@a9i5k4/dsh-auto-memory 2.2.2 → 2.2.4

package/docs/M7-ACTIVATION-FEATURE-AGENT-PROMPT.md

@@ -0,0 +1,79 @@
+# M7 Activation Feature v2 Shadow Agent Prompt
+
+工作区：D:/dsh-auto-memory
+
+你只负责 M7-8 Phase F 后续的 activation feature v2 设计实现和离线校准。本轮不得进入 active canary，不得修改 M5/M6 validator、Reference Tail、delivery/seen、生产默认配置，不得重启 3080。
+
+开始前阅读：
+1. docs/M7-ACTIVATION-FEATURE-DESIGN.md
+2. docs/M7-ACTIVATION-CALIBRATION.md
+3. docs/M7-ALGORITHM-DECISION.md
+4. docs/M7-RESEARCH-PAPER.md
+5. docs/PYTHON-SIDECAR-CONTRACT.md §19.8/§19.9
+6. docs/M7-AUTONOMOUS-STATE.md 与 artifacts/m7-autonomous-pre/state.json
+7. artifacts/m7-live-pre/calibration-cal20260824-1855/
+8. artifacts/m7-live-pre/label-review-cal20260824-1954/
+9. python/worker_semantic_pre_v1.py
+10. smoke-test-m76-pre.mjs、smoke-test-m77-pre.mjs
+
+先运行 git status --short --branch。保留所有既有修改和未跟踪文件；不要 reset、checkout、clean、add、commit、push、tag、publish。
+
+当前硬事实：58 条人工 gold 已导入，activate=22、prefetch=19、suppress=17；当前 tOn=0.62/tOff=0.52 下 echo suppress 可能错误 emit；阈值网格无法在不改特征的情况下同时满足 precision-first 和 usable recall；M7 当前 tested not live。
+
+M7-2 BGE-M3、D6 hybrid、三重 scope 过滤、correction hard-drop、rerank deferred、graph skipped 保持不变。不要重新选择 embedding，不要重新做 graph/reranker。
+
+任务：
+
+A. 实现 activation_features_pre_v2 shadow-only：
+- echoRisk：词汇/文本近重复 + dialogueAct + recallIntent + taskNeed + toolFailure；高置信生活 echo suppress，明确 recall/taskNeed 不误伤。
+- recallIntent：一期高精度中英词典/句式；二期小型 calibrated classifier，禁止在线大模型依赖。
+- dialogueAct/taskNeed：question、recall_request、action_request、error_report、planning、statement、acknowledgement、correction、other；taskNeed=none/optional/required。
+- proactive margin/uniqueness gate；explicit recall lane 允许较低 margin但仍需 fresh/in-scope。
+- repetition persistence：per-session topic/entity fingerprint、衰减计数、failedAttemptCount；不升级生活 echo。
+- fusedScore/lexicalExact 不重复计权 D6；公式可重算并绑定 policyVersion。
+
+B. 离线研究 arm，不默认接同步生产路径：MMR 去冗余；NLI/entailment echo 特征；SetFit/Snorkel 弱监督；CalibratedClassifierCV/isotonic 与 MAPIE coverage-risk。每个 arm 独立 runId/configHash。
+
+C. 禁止：调低 tOn/tOff 制造 emit；切 mode=active；改 M5/M6/JS Host；启动 GPU/reranker/model-sparse/graph 生产路径；在线修改 policy；让 cluster membership 单独 emit；让 correction 正向加分。
+
+D. 数据：读取 58 human gold、silver/edge cases、activation-shadow 和 calibration artifacts。train/dev/test 按 session/seed/pair 分组，禁止泄漏。新 counterfactual 必须标 synthetic/derived、parent memory/episode、generator、sourceDigest。重点覆盖生活 echo、明确中英文 recall、statement/recall pair、tool failure/repetition、correction/stale/wrong scope/PII、cross-workspace advisory。
+
+E. 校准：新 policyVersion 使用 activation_features_pre_v2 或更高；shadow replay 后输出 threshold grid，不能写生产配置。目标 actPrecision >=0.7、harmfulEmit=0、correction/wrong-scope/stale leakage=0、跨语言独立统计。达不到则输出 feature_not_separable 或 insufficient_gold_for_active，继续 shadow。
+
+F. 产物：
+- docs/M7-ACTIVATION-FEATURE-DESIGN.md 实施证据与偏差。
+- docs/M7-ACTIVATION-FEATURE-CALIBRATION.md。
+- artifacts/m7-live-pre/feature-v2-<runId>/labels.jsonl、metrics.json、threshold-grid.csv、error-analysis.jsonl、provenance-manifest.json。
+- docs/M7-AUTONOMOUS-STATE.md 和 artifacts/m7-autonomous-pre/state.json 原子更新。
+
+G. 测试：生活 echo 全 suppress；中英文 explicit recall；同主题 statement/recall pair；margin/uniqueness；repetition 只升级 prefetch；correction/ignored/stale/wrong scope/PII hard gate；cross-workspace advisory default off；classifier session-group split；policy replay deterministic；no online mutation。
+
+完成后运行 Python tests、py_compile、现有 26 项回归和新增专项测试，保存 runId/configHash/device。只报告新特征对 separability 的影响、失败样本和 active 门状态；无论结果如何保持 shadow 和默认关闭。
+
+## 【实施前强制修订】（主 Agent 评审 2026-08-25 附加，与上文冲突时以本节为准）
+
