@furongjun1999/dsh-memory 0.4.6 → 0.4.7

package/docs//346/250/252/350/257/204_/345/205/255/345/256/266100/351/242/230/344/270/255/350/213/261/345/217/214/346/237/245_v1.0.md

@@ -0,0 +1,223 @@
+# 六家记忆系统横评 · 100 题中英双查（bench6 v1.0）
+
+> **题集（已公开）**：`data/benchmarks/bench6-100-zh-en/`（`manifest.json` / `pool.jsonl` / `questions.jsonl`，CC BY-NC 4.0）
+> **六家结果（机器可读）**：`data/benchmarks/bench6-100-zh-en/results_v1.0.json`
+> 评分器：`md_cg/eval_common.py`（`unlock_global_cap()` + `use_jaccard()`），六家**同一套** hit@1 / hit@5 / MRR。
+
+## 一句话结论
+
+在这份**零干扰、全为 gold 证据**的题池上：**中文查询**由灵枢词法（99.0%）与 Letta 归档直插（96.0%）领跑，**英文查询**则由 Letta 归档直插（73.0%）与纯向量 RAG（71.0%）领跑；灵枢四路融合在本池中**反而低于其单词法基线**（81.0% < 99.0%），条件桶/实体路在饱和池上稀释了词法命中。**Letta 的 agent 自主入库在本次口径下命中率为 0，根因不是检索失效，而是入库时把 `[turn_id]` 标记改写成自然语言、导致结果无法回溯**。
+
+---
+
+## 1 口径与复现
+
+| 项 | 取值 |
+|---|---|
+| 题源 | `data/benchmarks/locomo-zh-500/questions500.jsonl`（500 题，公开）+ 上游 LoCoMo 英文原问句（`mteb/LoCoMo`，revision `02e2c3dea15d9fdfd1cd7a0f65f5f8ae2ed4c1ac`） |
+| 语料 | `data/benchmarks/locomo-zh-500/corpus567.jsonl`（567 turn） |
+| 抽样 | qtype 分层 · 最大余额法 · `seed=7007` · n=100；配额 `single_hop 43 / adversarial 23 / temporal 16 / multi_hop 14 / open_domain 4` → 实际一致 |
+| 池 | 抽中 100 题的 gold 引用 turn 去重 = **137 条**；悬空引用 **0 条**（`dangling=[]`，已逐条记录规则） |
+| 写入文本（六家逐字同源） | `[<turn_id>] <英文原始陈述> [<会话时间>]` |
+| 中英双查 | 同 qid 两套词面：`question_zh`=中文关键词串、`question_en`=英文自然问句；`evidence_turns` 已断言逐字一致 |
+| 评分 | `first_evidence_rank`（1-based，未命中 0）→ `hit@1 / hit@5 / MRR`；统一前置开关 `unlock_global_cap()`（解除 LIKE 预筛 500 条截断）+ `use_jaccard()`（长 turn 不挤掉证据） |
+
+**验证（纪律 5，回放/断言全绿）**：题数=100、池=137、池内 id 唯一、每题中英问句均非空、中英 `evidence_turns` 逐字一致、竞品 `unmapped_rate=0`（除 Letta agent）、各臂 `errors=0`。
+
+---
+
+## 2 主表：六家 × 中英 × 三指标
+
+| 系统 | zh hit@1 | zh hit@5 | zh MRR | en hit@1 | en hit@5 | en MRR | 未回收率(zh/en) |
+|---|---|---|---|---|---|---|---|
+| 灵枢·单词法 | **99.0%** | 100.0% | 0.9950 | 47.0% | 69.0% | 0.5637 | n/a |
+| 灵枢·四路(真开bucket) | 81.0% | 100.0% | 0.8983 | 37.0% | 67.0% | 0.4893 | n/a |
+| 灵枢·四路(名义) | 68.0% | 100.0% | 0.8093 | 29.0% | 61.0% | 0.4212 | n/a |
+| 灵枢·词法+meta | **99.0%** | 100.0% | 0.9950 | 54.0% | 72.0% | 0.5993 | n/a |
+| 灵枢·四路(无meta) | **99.0%** | 100.0% | 0.9950 | 47.0% | 69.0% | 0.5637 | n/a |
+| 纯向量 RAG | 97.0% | 100.0% | 0.9817 | 71.0% | 91.0% | 0.7937 | n/a |
