# ════════════════════════════════════════════════════════════════════════════
# generation.yaml —— tier2 富游戏自治生成线 · 生成器旋钮配置(运行时读 · 单一事实源)
#
# 这是什么:把过去散在 6+ 个 Python 文件里写死的「调生成、优化过门率」旋钮收敛到这一份外部配置。
#   worker/genconfig.py 在每次 run 运行时读它(env 覆盖 > 本文件 > 内置默认 > 调用方默认),
#   故【调生成 = 改这个文件重跑,不改码、不重同步到 mini-desktop】。对应图说 B 族「配置注册表
#   (唯一事实源 / 版本化 / 运行时读)」在生成器旋钮这一面的落地。
#
# 怎么改:把某个值改掉、保存,下一次跑生成自动生效(genconfig 按文件 mtime 自动重读)。
#   想只对某一批临时压一个值而不动文件:export TIER2_GEN__<区>__<键>=值(全大写、双下划线分隔),
#   例 `export TIER2_GEN__ITERATION__WRITER_MAX_ITERS=60`;实验完 unset 即恢复本文件的值。
#
# 默认行为不变(红线):本文件每个值 = 改造前各源文件里的硬编码值,逐项对齐。只要不动这里、不设 env,
#   生成行为与外置前字节一致;只有人主动改了某个值,它才经 genconfig 流通到取值点生效。
#
# ★ 标记:directional(方向性占位)值——需 mini-desktop 跑 n≥30 真基线后据实测分布校准。
#   调这类值是「优化 20% 过门率」迭代循环的主要着力点(改这里重跑、看过门率)。
#
# 维护纪律:本文件与 genconfig.py 的 _BUILTIN_DEFAULTS 应同值(后者是本文件失效时的兜底副本)。
#   改默认值优先改本文件;若要连兜底也改,同步改 _BUILTIN_DEFAULTS。
# ════════════════════════════════════════════════════════════════════════════

# ── model · 模型客户端构建旋钮(消费方:worker/config.py)──────────────────────────────
model:
  default_model_name: MiniMax-M3      # 单写 agent 默认模型(M3 路;model_name_from_env 默认值)
  deepseek_flash: deepseek-v4-flash   # 便宜主力档名(spike 主问「便宜到什么程度还守得住」)
  deepseek_pro: deepseek-v4-pro       # 强便宜救场档名(退路树 Q1 读它的过门率)
  baseline_opus: claude-opus-4-8      # 强基线 Opus(网关现【无此渠道】、真调 503;待 new-api 开通后改这里即接上)
  baseline_fable: claude-fable-5      # 强基线 Fable(同上,网关现无;列出不假设可用,build_baseline_model 取不到诚实报错)
  baseline_crosscheck: deepseek-v4-pro  # 跨族 cross-check(创始人 2026-06-24 拍:网关无 Opus/Fable,证路当前用它;实测可调)
  max_tokens: 512000                  # 输出上限(非上下文窗;build_model 硬约束 max_tokens > thinking_budget)。
                                      # 2026-07-09 创始人拍「统一 512K(后面可调)」——把 output 上限抬到不再是瓶颈。
                                      # 依据:16K 是自设限非模型限(实测 M3 单轮能输出 17000 tokens/finish_reason=stop、
                                      # accepts 40K 与 512K 均无报错);cheap 走 OpenAI inline thinking(thinking 吃额度),
                                      # 低上限 + 大文件整写易撞截断丢方法/导出(heritage 黑屏、thrash 病根之一)。512K 彻底消除
                                      # 输出截断顾虑;模型 finish_reason=stop 自然收尾、不会因上限高而空转多花(thinking_budget 8K 仍封顶思考)。
  thinking_enable: true               # M3 是否开 thinking 分离(便宜档无此约束,只 M3 路用)
  thinking_budget: 8000               # M3 thinking 预算(必须 < max_tokens,否则 build_model 抛)
  max_retries: 2                      # 网关偶发 502 突发的兜底重试次数(wg1 spike 实证有效)
  ctx_trigger_ratio: 0.8              # 历史压缩触发比例(超 trigger_ratio×context_size token 才压;2.0.2 约束 0<r<0.9)
  ctx_reserve_ratio: 0.1              # 历史压缩保留最近上下文比例(须 < trigger_ratio)

