games-development-ai/docs/agent-specs/_archive/2026-06-09-agent化生成QA闭环-review.md

# agent 化生成 QA 闭环 · 评审版设计（创始人拍板版）

- **文档编号**: HJ-AGENT-LOOP-REVIEW-001
- **日期**: 2026-06-09
- **状态**: ✅ **已拍板**（2026-06-09 创始人对 §7 四项全部采纳推荐答案；execution 版起草中）
- **终审修订**: 2026-06-09 按总架构师终审 5 条意见修订（修订账见 §2.4：落包三表写入链 / runtime-api 扩面如实计量 / M2 两段式口径 / 漂移表述降格 / 裁决决策表要求）
- **评审方式**: 三镜头提案（mvp-first / quality-first / compound-first）× 三评委独立裁决（工程正确性 / 范围 YAGNI / 产品护城河），评委均做了超出事实清单的代码核验
- **裁决结果**: **三位评委 ranking 首位一致 = mvp-first** → 以其为骨架，嫁接另两案 steal 亮点，fatal 逐条化解（见 §2）

---

## 0. 结论（先行）

**推荐架构一句话**：以「2 个 LLM 角色（独立策划 + 对抗策划）+ 2 个确定性组件（CDP 玩家取证 + 纯代码裁决）+ 1 个脚本编排器」组成全自动生成 QA 闭环；**后端新增 = aigc 回调实做（内联 PackageFactory）+ runtime-api 扩落包方法**（一次闭合 aigc 链 2→5 唯一断点，未来真 Dify 接入零改动，通道与三表写入清单见 §4 接线②）；发布前可运行证据 = **CDP 捕获宿主 lifecycle emits**（规避预览页不发遥测的真实断点）；v1 仅 clicker 走全闭环，staging 单批 20 创意全自动流完、**accept 率 ≥80% = M2 成功率指标口径达标**（**M2 整体收口另以 M-b 生成半下沉为准**，两段式定义见 §7 待确认 4），任一 accept 在 feed 真可玩为终验。

为什么是它：

1. **集成切面全场最准**（三评委一致）：全仓既有 HTTP 写入面只有 `/admin-api/aigc/dify/callback` 桩，实做它 = 零新对外端点（runtime-api 扩落包方法为内部 RPC 契约，见 §4 接线②）、状态机首获写入方、与未来真 Dify 共用同一契约（`contracts/dify-workflow-io.json`）、无弃件。
2. **裁决确定性最高（诚实口径）**：accept/fix/kill 全部为纯代码规则（非 LLM），规则变更走 PR 可审计——**裁决规则确定，但闭环并非全确定**：accept 硬条件中「无 P0/P1 残留」的判定仍来自对抗评审（LLM 输出面），同一 prompt 下模型批间漂移（非 prompt 变更，四道闸管不到）仍可影响 80% 达标。靠 Golden 创意集回归、批报告对抗评审稳定性披露（§3.4）、换模型 20% 抽检冻结阀三件共同**缓解与监控，而非封死**。
3. **零创始人参与达成**：staging 自动 APPROVE（裁决即审核员，走 admin 审计日志）、批报告自动生成仅留档——对齐「初版完全由 agent 完成、无需创始人参与或读 CSV」的指令；生产保留人审开关（对齐 D-PUB α 设计）。
4. **复利内建**：闭环批报告直接充当 Prompt 治理四道闸的「成功率 ≥80%」闸数据源（门禁与生产同源）；每条裁决按 prompt id 回流 `contracts/prompts/eval/` Golden 集自动生长（C1 的 52 条为种子）。

---

## 1. 背景与依据

### 1.1 两条已验证的事实底座

| 底座 | 结论 | 出处 |
|---|---|---|
| **C1 生成 spike：结构层 100%** | 4 模板 × 13 创意 = 52/52 全过（HTTP 通 + JSON 合法 + 逐字段 schema），含 2 条故意模糊创意；通道 = new-api 直调 MiniMax-M2.7 + json_object。战略含义：「模板驱动生成（LLM 填参 + 固定模板 runtime）」高度可行，可绕开高风险 LLM 代码生成 | `docs/agent-specs/2026-06-09-generation-spike/spike-summary.md`、`docs/agent-specs/2026-06-09-generation-spike/gen_spike.py` |
| **B2′ 真人浏览器试玩闭环已通** | staging + 真无头 Chrome：feed 真标题 → 点卡进试玩 → clicker 真玩通关 → 遥测 `game_play_end{completed:true}` 落库 → quality 0→60 → feed 翻转登顶；CDP 真实输入可穿 sandbox iframe 点 canvas；通关程序可确定（点 target 次） | `docs/mvp/MVP作战清单.md`（B2′ 行） |

### 1.2 三个待解问题（本设计的靶子）

1. **C1 的诚实边界**：可运行层仅 clicker 有 runtime 真验；可接受层完全未评，原计划靠创始人 A4 盲评（人读 CSV）——创始人已改向：**用 agent 化 QA 闭环替代盲评，零人参与**。
2. **aigc 链唯一断点**：入口（submitGenerate）真、出口（completeWithVersion）真但全仓无调用方；中段「生成执行器 + PackageFactory（链路 2→5）」缺失，任务永远停 queued（出处：`game-cloud/game-module-aigc/game-module-aigc-server/src/main/java/cn/wanxiang/game/module/aigc/service/task/AigcTaskServiceImpl.java` 及调研清单）。
3. **质量真值缺位**：发布链（B1）与数据回路（telemetry→quality_score→feed，B2）均已真 e2e，但「什么样的生成结果配进 feed」没有机器口径。