+| mem0 | 89.0% | 95.0% | 0.9125 | 68.0% | 93.0% | 0.7850 | 0.0% / 0.0% |
+| Graphiti | 58.0% | 63.0% | 0.6008 | 46.0% | 62.0% | 0.5303 | 0.0% / 0.0% |
+| GraphRAG | 31.0% | 35.0% | 0.3223 | 18.0% | 25.0% | 0.2057 | 0.0% / 0.0% |
+| Letta·归档直插 | 96.0% | 100.0% | 0.9767 | **73.0%** | 93.0% | 0.8063 | 0.0% / 0.0% |
+| Letta·agent自主 | 0.0% | 0.0% | 0.0000 | 0.0% | 0.0% | 0.0000 | **100% / 100%** |
+
+> 「灵枢」多行是**同一支系统在不同检索口径**下的对照，非多套系统；`灵枢·单词法 / 词法+meta / 四路(无meta)` 三者在中文侧同分（99.0%），差异只在英文侧（meta 使 en 47%→54%）。
+
+---
+
+## 3 分题型附表（中文查询 hit@1，括号为题数）
+
+| 系统 | adversarial(23) | multi_hop(14) | open_domain(4) | single_hop(43) | temporal(16) |
+|---|---|---|---|---|---|
+| 灵枢·单词法 | 96% | 100% | 100% | 100% | 100% |
+| 灵枢·四路(真开bucket) | 83% | 86% | 100% | 77% | 81% |
+| 灵枢·四路(名义) | 70% | 79% | 75% | 65% | 62% |
+| 灵枢·词法+meta | 96% | 100% | 100% | 100% | 100% |
+| 灵枢·四路(无meta) | 96% | 100% | 100% | 100% | 100% |
+| 纯向量 RAG | 100% | 100% | 100% | 95% | 94% |
+| mem0 | 96% | 100% | 75% | 84% | 88% |
+| Graphiti | 48% | 79% | 50% | 56% | 62% |
+| GraphRAG | 52% | 29% | 25% | 26% | 19% |
+| Letta·归档直插 | 100% | 93% | 100% | 95% | 94% |
+| Letta·agent自主 | 0% | 0% | 0% | 0% | 0% |
+
+**读法**：灵枢系在 `multi_hop / open_domain / single_hop / temporal` 四项均为 100%，其唯一短板是 `adversarial`（96%，低 4pp）；纯向量 RAG 与 Letta 归档直插则在 `adversarial` 与 `multi_hop` 上互补（前者 adversarial 100/后者 multi_hop 93）。GraphRAG 全题型垫底，`temporal_reasoning` 仅 19%（时间类问题依赖实体图上的时间边，而本臂以 `local_search` 的 sources 行序为准，未见时间维排序）。
+
+---
+
+## 4 逐家入库形态与语言取证（本次最有价值的观测）
+
+各家写入后**回读一条真实存储内容**，作为中英双查差异的解释变量：
+
+| 系统 | 存储形态（回读取证） | id 回收通道 | 取证 |
+|---|---|---|---|
+| 灵枢 | 中文四槽（身份/时间/摘要/条件）+ 英文原文，补 `tags`（裸词 identity+terms）与 `condition_space` | 图节点 id（进程内） | 库为自有 `MdCGOS`，`tags` 必须裸词（`ent:` 前缀在自然语言查询下永不命中） |
+| mem0 | 保留 `[turn_id] 英文原文`，另存 `metadata.turn_id` | `item["metadata"]["turn_id"]`（精确） | zh/en `unmapped=0` |
+| Graphiti | 一 turn 一 episode，抽取为实体/关系边 | `edge.episodes → EpisodicNode.name`（精确） | 137 episode 全部可回溯 |
+| GraphRAG | 文档级一次性索引，137 个 `text_unit`（原文切片） | `context_data["sources"].text` 正则（行序） | `index_rc=0`、`n_text_units=137`；**英文侧 7 题空 sources** |
+| Letta·归档直插 | `passages.create` 直插，**逐字保留** `[scene_0_session_11_turn_14] Caroline: …` | `passages.search().results[].content` 正则 | `search_field_path=['results']`；zh 96% / en 73% |
