修复: 统一额度治理到24美元6000次

.claude/skills/llm/scripts/llm.py

@@ -144,8 +144,8 @@ def extract_json(text):
 # ══ 额度治理层（chat_governed）══
 # WHY 上收：此前每个调用方各写一套模型降级链（parse_llm/parse_outline/review_cards 各一份，
 # 链名/顺序还不一致），既无法全局限预算、也无法跨进程共享"这一窗烧了多少/调了多少次"。
-# 统一到 chat_governed 后：一本共享账本按 5 小时窗计钱计次，MiniMax 超 $10/窗自动切非 MiniMax 链，
-# 全窗调用达 4000 次自动睡到下一窗续跑——降级策略只此一处，调用方只管拿结果。
+# 统一到 chat_governed 后：一本共享账本按 5 小时窗计钱计次，MiniMax 超 $24/窗自动切非 MiniMax 链，
+# 全窗调用达 6000 次自动睡到下一窗续跑——降级策略只此一处，调用方只管拿结果。
 
 _PRICING_CACHE = None
 
@@ -300,7 +300,7 @@ def chat_governed(prompt, model=DEFAULT_MODEL, system=None, max_tokens=512000,
                 print(f"[llm] 治理链 {m} 失败（{type(e).__name__}: {str(e)[:80]}），降级下一个",
                       file=sys.stderr)
                 continue
-            # 4) 成功记账：只有 MiniMax 计入 $10/窗 预算，其余模型成本计 0（只占调用数）
+            # 4) 成功记账：只有 MiniMax 计入 $24/窗 预算，其余模型成本计 0（只占调用数）
             add = cost_usd(m, usage) if m in MINIMAX_MODELS else 0.0
             _bump_window(wk, add)               # 全新短连接原子累加，写完即释放
             return content, usage, m

.claude/skills/llm/scripts/test_quota.py

@@ -3,7 +3,7 @@
 不碰真 DB、不发真请求、不做任何真实 LLM 调用。直接 `.venv/bin/python test_quota.py` 跑（无需 pytest）。
 
 覆盖：window_key 归窗 / seconds_to_next_window 边界 / cost_usd 计价(含缓存折扣) /
-chat_governed 六条路由（首选成功、预算耗尽切链、敏感换模型、不可用换模型、全链失败、达上限睡窗）。"""
+chat_governed 六条路由（首选成功、$24 预算耗尽切链、敏感换模型、不可用换模型、全链失败、6000 次达上限睡窗）。"""
 import pathlib
 import sys
 import types
@@ -78,6 +78,12 @@ def test_cost_usd():
     assert abs(c2 - 0.000804) < 1e-9, f"M3 缓存折扣后成本应=0.000804，实得{c2}"
 
 
+def test_current_quota_policy():
+    """额度策略固定为每 5 小时 $24/6000，防止实现和测试再次漂移。"""
+    assert llm.WINDOW_BUDGET_USD == 24.0, "当前 MiniMax 每窗预算必须是 $24"
+    assert llm.WINDOW_CALL_CAP == 6000, "当前每窗总调用上限必须是 6000"
+
+
 def test_route_first_success():
     """①usd=0/calls=0：链首 M3 成功 → 返回 MiniMax-M3、记账 usd>0、bump 一次到本窗。"""
     calls = []
@@ -94,13 +100,17 @@ def test_route_first_success():
 
 
 def test_route_budget_exhausted():
-    """②usd=10.5≥预算：链首变 glm-5.2（摘掉 MiniMax）、记账增量=0。"""
+    """②usd 超过 $24 预算：链首变 glm-5.2（摘掉 MiniMax）、记账增量=0。"""
     calls = []
 
     def chat(prompt, model=None, **kw):
         calls.append(model)
         return "ok", dict(_USAGE)
-    bumps = _install(datetime(2026, 7, 16, 12, 0), {"2026-07-16T10": (10.5, 0)}, chat)
+    bumps = _install(
+        datetime(2026, 7, 16, 12, 0),
+        {"2026-07-16T10": (llm.WINDOW_BUDGET_USD + 0.5, 0)},
+        chat,
+    )
     content, usage, used = llm.chat_governed("p")
     assert calls[0] == "glm-5.2", f"预算耗尽后链首应为 glm-5.2，实得{calls[0]}"
     assert used == "glm-5.2", f"应由 glm-5.2 产出，实得{used}"
@@ -153,14 +163,14 @@ def test_route_all_fail():
 
 
 def test_route_call_cap_sleep():
-    """⑥calls=4000 达上限 → sleep 桩被调一次、_now 推进到下一窗后 calls 归 0 续跑成功。"""
+    """⑥calls=6000 达上限 → sleep 桩被调一次、_now 推进到下一窗后 calls 归 0 续跑成功。"""
     clock = {"t": datetime(2026, 7, 16, 12, 0)}   # 起始窗 T10（12:00）
     sleeps = []
 
     def fake_sleep(secs):
         sleeps.append(secs)
         clock["t"] = clock["t"] + timedelta(seconds=secs)   # 睡到下一窗边界（15:00）
-    reads = {"2026-07-16T10": (0.0, 4000), "2026-07-16T15": (0.0, 0)}
+    reads = {"2026-07-16T10": (0.0, llm.WINDOW_CALL_CAP), "2026-07-16T15": (0.0, 0)}
     calls = []
 
     def chat(prompt, model=None, **kw):
@@ -175,6 +185,7 @@ def test_route_call_cap_sleep():
 
 def main():
     tests = [test_window_key, test_seconds_to_next_window, test_cost_usd,
+             test_current_quota_policy,
              test_route_first_success, test_route_budget_exhausted,
              test_route_sensitive_then_next, test_route_runtime_then_next,
              test_route_all_fail, test_route_call_cap_sleep]

docs/2026-07-19-回放评测-细纲首跑设计与计划.md

@@ -13,7 +13,7 @@
 - 已落地并同步到 `agent-example/main`：`fbb262c`（冻结/细纲/评分合同）、`a54a3a4`（审查反馈收紧与回放编排）、`1243d9b`（外部 planner execute 链路测试）。
 - 已验证：回放脚本 26 个离线测试、fine-outline 合同 3 个测试全部通过；fake planner 已跑通三臂 execute 链路。测试只使用合成 fixture，不代表参考作品评测结果。
 - 已执行真实数据库前置 smoke：深空之影 `work_id=8` 的 `example_reference_work` 表没有不可变授权快照/版权用途字段，结果为 `blocked_authorization`，三臂均未调用模型。
-- 既有 `.claude/skills/llm/scripts/test_quota.py` 仍有历史基线失败：测试期望 `$10/4000` 阀值时切到 `glm-5.2`，当前代码已是 `$24/6000`；本任务未改额度实现，也未把该失败算入回放结论。
+- `.claude/skills/llm/scripts/test_quota.py` 已统一到当前 `$24/6000` 契约：预算场景使用 `$24.5`，调用上限场景使用 `6000`，并增加策略常量断言。
 - 当前允许的结论是“冻结、变量控制、候选结构门和安全摘要机制已通”；不能说细纲智能体或知识卡已通过。内容级目标事实泄露审计、真实授权接入、detector/judge 双评和 430/489/550 实样仍待完成。
 
 ---