### 1.3 一个评委查实的关键断点（影响所有方案）

发布前预览页 `/create/preview/:versionId`（`game-studio/src/views/create/Preview.vue`，路由见 `game-studio/src/router/index.ts`）**不发任何遥测**——`game_play_start/end` 遥测映射只存在于发布后的 `game-studio/src/views/play/Play.vue`。因此「发布前试玩以遥测落库为证据」按文不可执行，必须换证据通道（见 §3.3 runnableOk 定义）。

---

## 2. 评审过程与 fatal 化解账

### 2.1 三案三评委裁决摘要

| 提案 | 评委1（工程正确性） | 评委2（范围 YAGNI） | 评委3（产品护城河） | 总评 |
|---|---|---|---|---|
| mvp-first | **1st** (8) | **1st** (7.5) | **1st** (8) | 骨架。接缝最准、裁决最便宜、口径纪律最好；两处 fatal 均「小修可愈」 |
| quality-first | 2nd (7) | 3rd (5.5) | 2nd (7.5) | 纵深与诚实度最高，但 durationMs<3s 口径错误会让首批数据报废 + 工程量最大 |
| compound-first | 3rd (6) | 2nd (6.5) | 3rd (6.5) | 单点亮点密度最高（eval 生长/克隆配方），但外部脚本→JVM 接口通道缺失 = 按文不可执行 |

### 2.2 骨架（mvp-first）fatal 逐条化解

| # | fatal（评委原话要义） | 化解方式 |
|---|---|---|
| F1 | 发布前试玩证据链断：accept 硬依赖遥测落库，但 Preview.vue 不发遥测（B2′ 证据是发布后路径，引用越界） | **嫁接 compound-first 的证据通道**：PlayReport 主证据 = CDP 注入监听捕获宿主 lifecycle emits（postMessage 层，零前端改动、既有预览路由现成可用）；发布后抽样 1 条走 Play.vue 真玩，以「遥测落库 + quality_score + feed 重排」做双锚复核（B2′ 配方原样） |
| F2 | playerScore（fun/clarity 1-5）作 accept 硬条件，对全通关的 clicker 无区分度，退化为二次文本评审且噪声可左右 80% 达标 | **v1 砍掉 LLM 玩家评分门**：玩家 agent 退为纯确定性取证（不评分）；「可接受层」由对抗评审 findings（无 P0/P1 残留）+ 文案非占位贴题 + 批内查重承担；主观趣味真值交给发布后真实玩家完玩率回路（已真 e2e） |
| F3 | 「顺手补上全链唯一断点」过度声明：只补了落包半（3→5），生成半留在编排器脚本，studio 真实用户任务仍永久 queued | **如实降格表述 + 给归处**：v1 = 补落包通道（回调实做），生成半由编排器承担（伪装 Dify 出参）；v1.1 把编排器的生成调用下沉为 aigc 内薄轮询执行器（复用同一回调语义），接通真实用户链路——列入里程碑与风险 R6，不假称已通 |
| F4 | 回调实做工作量略报：`DifyCallbackReqVO` 现无 gameConfig/assets 字段、端点带 `@PreAuthorize('aigc:dify:callback')` 权限位 | 两件显式列入 v1 交付清单：VO 扩字段对齐 `contracts/dify-workflow-io.json` + 回调权限配置（见 §4 接线②） |
| F5 | 状态机 1(running) 仍无写入方（回调直接 0→2/3） | 回调实做受理即置 1，同事务推进至 2/3——状态机全口径获得写入方 |

### 2.3 嫁接清单（另两案 steal 亮点 → 本设计落点）

| 来源 | 嫁接件 | 落点 |
|---|---|---|
| compound-first | CDP 捕宿主 emits 为主证据；`durationMs>0` 断言（防 startMs 缺省 =0 假象）；eval 集自动生长（kill 负例/fix 对照/accept 正例按 prompt id 落 `contracts/prompts/eval/`）；4 模板 schema 一次落盘；批内同质化查重；连续 5 条同因 kill 停批；新模板「四件套」克隆配方；Verdict 预留 `completed:false` 语义 | §3.2 / §3.3 / §3.4 / §5 |
| quality-first | 「声明不作证据」铁律（证据核对由编排器代码强制，非 prompt 约束）；预算闸数字化（LLM≤8 次/创意、实玩≤3 次、整批 30min 收口、浏览器池≤2）；金丝雀限额（每批入 feed ≤10）+ 换模型抽检复核 20%（分歧 >10% 冻结发布并告警）；「现无下架接口」诚实披露列 M3；禁止 evaluate_script 篡改游戏状态的取证纪律；漏斗归因 +「不得以降低裁决口径换达标」红线 | §3.3 / §3.4 / §6 |
| （新增防御） | demo 兜底假阳性防御：取包失败会静默兜底 demo 包（target:5 恒可通关），PlayReport 必须校验所玩包 checksum / config 与落包一致，兜底包（64 位 '0' checksum）判 infra_fail 而非通过 | §3.3 runnableOk ⑤ |