+1. 决策顺序必须是：JS/M7 硬门 → lane 判定 → explicit/proactive 各自规则。echoRisk 只在 proactive lane 作 hard veto；明确 recall request 不得因文本复述而被提前 veto。
+
+2. 新建独立 `python/m7_activation_features_pre_v2.py`，不要把全部特征逻辑内联堆入 worker。旧 activation v1 保留用于回放与 fallback。
+
+3. 学习头导出为可审计 JSON，不得在生产加载 pickle/joblib：至少含 feature schema、vocabulary/IDF、coefficients、intercept、calibration、runId、goldDigest、configHash、parentPolicyVersion。
+
+4. policy 命名固定区分：
+   - activation_features_pre_v2
+   - recall_intent_lr_pre_v1
+   - activation_policy_pre_v2
+   不得用实验别名 v3a 作为 wire policyVersion。
+
+5. 建立不少于 20 条边界样本的逐字段 online-vs-OOF golden parity 测试；不仅比较整体指标。归一化、缺失值、浮点和分词差异必须 fail closed。（边界 fixture 可从 86 gold 中按 |intentProb−τ|≤0.10 与 |pEmit−0.65|≤0.15 选取，另含全部 echo/harm/relay 家族代表。）
+
+6. completeness gate 输出 requiredTargetCount/resolvedTargetCount/status(complete|partial|unknown)。partial 或 unknown 最多 prefetch。对比/枚举词典仅作一期保守检测，不得作为永久唯一依据。
+
+7. repetition 在本轮只做 feature logging；允许 suppress→prefetch，禁止仅凭 2 次失败或 3 次提及直接 activate。生活/闲聊 topic 永不升级。
+
+8. 本轮不得宣称 crossWorkspaceRecall 或 sensitiveMemoryMode 已产品化。它们属于 JS 的 index_sync/context_push 前置授权层。Python 只能读取 JS 显式发送的 policy 字段，缺失时 fail closed，并输出 requiresCrossWorkspaceRelay / PII class 供后续 JS 阶段使用。
+
+9. held-out active 门增加最小支持量：activate gold ≥15、predicted emit ≥8、中文/英文各有正例；同时报告 precision CI 与 activation coverage。未满足时继续 shadow，即使 point estimate precision≥0.7。
+
+10. τ=0.70 仅写入 shadow candidate policy，不修改生产默认 tOn/tOff，不切 active。新 policy 必须有 parent、diff、goldDigest、runId、configHash 和 rollback 信息。
+
+完成后停止在 held-out shadow 操作清单，不执行 3080 重启或 active canary。

package/docs/M7-ACTIVATION-FEATURE-CALIBRATION.md

@@ -0,0 +1,58 @@
+# M7 Activation Feature v2 校准报告
+
+> 阶段：R1（Python feature v2 shadow 接线 + 离线校准 + held-out 准备）
+> 日期：2026-08-25 · runId：feature-v2-heldout
+> 结论：**continue_shadow** — 架构已验证、parity 全绿，但 held-out 人工 gold 尚未导入
+
+## 1. 当前有效策略（唯一来源）
+
+python/policies/activation_policy_pre_v2.json
+- policyVersion = activation_policy_pre_v2
+- mode = **shadow-candidate**
+- tauLane=0.45 / tauHi=0.45 / tauLo=0.35 / deltaExp=0.03 / deltaPro=0.05
+- echo veto 仅 proactive lane
+- decisionRecordId = activation-v2-delta-exp-override-20260824
+
+## 2. 实现交付（全部完成）
+
+| 组件 | 路径 | 状态 |
+| --- | --- | --- |
+| 特征模块 | python/m7_activation_features_pre_v2.py | 纯 stdlib |
+| 意图头工件 | python/policies/recall_intent_lr_pre_v1.json | vocab 2497/IDF/LR/Platt |
+| 策略工件 | python/policies/activation_policy_pre_v2.json | 含 configHash/goldDigest |
+| 决策记录 | python/policies/decision-record-*.json | δ 0.02→0.03 变更审计 |
+| 独立校验器 | python/verify_policy_artifact.py | PASS |
+| Worker 接线 | worker_semantic_pre_v1.py（shadow 路径） | fail-closed |
+| Golden parity | 55 fixtures 逐字段一致 | ALL MATCH |
+| 规则单测 | tests/test_m7_features_v2.py | OK |
+| 全量回归 | 28 suites (含 m79) | ALL PASS |
+
+## 3. 86 Gold 重拟合结果
+
+v1 默认: prec=0/rec=0 (emit即回声)
+v2c+P3门 τ_hi=0.45/δ=0.03(effective): prec=1.000/rec=0.289/sViol=0
+学习头 v3a τ=0.65(无完整性门): prec=0.833/rec=0.682/sViol=1
+v3b oracle hit(上限): prec=0.826/rec=0.864
+
+## 4. Held-out 准备
+
+53 条新样本与 86 gold 完全隔离：
+activate 25 / suppress 22 / prefetch 6
+覆盖 echo-vs-recall/failure-vs-planning/supersede/cross-workspace/cross-lingual/low-info
+split 按 pairId 哈希分组 train/dev/test
+
+用户裁决后合并预期：86+53≈139 条 → 满足 held-out active 门 ≥15/class
+
+## 5. continue_shadow 理由
+
+held-out activate gold=0(未导入) / predicted emit=N/A(无 live 流量) / actPrecision=N/A
+→ 全部条件不满足，继续 shadow
+
+下一步路径：用户裁决 heldout-review-queue.jsonl → 导入 human gold → live shadow ≥3天 → 按门验收 → policy diff → 用户批准 → active canary
+
+## 6. 已知债务
+
+1. candidateHit 使用 memoryRefs 交集近似
+2. repetition logging-only; P4 升级逻辑需 JS 多次提及门口径对齐
+3. completeness 词典为一期保守方案
+4. 意图头 OOF vs full-fit 边界差 0.222——需 held-out 弥合

