abadaa15e9
- writer/detector/judge 按父仓专题-03/04 单一职责拆分：WriterDraft v2（仅 candidateBody）、CandidateEnvelope v2（adapter 确定性绑定）、SemanticDetection v3（quote 唯一匹配/unknown-gapReason）、blind judge v3（双盲第三评中位）；预算两层（启动预留=Σ plannedCalls×cap，修正旧 maxCalls×cap 的 $2250 阻断 bug）。 - 决策修复：补第六类混淆项「场景选择偏差」（集合级、只标注不改终态）；模型归属口径（planner/writer/judge 固定 opus，extractor/detector 可用它模型，拆书走 M3 不经角色派发）；eval 评分尺改链接+一句话引用 quality-gate。 - 加固执行门：探针合同绑定（probe.executionProfileSha256 须等于 writer profile 身份哈希），陈旧探针被机械阻断 EXECUTE_PROBE_CONTRACT_MISMATCH。 - 新增探针刷新工具 refresh_runtime_probe.py（可注入 invoker+失败关闭+重签同源 canonical_sha256），并已按新合同真实重测探针（绑定 9d319ea0，成本 $0.155）。 - 逐行复核后修复：省略号被当路径穿越误杀（claude_runtime 共用精确判定 contains_path_traversal，盲评/检测统一引用）；检测 failed 分支测试缺口；评委报告↔模型原始输出绑定恢复（reviewerStructuredOutputs，防一致篡改报告评分）；上下文 purpose 词汇两层对齐；盲评死代码清理。 - 全量离线测试约 800+ 项全绿（continuation/detect/quality-gate/read-context/replay-eval/parse-book 572/llm），不连库不调模型。
91 lines
6.7 KiB
Markdown
91 lines
6.7 KiB
Markdown
# Gate A 正文智能体职责重构记录
|
||
|
||
> 类型：历史执行记录，非 SoT。
|
||
> 日期：2026-07-24
|
||
> 用途：保留 Gate A 调试证据、问题定位、用户决策和当时的实现漂移。不得使用本文替代稳定合同或推断代码运行态。
|
||
|
||
## 权威来源
|
||
|
||
- Writer、冻结和输出合同：[父仓专题-03](../../design-docs/专题-03-AI编排上下文与质量评测实现规范.md)。
|
||
- Gate 裁决：[父仓专题-04](../../design-docs/专题-04-生成质量门控与创作健康度设计方案.md)。
|
||
- adapter 隔离和执行边界：[父仓专题-05](../../design-docs/专题-05-AI统一交互协议与外部AgentAdapter设计.md)。
|
||
- Gate A 具体执行配置：`.claude/skills/replay-eval/configs/writer-gate-a-deep-space-v1.json`。
|
||
|
||
## 背景
|
||
|
||
Gate A 用《深空之影》5 个固定样本检查正文回放链路：489 战斗、321 人物对话、544 转折、199 信息揭示、523 老角色回归。每个样本冻结到 `targetChapter-1`，对比 A 通用原文检索、C 卡索引后回读原文和 B card-only 负对照。
|
||
|
||
work8 的 116 个升格窗口完成后，Gate A 进入正式执行前调试。该背景只说明执行顺序，不代表 Gate A 已通过。
|
||
|
||
## 旧 Writer 输出问题
|
||
|
||
当时的 `WriterOutput v1` 要求 writer 在一次 Claude 调用中同时输出：
|
||
|
||
- 一章 `candidateBody`；
|
||
- `claimLedger[]`；
|
||
- `evidenceRequests[]`；
|
||
- `newSettingDeclarations[]`；
|
||
- `selfCheck`；
|
||
- run/context/candidate 版本与接受状态；
|
||
- candidate/context hash；
|
||
- claim 的 Unicode code point offset 和重复 candidate hash。
|
||
|
||
这个合同把正文创作、事实抽取、补证规划、新设定申报和密码学/索引计算混在一轮。对于约 6000-7000 汉字正文，这些机械事项增加了大量非创作负载。
|
||
|
||
还发现一个事实合同矛盾：Gate A 的 A/C/B `factEvidence[]` 可能为空，而旧 claim ledger 要求 writer 填写 `factEvidenceId`。没有事实证据时，writer 既无法生成合法引用，也不应虚构 ID。`indexHints` 只是诊断索引，不能被当作事实证据。
|
||
|
||
## 运行调试证据
|
||
|
||
以下均是当时保留的受控调试事实，不代表后续配置或稳定合同的状态：
|
||
|
||
1. Claude CLI 路径为 `/Users/qingse/.nvm/versions/node/v24.15.0/bin/claude`，版本 `2.1.211`，二进制 SHA-256 为 `5a728a76198b6eca7f3c7cdbff43bab44b77b48c2108f7a3107d889773382629`，模型别名 `opus` 解析为 `claude-opus-4-8[1m]`。
|
||
2. 早期两次极小 Opus 探针等待约 177 秒和 186 秒后因 API 503 失败；响应同时出现 `subtype=success`、`is_error=true`、`terminal_reason=api_error`。因此 `subtype=success` 不能单独代表调用成功。