被有意**不采纳**的项（防过度设计）：LLM 裁决 agent 与 rubric 三维评分、任何「试玩时长 < 阈值」类质量门（bot 点击节奏 ≠ 人类体验时长，评委证实该规则会系统性打穿首批 accept 率）、三个无 runtime 模板的批量静态空跑（spike 已 52/52 实证，重复证明零信息增量）、Java 侧依赖未实现的 PromptRegistryLoader（编排器直接读 `contracts/prompts/` 文件渲染，git 即事实源）、新增预览路由（已存在）。

### 2.4 终审补查与修订账（5 条，全部采纳并已回写正文）

| # | 终审发现（severity，均经代码实查复核） | 修订落点 |
|---|---|---|
| Z1 | **接线②按文不可执行（high）**：原步骤序列缺「创建 game_runtime_package 行」——实查 `createForPackage` 只建 game_version 行；`DbPackageStore.putManifest` 未命中行时静默 log.warn 跳过、不抛错（回调事务不回滚，任务带病 succeeded）；**全仓无任何生产代码插入 game_runtime_package**（B1 闭环的行来自 staging 手工灌数）。缺行连锁：预览取包抛 1-102-001-001 → demo 兜底 → 被 §3.3 ⑤ 判 infra_fail → 整批熔断；发布翻包同样必失败。execution 版照抄原文则闭环 100% 跑不通 | §4 接线②：补建行步骤（putManifest 之前）+ putManifest 未命中改显式失败 + 「三表一次事务写入清单」为 execution 验收断言 |
| Z2 | **落包写入通道跨模块边界缺失（medium）**：PackageStore 位于 runtime-server 内部包，跨模块唯一面 `RuntimePackageApi` 仅 publish/getStatus 两方法且 javadoc 明文「禁止上游依赖 runtime 的 -server」；aigc 回调实做要么违纪，要么必须扩 runtime-api =第二个后端改动点；且 aigc-server pom 现无 project-api/runtime-api 依赖。原「唯一新增后端代码=回调实做；其余零改动」的拍板前提不成立（不影响 mvp-first 骨架结论，但工作量口径必须如实） | §0/§4/§5.1/§6 回滚行：统一修正为「回调实做 + runtime-api 扩落包方法 + pom 依赖」 |
| Z3 | **M2 过线口径与进度总账叙事冲突（medium）**：原文「accept 率 ≥80% 即过 M2 验收线」，而进度总账明言「80% 验收线依赖 aigc/Dify 真实接通、接通前无法测量、是 M2 命门」；本设计 v1 生成半仍留编排器（F3/R6 自承），创始人可能批了口径却误以为 v1 收口=M2 完成 | M2 过线拆两段式定义（§0/§3.3/§5.2 口径注），单列 §7 待确认 4 显式拍板，拍板后同步回写进度总账 |
| Z4 | **「从根上封死 LLM 评分漂移」表述过度（medium）**：accept 硬条件含「无 P0/P1 残留」，P0/P1 判定本身是 LLM 输出面；F2 砍掉的是玩家评分，对抗 findings 这个噪声入口还在，批间漂移仍可左右 80% 达标——影响创始人对「零人在环可信度」的判断 | §0 第 2 点改述为「缓解与监控，而非封死」；§3.4 批报告增加对抗评审稳定性披露 |
| Z5 | **裁决规则存在未覆盖分支（medium）**：schema 不合法 @round=0 既不满足 kill 条款（要求 round=1 仍不合法）也不满足 fix 条款（要求结构/运行 OK），重出算不算 fix 轮、round 如何计数、按序短路完整执行序均无口径——引擎无法按文落成纯代码 | §3.3 补回炉计数总则 + schema-fail@round=0 重出规则；execution 版强制显式决策表（全分支可单测） |

---

## 3. 推荐架构

### 3.1 agent 角色与边界

```mermaid
flowchart LR
    I[创意批次 N≥20] --> O

    subgraph ORCH[编排器 · 确定性脚本]
        O[批次驱动 / 预算闸 / 熔断<br/>JSONL 账本 / eval 回流]
    end

    subgraph LLMZ[LLM 层 · prompt 全入 Registry]
        D[独立策划 agent<br/>创意→GameDesign]
        A[对抗策划 agent<br/>只批不改→findings]
    end

    subgraph DETZ[确定性层 · 非 LLM]
        P[玩家 agent<br/>CDP 真玩取证→PlayReport]
        J[裁决引擎 · 纯代码规则<br/>accept / fix / kill]
    end

    subgraph BE[后端真实链路]
        CB[(Dify 回调实做<br/>内联 PackageFactory)]
        PUB[发布六步编排→feed]
        TQ[telemetry→quality_score 回路]
    end

    O --> D --> A
    A -- "P1 findings 回灌(≤1轮)" --> D
    A --> J
    D --> J
    O -- "伪装 Dify 出参 POST 回调" --> CB
    CB -- versionId 真包 --> P
    P --> J
    J -- accept --> PUB --> TQ
    J -- "kill / fix / 全量 Verdict" --> O
```