+| Letta·agent自主 | `messages.create`，agent 把内容**改写成自然语言摘要**（如 "Caroline is going through a transition…"），**不含 `[turn_id]` 标记** | 同上，但标记已丢 → 无可回收 | `search_field_path=['<empty>']`、`n_empty=100/100` |
+
+**结论**：Letta agent 模式的 0 分**不是检索能力问题**——`errors=0`、检索调用正常，而是**入库形态丢失了来源标记**，使任何以 id 回溯的评测口径都无法命中。评测「自主记忆」必须把「标记可追溯性」单列，否则会把可追溯性差异误读成检索能力差异。
+
+---
+
+## 5 条件路由净效应（灵枢内部对照，中文查询）
+
+| 口径 | zh hit@1 | 相对单词法 |
+|---|---|---|
+| 单词法 | 99.0% | — |
+| 四路·真开 bucket（`context` 非空） | 81.0% | **−18.0pp** |
+| 四路·名义（`context=None`，bucket 路空转） | 68.0% | −31.0pp |
+
+**净效应为负**：真开 bucket 比名义口径**高 13.0pp**（说明条件桶路本身确实在工作、不是空转），但在本池中两者都低于单词法。归因见 §7 判定单 1——**零干扰池 + 短证据句**使词法已近饱和（99%），RRF 融合引入的并列项会挤占 Top-1。该结论**仅在本条件空间成立**，不可外推为「四路无用」。
+
+---
+
+## 6 跨语言对照（中 → 英 的落差）
+
+| 系统 | 入库语言 | zh→en hit@1 变化 |
+|---|---|---|
+| 灵枢·单词法 | 中文层为主 + 英文原文 | 99.0% → 47.0%（−52.0pp） |
+| 纯向量 RAG | 英文原文直嵌入 | 97.0% → 71.0%（−26.0pp） |
+| mem0 | 英文原文 | 89.0% → 68.0%（−21.0pp） |
+| Letta·归档直插 | 英文原文 | 96.0% → 73.0%（−23.0pp） |
+| Graphiti | 英文原文 | 58.0% → 46.0%（−12.0pp） |
+| GraphRAG | 英文原文 | 31.0% → 18.0%（−13.0pp） |
+
+**读法**：入库语料与查询语料的**同源程度**决定跨语言落差。入库含中文层者（灵枢）中文查询登顶、英文查询垫底；入库为英文原文者（向量 RAG / mem0 / Letta）英文查询显著更稳。**没有一家在两种查询语言上同时最优**——这正是「中英双查」矩阵要暴露的事实。
+
+**横向结论（不可忽略的第二层读法）**：把主表 11 臂逐行对比——**除全零壳臂 `letta_agent` 外，全部 10 臂的中文查询 hit@1 均高于英文查询，提升 +12 ~ +52pp**（灵枢·单词法 +52pp、词法+meta +45pp、纯向量 RAG +26pp、Letta·直插 +23pp、mem0 +21pp、GraphRAG +13pp、Graphiti +12pp）。也就是说，「英文查询更稳」只指**相对自身**的落差保持率（英文库 → 英文查询衰减更小）；**绝对命中上，没有任何一家在英文词面下超过自己的中文词面**——查询词面敏感性（+12~+52pp）大于多数家间绝对差距。该结论可由公开脚本一键复现：
+
+```bash
+python data/benchmarks/bench6-100-zh-en/run_bench.py
+```
+
+脚本自带口径自证（用 `results_v1.0.json` 存档逐题 ranks 重算 summary 逐位比对）与 Adapter 接入协议（第三方记忆系统实现 `ingest`/`search` 即可同口径入评）。归因边界照旧：`question_zh` 为关键词串（保留英文专名/日期词）、`question_en` 为自然问句，中文提升混合语言与查询形态双因素；内置词面基线在纯英文库上呈反向 en>zh（`--demo`），恰证「查询语言优势取决于系统如何处理语料」。
+
+---
+
+## 7 偏差归因（设计者视角判定单）
+
+### 判定单 1 · 灵枢四路真开 bucket 反低于单词法
+
+```
+条件空间：观测位置=全局观测层（评测编排）｜观测工具=eval_common 证据命中（unlock_global_cap+use_jaccard）｜时间窗口=bench6 单次全量(seed=7007)｜存在约束=池内每题 gold 仅 1–2 条、证据为高度可分词短句
+白箱三问：依据=同池同题同口径下 四路 81% < 单词法 99%（且名义 68% < 真开 81%）｜条件=仅当「池内零干扰 + 证据短句高度可分词」时成立（词法已饱和，条件桶/实体路引入的并列项挤占 Top-1）｜错后=若池含干扰或证据变长，四路应回优
+裁决：REJECT（「四路必然优于单词法」为假）
