / §3 四个面 / §5 差量裁决表)｜状态:现(2026-07-03 创始人一次性裁决;C5/C6 · Δ6 · Δ9① 已落库,余按 W-ARCH 批工单排)｜设计变动须同步本图 + 注:本档是判卷、不是第二份架构 SoT——canonical 唯一性不动;采纳的差量按正常工单流程改图说与代码,backlog 项排期见各线。互证为方向性(共享事实基底、非双盲),提示承重墙选对、非证明。 + diff --git a/docs/architecture/架构/生成引擎/assets/quality-01-四层质量塔.svg b/docs/architecture/架构/生成引擎/assets/quality-01-四层质量塔.svg index 537c44fe..636ab2cc 100644 --- a/docs/architecture/架构/生成引擎/assets/quality-01-四层质量塔.svg +++ b/docs/architecture/架构/生成引擎/assets/quality-01-四层质量塔.svg @@ -1,14 +1,14 @@ - + - + 图 1 · 四层质量塔：机制可玩 → 内容丰富 → 留存结构 → 传播钩子 @@ -17,8 +17,8 @@ 数据 - - 决策包⑦ 已批准生效 · 2026-07-02 + + 决策包⑦ 生效 2026-07-02 · 07-03 增补第 12 条口径 @@ -41,8 +41,8 @@ 非阻塞 L2 内容丰富 — 有料、耐玩吗 判定者：LLM 验证 agent 按品类 rubric · 逐条 0/1 ＋ 一句理由 · 三分组小计，不设单一总分 - 通用底座 v2 ＝ 11 条（L2 6 / L3 3 / L4 2，已实装）＋ 品类扩展 ≥4 条（分母分开） - 金标锚定：每品类 ≥1 正例 ＋ ≥1 薄反例，评分尺变更漂移超 ±1 即回退 + 通用底座 v2 ＝ 12 条（L2 7 / L3 3 / L4 2，已实装，逐条见下带）＋ 品类扩展 ≥4 条（分母分开） + 金标锚定：每品类 ≥1 正例 ＋ ≥1 薄反例，评分尺变更漂移超 ±1 即回退（复采样 ≥3 取中位再判） @@ -84,42 +84,49 @@ 档位线（生效值 · 消费于品类小批验收与批次观测，不拦单款） - + 便宜档（AI 低参与）· per-gen <¥10（图/音另线） 实测基线 ¥0.25–0.9/款；预算余量优先买丰富、不买省钱 结构下限：底线四件（成长轴 / 解锁阶梯 ≥3 级 / 第二动机 / 音反馈） ＋ 1 主循环 ≤2 主机制 ＋ 首 3 分钟脚本（映射不动走申报，不许裸降） 观测线：L2 组均分 ≥60% 组满分（区间 55–65% 待锁）且无恒 0 条目 L3 组 ≥2/3 成立 · L4 组 ≥1/2 成立（品类小批 n=3–5） + 首批申报已批两件（非遗类 / 解谜类替代丰富轴，通用条目文本不动） - - tier2（AI 深参与）· per-gen <¥50 · 目标 ≤¥3/成功款 - 实测基线 ¥1.29/款 - 结构下限：≥3 个耦合子系统 ＋ 阶段目标长线；品类结构项由品类件承载 - 观测线：rubric 均分 ≥70% 满分（区间 65–75% 待锁） - 通用 / 品类扩展两分母分开，品类扩展组无恒 0 条目 + + tier2（AI 深参与）· per-gen <¥50 · 目标 ≤¥3/成功款 + 实测基线 ¥1.29/款 + 结构下限：≥3 个耦合子系统 ＋ 阶段目标长线；品类结构项由品类件承载 + 观测线：rubric 均分 ≥70% 满分（区间 65–75% 待锁） + 通用 / 品类扩展两分母分开，品类扩展组无恒 0 条目 - - 防 Goodhart 红线 - L2–L4 分数一律非阻塞；升门动议须回本档 SoT 并过创始人 - 硬证据只有两种：机器真玩 ＋ 玩家真实数据 - 「好玩」终审归人（审核台）；不造质量总分 / 爆火分 - 量纲禁互灌：rubric 0–N / 生成 0–1 / 运营 0–100 / D11 0–100 + + 防 Goodhart 红线 + L2–L4 分数一律非阻塞；升门动议须回本档 SoT 并过创始人 + 硬证据只有两种：机器真玩 ＋ 玩家真实数据 + 「好玩」终审归人（审核台）；不造质量总分 / 爆火分 + 量纲禁互灌：rubric 0–N / 生成 0–1 / 运营 0–100 / D11 0–100 - - D11 就绪分 ＝ 开闸治理观测件（不属质量分层） - 权重管辖归质量轨（playability 0.5 / firstPlay 0.25 - / stability 0.15 / efficiency 0.1）；efficiency 错配为首个复核件 - 放量后 ≥100 款样本 × 留存真数据校准；权重可整体回退上一版 + + D11 就绪分 ＝ 