| 角色 | 输入 | 输出 | 禁区 |
|---|---|---|---|
| **独立策划 agent**（LLM） | 创意一句话 + 模板 schema + 批内禁重列表（fix 轮追加 findings） | GameDesign（含完整 GameConfig 候选） | 不得超出模板 schema 自由发挥；不自评；fix 轮只改指出项 |
| **对抗策划 agent**（LLM） | GameDesign 全文 | findings[]（P0/P1/P2 + 整改建议） | 只批不改；不下最终结论；评审时不可见试玩数据（保独立性） |
| **玩家 agent**（确定性 CDP 驱动，非 LLM） | versionId（落包后真包） | PlayReport（纯客观取证） | 只产证据不评分；游玩必须真实 pointer 事件，禁止 evaluate_script 篡改游戏状态；不调任何后端写接口 |
| **裁决引擎**（纯代码规则，非 agent） | GameDesign + findings + PlayReport | Verdict{accept\|fix\|kill} | 无 LLM 参与；缺 PlayReport 硬证据不得 accept（代码强制）；规则变更 = 改代码走 PR |
| **编排器**（Workflow 脚本） | 创意批次 | 账本 + 真实链路调用 + 资产回流 | prompt 不内嵌（走 Registry 文件渲染）；不做内容判断；不得绕过裁决发布 |

Prompt 归置（沿 Registry 既有 8 阶段目录，不新增 stage）：策划 → `04-config`、对抗 → `06-quality`、fix 变体 → `07-fix`；frontmatter 按 `docs/agent-specs/prompt治理体系-execution.md` §5.1；改 prompt 必升 version、走四道闸。LLM 通道沿用 spike 已证配方（new-api + MiniMax-M2.7 + json_object）。

### 3.2 工件契约（字段级）

**GameDesign**（新增 `contracts/agent-loop/game-design.schema.json`）

```
{ designId: sha256(idea+templateId+round), idea: str, templateId: enum,
  designIntent: str(≤100字玩法意图), expectedPlaySeconds: int,
  config: GameConfig, round: 0|1 }
```

**GameConfig**（C1 spike 口径固化为 `contracts/templates/*.schema.json`，补齐「模板级 schema 今天不存在」缺口，兼作门禁④静态校验对象；**4 份一次落盘，v1 仅 clicker 走闭环**）

```
clicker: { templateId:"clicker", title:str非空, theme:str非空, target:int(5-30), scoreLabel:str非空 }
dodge / runner / match: 按 gen_spike.py 已验 schema 同步落盘（仅契约，不跑批）
```

诚实边界：runtime 今天只消费 `target`；title 经 meta 上 feed 卡片；theme/scoreLabel v1 仅为文本评审面（不渲染，v1.1 扩渲染面）。

**Verdict**（新增 `contracts/agent-loop/verdict.schema.json`，全量落 JSONL 账本并按 prompt id 回流 eval 集）

```
{ designId, taskId, versionId?, decision: accept|fix|kill,
  structureOk: bool, runnableOk: bool,
  playReport: { loaded: bool, clicks: int,
                gameEnd: { completed: bool, durationMs: int } | null,
                consoleErrors: [str], assetLoadErrors: int,
                packageChecksumVerified: bool,        // 防 demo 兜底假阳性
                emitsCaptured: [str] },               // CDP 捕获的宿主 lifecycle 事件序列
  findings: [{ severity: P0|P1|P2, issue: str, suggestion: str }],
  reasons: [str], round: int,
  evidence: { traceId, promptVersions: {} } }
```

`playReport.gameEnd.completed` 预留 `false` 语义——dodge 引入判负时契约零改动。

### 3.3 裁决口径（可执行规则，按序短路）

**runnableOk 定义（五条 AND，编排器代码强制核对，agent 自述一律不作证据）**：
① CDP 捕获 `game_loaded`；② 捕获 `game_end{completed:true}`；③ `durationMs>0`（证明 game_start 真触发，防 startMs 缺省 =0 假象）；④ 零 `game_error` 且 console 无致命错误；⑤ 所玩包 checksum/config 与落包一致（demo 兜底包判 infra_fail，不算通过也不算 kill）。

**回炉计数总则（Z5）**：`round` = 该 designId 的回炉计数（0=首轮，1=回炉轮；GameDesign/Verdict 的 round 字段即此口径），**全流程回炉额度合计 1 轮，schema 重出与 P1-fix 共享同一额度**。schema 不合法 @round=0 → 携 schema 校验错误回灌策划 agent 本地重出 1 次（消耗唯一回炉额度；不经对抗评审、不落包，免费门先行）；round=1 后任何不满足 accept 的分支一律不再回炉。