+依据：同池下 hit@1 单调 单词法 99% > 真开 81% > 名义 68%；真开比名义高 13pp 证明 bucket 路在工作，非空转
+缺失维度：条件边界（池干扰度）
+验证路径：在 567 全池（含干扰）上复跑两口径，若四路反超则归因成立
+关注信号：条件路由的价值应在「语义/条件类查询 + 有干扰池」中体现
+```
+
+### 判定单 2 · Letta agent 自主入库 0%
+
+```
+条件空间：观测位置=全局（入库形态取证）｜观测工具=passages.list 回读 + search field path 取证｜时间窗口=全量 137 写入后｜存在约束=agent 写入经 LLM 改写、core block 存自然语言摘要
+白箱三问：依据=ingest_probe 内容为 "Caroline is going through a transition…"，不含 [scene_*_turn_*] 标记｜条件=凡入库经 LLM 重写且不保留原始标记者，id 口径必无法回溯｜错后=该结论支持「自主入库丢失可追溯性」，写入 negative
+裁决：REJECT（不是检索失败，而是入库形态丢失标记导致不可回收）
+依据：errors=0、检索调用正常、field=['<empty>']、n_empty=100/100；对照 archival 直插（保留标记）96%/73% 正常 → 差异锁定在入库语义
+缺失维度：存在约束（stored-form 是否保留 source id）
+验证路径：对比 archival 直插（保留标记）96%/73% 正常 → 差异锁定在入库语义，不在检索
+关注信号：评测「结构化/自主记忆」须区分「标记可追溯性」
+```
+
+### 判定单 3 · 灵枢词法 0.99 ≠ 公开参考 0.936
+
+```
+条件空间：观测位置=全局｜观测工具=同一 eval_common 词法｜时间窗口=不同池规模两次评测｜存在约束=bench6 池=137（仅抽中题 gold，零干扰），公开池=567（全语料含干扰）
+白箱三问：依据=manifest pool.n=137 vs 公开 n_pool=567；同算法随池缩小命中单调上升｜条件=池内零干扰时指标为上界｜错后=如池扩回 567 应回落至 ≈0.936 附近
+裁决：DEFER（非矛盾，是「不同条件空间不可直接等同」）
+依据：算法（first_evidence_rank + 同口径）未变，唯一改变的条件是池规模
+缺失维度：条件边界（池干扰度/池规模）
+验证路径：以 bench6 池跑公开配置、或以 567 池跑 bench6 配置做交叉验证
+```
+
+### 判定单 4 · 灵枢英文查询远低于中文
+
+```
+条件空间：观测位置=全局｜观测工具=hit@1｜时间窗口=同库双查｜存在约束=灵枢库存中文层+英文原文，查询为中文关键词串 vs 英文自然问句
+白箱三问：依据=灵枢 zh 99% / en 47%；纯向量 RAG zh 97% / en 71%｜条件=词法路命中依赖查询词面与入库词面同语言｜错后=若英文查询也能命中中文层（双语词项映射），en 应上升
+裁决：ACCEPT（条件证据充分：入库语料与查询语料同源程度差异）
+依据：跨语言矩阵——凡入库英文原文者英文查询均不低于灵枢；中文查询则灵枢居首
+缺失维度：无
+验证路径：给灵枢补「英文查询→中文层」跨语言词项映射后再测
+```
+
+---
+
+## 8 观测：写入 / 查询成本（137 条池）
+
+| 系统 | 写入耗时 | 中文查询 100 题 | 英文查询 100 题 |
+|---|---|---|---|
+| mem0 | 177.7s | 6.4s | 6.7s |
+| Graphiti | 416.4s | 6.8s | 7.3s |
+| GraphRAG | 建索引 616s（一次性） | 346.2s | 182.1s |
+| Letta·归档直插 | 59.0s | 38.0s | 38.3s |
+| Letta·agent自主 | 418.7s | 58.3s | 58.8s |
+| 灵枢（**rust 引擎**）·单词法 | 进程内，未单列¹ | **0.008s** | **0.019s** |
+| 灵枢（**rust 引擎**）·四路 | 同上¹ | 0.012s | 0.023s |
+| 灵枢（**rust 引擎**）·词法+meta | 同上¹ | 0.009s | 0.021s |
+| 纯向量 RAG | 进程内，未单列 | — | — |
+
+> ¹ 灵枢写入走 python 进程内（`mdcg-eval` 为**只读检索核心**，无写入路径），未单列计时。
+> **rust 三行为 rust 检索核心实测**（非 python）：`mdcg-eval --serve` 引擎，预热 10 请求后逐请求 `perf_counter` 计时，口径 = 客户端端到端 JSON 行 IPC 调用 100 题的总墙钟时间（单题均值 0.07–0.24 ms，p95 ≤ 0.34 ms；复跑波动 <15%）。计时同批 hits 复算 hit@1/hit@5/MRR 与 py 基线逐项一致——测的即主表对齐口径。脚本与数据：`docs/experiments/bench6-rust-rerun/bench_latency.py` / `rust_latency.json`。竞品行含各自 SDK/HTTP 客户端开销，同为端到端口径，量级差距（10²–10⁴ 倍）远超客户端差异。
