From 02b983d589b82ab9c1437cfffc4a9b53a3801130 Mon Sep 17 00:00:00 2001 From: zizi Date: Mon, 13 Jul 2026 16:30:04 +0800 Subject: [PATCH] =?UTF-8?q?=E6=A1=86=E6=9E=B6:=20README=C2=A7=E4=B9=9D?= =?UTF-8?q?=E5=88=B7B2=E8=AF=95=E6=8B=86=E6=94=B6=E5=8F=A3=E2=80=94?= =?UTF-8?q?=E2=80=94M3=E4=B8=89=E7=97=85=E7=90=86=E5=85=A5=E6=A1=A3(?= =?UTF-8?q?=E5=BD=92=E5=9E=8B=E5=81=8F=E7=A7=91/=E9=87=8D=E8=B7=91?= =?UTF-8?q?=E8=87=AA=E5=99=AC/=E8=84=B1=E6=95=8F=E5=81=B6=E7=8A=AF),?= =?UTF-8?q?=E9=97=A8=E2=91=A1=E6=A0=B7=E5=BC=A0=E5=91=88=E6=8A=A5?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- README.md | 3 ++- 1 file changed, 2 insertions(+), 1 deletion(-) diff --git a/README.md b/README.md index 5a28b97..d0e2d7a 100644 --- a/README.md +++ b/README.md @@ -227,7 +227,8 @@ flowchart LR - **清洗 P0/P1 收口（2026-07-13）**：llm skill（M3 入口+json-repair 三级容错）+ clean_detect（每窗一调、断点续跑）+ clean_apply 四道守卫（长度界/章题/单章20%顶/**行级垃圾特征拆行**——盗版源把广告插进正文句中，M3 会拼「广告+截断正文」，已实测拦住）+ 三级匹配（精确/空白弹性/邻章±1）。实测定标：M3 中文 0.58 token/字，10 万字窗 in≈5.9 万 token 耗时 24s；全语料 ≈340 调用/~19M token。机破星河前 50 章演示已备：40 段/2,188 字待删（dry-run），误删 0。 - **opus 试拆基准（workflow 已完成）**：机动风暴 1–3 章，范式卡 2 张入库（ch2/ch3 各 1 拒 1 越合同）+ch1 脚手架；opus 也犯 JSON 中文引号/缺逗号病（已被 llm skill 容错吸收）。此产物只作 M3 对比基准，不算正式拆书。 - **P2 全语料清洗收口（2026-07-13）**：8 书全清（门①创始人放行）——总删 1,685 段/约 6.1 万字（机破星河 2.4 万/机战无限 1.9 万/超神 0.6 万…），审计全在 example_clean_log（批次 P2-20260713 主删 + fix/fix2/fix3 补删 + P2-sweep 高频水印收割），全库空行归一 8,786 章。守卫体系放量长成：行级垃圾特征+书名豁免+水印裁剪+20%顶带下限+敏感窗备选模型降级（见 clean/SKILL.md）。误删实测 1 例 3 字已修复。已知残留待拍：机动风暴「重贴章题+（第N更 求月票）」嵌正文行变体（求票嫌疑 270 处主源）、感言/请假条整章、作者疲劳话散句。 -- **未决**：①门② M3 试拆样张质检（parse_llm.py 已固化，跑 5 本×前 3 章后呈报）②B2 放量（硬停，等创始人新指令）③机动残留变体与感言章处理方式（全局报告中待拍）。 +- **B2 试拆收口（2026-07-13，门②已呈报）**：5 本×前 3 章 M3 直调完成——scaffold 15/15 全过（绝对字数上限+压缩重试对症后，细纲 2.9%–7.8%）；范式卡三轮迭代后活卡 19 张（样张 `docs/试拆-门②样张.md`，opus 同章基准 `docs/试拆-opus基准-机动风暴.md`）。**M3 三病理已档**：①归型偏科——内容有型区分但 type 一律标 craft，prompt 两轮矫正无效，字段指纹改型又被「串型混填」挫败（一卡混两型字段）；②重跑自噬——判重名录含本章旧卡+幂等软删+LLM 随机性组合损耗（已修：名录排除本章+0 卡不软删）；③偶发脱敏违规/source 偷懒（守卫拦对+机械回填治）。 +- **未决**：①门② 试拆样张质检+craft 偏科处理方向（B4 环迭代 / 分型单 pass / 接受先行）②B2 放量（硬停，等创始人新指令）③机动残留变体与感言章处理方式。 - **教训入档**：StructuredOutput 工具 schema 属性名仅限 ASCII（中文键 API 400）——schema ASCII 键+入库脚本键名归一；Tailscale 长事务需 keepalive+批量写（逐行两万往返曾半死 16 分钟）。 ## 九·旧（2026-07-10 快照，留档）