# ── budget · ¥ 累进硬闸 + 四道熔断 + 软刹(消费方:worker/middleware.py)────────────────────
#   这一区是「自治多轮 ReAct 不能无限烧钱」的硬地板。调它们 = 调成本上限与失控保护强度。
budget:
  # 预算两段式(创始人 2026-07-03 一次性裁决,裁决记录 = 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 §5;
  #   单位经济或模型单价大变即复审):软停线越线只许收尾类动作(finish/构建/跑门,禁新增大额生成调用),
  #   整局 RMB 硬地板 = 软停线 × rmb_hard_floor_ratio,与轮数/墙钟闸任一先到即停(middleware 强制)。
  rmb_hard_limit: 50.0          # 富档单局 ¥ 软停线(soft 档;hard 档=单段硬线)。裁决值 ¥50(原 3.0 是 0号 spike 占位)
  rmb_hard_floor_ratio: 1.5     # 两段式硬地板倍率:硬地板 = 软停线 ×1.5(富档 ¥75 / 便宜档 ¥15,fail-closed 封上界)
  cheap_rmb_hard_limit: 10.0    # 便宜档单局 ¥ 软停线(裁决 ¥10;生产 Service 与 CLI 经 cheap_budget.build_cheap_breaker 同源读)
  max_tool_calls: 100           # step_cap 步数硬顶(工具调用总次数)。2026-07-04 创始人令提阈值 60→100:
                                #   F-2 实证 60 步顶挤掉续修窗(writer 40 轮撞墙后 resume 只剩 ~20 步,美食类
                                #   硬 brief 修不完就被拦);100 = writer 60 + 续修 ~40 headroom,失控保护交
                                #   ¥ 硬闸(50×1.5)与墙钟。cheap Service 显式传 150 不受此影响;cheap CLI 继承此值(纯兜底,¥10/15 是真闸)。
  max_model_calls: 120          # budget 预算闸(模型推理总次数;¥ 取价失败时由它兜底拦飞车)。随步顶 60→100 等比 80→120。
  wall_timeout_s: 2700.0        # timeout 整 reply 墙钟超时(秒)。随步顶提到 45min(F-2 美食 R1 在 60 步已跑 1464s,100 步预留 ~2400s)。
  step_timeout_s: 420.0         # timeout 单步静默超时(相邻事件间隔超此判单步卡死;秒)
  stuck_repeat_threshold: 4     # stuck 连续同一失败签名达此次数 → 判死圈
  soft_ratio: 0.8               # 软刹触发比例(达 soft_ratio×硬顶时往 system prompt 注入收敛提醒)
  group_ratio: 1.0              # new-api 分组倍率(¥ 折算用)
  est_prompt_tokens: 12000      # ¥ 闸首调保守预估的 prompt token 量级(系统提示+历史+设计稿;调用后按实测覆盖)
  est_completion_tokens: 2000   # ¥ 闸首调保守预估的补全 token 量级(一轮补全+tool_use)

# ── iteration · 单写 ReAct 轮数 + 外层有界 resume(消费方:worker/agent_loop/studio.py)──────────
#   这一区是「优化过门率」最直接的着力点之一:放开/收紧自治轮数与续修次数。
iteration:
  writer_max_iters: 60   # 单写 ReAct 放开的最大轮数。2026-07-04 创始人令提阈值 40→60:F-2 两轮实证美食类
                         #   硬 brief 在 40 轮墙上反复被截(R1 churn 到 step_cap、R2 设计收敛后仍 40 轮不绿),
                         #   40 是预算墙不是能力墙;烧钱风险交 ¥ 两段式(50/75)兜。
  max_resumes: 6         # 外层有界自纠 resume 上限(agent 过早停下、门未绿且有预算时,带反馈再踹回去续修的次数)

# ── design_team · 阶段 1 工作室星形多 agent 设计预算(消费方:worker/agent_loop/design_team.py)──
#   设计阶段是过门头号杠杆(图说 C1);这一区控制设计团队烧多少 token、跑多久。
design_team:
  leader_max_iters: 12   # leader ReAct 总轮数上限(= 调四专家 + 汇总的天花板;默认够各专家 ≤2 次 + 汇总)
  per_expert_cap: 2      # 单专家被 leader 调用次数上限(防 leader 反复刷同一专家烧 token)
  timeout_s: 420.0       # 整设计团队墙钟硬超时(秒;超时 degrade 回单 agent 设计,不中断主链)。
                         #   2026-07-04 F-2 R1 实证 240→420:两败局(美食/糖水店)均为 3/4 专家已产出、
                         #   末段调用/leader 撞 240s 墙钟 → 降级单 agent 设计 → writer 40 轮不收敛 → step_cap;
                         #   三过门局设计团队全部正常收敛(超时↔失败 5/5 完美相关)。M3 thinking 慢尾单调用
                         #   可达 120-180s,420 给一次慢尾余量,与 runtime.step_timeout_s=420 同刻度。