|
||
3. 一次旧 profile 的成功 structured-output 能力探针记录单次成本 `$0.003885`，证明 CLI envelope、完整模型 ID 和回执字段可解析。该回执绑定旧 schema/prompt，不能证明其他合同一致。
|
||
4. 一次小 writer smoke 在 600 秒 deadline 内约 90.8 秒完成，记录成本 `$0.097686`，输出通过当时的结构校验。
|
||
5. 544-A 长输入约 47.9k 字符，在 300 秒 deadline 下返回 `WRITER_TIMEOUT`；将 deadline 增加到 600 秒后仍返回 `WRITER_TIMEOUT`。
|
||
6. 将 544-A 的 deadline 增加到 1200 秒且单次 cap 设为 `$0.666666` 时，返回 `WRITER_BUDGET_EXCEEDED`。
|
||
7. 在一次临时调试中将单次 cap 提高到 `$6.666666`、deadline 保持 1200 秒，返回 `WRITER_SCHEMA_INVALID`。该结果只证明旧大 JSON 合同未稳定交付，不证明正文文学质量不可用。
|
||
|
||
raw prompt/response 被允许保留于仓库外受控 raw vault；本文不包含 raw 内容、raw 路径或认证 token。
|
||
|
||
## 预算决策与口径修正
|
||
|
||
用户批准 Gate A 总预算 `$300`，并将 writer、semantic detector、blind judge 的单次 Claude cap 设为 `$5`。三角色各最多 150 次是独立安全授权上限，不是 Gate A 的实际调用清单。
|
||
|
||
Gate A 5 个样本的预注册调用是：
|
||
|
||
| 角色 | 每样本 | 5 样本预注册上限 |
|
||
|---|---:|---:|
|
||
| writer | A/B/C 各 1 次 | 15 |
|
||
| semantic detector | 每候选 1 次 | 15 |
|
||
| blind judge | 2 次，不稳定时第 3 次 | 15 |
|
||
|
||
最多 45 次预注册角色调用在 `$5/次` cap 下的启动预留为 `$225`。当时的预算预检代码使用 `maxCalls * cap`，计算出 `$2250`并阻断启动。该口径混淆了“预注册调用清单”和“独立安全上限”。
|
||
|
||
职责重构决策同时要求：启动时按预注册调用清单预留；每次调用前同时检查累计实际成本、未结算预留和角色调用数；任一即将超过 `$300` 或对应 `maxCalls` 时，在下一调用前停止。补证、返修和重跑必须建立新的显式调用清单和预算预留。
|
||
|
||
## 职责重构决策
|
||
|
||
2026-07-24 确认的方向：
|
||
|
||
1. writer 的唯一创作输出是一章 `candidateBody`；可使用最小单字段 JSON envelope 适配 Claude structured output。
|
||
2. deterministic candidate adapter 在 writer 返回后负责 NFC/LF 规范化、`candidateSha256`、run/context/version/acceptance 绑定、篇幅检查和回执；adapter 不得创作或改写正文。
|
||
3. semantic detector 使用独立 fresh Claude 调用，输出事实 claims、证据/硬约束 verdict、新设定候选和证据缺口。模型不计算 hash 或 Unicode offset；它返回可定位 quote，adapter 确定性解析区间，歧义时失败关闭。
|
||
4. blind judge 的每个 reviewer 使用独立 fresh 调用，只评分和判定，不改正文、不代替 detector 做事实抽取。
|
||
5. detector/coverage gate 发现缺口后，由编排器生成新检索快照并启动新 writer 调用；不在旧 writer 输出中混入补证请求。
|
||
6. `factEvidence[]` 为空时，detector 显式输出 `gap/unknown/unsupported`；writer 不虚构 `factEvidenceId`，`indexHints` 不作为事实证据。
|
||
|
||
## 记录结束时的实现漂移
|
||
|
||
本记录形成时，`agent-example` 中的 writer schema/prompt/adapter、semantic detector 合同、judge 合同和预算启动预检仍主要面向旧合同。职责重构方向尚未形成与父仓唯一 SoT 一致的完整代码、schema、prompt、profile hash 和离线测试证据。
|
||
|
||
因此，该时点的 Gate A 不得继续使用旧大 JSON Writer 合同做正式执行，也不得从 dry-run、探针或单个 smoke 结果推断正文层已通过。
|
||
|
||
## 后续动作（历史待办）
|
||
|
||
1. 由父仓 Writer 合同唯一 owner 更新稳定设计，避免 `agent-example/docs` 产生第二份 SoT。
|
||
2. 依唯一 SoT 更新 writer/detector/judge 的 schema、prompt、adapter 和预算累计。
|
||
3. 为单一职责、空 `factEvidence`、quote 歧义、预算边界、raw vault 和 GateInputBuilder 增加离线测试。
|
||
4. 使用新 schema/prompt/profile 重新绑定 runtime probe。
|
||
5. 主代理复核代码差异、离线测试、预算合同和 dry-run 后，再决定 Gate A 正式执行。
|