+
+---
+
+## 9 诚实边界（报告须原样引用）
+
+1. **池全为 gold 证据 → 池内零干扰，指标是上界**，不是端到端记忆能力；真实场景存在大量干扰 turn，各家差距可能与本表不同。
+2. **`question_zh` 是中文关键词串而非自然语言问句 → 评检索命中，非 QA**；无答案文本，无法评答案质量。
+3. **n=100 时题级命中率 CV≈8.3%**（n=500 时 3.7%，容量减半按 √5 放大）→ **家间差距小于约 16% 不可下结论**。据此，主表中「灵枢词法 99% vs 纯向量 97%」等差距**不可判为显著**；而「99% vs 0%（Letta agent）」「99% vs 31%（GraphRAG）」等大落差可下结论。
+4. 竞品行序为各家**自身返回顺序**（mem0/Graphiti 按相似度或图序，GraphRAG 为 sources 行序），非统一重排——差异部分来自各家排序口径本身。
+5. Letta 分「归档直插 / agent 自主」两模式分别报告；**不得**以 archival 的分数代表 Letta 整体，也不得以 agent 的 0 分否定 Letta 检索能力。
+
+---
+
+## 10 复现命令
+
+```bash
+# 1) 固化口径层（首次；幂等）——题集已在 data/benchmarks/bench6-100-zh-en/
+python -m md_cg.bench6_common --force
+
+# 2) 主进程臂（灵枢 5 口径 + 纯向量 RAG）
+python -m md_cg.bench6_arms
+
+# 3) 六家统一评分（主表 + 分题型 + 落盘）
+python -m md_cg.bench6_competitors --k 5
+```
+
+**外部依赖（仅竞品臂需要）**：四家 LLM 竞品（mem0 / Graphiti / GraphRAG / Letta）的适配脚本运行在评测工作区，各以独立虚拟环境隔离，分别需要自身的图数据库服务、本地嵌入服务、记忆服务与 LLM API（其为各家服务的本地对接代码，涉各家凭据）。**公开评测入口不依赖任何竞品栈**——`data/benchmarks/bench6-100-zh-en/run_bench.py`（零依赖）提供口径层复现（默认运行即做口径自证）与 Adapter 协议（实现 `ingest` / `search` 两个方法即可接入任意系统跑同一题集），**接入任意 LLM 与向量方法进行测试都可复现**。本仓库公开的是**口径层 + 题集 + 评测入口 + 六家结果**，竞品数字可由 `data/benchmarks/bench6-100-zh-en/results_v1.0.json` 逐题核对。全流程按 AGENTS 第 15 条走 argv 列表 + `PYTHONUTF8=1`。
+
+---
+
+## 11 数据来源与署名
+
+- 中文派生题库/语料：`locomo-zh-500`（本项目派生并公开，源自 LoCoMo，**CC BY-NC 4.0**）。
+- 本报告题集：`data/benchmarks/bench6-100-zh-en/`（100 题 / 137 池，**CC BY-NC 4.0**，沿用上游许可）。
+- 英文原始问句/陈述：上游 LoCoMo（经 `mteb/LoCoMo` 获取，revision `02e2c3dea15d9fdfd1cd7a0f65f5f8ae2ed4c1ac`）。
+- 竞品版本：mem0 / Graphiti / GraphRAG 3.1.2 / Letta（`letta_client` 1.12.1）。
+- 评分器：本项目 `md_cg/eval_common.py`（六家同口径，未改动既有指标实现）。

package/docs//346/272/220/347/240/201/347/272/247/346/236/266/346/236/204/345/256/241/350/256/241_GPT/346/211/271/350/257/204/345/257/271/347/205/247_v1.0.md

@@ -0,0 +1,130 @@
+# 源码级架构审计 · GPT 批评逐条对照（可证伪清单）v1.0
+
+> 目的：把第三方（GPT）对 dsh-memory 的 21 条评价逐条落到「代码有 / 半 / 无」的**可证伪**判定上，
+> 替代 README 层判断。判定以仓库源码为准，README 与自评报告仅作参照。
+>
+> 审计方式：设计者视角（条件空间 + 白箱三问），检索核实 + 精读。
+> 审计日期：2026-09-12｜被审版本：工作区 HEAD（v0.4.5 迭代中）
+> **口径声明**：行号以本次审计时的工作区版本为准，仅供定位；符号名优先于行号。
+
+---
+
+## 0 审计结论速览
+
+| 分类 | 条数 | 说明 |
+|---|---:|---|