package/docs/M7-ACTIVATION-FEATURE-DESIGN.md

@@ -0,0 +1,124 @@
+# M7 Activation Feature Design
+
+> 状态：设计评审稿；本轮不修改生产代码、配置、阈值或 active 状态
+> 日期：2026-08-24
+> 前置：M0-M6 live；M7-2..M7-7.5 tested；Phase F = gold_quota_met_but_score_not_separable
+
+## 1. 结论
+
+BGE-M3、D6 hybrid、scope/provenance 和 M7-2..M7-7 代码继续保留。当前失败不是基础 retrieval 失败，而是 activation eligibility 与 semantic relevance 混淆：suppress 类生活记录 echo 的最高分高于 activate gold；denseTop 不表示用户正在请求历史资料；recency 因 occurredAt=null 休眠；live evidence 多数为空。因此单独调 tOn/tOff 无法同时获得 precision 和 recall。
+
+当前状态保持：
+
+~~~text
+retrieval_quality = usable
+activation_policy = not separable
+active_canary = prohibited
+M7 = tested, not live
+~~~
+
+新特征必须使用新 policyVersion，在人工 gold 和新增 shadow 流量上离线重放；本设计不授权 active。
+
+## 2. 两条激活路径
+
+Explicit Recall Lane：用户明确要求历史资料，如之前、上次、找出来、什么决定、recall、previous decision、what did we decide。要求 recallIntent 高置信、候选 fresh/in-scope、目标唯一或 margin 足够、无 correction/ignored/PII/safety 硬拒绝。可用较低语义分数，但不绕过 JS/M6 硬门。
+
+Proactive Lane：用户没有明确要求回忆。必须有工具失败、重复尝试、未解决事项、阶段切换或多条独立任务信号。普通陈述、生活记录复述、acknowledgement 不能仅因 denseTop 高而 activate。
+
+## 3. 特征设计
+
+### 3.1 echoRisk
+
+当前文本与候选正文近重复/复述的风险，不等于普通 semantic similarity。输入包括 lexical coverage、normalized text similarity、dense similarity、dialogueAct、recallIntent、candidate 是否刚由用户引入、taskNeed、toolFailure、unresolved。
+
+高 echoRisk 初始条件：高 lexical/dense 相似 + statement/acknowledgement + 无 recallIntent + taskNeed=none。明确 recallIntent 或 taskNeed=required 时不直接 veto。落点是 Python feature layer，policyVersion 为 activation_features_pre_v2；高置信 echo 只能 suppress/prefetch。
+
+### 3.2 recallIntent
+
+一期用高精度中英文词典和句式，二期用人工 gold 训练小型可解释分类器。建议字符 n-gram/embedding + Logistic Regression，再用 sigmoid/isotonic calibration。SetFit、NLI、Snorkel 只做离线对照或弱标签，不能替代人工 gold。
+
+输出 recallIntentProbability、dialogueAct、intentEvidence。Explicit recall 是 lane 选择信号，不是越权授权。
+
+### 3.3 dialogueAct / taskNeed
+
+枚举：question、recall_request、action_request、error_report、planning、statement、acknowledgement、correction、other。
+
+taskNeed：none、optional、required。它回答任务是否依赖历史记忆，不等于候选是否相似。
+
+### 3.4 margin / uniqueness / evidence
+
+Proactive 要求 calibrated margin、candidate uniqueness 或多个任务信号；explicit lane 可用较低 margin但必须 fresh/in-scope。M5 evidence 是 boost，不是 cold-start 硬门。correction、ignored、conflict、PII、wrong scope、stale 是硬 suppress。margin 阈值由 gold 网格选择。
+
+### 3.5 repetition / persistence
+
+按 per-session topic/entity fingerprint 或 query embedding 相似度做衰减计数，不按重复词面简单计数。状态包含 topicKey、firstSeenAt、lastSeenAt、decayedCount、failedAttemptCount、progressSignal、lastAction。重复失败/同一未决目标可升级 suppress 到 prefetch 或 prefetch 到 activate；重复生活陈述不能升级。
+
+### 3.6 fused / lexicalExact
+
+D6 fusedScore 已包含 dense+lexical，不得再次把 denseTop、fusedScore、lexicalScore 无校准相加。activation 使用 fusedScore、fusedMargin、lexicalExact/code/path/error-code hit、intent、echoRisk、taskNeed、evidence。raw dense 仅用于诊断/消融。
+
+## 4. P1-P7 裁定
+
+| 提案 | 裁定 | 落点 | 理由 |
+| --- | --- | --- | --- |
+| P1 echoRisk | 修改后采纳，P0 | Python feature/policy | 高 echo + statement + 无 intent + 无 task need 才 suppress；echo gold 全 suppress，activate gold 不误伤。 |
+| P2 recallIntent | 采纳，P0 | Python feature/policy | 先词典/句式，后 calibrated small classifier；做中英混淆矩阵和 session-group split。 |
+| P3 margin/evidence | 修改后采纳，P0 | Python activation policy | proactive 要 margin/uniqueness；evidence 是 boost；explicit lane 单独处理。 |
+| P4 repetition | 修改后采纳，P1 | Python session state | 衰减 persistence + failed attempts；close_session 清理；不升级生活 echo。 |
+| P5 fused/lexical | 采纳但重构，P1 | Python feature model | 防 D6 分数重复计权；公式可重算、policyVersion 固定。 |
+| P6 model-sparse | 延后独立消融，P2 | Python retrieval | 改善候选不等于解决 echo；同 gold、独立 runId/configHash。 |
