zizi abadaa15e9 框架: 正文评测链职责重构收口（writer/detector/judge 单一职责）+决策修复+加固门+探针刷新

- 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。

2026-07-25 04:44:10 +08:00

6.7 KiB

Raw Blame History

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。
Gate 裁决：父仓专题-04。
adapter 隔离和执行边界：父仓专题-05。
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：

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]。
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。
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。
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。
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。
将 544-A 的 deadline 增加到 1200 秒且单次 cap 设为 $0.666666 时，返回 WRITER_BUDGET_EXCEEDED。
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：

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。
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。
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。
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。
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。
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）

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。
依唯一 SoT 更新 writer/detector/judge 的 schema、prompt、adapter 和预算累计。
为单一职责、空 factEvidence、quote 歧义、预算边界、raw vault 和 GateInputBuilder 增加离线测试。
使用新 schema/prompt/profile 重新绑定 runtime probe。
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。

6.7 KiB Raw Blame History Unescape Escape