+| GPT 判断**成立**且为真缺口 | 5 | 见 §3 |
+| GPT 判断**部分成立**（机制在、闭环缺） | 3 | 见 §1、§4 |
+| GPT 判断**误判**（源码可证伪） | 3 | 见 §2 |
+| GPT 判断**成立但与项目自评一致**（非新发现） | 4 | 见 §1 |
+
+**一句话**：GPT 的方向性判断大体正确，但有 3 处因**只读 README、未读源码**而误判——
+其中最重要的一处是「建议加入 Prediction」，而本仓 `predict.py` **早已实现**完整预测引擎。
+
+---
+
+## 1 逐条对照表
+
+| # | GPT 主张 | 代码落点 | 判定 | 证据 |
+|---|---|---|---|---|
+| 1 | 定位应是「AGI 记忆/认知架构实验平台」而非「已实现 AGI」 | `README.md` 自述 | **有**（与项目自述一致） | README 未宣称实现 AGI |
+| 2 | 核心价值不是 KV，是 Node(conditions/subgraph/negative/execution) | `mdcos.py`、`cg` 节点模型 | **有** | 节点含 `conditions`/`subgraph`/`negative`/`execution`；条件级负路由进检索 |
+| 3 | 认可「负记忆」（知道什么情况下不能用） | `md_cg/` 负记忆 + 冲突检测 | **有** | `rejected` 节点 + 条件级负路由 + 主动遗忘闸门 |
+| 4 | 「知识飞轮」漂亮，但 Knowledge Evolution ≠ Learning | `refine.py` / `sustain.py` / `evolution.py` | **半**（成立） | 飞轮有闸门（`refine.py` `GATE_MIN_PASS_RATE=0.90`），`sustain.py` `auto_evolve=False` 显式**禁用自动固化**——是纪律选择，不是缺陷；但确实**缺**「预测误差→模型更新」这一环 |
+| 5 | 「零 LLM 白箱」方向有价值 | `md_whitebox.py` / `whitebox_kb/` | **有** | 规则管线：条件识别→单元匹配→组合→自验证→固化，不依赖 LLM |
+| 6 | 规则越多≠智能越强，需证明「出现新的可泛化能力」 | — | **有**（理论挑战） | 见 §3 缺口 5 |
+| 7 | 元认知 7.5 分：机制 ≠ 能力，缺 calibrated self-model | `metacognition.py::calibration` | **半**（GPT 未读源码） | 已有 `expected vs actual accuracy` + `gap` + **ECE 公式** + 五档 verdict；缺的是「ECE 达标」与「回写自身」 |
+| 8 | 世界模型 ≠ predictive world model（缺 S_t→A→S_{t+1}） | `stg.py`（纯只读关系/时间线/一致性查询） | **无**（GPT 判断正确） | 无写接口、无状态转移模拟；「世界模型」实为条件空间 + 结构化时空知识 |
+| 9 | SELF Memory ≠ Self Model | `self_state.py`（薄自我 + 富索引） | **半**（本轮已推进） | 原为身份/状态卡；v1.0 本轮新增第九项「预测校准」，向 predictive self 迈出最小一步 |
+| 10 | 安全设计给高分（权限/审计/tenant/payload-free/guardrail） | `security.py` / `protect.py` / `audit.py` / `signer.py` | **有** | 无凭据只读、写入门槛、密级、审计留痕 |
+| 11 | Benchmark 值得肯定但不可照单全收（README 自陈局限） | `bench_locomo_zh*.py` / `bench_membench.py` | **有** | README 主动声明「只评检索命中，不评答案正确性，不能外推端到端」 |
+| 12 | 作者自知「自评指标≠外部证明」 | `docs/AGI七维评分报告_md_cg_v2.0.md` + README §Gate | **有** | README §Gate 明确列 7 项未达标 |
+| 13 | 缺点一：概念膨胀（每个热门概念一个模块） | — | **有**（成立） | 见 §3 缺口 4 |
+| 14 | 缺点二：需要「失败实验」（1000 次任务 → 更新 → 是否变强） | — | **有**（成立） | 仅有机制 + 留痕，**无因果 A/B**；见 §3 缺口 5 |
+| 15 | 缺点三：最需要「预测」，且预测须被未来事实验证 | **`predict.py`（D-001~D-006）** | **误判** | 见 §2 |
+| 16 | 缺点四：需与 Mem0/Letta/GraphRAG 严格横评 | — | **有**（成立） | 见 §3 缺口 3 |
+
+---
+