+| P7 GPU | 延后条件采纳，P3 | Python runtime | 只解决 latency/rerank；独立 gpu-venv，device 进入 identity/configHash。 |
+
+## 5. 公开算法建议
+
+MMR 用于 top-K 去冗余，不用于判断是否唤起。公式为 relevance 减去与已选候选的最大相似度。来源：[Carbonell & Goldstein MMR](http://www.cs.cmu.edu/~jgc/publication/MMR_DiversityBased_Reranking_SIGIR_1998.pdf)。
+
+NLI/entailment 可离线比较 query 到 memory 的 entailment、contradiction、neutral，作为 echo/contradiction 特征；不要放进当前 CPU 500ms 同步路径。参考：[cross-encoder/nli-roberta-base](https://huggingface.co/cross-encoder/nli-roberta-base)。
+
+小型意图分类优先字符 n-gram/embedding + Logistic Regression，再做 [CalibratedClassifierCV](https://scikit-learn.org/stable/modules/generated/sklearn.calibration.CalibratedClassifierCV.html) 或 isotonic calibration。SetFit 可作 few-shot 对照，Snorkel labeling functions 可作弱标签。
+
+不确定时输出 prefetch 或 suppress，而不是强制 activate。可用 [MAPIE conformal prediction](https://mapie.readthedocs.io/en/latest/content/conformal-prediction/theory/) 分析 coverage-risk。
+
+## 6. 系统议题
+
+### 6.1 门控进化
+
+固定流程：shadow -> 人工 gold -> offline replay/calibration -> policy diff -> 人工批准 -> 新 policyVersion shadow canary -> active canary -> rollback。禁止 online 自动修改阈值、权重、模型或 prompt。策略 registry append-only，保存 parent policy、diff、gold digest、runId、metrics、批准者和 rollback 版本。
+
+### 6.2 审批工作流
+
+先输出脱敏 Markdown/JSON 审批队列，再做 UI。展示 memoryId、sourceRef、score、echoRisk、intent、scope、freshness 和理由；A/P/S/H/E append-only；E 只能选已有 memoryId；审批不创建 AccessEvidence、不触发 M6 delivery。advisory-only 独立呈现，不能自动执行 Procedure。
+
+### 6.3 跨工作区
+
+建议 crossWorkspaceRecall = off | advisory | active，默认 off。off 不发其他 workspace index_sync；advisory 允许 requiresCrossWorkspaceRelay=true 建议但默认不进 Reference Tail；active 需用户 opt-in，经 JS scope、workspaceRef、PII 和 M6 硬门。用户已裁决为 P/advisory 的样本不改成永久 hard suppress。
+
+### 6.4 PII 敏感度
+
+建议 sensitiveMemoryMode = never | explicit_only | proactive，默认建议 explicit_only，最终由用户拍板。JS 在 index_sync/context_push 前硬过滤：never 不发送；explicit_only 仅明确搜索/回忆可用；proactive 才允许主动建议。策略进入 context/index/activation policyVersion 和 configHash。
+
+## 7. 最小解锁路径
+
+1. P1/P2/P3 feature v2：echoRisk、recallIntent、dialogueAct/taskNeed、margin/uniqueness、correction/PII/scope hard gate。
+2. 用 58 gold 和新增边界样本离线 replay。
+3. 目标 actPrecision >= 0.7、harmfulEmit=0、correction/wrong-scope/stale leakage=0，并单独报告跨语言。
+4. P4/P5 再进入 shadow。
+5. P6/P7 只做独立消融，不作为 active 前置。
+6. 达标后才做单一受控 active canary。
+
+## 8. 测试矩阵
+
+1. 面条/天气/生活 echo 全部 suppress。
+2. 中英文 explicit recall activate。
+3. 同主题 statement 与 recall request 成对对照。
+4. proactive margin/uniqueness gate。
+5. repetition 升级 prefetch 但不绕过 echo。
+6. correction/ignored/stale/wrong scope/PII hard suppress。
+7. cross-workspace advisory flag/default off。
+8. classifier session-group split。
+9. policy diff/replay determinism。
+10. no online policy mutation。
+
+## 9. 落点
+
+本文件是 activation feature v2 设计入口。冻结 D1-D11 不直接覆盖；所有实验使用新 policyVersion、runId、configHash、device 和 gold digest。本轮只完成设计，不改生产代码、配置或 active 状态。

package/docs/M7-ACTIVATION-V2-CONTROLLED-SHADOW.md

@@ -0,0 +1,127 @@
+# M7-8 受控 Live Shadow 报告（2026-08-25 晚）
+
+> 环境：用户 20:28 手动重启 3080（PID 5540，加载全部修复后代码）；三重门全开
+> （pythonBackend/assoc/bridge/inbox/activationSource=python），决策模式
+> shadow-candidate；embedding=bge-m3 fp32（fp32 口径与离线验收一致）。
+> 发送方式：桌面自动化 #1–#6 + 用户手动 #7–#20，共 20 条脚本化请求，
+> 覆盖中英回忆/混合/生活 echo/correction/wrong-scope/stale/tool-failure/计划/概览十类。
+
+## 一、链路验证：全通 ✅
+
+| 环节 | 证据 |
+| --- | --- |
+| lazy spawn | worker PID 10388（父进程=新 harness 5540），20:35:52 首流量启动 |
+| index_sync | derived-corpus.json 20:36 更新；miv=idx_pre_bb0ef6047… 与向量文件**一致** |
+| 编码+检索 | v1 候选影子每观测 8 候选，dense/fused 分数正常（top 0.63–0.73） |
+| fv2 决策 | activation-shadow-v2.jsonl 基线 9 → **103 行（+94 观测）**，每条消息 ~4.7 个