开闸治理观测件（不属质量分层） + 权重管辖归质量轨（playability 0.5 / firstPlay 0.25 + / stability 0.15 / efficiency 0.1）；efficiency 错配为首个复核件 + 放量后 ≥100 款样本 × 留存真数据校准；权重可整体回退上一版 两套「门」消歧：L1 ＝ 真玩九门 ＋ 富三门 ＋ 首局门（验收面）；开闸六门 D12 / GP9 / 9d / D11 / D9 / 首局（放量治理面）不属质量分层 首局门 ＝ H 门 additive 派生超集、FAIL 不推翻 H；富三门只随多系统富游戏档位（现 tier2 经营类），便宜档经营用 occupied 反应族 ＋ score 递增断言（门不跨档、断言照常） + + + 通用底座 v2 ＝ 12 条口径（2026-07-03 增补第 12 条，已实装为现网评分尺 · 一次评分产三分组小计、不设单一总分 · 通用与品类扩展两分母不混） + L2 内容丰富（7）：即时反馈 / 可见成长 / 30 秒爽点 / 数值滚雪球 / 情感锚 / 音反馈 / 核心操作非无脑（新增） + L3 留存结构（3）：下一个解锁 / 放置回归 / 首 3 分钟脚本　　L4 传播结构（2）：炫耀时刻 / 同款钩子　　＋ 品类扩展 ≥4 条（分母独立小计） + - 映射：游戏质量与爆火能力.md（四层模型 SoT 的门面图）｜状态：现（2026-07-02 决策包⑦批准生效；观测线区间待首批品类件回填锁值）｜设计变动须同步本图 - 注：塔基→塔尖 ＝ 权力递减（唯一拒发 → 纯观测）、证据递软（机器真玩 → LLM 评分 → 结构存在性）、真判递晚（生成时 → 上线后）。 + 映射：游戏质量与爆火能力.md（四层模型 SoT 的门面图）｜状态：现（2026-07-02 决策包⑦批准生效 · 2026-07-03 增补第 12 条口径；观测线区间待首批品类件回填锁值）｜设计变动须同步本图 + 注：塔基→塔尖 ＝ 权力递减（唯一拒发 → 纯观测）、证据递软（机器真玩 → LLM 评分 → 结构存在性）、真判递晚（生成时 → 上线后）。 diff --git a/docs/architecture/架构/生成引擎/assets/quality-02-rubric计分与平衡门.svg b/docs/architecture/架构/生成引擎/assets/quality-02-rubric计分与平衡门.svg new file mode 100644 index 00000000..381fd443 --- /dev/null +++ b/docs/architecture/架构/生成引擎/assets/quality-02-rubric计分与平衡门.svg @@ -0,0 +1,118 @@ + + + + + + + + + + + 图 2 · rubric 计分制与 F-4 平衡门五裁定 + L2–L4 内容质量怎么打分(逐条 0/1、三分组小计、非阻塞),以及「平衡」这件事谁说了算(真玩动态门权威、静态恒 advisory)。两者都服从防 Goodhart:软信号绝不拿拒发权。 + + + + + rubric 计分制(§4)— 逐条 0/1 · 三分组小计 · 不设单一总分 + + + 计分单元:每条 rubric 的最小形状 + 编号 / 层标(L2·L3·L4)/ 一句可判定判据 / 一对正反例 + 评分记 0/1(成立 / 不成立)＋ 逐条给一句理由 + + + 三分组小计,不设单一总分(防 Goodhart) + 一次 LLM 评分同时产 L2 丰富 / L3 留存 / L4 传播 三个分组小计 + 不另起三套评分,也不合成单一总分——单一总分会诱导 Goodhart + 分组小计才对得上三层各自的消费点(品类件验收 / 批次观测 / 回流) + + + 两分母分开、不混合平均(规范一·二) + 通用底座 12 条(L2 7 / L3 3 / L4 2,已实装为现网评分尺) + ＋ 品类扩展 ≥4 条(品类特有维度,同形状同层标,独立小计) + + + 判定形态(规范四):纯 LLM · 非阻塞 · 逐条给理由 + 绝不写成代码校验、不进九门、不进脚手架(创始人红线) + 评分调用失败 / 超时 / 解析失败 → 降级「本次未评出」 + 不抛、不阻断生成、不进达标判定——评分再错也不拦游戏 + + + 与 L1 断言的分界(规范五):同名两物、分工明确 + code-presence 类(即时反馈 / 下一个解锁 / 音反馈)软化为 LLM 评分维度 + 经 H 门 assertAfterPlay 的真玩硬断言(score 递增 / currency 扣减)属 L1 + 保留硬断言、不软化——降成软评分会削 L1 拒发权,方向恰好反了 + + + 复采样纪律(规范三):确定性锚点治 LLM 漂移,不用另一个 LLM 治 + 每品类 ≥1 金标正例 ＋ ≥1 薄反例;rubric / 评分 prompt 变更必金标复验 + 单款分组小计漂移超 ±1 即回退 + 复采样:漂移超 ±1 先同输入复采样 ≥3 次取中位再判 + (LLM 对逐字节相同输入,单次采样命中数差可达 3,属固有噪声;prompt 未变可机证时不据单样本回退) + 薄反例先验证「真薄」:模板可能天然品类饱和,此时用合成薄壳作反例、不用模板 + + + F-4 平衡门判法(§8)— 五条裁定(n=5 收敛环 runbook 工单) + + + + agent 写玩法数值 / 数据表 + + + 静态自检 economyConsistent + 毫秒级 · advisory · 自检工具(非放行判据) + + + 真玩动态门(权威) + 经济门 win/lose 双路 + H_progress · enforced + + + L1 放行 + + + 失败:数值证据反馈(F-1) + 实测值 vs 期望值 ＋ 一句为什么(不只喂门名) + 静态 economyConsistent 差额一并折进;tier2 富三门对齐便宜档厚度 + + + + + + 全绿 + + 失败 + + + 数值差额即时提示 + + + F-1 反馈 → agent 定向修(判法不变、反馈变厚) + + + + 五条裁定 + 其一　权威 ＝ 真玩动态门,不回退静态判——静态证明不了「真玩得到」(顾客耐心 / 时序 / 操作节奏只在真玩里) + 其二　静态判据 ＝ agent 自检工具 ＋ 反馈素材,恒 advisory 不升门(省一轮真玩往返,但永非放行判据) + 其三　反馈契约 ＝ 失败必喂数值证据(实测值 vs 期望值 ＋ 一句为什么),不只喂门名;tier2 富三门对齐便宜档厚度 + 其四　平衡的「调」永远是 agent 玩法职责,工具层不代调(不做数值模板、不补平衡骨架);义务 ＝ 讲清「为什么不平衡」 + 其五　赢线双源分工——游戏内赢线(agent 可调)/ 验收外生线(不可调);真玩经济门要求两者同时成立 + 失败反馈须同时暴露三个数:实测终值 · 游戏内赢线 · 验收外生线;若游戏内赢线低于验收地板,直接指出结构性错配、别对着改不动的阈值空转。 + 两级验收别混:F-1 的「自修通过 ≥2 例」证反馈契约生效;tier2 go/no-go 仍以 F-2 干净复跑与收敛环判定为准。 + + + + 静态 × 真玩组合的固定处置(裁定二诊断信号) + 真玩过 · 静态挂 → 放行(静态差额记 warning 进观测,复核静态判据模型) + 真玩挂 · 静态过 → 失败(问题大概率在耐心 / 时序 / 操作节奏,不在数值总量)　·　双挂 → 失败,两组证据并喂 + 真玩无有效观测(探针读不到 state / 驱不到终态)→ 走 harness/driver 故障路径(E/H 门),绝不以静态替代放行 + + + 映射:游戏质量与爆火能力.md §4(rubric 体系)＋ §8(平衡门五裁定)＋ §3 规范三复采样｜状态:现(2026-07-02 决策包⑦生效 · §4 规范三复采样与第 12 条为 07-03 增补)｜设计变动须同步本图 + 注:rubric 计分与平衡门是质量模型 SoT 的两条「怎么判」主线——前者判 L2–L4 内容质量(软信号、非阻塞),后者判 L1 经济平衡(真玩硬证据、唯一拒发权);两条都靠确定性锚点封住 Goodhart 与评分漂移。 + diff --git a/docs/architecture/架构/生成引擎/游戏质量与爆火能力.md b/docs/architecture/架构/生成引擎/游戏质量与爆火能力.md index a82b8af1..53177b5b 100644 --- a/docs/architecture/架构/生成引擎/游戏质量与爆火能力.md +++ b/docs/architecture/架构/生成引擎/游戏质量与爆火能力.md @@ -8,7 +8,7 @@ date: 2026-07-02 ![四层质量塔](assets/quality-01-四层质量塔.svg) -> **生效状态**:本模型经 Codex + Opus 双评审后,由创始人 2026-07-02 以决策包⑦一次拍定生效——四层定义与权力分配、档位观测线、rubric 计分制、平衡门判法五裁定、「收窄 A–E」历史化、富三门档位适用与断言分界、D11 权重管辖移交,七项俱批;档内数值草案即生效值,观测线区间待首批品类件回填分布后锁成单值(§10)。设计留痕 = `docs/agent-specs/2026-07-02-游戏质量与爆火能力-设计.md`。 +> **生效状态**:本模型经 Codex + Opus 双评审后,由创始人 2026-07-02 以决策包⑦一次拍定生效——四层定义与权力分配、档位观测线、rubric 计分制、平衡门判法五裁定、「收窄 A–E」历史化、富三门档位适用与断言分界、D11 权重管辖移交,七项俱批;档内数值草案即生效值,观测线区间待首批品类件回填分布后锁成单值(§10)。