zizi dcb680e95f docs(agent-loop): batch-002b 补产满分收口——综合 accept 45%→95%, 剥 think 防御实战 7/7 全救

- batch-002b: 10/10=100%(零 kill/零 infra/fix 回炉 3/3/稳定性 100%/flash 抽检 0 分歧),
  金丝雀 9058-9067 全发布, feed=30 款
- 防御实战铁证: M2.7 泄漏当日仍 22.6% 再现(31 调用 7 泄漏), 归一化 7/7 全救——
  对照 batch-002 同病灶击杀 10 条 → 本批零击杀
- 执行器路径实战单: 图书馆排书架 13s succeeded(认领→LLM 12.2s→schema round1→受理)
- 综合口径: batch-002 20 条创意补产后 19/20=95.0%
- C7 作战清单收口; eval 回流 +55 行

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

2026-06-10 06:53:44 +00:00

2.3 KiB

Raw Blame History

agent-loop v1 批报告 · batch-002b

自动生成（§7.5），数据源=本批 JSONL 账本；同时即 prompt-eval.yml 闸②④数据源。

1. 结论速览

项	值
accept 率（统一口径）	100.0%（accept ÷ (提交创意数 − infra 类) = 10 ÷ (10 − 0)）
提交创意数	10
infra 类（不计分母）	0（占已处理 0.0%）
批起止	2026-06-10T06:28:39.157710+00:00 → 2026-06-10T06:36:13.918602+00:00
模型与通道	MiniMax-M2.7 @ http://100.64.0.8:3000（抽检模型：deepseek-v4-flash）
30 分钟强制收口	未触发

Prompt 版本：{"config.clicker-designer": "1.1.0", "quality.adversary-review": "1.1.1", "fix.design-revise": "1.0.0"}

2. 三层漏斗（对齐 C1 口径，分母=10）

层	通过数	通过率
结构层（schema 终态）	10	100.0%
可运行层（五条 AND）	10	100.0%
可接受层（accept）	10	100.0%

归因：主要损耗在文本面（策划/填参，kill 0 条）≥ 实玩面（0 条）：优先修 prompt/模板约束，走四道闸升版。红线：不得以降低裁决口径换达标。

3. kill 原因分布（reasons 首项聚合）

（本批无 kill）

4. fix 回炉

回炉数：3；回炉后 accept：3；回炉成功率：100.0%

5. infra_fail 明细（不计分母、可重放）

（本批无 infra_fail）

6. 对抗评审稳定性披露（Z4）

重测条数：3；一致条数：3；一致率：100.0%

7. 换模型抽检（20% 向上取整重裁）

抽检条数：2；分歧条数：0；分歧率：0.0%；发布冻结：否

8. 成本

LLM 调用总数：31；批总耗时：454 秒

9. 金丝雀发布清单（≤10/批）

designId(8)	gameId	versionId	已发布	feed 可见	跳过/失败
4749c61f	9058	93039	是	是	—
064fe1cc	9059	93040	是	是	—
aae37861	9060	93041	是	是	—
b6259c3c	9061	93042	是	是	—
ce83fb25	9062	93043	是	是	—
b0f880d8	9063	93044	是	是	—
8f5156a6	9064	93045	是	是	—
be4fec8c	9065	93046	是	是	—
fcb11f6d	9066	93047	是	是	—
c825e03c	9067	93048	是	是	—

2.3 KiB Raw Blame History Unescape Escape