+## 2 GPT 的三处事实误判（源码可证伪）
+
+### 误判 1｜「把 Prediction 加进去」——**predict.py 早已实现**
+
+GPT 将「加入 Prediction」列为「最重要的技术建议」，但仓库已有独立预测引擎：
+
+| 能力 | 落点 | 说明 |
+|---|---|---|
+| D-001 局部路径预测 | `predict.py` | 基于认知图生成候选路径 |
+| **D-002 伪因果过滤门** | `predict.py` | 过滤虚假因果，比 GPT 设想的更严谨 |
+| 不确定性界 `uncertainty_bound` | `predict.py` | 预测自带不确定度 |
+| 外推有效性 `extrapolation_validity` | `predict.py` | 判断预测是否超出可靠域 |
+| T_pred 四维评分 | `predict.py` | 结构化预测打分 |
+| 命中留痕 `_prediction.jsonl` | `predict.py` | 可审计、可回放 |
+| **学习闭环 `learn_blindspots`** | `predict.py` | 盲区五态终态 honest |
+| 动态阈值 `dynamic_hit_threshold` | `predict.py` | 命中率低于阈值 → `reflect=True` |
+
+**结论**：GPT 建议的「保存 prediction_id / timestamp / conditions / probability /
+prediction error」中的**前半段已存在**；真正缺的只有后半段——**误差回写 world/self**（见 §3 缺口 1，本轮已补 self 侧）。
+
+### 误判 2｜「元认知还只是机制，没有 calibrated self-model」——**已有 ECE**
+
+`metacognition.py::calibration` 已实现：
+- `expected`（主观置信）× `actual`（证据核对）双轨；
+- **ECE = Σ(证据占比 × |桶内实际 − 桶内自信|)**；
+- 五档 verdict：`calibrated` / `overconfident` / `underconfident` / `insufficient_data`。
+
+**结论**：缺的不是「校准机制」，而是「**ECE 达标**」（README §Gate：`T-TRUST` 需 ECE ≤ 0.15，当前 Lv2 封顶）。
+
+### 误判 3｜引用「条件性 L4 → L5 路上」当作项目自身定位
+
+仓库存在**两套并存标尺**：
+- **七维评分标尺** → 判定 **L5 稳固段**（`docs/AGI七维评分报告_md_cg_v2.0.md`，综合 8.6）；
+- **Gate / 外部行为门槛** → 写「条件性 L4 → L5 路上」（`README.md`）。
+
+GPT 只引用了后者，据此推断「作者没敢宣布完成 L5」——**未看到前者**。两者口径不同，不可混用。
+
+---
+
+## 3 五项真缺口（与项目自身自评一致）
+
+| # | 缺口 | 状态 | 严重度 |
+|---|---|---|---|
+| 1 | **预测误差未回写 self / world**：`predict.feedback` 原仅改边置信度 + 登记 rejected | **self 侧本轮已补**；world 侧无处可写（见 §5） | 高 |
+| 2 | **世界模型无状态转移**：`stg.py` 只读，无 `S_t→A→S_{t+1}` 模拟 | 未补，需单独立项 | 高 |
+| 3 | **无外部 baseline 横评**：自认「仅用于自评，不构成横评声明」 | 未补（方案见 `实验方案_学习闭环AB与横评_v1.0.md`） | 中 |
+| 4 | **概念密度偏高**：GPT 建议砍 30% 概念、证因果 | 未动（与「抬最低维」策略等价） | 低 |
+| 5 | **缺「记忆 → 提升」因果实验**：仅机制 + 留痕，无 A/B | 方案见 `实验方案_学习闭环AB与横评_v1.0.md` | 高 |
+| 6 | **ECE 未达标**：`T-TRUST` Lv2 封顶，需 ≤ 0.15 | 长样本验证未完成 | 中 |
+
+---
+
+## 4 本轮已落地（v1.0）
+
+| 改动 | 位置 | 验证 |
+|---|---|---|
+| 新增第九项自我信息「预测校准」（hit_rate/threshold/reflect/ECE） | `md_cg/self_state.py` | P16 通过 |
+| `predict.feedback` → 回写自我模型（闭合「预测→事实→误差→自我更新」） | `md_cg/predict.py::feedback(sync_self=True)` | P17 通过 |
+| 审计新增 `prediction_drift` 规则（自我模型是否跟上自身预测表现） | `md_cg/self_state.py::audit` | P16 M5 通过 |
