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。
5.2 KiB
检测(scenario: validation / consistency_check | purpose: detection | 槽位: 检测→detector)
何时用:候选章生成后、用户三决策前的伴随检查(C4);也可对既有章回溯检查。
正文候选执行顺序
- 先运行
scripts/check_writer_candidate.py；它只做确定性机械硬门，不调用模型。 - 机械硬门阻塞时直接返回结构化失败码，保留审查轨迹，不调用语义 detector。
- 机械硬门通过后，编排层构造
semantic-detector-input-v3，再以 fresh 无会话调用执行一个候选的语义核查。 - 模型只返回
semantic-detection-draft-v3；adapter 负责绑定输入、候选、上下文、模型回执、字符 offset、状态和报告 hash，形成SemanticDetection v3。异常、非法结构或绑定不一致全部失败关闭。
当前机械硬门覆盖：WriterContext v1、CandidateEnvelope v2、上下文与候选 hash、篇幅、细纲事件/角色/伏笔/章末钩子锚点。事实断言、角色知情范围、能力代价、语义冲突、新设定识别和证据缺口属于 semantic detector，不得塞回 writer 输出或机械门。
元数据驱动(本功能的核心机制)
检查清单由字段生成,不硬编:凡 aiContext 含 detection 的字段,自动成为一个检查项——
| 字段(来源) | 检查什么 |
|---|---|
| character.知情范围 | 角色说出/表现出不该知道的事("说漏嘴"是第一大穿帮) |
| character.行事逻辑/说话方式 | 言行与语言指纹逐一核对 |
| power_system.代价限制 | 境界与能力是否越过体系代价 |
| location.规则特例 | 地点规则是否被违反 |
| item 能力边界 | 物品表现是否超出卡面 |
| 演变历程(各实体型) | 演变连续性/跳级穿帮(上一章还4级、这一章突然7级;登场/退场节点缺失或时间线倒挂) |
| outline.伏笔动作 | 埋/推/收是否照细纲执行,有无擅自新开或提前回收 |
| work_core.谜底与真相/结局方向 | 防提前泄底——这正是检测可见底牌的原因 |
| style 黑名单与画像 | Grep 逐词扫黑名单;宣告情绪/形容词堆叠/无三件套场景抽查 |
| narrative_state | 时间线/即时局面/角色位置衔接 |
schema 给字段加上 detection 用途,检查项自动+1,本 skill 与 detector 一字不改。
输出合同
模型草稿必须精确包含：
schemaVersion / claims[] / findings[] / assertionVerdicts[] / hardConstraintVerdicts[] / newSettingCandidates[] / evidenceGaps[]
claims 明确候选中的事实主张与覆盖状态；findings 记录可定位问题；verdict 完整覆盖输入登记的 assertion/constraint ID。只有 evidenceGaps 或 unknown 可以触发编排器补证；纯机械失败或明确语义失败直接拒绝，不以同一输入重试。补证后必须冻结新的上下文快照和新的 WriterCreativeInput，再启动 fresh writer 调用。
最终 SemanticDetection v3 由 adapter 增加运行身份、候选/上下文 hash、字符 offset、模型回执、状态和报告 hash。模型不得输出这些可信字段。
细纲回放分支（fine_outline_replay）
何时用：fine-outline 候选进入独立评分前。检测器只看冻结到 as_of 的规划上下文和候选，不看目标章标准事实，不把评测答案倒灌回规划侧。
检查对象和证据格式：
| 检查对象 | 检查项 | 高严重度条件 | 证据必须包含 |
|---|---|---|---|
| 候选结构 | 必填字段、目标章号、事件 ID、事件顺序 | 缺字段、重复事件或目标章错误导致无法评估 | 字段路径 + 候选值摘要 |
| 因果链 | 事件触发、行动、结果方向是否自洽 | 后一事件无前置、结果与前置状态矛盾 | 事件 ID 对 + 冲突原因 |
| 实体状态 | 角色/势力/地点/能力是否违反冻结事实 | 引用未来事实或越过 N 时点能力边界 | sourceId + 冻结字段 |
| 伏笔动作 | 埋、推进、回收和不确定标记 | 将未知或未来回收写成确定事实 | 伏笔标识 + 当前台账定位 |
| 来源引用 | sourceRefs 是否来自快照、是否包含目标章及以后 |
目标章/未来来源出现在候选引用中 | 来源 ID + 章号范围 |
| 未知项纪律 | unknowns / assumptions 是否显式承载缺口 |
用无来源断言替代未知项 | 候选字段路径 |
机器报告的类别是闭集：findings.category 只允许 candidate_structure、causal_chain、entity_state、foreshadowing_action、source_reference、unknowns_discipline；coverageFindings.category 只允许 frozen_context_gap。未登记类别不得用近义词或变体绕过，编排器必须失败关闭。
报告仍然只产审查结果，不修改候选。回放中任一高严重度问题阻断该臂进入 judge；目标章新角色是否缺卡需要目标章标准事实，detector 无权判断，归 judge/eval。
红线
只产报告,不改任何创作文件;证据先行——无依据的观感问题归「建议」并标明主观;底牌信息仅用于检测判断。