# ── gates · 退路树四阈值 + harness 门阈值 ──────────────────────────────────────────────
#   退路树阈值消费方:worker/fallback_tree.py(go/no-go 判定,纯分析侧,import 时读)。
#   harness 阈值消费方:tier2/harness/play-phaser.cdp.cjs(Node;经 env TIER2_GEN__GATES__* 注入,
#     或读 genconfig.export_for_harness() 导出的 JSON;.cjs 端按「env > 内置默认」消费,默认 = 现值)。
#   ★ 这些多为 directional,真跑校准过门率时改这里。
gates:
  qpass_go_min: 0.40              # ★ 退路树 Q1:最强便宜档(v4-pro)过门率 ≥ 此值 → GO 转铺引擎
  qpass_floor_max: 0.20           # ★ 退路树 Q4:便宜档全线 < 此值 → 判「全线崩」
  qpass_strong_baseline_min: 0.0  # 退路树 Q4:强基线(Opus/Fable)过门率 > 此值(即 >0,至少 1 款过)→「能过」
  concentration_ratio: 0.50       # ★ 退路树 Q2/Q3:某失败桶占失败总数 ≥ 此值 → 判「集中」(过半算集中)
  human_min_patience_ms: 12000    # ★ harness 人可玩 advisory:订单耐心的人类最小反应窗口(ms);低于金标 min(16s)留余量
  color_dist_min: 18              # harness render-reflects-state:有 item 格 vs 空格的色差 > 此值 → 判「渲染反映了状态」
  var_delta_min: 120              # harness render-reflects-state:方差增量 > 此值 → 判「渲染反映了状态」(与色差任一满足即过)

# ── judge · 独立模型玩法地板判定(消费方:cheap-worker/cheap_verify.apply_gameplay_judge)──────────
#   W-AXIS 波2(质量模型 SoT 裁定三):机械九门降位为「未见明显死」预筛,玩法地板由独立多模态模型看真玩证据
#   (首帧/局中连拍/局末截图 + game-log + 取证时间线)裁 broken/hollow/off-brief 三类拒绝,阻断放行。
#   ok = 预筛 ∧ 判定;判定只对过筛者跑(省¥);fail-closed(评不出/无证据 → 不放行、标 degraded)。
judge:
  blocking: true          # 玩法判定是否阻断放行(整体回退位:false=判定只观测、ok 仍=预筛,可一键回退到修订前口径)
  model: MiniMax-M3       # 判定模型(创始人 2026-07-10 令切 M3):glm-5.2 唯一通道=闲鱼二手中转,图像支持按池轮换、07-09 整日全盲实证不可依赖;M3 读图亲验可靠(裸图/判定/spike 三路实证,且当场抓出 M3 自己写的渲染 bug)且走 MiniMax Direct 一手通道。裁定三①「出题≠被考」边界随本决策修正(地板只裁「有无」+金标亲玩兜同源盲区),SoT 修订随 v2 双评审落档。
  max_tokens: 202752      # 判定输出上限。1500 实测太低(创始人 2026-07-09 令调大):glm-5.2 思考长度随机,21 局里 6 局撞线重试、1 局重试后仍截断被误拒(trpg-r5)。512000 经 new-api 实探 400 拒,202752=glm-5.2 网关实探可过上限;真实成本/时长闸=timeout_s(思考再长也被 120s 截停)。
  timeout_s: 120          # 判定 LLM 调用超时(秒);超时 → fail-closed degraded
  max_frames: 6           # 最多喂几帧证据截图(首帧 + 局中连拍 + 局末,控 token/成本;超出保头尾均匀采样)
  cost_target_rmb: 0.3    # 单局判定成本目标(¥;仅记账对照/告警,不阻断——实测约 ¥0.10/4-6 帧)

# ── archetype · business-sim 品类 driver 参数(消费方:worker/archetypes.py)─────────────────
#   注:这里只放 driver 真玩规格里的【可调数值】(怎么玩);品类的【结构】(三系统/数据表 schema)
#   不在配置层,仍由 fixture 与品类注册表定。改这些 = 调 business-sim driver 怎么把游戏玩到终态。
archetype:
  business_sim_driver_steps: 80      # driver 总步数(赢路点合成→凑单→交单→金币达标;够走完一局)
  business_sim_driver_step_ms: 280   # driver 步间隔(ms;每步之间的真玩节奏)
  business_sim_win_threshold: 100    # 盈利路金币胜利阈值(与 economy/latch 门、数据表 winCondition 对齐)
  business_sim_bankrupt_steps: 60    # 破产路观察步数(放任流失,看是否走到 lose)
  business_sim_streak_lose: 3        # 连续流失判负次数(与数据表 loseCondition.consecutiveOrderFails 对齐)