1. **kill（即时，不给 fix）**
   - schema 不合法且 round=1 仍不合法 → 回调 failed + `config_invalid`；
   - findings 含 P0（违规/敏感/年龄不适）→ 回调 failed + `unsafe_prompt`（均取 FailureReasonEnum 既有 7 值，不扩枚举）；
   - 批内同质化撞重（theme/文案查重）→ kill 留档负例；
   - 落包后真玩重试 1 次仍非 runnableOk → **不发布、留档告警，任务保持 succeeded**（区分「运行环境劣」与「设计劣」，不污染任务状态机语义）。
2. **fix（与 schema 重出共享回炉额度，合计至多 1 轮）**：结构/运行 OK，但 ∃P1（题文不符、target 与意图矛盾、文案不通/占位）且 round=0 → findings 回灌策划 agent 重出 → 全流程重走（target 可能变，必须重玩）；round=1 仍 ∃P1 → kill 留档（不再回炉）。
3. **accept（全部满足）**：structureOk ∧ runnableOk ∧ 无 P0/P1 残留 ∧ 批内查重通过。

**execution 版硬要求（Z5）**：裁决必须落成**显式决策表**——输入 `(schemaOk, findings, playReport, round)` → 唯一输出分支，覆盖全部输入组合（含 schema-fail@round=0/1、P1@round=0/1、runnable-fail 重试、infra_fail 旁路），「按序短路」的完整执行序以该表为准；引擎照表落码，单测覆盖全分支。

**「可接受」v1 机器口径 = accept 四条 AND，替代创始人 A4 盲评**；长期第二裁判 = 发布后真实玩家 telemetry→quality_score→feed 重排（已真 e2e）。**明确不设任何「试玩时长阈值」质量门**——bot 点击节奏与人类体验无关。

**成功率统一口径（三案口径分歧已收敛；M2 两段式过线定义见 §7 待确认 4，Z3）**：
`accept 率 = accept 数 ÷ (提交创意数 − infra 类)`，**≥80% = M2 成功率指标口径达标**（v1 编排器代产批跑即可测量——这是 80% 这条 MVP 核心指标首次可测量）；**但 M2 整体收口另需生成链路贯通（以 M-b 薄轮询执行器落地为准），编排器代产批次过线不得单独宣称 M2 完成**。infra 类（new-api 超时 / 浏览器环境挂 / demo 兜底触发）不计分母、designId 幂等可重放；批报告分层披露结构层 / 可运行层 / 可接受层三层通过率（对齐 C1 三层口径）。

### 3.4 并行编排形态

- **流水（贵的资源最后用）**：N 创意 → 策划（并发 ≤3、间隔 0.3s，沿 spike 通道纪律）→ 本地 schema 门（免费）→ 对抗评审 → fix 回炉（≤1 轮）→ 过文本面者落包（§4 回调）→ 玩家 agent 真玩（无头 Chrome 串行池 ≤2，防互扰）→ 裁决 → accept 走发布 / kill 留档。并行边界 = 创意边界，零共享状态（复用三相 Workflow 编排方法，见 `.agents/workflows/mvp-execution-orchestration.md`）。
- **预算闸**：每创意 LLM ≤8 次、实玩 ≤3 次；整批 30 分钟强制收口。
- **熔断**：批内 infra_fail >30% 自动停批告警（防带病出数）；连续 5 条同因 kill → 停批告警（prompt/环境系统性问题，防预算空烧）；**试玩环境不可用 → 整批暂停（runnable 证据不可豁免，禁降级为「跳过试玩」）**。
- **账本与资产回流（每批强制，非可选）**：JSONL ledger（Verdict 全量 + taskId/traceId，幂等断点重放）；批末自动摘要（accept 率/三层漏斗/kill 原因分布/成本/**对抗评审稳定性披露**）——同时就是 `prompt-eval.yml` 闸②④的数据源（门禁与生产同源）；每条 Verdict 按 prompt id 落 `contracts/prompts/eval/<id>/`（kill 负例 / fix 前后对照 / accept 正例），C1 的 52 条 spike 数据为种子。**全程无任何人读 CSV。**
- **对抗评审稳定性披露（Z4，监控 LLM 批间漂移）**：批末对同批随机抽样 ≥3 条 GameDesign 做对抗评审**同 prompt 重测**，披露 P0/P1 判定一致率（判定翻转即不一致）；与既有换模型 20% 抽检冻结阀共同构成 findings 这一 LLM 噪声入口的监控面——一致率持续走低 = 漂移预警，触发 Golden 集回归排查（修 prompt 走四道闸），**不得以放宽 P1 口径回应**。
- **发布纵深**：每批入 feed 金丝雀限额 ≤10；accept 随机 20% 由换模型独立复核重裁，分歧率 >10% 自动冻结本批发布开关 + 告警落库（人可事后审但不在环）。

---

## 4. 与 aigc / runtime / feed / telemetry 的最小集成

**后端改动 = aigc 回调实做（内联 PackageFactory）+ runtime-api 扩落包方法（Z2 修正，工作量如实计）；发布链 / telemetry / feed / 前端全部走已验真实链路，零改动。**

```mermaid
sequenceDiagram
    participant O as 编排器
    participant S as studio/aigc(真)
    participant CB as Dify回调实做(后端件,含runtime-api扩面)
    participant P as 玩家agent(CDP)
    participant F as 发布链+feed(真)

    O->>S: ① createDraft→submitGenerate(B1配方鉴权)
    S-->>O: taskId(queued)+traceId
    Note over O: LLM出GameConfig+对抗评审(文本面)
    O->>CB: ② 按dify-workflow-io.json出参伪装Dify POST回调
    Note over CB: 受理置1→组GamePackage(sha256)<br/>→createForPackage(建game_version行)<br/>→建game_runtime_package行(status=0)<br/>→putManifest→completeWithVersion→置2<br/>(三表同事务,幂等;经runtime-api扩面)
    CB-->>O: studio轮询getTask拿versionId
    P->>P: ③ 既有预览路由真玩,CDP捕宿主emits
    O->>F: ④ accept→publish→admin APPROVE(staging自动批)
    F-->>O: 六步编排落feed(PUBLISH_BASELINE)
    Note over F: ⑤ 发布后抽样1条走Play.vue真玩<br/>遥测落库+quality_score+feed重排双锚复核
```