2026-07-03 通用底座增补第 12 条口径(「核心操作非无脑」,L2 满分升至 12),图 1 底部明细带按 L2 7 / L3 3 / L4 2 分组列全。设计留痕 = `docs/agent-specs/2026-07-02-游戏质量与爆火能力-设计.md`。 质量不是一个分,是四层递进的塔:机器门保「能玩」(L1,质量分层内唯一拒发权),LLM 评「有料」(L2),结构要求保「想再玩」(L3)与「想传出去」(L4)的前提;玩家真实数据是 L3/L4 的最终裁判,并回流校准 L2–L4 评分与 D11 权重。本档立标准、判定归属与数值档位,是 W-GENRE 品类件 rubric、tier2 富三门反馈契约、数据飞轮留存口径的共同上位标准。它不重定义九门/富三门/首局门的具体判据(判据 SoT 仍是[验收门](验收门.md),本档只裁消费口径),不建留存/传播数据的采集管道(归 telemetry 线与[数据飞轮](数据飞轮.md)回流环),不替 agent 调平衡数值,不写各品类的完整 rubric(归 W-GENRE 品类件),不造统一「质量总分/爆火分」或任何自动爆火门,也不改开闸六门的治理设计(仅接管其中 D11 就绪分的权重管辖)。 @@ -49,6 +49,10 @@ date: 2026-07-02 ## 4 L2 内容丰富:rubric 体系 +![rubric 计分制与 F-4 平衡门五裁定](assets/quality-02-rubric计分与平衡门.svg) + +质量模型有两条「怎么判」的主线,这张图把它们并排摊开。左半是 L2–L4 内容质量的 rubric 计分制:每条 rubric 记 0/1 加一句理由,一次评分同时产 L2 丰富、L3 留存、L4 传播三个分组小计,不合成单一总分(单一总分会诱导 Goodhart),通用底座 12 条与品类扩展 ≥4 条两个分母分开、不混合平均;评分纯 LLM、非阻塞,失败即降级为「本次未评出」、绝不拦游戏。底下高亮的复采样纪律是这套软评分的确定性锚——金标正反例复验,单款分组小计漂移超 ±1 才回退,而回退前先对同一输入复采样 ≥3 次取中位,免得把 LLM 固有的采样噪声误判成漂移。右半是 L1 经济平衡的 F-4 五裁定:agent 写完数值先过毫秒级的静态 economyConsistent 自检(只作提示、永不放行),真正说了算的是把游戏真玩到终态的动态门;门一旦失败,反馈必须带上实测终值、游戏内赢线与验收外生线三个数,而不是只丢一个门名。两条主线一软一硬——rubric 是软信号只供观测,平衡门是真玩硬证据、握 L1 唯一拒发权;共同的纪律都是用确定性锚点把 Goodhart 与评分漂移封死。§8 正文的平衡门流程与本图右半同源,判法细节以那五条裁定为准。 + 丰富有一条结构底线,便宜档也必须有,这是创始人「2D 丰富游戏」裁定的工程化:**成长轴**(数值或等级)、**解锁阶梯**(≥3 级,任意时刻可见下一个)、**收集/装饰或等价第二动机**、**音反馈**。这四件是生成 agent 在设计阶段的交付物(品类设计 skill 的职责),不是九门判据——丰富的「生成」归生成 agent,丰富的「校验」归 LLM 验证 agent,两边都不落项目代码。 计分制先立住:每条 rubric 记 0/1(成立/不成立),逐条给一句理由;条目按层标注(L2/L3/L4),一次 LLM 评分同时产出**三个分组小计**(L2 丰富小计/L3 留存结构小计/L4 传播结构小计),不另起三套评分,也**不设单一总分**——单一总分好看,但会诱导 Goodhart;分组小计才对得上三层各自的消费点。通用底座与品类扩展**分母分开**,不混合平均。每条 rubric 的最小形状 = 编号/层标/一句可判定的判据/一对正反例;品类件照这个形状产条目,评分 agent 照它出「逐条判定 + 理由 + 三组小计」。 diff --git a/docs/plans/2026-06-25-生成引擎统一执行计划-AgentScope三档-plan.md b/docs/plans/2026-06-25-生成引擎统一执行计划-AgentScope三档-plan.md index e86c1674..ab4d5810 100644 --- a/docs/plans/2026-06-25-生成引擎统一执行计划-AgentScope三档-plan.md +++ b/docs/plans/2026-06-25-生成引擎统一执行计划-AgentScope三档-plan.md @@ -19,7 +19,7 @@ design_sot: docs/architecture/架构/生成引擎/agentic运行时架构图说.m ![§0 · 生成引擎执行总览](assets/00-生成引擎执行总览.svg) -> 顶部 SVG 是 2026-06-26 换轴前的横切 WU 版,纵切执行序列以 §5 的切片依赖图与 §4 各节为准;SVG 待 redraw 成切片序列图(列入 §11 收口 TODO)。 +> 顶图已按纵切执行序列重画(2026-07-04 redraw):三档按 AI 参与深度分层、九门横贯兜底,三条成果切片(便宜档达标上线 / tier2 go/no-go / A11 调整回路)各自穿过框架、实例、校验与门一次交付。图内状态分三层——实线为现行已落(便宜档 M3 cutover 已 go-live:dispatcher=http → cheap-worker:9501 → AgentScope Service:8300 /chat、control-plane 六门已开)、灰虚线为进行中或待窗口(tier2 收敛环 conditional、A11 计费 e2e、S5 放量复验)、紫虚线为远期未投(SAA / dify 降级)。细节以 §4 各节与 §5 切片依赖图为准。 ## Summary @@ -313,4 +313,4 @@ reframe 的七条口径(创始人 2026-06-25),换轴不改其一字,逐切片执 **换轴依据(2026-06-26)**:本次重构把执行主轴从关注面横切(WU-A..F)换成成果纵切(三切片),依据是 §3 的三个返工点——关注面横切下,一个交付成果的目标与实现手段被切到不同 WU,串行执行必返工。换轴遵守 canonical 唯一性门:不新建第二份同 topic canonical,在 plan① 原地重构,WU-A..F 内容全部保留为 §7 设计面对账,文件名不变(8 个活档引用其路径不死链)。WU 横切作设计落地结构仍有效,只是不再充当执行序列。换轴核查:被压缩的 WU 内容分两类——设计 HOW(八面 5.x / 三档矩阵 / A2A·cancel·幂等协议 / 6 ADR)归位设计 SoT、§7 对账可下钻,执行 plan 不重复;执行契约(WU-A 便宜档灰度迁移 11 项:链路 / 灰度 flag / 对照 / 幂等 / 在途 / 切换门槛 / 回滚等)是按计划执行必须遵守的约束、不是设计,已补回切片一,不随设计细节一起移交。 -**收口 TODO**:① `assets/00-生成引擎执行总览.svg` 待 redraw 成纵切切片序列图(当前是横切 WU 版);② `tier2/HANDOFF.md` 的 n≥30 字面改 n=5(随切片二);③ ✅ [`MVP进度总账.md`](../mvp/MVP进度总账.md) 回填执行序列三切片现状(2026-07-02 账本对真已回填);④ 换轴版已过 Codex + Opus 双评审(Opus 四维度专项 + Codex 四维度专项末轮重连完整产出),两评必修与发现项已在档内修(2026-06-26);⑤ ✅ 设计 SoT §269「十一插件」与代码实际 12 个(8 基元 + 4 编排)不符——**2026-07-03 W-DSGN doc-sync 已核正为「十二插件」并列全 12 名**;⑥ ✅ A11 在设计 SoT 曾只 §三协议表一行——**§六「调整回路(试玩后纠错 · A11)」专节已补**(现/建 2026-06-29),2026-07-03 W-DSGN doc-sync 复核确认已覆盖两段式判意图 / 三断言 / 工程规范性(assets.js·core.js)/ 代码完成状态,无需重复补。 +**收口 TODO**:① ✅ `assets/00-生成引擎执行总览.svg` 已 redraw 成纵切切片序列图(2026-07-04:三档分层 + 九门兜底 + 三切片执行序列,便宜档 M3 cutover 现行 / tier2 conditional / SAA 远期三态标注,过 atlas house-style 复验;浏览器眼验待主会话);② `tier2/HANDOFF.md` 的 n≥30 字面改 n=5(随切片二);③ ✅ [`MVP进度总账.md`](../mvp/MVP进度总账.md) 回填执行序列三切片现状(2026-07-02 账本对真已回填);④ 换轴版已过 Codex + Opus 双评审(Opus 四维度专项 + Codex 四维度专项末轮重连完整产出),两评必修与发现项已在档内修(2026-06-26);⑤ ✅ 设计 SoT §269「十一插件」与代码实际 12 个(8 基元 + 4 编排)不符——**2026-07-03 W-DSGN doc-sync 已核正为「十二插件」并列全 12 名**;⑥ ✅ A11 在设计 SoT 曾只 §三协议表一行——**§六「调整回路(试玩后纠错 · A11)」专节已补**(现/建 2026-06-29),2026-07-03 W-DSGN doc-sync 复核确认已覆盖两段式判意图 / 三断言 / 工程规范性(assets.js·core.js)/ 代码完成状态,无需重复补。 