+  请求边界观测（agent 工具轮次各一次 pre-step push），policyVersions/configHash/goldDigest
+  与冻结产物逐字段一致 |
+| 安全性 | **零 Reference Tail、零 delivered、零 seen** —— shadow 契约完整保持 |
+
+## 二、核心发现：stale 硬门语义过宽（94/94 全部 hard_gate_stale）
+
+所有 94 个观测的 decision=suppress、reasonCodes=[hard_gate_stale]、features=null。
+
+根因链：
+1. fv2 的 stale 门实现为 `any(e.freshness=='stale' for e in payload.evidence)`；
+2. 今天大量记忆文件被更新（本报告所属文档工作本身即是）→ anchored sourceVersion 升级
+   → M5 evidence store 中历史证据相对新版本全部判 `freshness='stale'`；
+3. 于是每个 context_push 都携带 ≥1 条 stale 证据 → 硬门全局触发 → fv2 在真实流量下
+   退化为"常灭"。
+
+对照：离线 held-out 验收（actPrecision 0.917）时 hardGates 全 False——该门在离线
+从未被真实数据考验过；受控 shadow 的价值正在于抓到它。**shadow 模式正确兜住了
+这个缺陷：零注入、零打扰。**
+
+判定：这是 **over-broad gate 实现缺陷**（非数据问题、非策略阈值问题）。设计意图是
+"候选引用的记忆已过期则不注入"，实现却变成"会话里存在任何过期证据即全局硬灭"。
+
+## 三、修复（已实施，2026-08-25 深夜，用户直接授权）
+
+采用方向 A 的最小侵入形式：**判定收窄在 worker 的门构造处**——stale/correction
+仅当受影响 memoryId ∈ 当前 top-K 候选时触发硬门；决策核 `m7_activation_features_pre_v2.py`
+与两份策略 JSON **零改动**（configHash 不变），golden parity 夹具零漂移。
+
+验证：场景矩阵 7/7 PASS（相关 stale 触发硬门 / 无关 stale 放行 / 空证据放行 /
+correction 对称 / 端到端 emit 路径恢复 / 相关 stale 仍压制）；m73 59/59、m79 20/20。
+正式记录：`python/policies/decision-record-stale-gate-per-candidate-20260825.json`。
+
+**生效条件**：需用户再次重启 3080 加载新 worker；然后复用同一份 20 条清单重跑受控
+shadow，预期 stale 门行消失、明确回忆请求产生与离线重放一致的 emit/prefetch 决策。
+后续夹具窗口应补入 stale 场景夹具。
+
+## 四、当前状态结论
+
+- M7-8 受控 shadow 第一步目的达成：**线上行为与离线的偏差点已精确定位并归档**。
+- 在修复（需重启 3080 加载）落地前，M7 不满足进入 active canary 的条件（canary 要求 explicit lane 真实注入）。
+
+## 五、第二轮（2026-08-25 晚）诊断与仪表
+
+- 仪表：在 `_fv2_shadow_decide` 调试日志首行（CALLED 计费日志）增加 `nrefs`（payload.memoryRefs 长度，定位 explicit lane 的 candidateHit 供给）与 `nev`（payload.evidence 长度）及 workspace 末 16 字。单条消息即可定位断点。
+- 离线复现整条 JS 链路（corpusSnap 104 条→ lexical kept 8/8→授权 8/8）全绿——memoryRefs 为空非算法问题，是运行时状态问题，需实测带仪表的 live 行判定。
+- 产物：controlled-shadow-rows-20260825.json（94 行存档）、v1 候选影子 256 行、
+  本报告。
+
+
+## 五、第二轮实测（2026-08-26 凌晨）：四连断点全部打通 ✅
+
+经三轮重启迭代，逐环修复并验证：
+
+| 断点 | 根因 | 修复 | 验证 |
+| --- | --- | --- | --- |
+| stale 硬门 any() 过宽 | 会话证据流一条 stale 全局硬灭 | per-candidate 收窄 | hard_gate_stale 归零 ✅ |
+| CoT 被 ContextObserver 丢弃 | assistant/chunk(reasoning-delta) 落入 ignored 分支 | 聚合缓冲+pre-step 冲刷+kind 白名单准入（权重 0.5） | 接线完成 ✅ |
+| 会话跨天续接被标 child → push 全弃 | parentSession 判定误伤日常续接会话 | contextBridgeObserveChildSessions 开关（已开） | observe 日志确认 ✅ |
+| 用户消息被判 plugin-generated | 续接会话的消息带 harness 来源标记 | 抑制收窄为仅拦本插件自家注入 | drop 归零 ✅ |
+
+**nrefs=8 / nev=3 / ws=/dsh-auto-memory** —— memoryRefs 断供根因即 child-session+
+plugin-generated 双重抑制，均已解除；JS→Python 管道 sent=35、accepted 正常。
+
+## 六、新发现的策略层议题（待主 Agent 裁定，未擅自改动）
+
+**candidateHit 生产定义与验收口径脱节**：验收时 candidateHit=expected∈dense-topK
+（真值注入）；生产实现为 JS 词法 memoryRefs ∩ Python dense top-K。实测 12/12 观测
+hit=False——两路召回在小语料+改述查询下几乎零交集（词法路与语义路天然分歧，
+echo 类反而 dense 更高，§7.1 已证不可用绝对分数替代）。后果：explicit lane 的
+emit 条件在生产结构性难以满足。
+
+候选方向已离线实证（candidatehit_variant_study.py / _replay.py，63 main-set golds）：
+
+| 口径 | emit | TP | precision | recall | emitOnSup |
+| --- | --- | --- | --- | --- | --- |
+| baseline（oracle hit，验收口径） | 12 | 11 | 0.917 | 0.478 | 0 |
+| A) 补充词法臂命中（raw BM25≥8/12/20 三档） | 13 | 11 | **0.846↓** | 0.478 | 0 |
+| A+B) A + 高意图无命中降级 prefetch | 同 A | — | — | — | prefetch 无可见效果 |
+
+**实证结论**：放宽 candidateHit（方向 a）只多出 1 次 emit 且为误报（precision
+0.917→0.846），recall 零收益——两路召回分歧处的新增"命中"不是 activate 目标。
+方向 b 无损但也无指标收益（prefetch 本就无模型可见效果），可作为体验优化随窗口采纳。
+
+**推荐裁定：c（维持双路共识高精度门槛）+ 顺带采纳 b**。生产 emit 结构性难达的
+真正根源是检索召回债（denseTop 整体偏低、ep_* 目标排不进 top-8），正解在检索层与
+M8 任务信号，而非放松激活门。M7 保持 shadow 至受控 shadow 全绿后议 canary。
+
+
+## 七、C2 全链路独立验收（2026-08-26）：纯 JS 档通过 ✅
+
+问题：C2（transformers.js + multilingual-e5-small q8）脱离 Python 后，能否独立完成