1. **入口（真）**：编排器以测试创作者身份（B1 配方：token=test1 + tenant-id）走 studio 真链 createDraft → submitGenerate，得 taskId(queued) + traceId。
2. **落包（后端件，Z1/Z2 终审修正后口径）**：实做 `/admin-api/aigc/dify/callback` 桩为事务服务 = **内联 PackageFactory**，一次事务完整写入序列：校验 → 组 GamePackage（契约#4 `contracts/game-package.schema.json`，sha256 manifest/checksum，assets=[]）→ `ProjectVersionApi.createForPackage`（按 genTaskId 幂等，建 game_version 行）→ **建 game_runtime_package 行（status=0 预览就绪）** → 写 manifest → `AigcTaskService.completeWithVersion`（幂等）→ 状态机受理置 1、终态 2/3（failed 按 FailureReasonEnum）。
   - **为何必须补建行步骤（Z1）**：终审实查 `createForPackage` 只建 game_version 行，**全仓无任何生产代码插入 game_runtime_package**（B1 闭环的行来自 staging 手工灌数）；缺此步则预览取包抛 1-102-001-001 → demo 兜底 → 被 §3.3 ⑤ 判 infra_fail → 整批熔断，发布翻包亦必失败——闭环 100% 跑不通。
   - **落包写入通道（Z2）**：PackageStore 是 runtime-server 内部件，aigc 不得直依赖（守门纪律：跨模块只依赖 runtime 的 -api）——**扩 `RuntimePackageApi` 新增「建包行 + 写 manifest」落包方法**，沿既有 `@FeignClient` + 本地 `@Primary` ApiImpl 同事务模式（与 `ProjectVersionApi.createForPackage` 同款），事务内禁 Feign/HTTP/@Async/REQUIRES_NEW（对齐该接口既有纪律）；`aigc-server` pom 新增 `project-api` / `runtime-api` 依赖，列入交付清单。方法签名与事务约束细节由 execution 版给出。
   - **失败路径（Z1）**：「putManifest 未命中运行包行」必须由现状静默跳过（`DbPackageStore` log.warn 即返回，事务不回滚）改为**显式失败**——回调同事务回滚、任务置 failed，**禁止带病 succeeded**。
   - 配套两小件（评委查实，计入工作量）：`DifyCallbackReqVO` 扩 gameConfig/assets 字段对齐 `contracts/dify-workflow-io.json`；`aigc:dify:callback` 权限配置。**未来真 Dify 接入零改动。**
   - **execution 版验收断言（Z1）**：以「回调一次事务的完整写入清单 = **game_aigc_task / game_version / game_runtime_package 三表**」为准——回调成功后三表行齐备、预览取包不走 demo 兜底；任一表写入失败则三表全回滚且任务置 failed。
3. **试玩（真，零前端改动）**：玩家 agent 经既有预览路由 `/create/preview/:versionId`（`game-studio/src/views/create/Preview.vue`）取包真玩；主证据 = CDP 注入 postMessage 监听捕获宿主 lifecycle emits（loaded/start/end/error）；游玩操作为真实 pointer 事件点 canvas target 次；B2′ 三坑（画布 0 高/兜底误判/completed 漏发，已修 d279898）固化为 PLAY 前置回归断言。
4. **发布（真）**：accept → `POST /app-api/project/{id}/publish`（适龄 + 合规门禁，MVP 桩 pass）→ admin reviewProject APPROVE（staging 自动批；生产保留人审开关，对齐 D-PUB α）→ 既有六步编排落 feed（`game-cloud/game-module-project/.../PublishOrchestrationServiceImpl.java`，B1 已验）。
5. **回路（真）**：发布后抽样真玩走 `game-studio/src/views/play/Play.vue` → 遥测落库 + quality_score + feed 重排双锚复核（B2′ 配方）；长期裁判 = 真实玩家完玩率回路。telemetry/feed **零改造**。

**诚实边界（对应 F3）**：本 v1 只补「落包半」；studio 真实用户 submitGenerate 的任务仍停 queued，v1.1 将编排器的生成调用下沉为 aigc 内薄轮询执行器（复用同一回调语义）后才真正接通——在此之前不得宣称「生成链路已通」。