diff --git a/docs/plans/assets/00-生成引擎执行总览.svg b/docs/plans/assets/00-生成引擎执行总览.svg index 81aba0bf..3fe70ee8 100644 --- a/docs/plans/assets/00-生成引擎执行总览.svg +++ b/docs/plans/assets/00-生成引擎执行总览.svg @@ -1,4 +1,4 @@ - + @@ -9,146 +9,184 @@ .flow{stroke:#334155;stroke-width:2;fill:none} .dash{stroke:#64748b;stroke-width:1.7;fill:none;stroke-dasharray:6 4} .fut{stroke:#7c3aed;stroke-width:1.8;fill:none;stroke-dasharray:6 4} - .badge{font-size:10.5px;font-weight:700} - - §0 · 生成引擎统一执行总览 - 2026-06-25 reframe 把生成引擎执行收成一条线：框架统一 AgentScope、三档按 AI 参与深度切分、引擎随复杂度选 LittleJS / Phaser。一张图看意图、边界与怎么算成功。 + - - - ① 核心思想 · 收成一条线 - 框架统一 AgentScope；三档按 AI 参与深度（Tier0/1/2）， - 级别越高、AI 写进游戏的内容与代码越多。 - 引擎随表现复杂度选：轻-中档 LittleJS、最高档 Phaser， - 引擎是实现、不是分档轴。 - 全模板化、去超休闲：最低档也得能商业闭环。 + + §0 · 生成引擎统一执行总览(纵切成果切片 · 执行序列) + 2026-06-25 reframe 收成一条线——框架统一 AgentScope、三档按 AI 参与深度切分、引擎随表现复杂度选。执行主轴 = 三条成果切片纵切,各自穿过框架 / 实例 / 校验 / 门一次交付。 + 质量 + 成本 + 可观测 + 安全 - - ② 边界 · 收三摊、降副线 - 吸收退役 06-18-001（SAA 真结构化生成主线）、 - 06-19-001（core-done 验收闭环）； - 并入 003（复杂档 tier2 富游戏，整体入 WU-B/C/F）。 - SAA / dify / coze 降最低优先级， - 留作远期适配样本，验「可插拔」不是空话。 + + + 整图状态混合(2026-07-04 快照)——实线 = 现行已落 · 灰虚线 = 进行中 / 待窗口 · 紫虚线 = 远期未投。绝不把进行中或远期画成现行。 + 便宜档 M3 cutover 已 go-live(实线) · tier2 收敛环 go/no-go = conditional(灰虚线)· A11 计费 e2e 已收官(实线) · SAA / dify 远期(紫)。 - - ③ 怎么算成功 · 四道收口 - 三档实例就位（Tier0/1 LittleJS·A-model + Tier2 - Phaser）· 八面（SoT §五）落到可实现颗粒度。 - 便宜档 ≥80% 达标门（统计批跑）。 - tier2 走 n=5 收敛环定 go（非 n≥30）。 - 预算硬闸：便宜档 <¥10 / 复杂档 <¥50（图音另算）。 + + + 三档按 AI 参与深度切分(Tier0/1/2)· 引擎按表现复杂度选、非分档轴 · 全模板化去超休闲、最低档也须商业闭环 + + 便宜档 · Tier0/1(AI 低-中参与) + LittleJS 增强发行版 · A-model 写真 src/ 多文件源工程 · 12 插件能力库(8 基元+4 编排) + + 复杂档 · Tier2(AI 深参与) + Phaser 独立 Python service · agent 写系统层 · 骨架起手 + + 九门兜底 · 机制地板(引擎无关 · 零 LLM · 唯一拒发权) + 便宜档过九门 · tier2 加富三门 + 首局门 · 真玩取证判定 - - 六个工作单元的依赖关系（实线 = 已落主体 · 虚线 = 待办 / 标准供给 / 后期受治理） + + + 硬前置:便宜档实例 · A2A · D12 - - - 近期 · reframe 核心执行 + + + 切片一 + 便宜档达标上线 + M3 go-live - - - WU-A 框架收敛　地基 · 近期 · 头号风险 - 便宜档 Node amodel-gen 生成核心 → 用 Python 重写 - 进 AgentScope agent，与 tier2 同语言同框架（三档同构）。 - 移植范式（多轮 ReAct / 五工具沙箱 / done 门 / 历史压缩）。 - A1–A13 协议骨架不变；Node 旧路灰度兜底、达标后退役。 - 吸收 06-18-001 地基产线化 / 策略外置 · 先出迁移面 spike - 回滚 = 路由 flag 瞬切回 Node 旧路（对照达标才抬灰度比例） + + M1 达标门绿 ✅(lab 口径) + 三品类各 5/5 · overallMeets=true + bake-off 按品类 ≥80% · 自动 spec 驱九门 + richness 正路:sim-business 设计 + + LLM 丰富度验证 agent(非阻塞) - - - WU-B 三档实例就位（SoT §四）　近期 - 便宜档 LittleJS·A-model（Tier0/1）：已落地板 - （写真 src/ + 11 插件 + 九门），待迁框架 + 达标门。 - 复杂档 tier2·Phaser（Tier2）：吸收 003 主体成果 - （核心 + 服务化 + 观测 + 落库），spike feie-005 accept。 - A11 试玩/HITL 回路起步落两档：确定性覆写 + 模块重生成 - 待办：tier2 n=5 收敛环验更多款（go/no-go 交 WU-F） + + M2 上线就绪 ✅ + 退役授权 authorized=True + 三前置齐:M1 达标 ∧ 002 对照等价 + ∧ auto-vs-golden 不退化 + Node 旧路退役条件备齐 - - - WU-C 八面落地（SoT §五）　横切 · 与 WU-B 并行 - 把八个 facet 从设计落到可实现颗粒度，三档共用一套接缝： - 5.1 运行时形态　·　5.2 控制面 / 配置热取　·　5.3 单写 ReAct - 5.4 三层校验 + 九门　·　5.5 能力面（skills / MCP 工具） - 5.6 源项目契约与装载　·　5.7 观测与成本（OTel）　·　5.8 四层职责 - 5.6/5.7 tier2 侧已落 · 5.1/5.3/5.4/5.5 核心已落（feie-005 全门过） - 待办：公共 trace 契约定稿 · 自产 driver 三层隔离 · 结构化契约门 - L3 视觉软检只评分不阻塞，好不好玩归人工终审（防 Goodhart） + + M3 真上线 · cutover ✅ go-live + dispatcher=http → cheap-worker:9501 + → AgentScope Service:8300 /chat + control-plane 六门已开:D12 / GP9 / + 9d / D11 / D9 / 首局(GP9·配额·背压在闸) - - - WU-D 采标准 6 ADR 分批（SoT §二补三）　分批供给 - 按成熟度与依赖分三批，每条带 ≥3 具名候选 + 排除理由： - ① 观测/治理：OTel + Langfuse（可即采）→ - ② 协议：A2A 任务 + MCP 工具（Tools 即采 / Tasks 隔离）→ - ③ 运行时：durable-exec + sandbox（future-state · 独立选型） - 自研只留两块护城河：确定性验收门 + 生成专属 checkpoint/续跑 + + S5 放量复验(进行中) + 种子受控内测 → 生产真实分布 + 按品类 ≥80% 达标复验 + 创始人按 6 门证据放行对外放量 + 备案红线:外测 ≤2 万、不接广告 - - - 后期阶段 + + + - - - WU-E 控制面 / 管理面 - + 配置发布审批边界 - 是 WU-C 5.2 控制面的 - 后期深化（主线稳定后投） - 四组件： - · 配置注册表（五类节点 - 　目标态运行时热取） - · 观测 / 审计仓 - · D12 运行治理门 - · 管理面 UI 三 phase - 重要配置走 yudao - 配置发布审批 - = 受治理发版（复用现货 - 不自研）。先补一致性 - CI，别在裂地基上盖 - 更大注册表。 + + + 切片二 + tier2 go/no-go + conditional - - - WU-F 验收与预算门（横切收口）　收口 · 定 go/no-go - 便宜档 ≥80% 达标门（全 20 款 bake-off + 四模型横比 + Claude-free judge，统计批跑）　·　预算闸 <¥10 / <¥50 fail-closed 接线（图音独立预算线另算） - tier2 n=5 收敛环 go/no-go（并发 5、有错追加 5、收敛即 go；退路树按失败模式分流）　·　协议层 A1–A13 待创始人拍（设计批准动作、非代码门） - 两套口径各自适用、别混：便宜档统计门 ≥80% ≠ tier2 收敛环 n=5。 - 吸收 06-19-001 对外开闸放行：smoke 5 链路真绿 · 8 页 CDP 走查 · 广度抽检 · feed 真玩纵切（独立 SoT 验收门.md 6 门） + + harness 小验 ✅ + agentscope 2.0.2 托管 CDP 九门 harness + 裁定:收敛环走 in-process + DockerWorkspace 转 Phase B + 收敛环取证前置阻断项已清 - - - - - - 支撑 - - - 标准供给 - - - 深化 - - - - - - - - - 受治理发版 + + 结构化契约门 ✅ + play-scene 工厂结构 AST 结构化校验 + 取代偏脆文本契约门 + 收敛靠机器门把契约违规 + 变成响亮可修反馈 - - 图例： - 已落主体 - 待办 / 标准供给 - 后期 / future-state（紫） - 依赖 / 先后 - 标准供给（不阻塞） - WU-A 地基 → WU-B/C 并行 → WU-D 分批供给 → WU-E 后期 → WU-F 收口 + + n=5 收敛环真跑 ✅ + 并发 5 · 有错(>1)读日志修复再追加 5 + 最多追加 3 轮 · 累计 n ≤ 20 封顶 + 不滑向 n≥30 统计批跑 + 与便宜档 ≥80% 达标门是两套口径 - 映射：docs/plans/2026-06-25-生成引擎统一执行计划-AgentScope三档-plan.md ｜ 状态：草拟门面 ｜ 设计变动须同步本图 + + go/no-go = conditional + M3 能写过全门的多系统富游戏 + 但自调赢 / 经济平衡不稳 ~1-2/5 + 退路在 agent 层、非工具层 + follow-up:反馈质量 / 干净复跑 / 强档对照 / 平衡门重审 + + + + + + + + 切片三 + A11 对话式调整回路 + ~90% + + + 判意图 + 范围确认(两段式) + LLM 把自然语言改话分类成 + mode / target / payload + 前端范围确认后再执行 + 绕开 NL 进不了已结构化 /modify + + + 确定性覆写 / 模块重生成 + 覆写 = 参数级改动、零 LLM、主路 + 对源工程一处覆写后重构建 + 模块重生成 = 有界、复用外层 resume + 不动其余已验证模块 + + + 三断言 + 九门 + 三层校验 + ① 请求的结构化改动真实生效 + ② 非目标模块 hash / 白名单稳定 + ③ 新版本与 baseVersionId 血缘可查 + 全过才算改成(过九门 ≠ 改对) + + + 计费 e2e ✅ 已收官(07-04) + M1–M5 代码全完成 ✅ + 本机逐段验证 + 真后端两段式回路真转(93149→93150) + 计费 0.9871 落账 · D11=90 · 幂等键持久 + 整体重设计(换骨架 / 换品类)= 后期 + + + + + + + + + ① 价值排序 · 非阻塞 + ② 价值排序 · 非阻塞 + + + + 基建线 · 控制面 / 观测 / 配置热取(按需长出、不预铺 · 横穿三切片,供可观测与治理给切片二·三) + 配置控制面采 Spring Cloud Alibaba 生产现货:Nacos(配置+发现)/ RocketMQ(异步 gen 队列)/ Sentinel(流控)+ 护城河 middleware(软预算 / 续修 / 门判)。 + 便宜档生成核心归并进 AgentScope Service /chat;配置中心 = yudao ⊕ Nacos 版本化层(改→版本→激活,鉴权 / 审计 / BPM 原生兜)。 + 阶段〇 + 阶段一①(护城河 middleware)+ 阶段一②(cheap 归并 Service)已落地 push;统一 trace 公共五字段契约 + 管理面 phase-1 只读随切片拉动长出。 + + + SAA / dify / coze(远期) + 降最低优先级、不在 MVP runtime。 + 留作远期适配验证——「被适配进来」 + 本身验证 §一可插拔;采标准把换框架 + 降到「重写 B 类实现、A 类协议不动」。 + + + 图例 + 现行已落 + 进行中 / 待窗口 + 远期未投(紫) + 硬前置 / 先后 + 价值排序 / 供给(不阻塞) + 机制地板 / 拒发权(九门) + + + 映射:docs/plans/2026-06-25-生成引擎统一执行计划-AgentScope三档-plan.md(§4 执行序列 / §5 纵切依赖图 / §8 reframe 七口径)｜状态:现行(便宜档 M3 go-live · A11 e2e 已收官)＋进行中(tier2 conditional · S5 复验)＋远期(SAA/dify)｜设计变动须同步本图 + 注:三切片按价值串行(一→二→三,无强依赖、可并行准备);切片三硬前置于切片一已上线的便宜档实例 / A2A 任务 / D12 配额;基建线横穿、被切片二·三拉动时长出。2026-07-04 快照。