+"CoT/文字 → 记忆拟合 + 唤起必要性判断"？实测方法：C2 语义检索出 top-8 候选后，
+喂给**冻结的 fv2 决策核**（与 C3 验收逐字节同源），63 主集人工金标重放。
+
+| 层 | 检索 R@5 | 决策 precision | recall | emitOnSuppress |
+| --- | --- | --- | --- | --- |
+| C1 词法 BM25 | 0.200 | — | — | — |
+| **C2 JS e5-small q8（130MB）** | **0.609**（zh 0.706） | **1.000（4/4）** | 0.174 | 0 |
+| C3 Python bge-m3 int8（563MB） | 0.925 | 0.917（11/12） | 0.478 | 0 |
+
+结论：
+1. **唤起必要性判断：C2 精度满分**——4 次 emit 全部正确、零误报、零 S 类泄漏；
+   冻结策略在纯 JS 管道上行为与设计一致（保守但可信）。
+2. **记忆拟合能力**：R@5 0.609 显著优于词法 0.20，为 C3 的 66%；英文偏弱
+   （0.333）是已知取舍，中文主场景达标。
+3. recall 缺口由两层弥补：用户可随时升级 C3；M8 会话级任务信号（repetition/
+   toolFailures）补 proactive 召回。
+4. 工件：js-retrieval-candidates.jsonl / js_pipeline_replay.py /
+   js-pipeline-replay-metrics.json（feature-v2-heldout 与 js-semantic-trial 目录）。
+
+**C2 作为默认档的判定成立。**

package/docs/M7-ACTIVATION-V2-HANDOFF.md

@@ -0,0 +1,132 @@
+# M7 Activation v2 移交文档（校准 Agent → 主 Agent 实现）
+
+> 日期：2026-08-24 · 作者：校准 Agent（ox-alpha）
+> 性质：**移交与实施依据**。设计权威=`docs/M7-ACTIVATION-FEATURE-DESIGN.md`；
+> 算法扩展参考=`docs/M7-ACTIVATION-ALGO-REFERENCES.md`；本文档记录资产、已批准
+> 策略与剩余条件。实现入口=`docs/M7-ACTIVATION-FEATURE-AGENT-PROMPT.md`。
+
+## 1. 现状一页纸
+
+- Phase E 通过（真实 BGE-M3 全链路）；Phase F 判定演进：
+  `insufficient_gold_for_active` → **`gold_quota_met_but_score_not_separable`**
+  → 经 feature v2 拟合 + P3 完整性门，**验收门在离线重放中全部通过**（§3）。
+- **人工 gold 共 86 条**（activate 38 / prefetch 29 / suppress 19），三批用户裁决
+  合并；另有 4 条跨工作区 relay 样本挂议题③a、2 条敏感度样本挂议题③b。
+- 生产默认全程未动；无 active 流量；M7 维持 tested-not-live。
+- syncTimeoutMs=120s 重试风暴修复已由主 Agent 完成（Phase E 记录）。
+
+## 2. 已批准的默认策略（用户逐项拍板，2026-08-24）
+
+| # | 决策项 | 批准值 | 验收挂钩 |
+| --- | --- | --- | --- |
+| 1 | sensitiveMemoryMode | **explicit_only** | cal-0062/0073 转正：仅显式搜索可返回，主动提醒路径关闭 |
+| 2 | crossWorkspaceRecall | **advisory**（默认） | cal-0036/0037/0055/0058 四条 relay gold 转为可验收；active 档需显式 opt-in 且过全部硬门 |
+| 3 | margin δ 选择方式 | gold 网格选择，范围 [0.02,0.05] 步长 0.01，**相邻格稳定性约束** | δ_exp 与 δ_pro 分开标定；δ_pro 待 P4 任务信号落地 |
+| 4 | repetition k 起点 | **2 次失败 / 3 次提及**，30 分钟衰减窗 | 口径必须对齐 JS 端既有 episodic→procedural 多次提及门；生活/闲聊话题永不升级 |
+| 5 | 审批形态 | **文件队列先行**（Markdown/JSON/xlsx） | GUI 触发条件：v2 冻结后审批 >50 条/周 |
+| 6 | GPU | **暂缓**（无疑义） | 未来硬前置：device 进入 identity block/configHash 并全量重建 |
+
+策略输入落点：#1/#2 作为 JS 侧 index_sync/context_push 前的过滤与路由配置；
+#3/#4 属 Python activation_features_pre_v2；#5 为 JS 管理面；全部进 configHash
+与 policy registry（append-only，含 parent policy/diff/gold digest/runId）。
+
+## 3. 拟合结果与推荐工作点（86 gold，分组 OOF）
+
+| 路径 | precision | recall | 备注 |
+| --- | --- | --- | --- |
+| v1 当前默认（denseTop 单阈值 0.62/0.52） | 0 | 0 | emit 即回声误触发 |
+| v2 规则级联 | 1.000 | 0.500 | 可解释但规则枚举有限 |
+| v3a 学习型+P3 完整性门，τ=0.70 【historical sweep；effective=activation_policy_pre_v2 tauHi=0.45/deltaExp=0.03(偏离简报冻结值0.02，原因与追认状态见 policy JSON deltaDeviationFromBrief)】 | **0.818** ✅ | 0.237 | emitOnP=0 ✅ sViolations=1 harmfulEmit=0 ✅ |
+| v3b oracle hit（上限） | 0.826 | 0.864 | 与 v3a 差距 ≈ 在线验证债务 |
+
+- 无完整性门时学习头在 86 gold 上 precision 仅 0.516/emitOnP=8——多目标完整性
+  是政策问题而非文本可学，**P3 门是必要组件**（保守实现：对比/分别/两个等
+  枚举词降级 prefetch；检索层目标齐全性校验待后续支持）。
+- 意图头：char n-gram TF-IDF + LR，OOF AUC 0.857（校准后 0.834，
+  Brier 0.217→0.166）。系数序：mark +1.64 ≫ containment +0.94 >
+  intentProb +0.58 > margin +0.27 ≫ denseTop −0.38——"是否在问"比"有多像"
+  重要一个数量级。
+- Bootstrap 95%CI @τ=0.70：precision [0.433, 0.929]、recall [0.105, 0.435]
+  ——区间偏宽，**held-out 真实流量验证不可省**。
+
+## 4. activation_features_pre_v2 规范要点
+
+特征：echoRisk（containment∨denseTop 双臂 + 句式）、recallIntentProbability
+（校准 LR）、dialogueAct/taskNeed、fusedMargin、candidate uniqueness、
+completeness gate、repetition/persistence（复用 JS 多次提及门，P1）。
+决策顺序（2026-08-25 主 Agent 修订，覆盖本节初版）：JS/M7 硬门（correction/