---

## 5. v1 范围与里程碑（clicker 先行 → 克隆扩展）

### 5.1 v1 交付物（5 件）

1. Registry 3 条 prompt（策划 `04-config` / 对抗 `06-quality` / fix 变体 `07-fix`）+ frontmatter + 各自 eval 目录骨架；
2. `contracts/agent-loop/` 两个 schema + `contracts/templates/` 4 模板 schema（仅 clicker 走闭环）;
3. 编排器脚本（批量 / JSONL 账本 / 幂等重放 / 预算闸 / 熔断 / eval 回流 / 批报告）；
4. DifyCallback 真实做（内联 PackageFactory：game_aigc_task/game_version/game_runtime_package 三表同事务写入 + putManifest 显式失败语义）+ runtime-api 扩落包方法（含本地 @Primary ApiImpl）+ VO 扩字段 + 权限配置 + aigc-server pom 依赖（project-api/runtime-api），含单测；
5. 玩家 agent clicker 取证策略（CDP emits 捕获 + demo 兜底检测 + B2′ 三坑回归断言）。

### 5.2 v1 验收

staging 上一批 **20 创意全自动流完**（零人工介入、零人读中间产物），统一口径 **accept 率 ≥80%**，批报告 + eval 集自动落盘，**抽任一 accept 在 feed 真可玩（浏览器实证 + 遥测/quality/feed 重排双锚）**。

> **口径注（Z3）**：本验收过线 = **M2 成功率指标口径达标**（80% 这条核心指标首次可测量），**不等于 M2 整体收口**——后者另需真实用户生成链贯通（M-b 薄轮询执行器，真实 submitGenerate 不再停 queued），见 §7 待确认 4。

### 5.3 里程碑

| 阶段 | 内容 | 出口判据 |
|---|---|---|
| **M-a（本案 v1）** | clicker 全闭环 + 回调实做 + 4 schema 落盘 | §5.2 验收过线 |
| **M-b（v1.1）** | ① 生成半下沉：aigc 内薄轮询执行器（复用同一回调语义），studio 真实用户链路活；② 最小 runtime 改动放大渲染面（theme/scoreLabel 入画布，守 toString 注入 + <15KB 红线） | 真实用户 submitGenerate 不再停 queued |
| **M-c（衔接 B3）** | 按「四件套」克隆 dodge → runner → match：模板 schema（已落盘）+ 模板 runtime（补 update(dt)/碰撞/判负）+ 玩家策略表条目（随机性模板加 debug 自动通关钩子）+ registry prompt 变体；dodge 首次引入 `completed:false` 判负（契约已预留）；编排器/裁决口径/资产管道零改动 | 每模板独立过一批 ≥80% |

clicker 同质化产能拐点（批内查重 kill 率持续走高）= dodge runtime 的立项触发信号——用数据驱动模板扩张节奏。

### 5.4 明确不做（v1）

dodge/runner/match runtime 及其批量静态空跑；OpenGame 代码生成 / ComfyUI 素材；Dify 编排迁移（回调契约兼容，后接零改）；MQ 异步化；LLM 裁决 agent / 玩家主观评分 / 多 persona；promptHash MD5→sha256 顺手修；runtime destroy() 补发 game_end（与闭环 happy path 无关，列 B3）；下架接口（M3）；模板列表接 studio 正式入口。

---

## 6. 风险与降级

| # | 风险 | 应对 / 降级 |
|---|---|---|
| R1 | **clicker 可评审面窄**（玩法差异仅 target + 文本，对抗评审实质在文本层） | 诚实接受为 v1 边界；M-b 以最小 runtime 改动放大渲染面；真趣味判定交发布后完玩率回路 |
| R2 | **同质化刷屏**（clicker 参数空间小） | 策划注入批内禁重列表 + 裁决批内查重 + 金丝雀限额（每批 ≤10）；拐点即 dodge 立项信号 |
| R3 | **自产自评偏置 / Goodhart**（调松评审刷指标） | 裁决纯代码 + 规则变更走 PR；prompt/阈值升版必过四道闸 + 固定 Golden 创意集回归；换模型抽检 20%、分歧 >10% 冻结发布；红线：**任何情况不得以降低裁决口径换达标**；80% 不达线按漏斗归因分段处方（损耗在策划/填参 → 收紧 prompt 至模板近似填空；损耗在实玩 → 修 runtime/驱动，不放宽门槛） |
| R4 | **试玩遥测污染 quality** | v1 发布前试玩走 Preview（不发遥测，天然无污染）；发布后抽样真玩量小且限 staging；生产化硬前置 = bot 账号排除规则（三案共性盲点，显式立项） |
| R5 | **new-api / 无头浏览器单点** | 退避重试 ×2 → infra_fail 不计分母；infra_fail>30% 停批；试玩环境不可用整批暂停（禁跳过试玩）；最终兜底链：agent 闭环挂 → 回退 C2 已裁决「模板驱动 + schema 门禁」（人工抽检）→ 再降 = demo 预设包，发布链不断 |
| R6 | **真实用户生成链 v1 仍断**（F3 化解后的残余，如实列险） | 种子用户内容池 v1 依赖编排器批跑代产；M-b 薄轮询执行器为第一优先后端件 |
| R7 | **现无下架接口**（评委查实：AdminProjectController 仅两端点、QUALITY_REFRESH 不动 status） | 发布后异常（如首 24h completeRate<20%）仅告警不自动下架；下架接口列 M3 缺口，不虚构；金丝雀限额收敛血量 |
| R8 | **换模型复核的第二模型可用性未验**（new-api 多通道未实测） | 复核模型不可用时降级为「同模型异版本 prompt 重裁 + 告警」，冻结阀照常生效 |
| 回滚 | 整体回滚 | 编排器 + agent 层为纯叠加：关停即回现状；后端件（回调实做 + runtime-api 扩落包方法）独立可灰度——扩面为纯新增方法、不动既有 publish/getStatus，关闭调用方即失活，aigc 入口/出口、发布链、telemetry 回路均无侵入改动 |