+ignored/stale/wrong-scope/PII）→ lane 判定 → explicit lane（echoRisk 仅作特征，
+不作硬 veto——避免误伤"复述记忆后追问"句式）→ proactive lane（高 echoRisk 可
+hard suppress/downgrade）→ completeness/margin/evidence → emit/prefetch/suppress。
+BGE-M3/para-512/D6 hybrid/三重过滤不动。
+
+## 5. 资产清单（全部可复现）
+
+| 资产 | 路径 |
+| --- | --- |
+| 三期 gold + 合并摘要 | artifacts/m7-live-pre/label-review-cal20260824-1954/{gold-confirmed,gold-confirmed-cf,gold-confirmed-b3}.jsonl、merged-gold-summary.json |
+| 打分底座 | 同目录 {labels.scored 引用, cf-scored.jsonl, batch3-scored.jsonl}；向量缓存 vec-cache/ |
+| 拟合与分析脚本 | calibration_harness.py、fit_path.py、features_v2_replay.py、intent_probe.py、extend_probe.py、merge_refit_b3.py、analyze_gold.py |
+| 结果 | metrics-gold.json、threshold-grid-gold.csv、fit-path-results.json、intent-probe-results.json、extend-probe-results.json |
+| 验收映射 | acceptance-gold-map.json（按测试矩阵 §8 逐项挂 gold） |
+| 文档 | M7-ACTIVATION-CALIBRATION.md、M7-LABEL-REVIEW-REPORT.md、M7-ACTIVATION-FEATURE-DESIGN.md、M7-ACTIVATION-ALGO-REFERENCES.md |
+
+## 6. 剩余条件（冻结 policyVersion 前）
+
+1. 实现 Agent 将两 lane + 学习头移植进 worker（新 policyVersion），并校验
+   **在线推理与离线 OOF 的一致性**。
+2. 新真实 shadow 流量做 held-out 验证（当前工作点存在 58→86 gold 内选择偏差；
+   bootstrap CI 偏宽）。
+3. 达标定义不变：actPrecision ≥ 0.7、harmfulEmit=0、correction/wrong-scope/
+   stale 泄漏=0、中英分别报告；达标后由用户批准 policy diff，再议 single-session
+   active canary。
+4. 检索层欠债登记（策略不可解）：cal-0020（envelope 预算 gold 未进 top-K）、
+   cf-096（finish_reason 锚点 miss）、b3-rp1（重复故障改述后 miss）。
+
+## 7. 披露
+
+- bench venv 新增 openpyxl 依赖（本轮 xlsx 生成所需，隔离环境内安装）。
+- batch3-review.xlsx 曾被脚本以空模板覆盖，用户原文已从解析日志逐字恢复；
+  merge_refit_b3.py 内置 RULINGS 常量作为第二份备份。
+- 全程零 commit/push、零 POST/重启 3080、零真实 MEMORY.md/Anchor/AccessEvidence
+  写入；tracked 文件修改集与任务开始时一致。
+
+## 8. 主 Agent 派发前修订（2026-08-25，已并入上文与 AGENT-PROMPT）
+
+七点修正全部采纳：
+
+1. **决策顺序修正**（§4 已改）：echo veto 从全局前置移入 proactive lane；
+   explicit recall 不得因文本复述被提前 veto。
+2. **运行时工件**：学习头以 JSON 策略工件进入运行时（feature schema、
+   vocabulary/IDF、coefficients、intercept、calibration、runId、goldDigest、
+   configHash、parentPolicyVersion），禁止 pickle/joblib；确定性纯 Python 推理，
+   规避 sklearn 版本漂移。特征逻辑独立为 `python/m7_activation_features_pre_v2.py`，
+   v1 保留作回放/fallback。
+3. **三版本命名**：activation_features_pre_v2 / recall_intent_lr_pre_v1 /
+   activation_policy_pre_v2；实验别名 v3a 不得作为 wire policyVersion。
+4. **Golden parity**：≥20 条边界 fixture 逐字段比对 online vs OOF
+   （normalizedText/containment/echoRisk/intentProb/dialogueAct/taskNeed/
+   fusedMargin/completeness/lane/finalScore/decision/reasonCodes）；
+   归一化/缺失值/浮点/分词差异 fail closed，阻断 shadow live。
+5. **Completeness gate 结构化**：输出 requiredTargetCount/resolvedTargetCount/
+   status(complete|partial|unknown)；partial/unknown 最多 prefetch；词典仅为
+   一期保守检测。修正 cal-0066 类误 emit 的正道。
+6. **Repetition 本轮 logging-only**：允许 suppress→prefetch，禁止仅凭次数
+   直接 activate；待真实重复序列 gold 后再开放升级。
+7. **JS 权威边界**：crossWorkspaceRecall/sensitiveMemoryMode 属 JS 的
+   index_sync/context_push 前置授权层；Python 仅读取显式下发的 policy 字段，
+   缺失即 fail closed，并输出 requiresCrossWorkspaceRelay/PII class。本轮不宣称二者已产品化。
+
+held-out 门扩充：activate gold ≥15、predicted emit ≥8、中英各有独立正例、
+precision CI 与 activation coverage 同时报告；任一不满足继续 shadow。
+
+实施分两轮，不得混合：
+- 第一轮（Python feature v2）：独立模块 + JSON policy artifact + 两 lane +
+  echo/intent/dialogueAct/completeness/margin + repetition shadow + 86 gold OOF
+  golden parity → 全程 shadow。
+- 第二轮（JS policy plumbing）：PII 三档硬过滤（index_sync/context_push 前）、
+  cross-workspace relay、append-only policy registry、文件审批队列写回。
+  两轮分离使算法误差与 Host 授权误差可归因。
+
+当前状态：修订后的 AGENT-PROMPT 可派发实现 Agent；完成 parity 后另派独立 JS
+Agent 处理第二轮。GPU/model-sparse/reranker/graph 维持冻结。

package/docs/M7-ACTIVATION-V2-HOLDEDOUT-EVAL.md