---

## 7. 待创始人确认项（4 项 · ✅ 2026-06-09 已全部拍板）

> **拍板记录（2026-06-09，主 agent 当面征询创始人）**：1=认可机器口径（A4 盲评降级为事后抽看校准）；2=接受「staging 零人在环、生产人审」分界；3=v1 后先投 M-b 生成下沉；4=认可 M2 两段式定义（进度总账口径已同步回写）。

1. **「可接受」机器口径替代 A4 盲评**：v1 accept = 结构合法 ∧ 真玩通关（CDP 证据）∧ 对抗评审无 P0/P1 ∧ 批内查重通过，**不含人类趣味盲评**；A4 盲评降级为「事后抽看 accept 样本」的校准动作（非门禁）。是否认可以此机器口径作为「生成成功率」的**测量定义**？（本项只拍测量口径；M2 过线问题单列第 4 项，两件事分开拍。）
2. **发布门分界**：staging 全自动 APPROVE（裁决即审核员，走 admin 审计日志 + 金丝雀限额 + 抽检冻结阀），生产保留人审开关。是否接受「staging 零人在环、生产人审」这条分界线？
3. **M-b 资源排序**：v1 收口后，「生成半下沉（真实用户链路活）」与「dodge runtime（内容池扩品类，B3）」二者先投哪个？（建议前者——M2 命门是真实生成链贯通，且 clicker 同质化拐点数据可让 dodge 立项更有据。）
4. **M2 过线两段式定义（Z3，防过度承诺）**：① **成功率指标口径达标** = 本案 accept 率 ≥80%（v1 编排器代产批跑即可测量，使「接通前无法测量」成为历史）；② **生成链路贯通** = 真实用户 submitGenerate 不再停 queued（以 **M-b 薄轮询执行器**落地为准）。**v1 收口仅完成 ①，不得据此宣称 M2 完成；M2 整体收口 = ① ∧ ②。** 是否认可此两段式定义？拍板后由执行者**同步回写 `docs/mvp/MVP进度总账.md`**（其现行表述「80% 验收线依赖 aigc/Dify 真实接通、接通前无法测量」需更新为「v1 起可测量；贯通另以 M-b 计」）。

---

## 附：引用文件清单（仓库相对路径）

- 事实底座：`docs/agent-specs/2026-06-09-generation-spike/spike-summary.md`、`docs/agent-specs/2026-06-09-generation-spike/gen_spike.py`、`docs/mvp/MVP作战清单.md`
- 契约：`contracts/game-package.schema.json`、`contracts/dify-workflow-io.json`、`contracts/prompts/README.md`、`contracts/prompts/registry.yaml`、`docs/agent-specs/prompt治理体系-execution.md`
- 后端：`game-cloud/game-module-aigc/game-module-aigc-server/src/main/java/cn/wanxiang/game/module/aigc/service/task/AigcTaskServiceImpl.java`、`game-cloud/game-module-aigc/game-module-aigc-server/src/main/java/cn/wanxiang/game/module/aigc/controller/admin/task/vo/DifyCallbackReqVO.java`、`game-cloud/game-module-project/game-module-project-server/src/main/java/cn/wanxiang/game/module/project/service/publish/PublishOrchestrationServiceImpl.java`、`game-cloud/game-module-studio/game-module-studio-server/src/main/java/cn/wanxiang/game/module/studio/service/studio/StudioServiceImpl.java`
- 后端（终审 Z1/Z2 实查面）：`game-cloud/game-module-runtime/game-module-runtime-api/src/main/java/cn/wanxiang/game/module/runtime/api/RuntimePackageApi.java`（仅 publish/getStatus + 守门纪律）、`game-cloud/game-module-runtime/game-module-runtime-server/src/main/java/cn/wanxiang/game/module/runtime/service/pkg/store/DbPackageStore.java`（putManifest 未命中行静默跳过）、`game-cloud/game-module-project/game-module-project-server/src/main/java/cn/wanxiang/game/module/project/service/version/GameVersionServiceImpl.java`（createForPackage 只建 game_version 行）、`game-cloud/game-module-aigc/game-module-aigc-server/pom.xml`（现无 project-api/runtime-api 依赖）
- 前端：`game-studio/src/host/runtime/index.ts`、`game-studio/src/host/inject.ts`、`game-studio/src/host/GamePlayer.vue`、`game-studio/src/views/create/Preview.vue`、`game-studio/src/views/play/Play.vue`、`game-studio/src/router/index.ts`
- 方法论：`.agents/workflows/mvp-execution-orchestration.md`、`.agents/skills/contract-first-development.md`