@@ -0,0 +1,94 @@
+# M7 Activation v2 — Held-out Score-Based Evaluation (2026-08-25)
+
+## Verdict: **PASS** — 冻结策略通过独立人工金标离线验收
+
+冻结产物 `activation_features_pre_v2` / `recall_intent_lr_pre_v1` /
+`activation_policy_pre_v2`（tauHi=0.45, tauLo=0.35, deltaExp=0.03,
+deltaPro=0.05, mode=shadow-candidate，configHash 校验通过）在 67 条
+**人工金标** held-out 样本上重放生产检索路径（BGE-M3 dense + BM25 lexical,
+D6 加权融合），逐条 `decide_activation_v2` 决策。**全程零重调参。**
+
+## 门禁结果
+
+| 门禁 | 要求 | 实测 | 结果 |
+| --- | --- | --- | --- |
+| actPrecision | ≥ 0.70 | **0.917**（11/12，CI95 [0.727, 1.0]，pairId 聚类 bootstrap B=2000） | ✅ |
+| predictedEmit | ≥ 8 | **12** | ✅ |
+| harmfulEmit | = 0 | 0（本批无 harmful 样本，见泄漏覆盖说明） | ✅ |
+| emitOnSuppress | = 0 | **0**（20 条 S 金标无一 emit，echo veto 零漏） | ✅ |
+| correction / wrong-scope / stale / PII leakage | = 0 | 见泄漏覆盖说明 | ✅* |
+
+*本批 held-out 无 correction/stale/PII 专项样本；这些硬门由训练金标 v2 重放覆盖
+（features-v2-replay.json：sViolations=0, harmfulEmit=0, emitOnP=0），并需在受控
+shadow 真实流量中再验。
+
+主集 = 63 条（67 减 4 条 cross-workspace 单列分层）；跨区层另报：
+n=6, emit=1（正确），prec 1.0 —— 跨区召回是 JS 权威层（R2），按设计不入主门禁。
+
+## 数据集口径（重要修正）
+
+- 69 条 proposed（53 队列 + 16 补充）全部经 `heldout-review-v2.xlsx` **人工审核**；
+  此前 `heldout-final-gold.json` 等文件以合成标签冒名 gold，已废弃为历史快照。
+- 人工判定分布：activate 27 / suppress 22 / prefetch 18；英文 activate 正例 6。
+- **deferred 2 条**：hd-048/hd-049，用户批注「跨工作区让用户选择是A还是S」——判定
+  取决于未来跨工作区设置项，不计 gold。
+- 用户 override 2 条：hd-021/hd-023 suppress→**activate**（与 cal-0036/0037 的
+  advisory 关联宽容裁决一致），已如实转写 overridesPrior=true。
+
+## 锚点恢复披露（anchor recovery）
+
+本集锚定的 4 条合成测试记忆（琥珀协议/蓝鲸-7号/分词勘误/面条生活记录）已于
+2026-08-25 被**蒸馏清理出线上语料**（用户 11:33 批注确认可清理）。首次评估因此
+15/23 的 activate 金标检索不命中（predictedEmit 仅 4，FAIL）。四条原文从
+semantic-pre 向量快照 excerpt 与 workspace 日志转写完整恢复（anchor-recovery.json，
+含来源标注），并入检索池后重跑。恢复只影响检索池构成，不触碰任何策略参数。
+
+## 分层结果
+
+| 层 | n | emit | precision | recall |
+| --- | --- | --- | --- | --- |
+| zh | 57 | 8 | 0.875 | 0.412 |
+| en | 6 | 4 | 1.000 | 0.667 |
+| explicit lane | 41 | 12 | 0.917 | 0.550 |
+| proactive lane | 22 | 0 | — | 0.000（设计：round-1 proactive 不 emit） |
+| independent 子集 | 44 | 8 | 0.875 | 0.412 |
+| overlapping 子集 | 19 | 4 | 1.000 | 0.667 |
+| cat: echo-vs-recall | 20 | 7 | **1.000** | **0.700** |
+| cat: cross-lingual | 6 | 4 | 1.000 | 0.667 |
+
+echo 战场（本项目的核心发现）在独立 held-out 上 7 次 emit 全部正确、20 条含
+echo 的样本零误激活——双臂 echo veto（containment≥0.30 ∪ denseTop≥0.70，仅
+proactive lane）在未见数据上成立。独立性分层无翻车（重叠子集反而更准，方向
+与"重叠虚高"担忧相反）。
+
+## 观察项（非门禁）
+
+1. **hd-supp-pf-02**（P 金标被判 emit）：margin 0.033 刚过 δExp，过激一档，
+   与训练侧 cal-0008 同性质；累计两例供未来 δ 网格复审，当前不改。
+2. **hd-037「蓝鲸-7号真厉害。」**（S 金标被判 prefetch）：echo 双臂均未触发
+   （containment=0, dTop=0.504<0.70），走 proactive margin 门。prefetch 无模型
+   可见效果，且与用户对意见陈述→P 的既有裁决（cf-008/014）方向一致。
+3. **failure-vs-planning recall 天花板**：6 条 A 金标中 4 条检索未命中（失败汇报
+   与目标记忆文本相似度本质偏低），其余被 margin 门保守降级；proactive lane
+   round-1 不 emit 属设计取舍，此类依赖 repetition 信号累积（logging-only），
+   留待真实流量验证。
+4. ep_* 目标 4 条排不进 top-8（cos 0.36–0.53）：真实检索债，与训练侧已知
+   misses（cal-0020/cf-096/b3-rp1）同类，归属 retrieval 层改进，不在本门禁内。
+
+## 下一步（顺序不变）
+
+1. ✅ 人工审核（69 条）→ 2. ✅ 离线打分验收（本文）→
+3. **受控 live shadow**：用户手动重启 3080（加载 fv2 修复后的 worker），开启
+   Python/Context Bridge/Activation Inbox 保持 mode=shadow，18–24 条受控请求
+   （明确回忆 / 中英回忆 / 生活 echo / correction / wrong scope / stale /
+   tool failure），核对线上字段与离线决策一致性 →
+4. 单 session active canary（仅 explicit lane emit，生活 echo 与 correction 反例
+   验证不注入），结束后恢复默认关闭。
+
+## 复现
+
+```bash
+cd artifacts/m7-live-pre/feature-v2-heldout
+D:/dsh-auto-memory/python/bench/.venv/Scripts/python.exe holdout_score_eval.py
+# 输出 holdout-scored.jsonl（逐条特征+决策） / holdout-score-eval.json（指标+门禁）
+```