+| 透传 `sync_self`（MCP 可显式关闭闭环） | `md_cg/mdcos.py`、`md_cg/mcp_server.py` | P2MCP 通过 |
+
+**验证汇总**：P16 51/51、P17 58/58、P45 30/30、P2MCP 63/63（202 项断言，0 失败）。
+
+---
+
+## 5 未落地与「不建议硬做」
+
+- **world model 回写**：`stg.py` 是**纯只读**查询接口，没有状态转移语义，**无处可写**。
+  硬塞预测字段会破坏其只读契约与一致性保证。正确做法是**单独立项**一个 predictive world model 模块，
+  而不是在 `stg` 上打补丁。
+- **砍 30% 概念**：与项目自身的「抬最低维」策略目标等价，但收益难量化、回归风险高，暂缓。
+
+---
+
+## 6 给第三方的复核入口
+
+```text
+python -m md_cg.test_p16_self_state   # 九项自我信息 + 预测校准面 + 审计
+python -m md_cg.test_p17_predict      # 预测引擎 + 回写闭环
+python -m md_cg.test_p45_session_identity
+python -m md_cg.test_p2_mcp           # MCP 面
+```

package/docs//347/220/206/350/256/272_/346/234/272/345/210/266_/344/273/243/347/240/201_/345/256/236/351/252/214_/347/274/272/345/217/243/347/237/251/351/230/265_v0.1.md

@@ -0,0 +1,144 @@
+# 理论—机制—代码—实验—缺口矩阵 v0.4（条件论 + 端口/锚定 + 信息差）
+
+> 目的：回应外部评审（AGI 架构 8.3/10）风险 5——「理论-实现同构未证明，须建立 Theory → Implementation Traceability Matrix」。
+> 方法：三路并行盘点（理论命题 P-T-* ／ 工程对象 P-E-* ／ 证据 P-V-*），逐条对齐。
+> 范围：v0.1 条件论主链；v0.2 新增端口架构/锚定验证/五层记忆/自我连续性/维生系统（P-T-61~116、P-E-21~45、P-V-20~45）；v0.3 信息差公理（P-T-117~140、P-E-46~59、P-V-46~57）；**v0.4（2026-09-13）三轨收口：#23 通道贝叶斯 / #6 增益门槛+四保护 / #37 信息价值链 / #30 互维闭环 / #25 端口命题声明**。
+
+## 0. 证据等级定义
+
+| 等级 | 含义 |
+|---|---|
+| A | 跑过的测试产出数据，有数字/断言可复现 |
+| B | 测试断言在库（可一条命令复现），未见独立运行记录 |
+| C | 文档声明 / 仅归档（含 vb=null 节点） |
+| D | 无证据（缺口） |
+
+## 1. 核心映射矩阵（条件论主链）
+
+| # | 理论命题（P-T） | 工程对象（P-E） | 测试 | 证据（强度） | 状态 |
+|---|---|---|---|---|---|
+| 1 | P-T-06 条件空间四维坐标 C_position/C_tool/C_time/C_existence | P-E-06 `CONDITION_SLOTS` 四槽合成（nodefile.py，`condition_space_text` 唯一入口，fail-closed） | test_p37 ① | P-V-05 全库 96.7% 已声明生效条件，单槽冒充残留 0（A） | ✅ 已证 |
+| 2 | P-T-30 四态判定 ACCEPT/REJECT/DEFER/BLINDSPOT | P-E-01 `judge_qualification`（mdcg.py，判定序 BLINDSPOT→REJECT→DEFER→ACCEPT） | test_cond_match 全套 / test_p1 维度3 / test_p33 ⑥ | P-V-05 全库复算四态分布 29/4487/1（A） | ✅ 已证 |
+| 3 | P-T-31 概率≠资格（相似度产生候选，条件授予资格） | P-E-05 search→judge 贯通（tier 与 state 正交） | test_p1「被 REJECT 的节点仍被召回（资格≠性能）」 | P-V-09 deja-vu 实测：显式否决对检索零影响，其 25%「负条件拒绝率」全为 BM25 词法阈值（A） | ✅ 已证（且有竞品反例对照） |
+| 4 | P-T-32 负路由（能力级不适用条件，拒什么与命中什么同构） | P-E-14 `positive_body` 负条件不作召回键，反例去向 judge REJECT | test_p33 ⑤⑥ / test_p5 条件级负路由 | P-V-01 L3 对照：无路由 0.20 → 条件路由 1.00 且双向对称（A） | ✅ 已证 |
+| 5 | P-T-42/43 条件扰动反事实（条件词互换→路由/计划/结果三变） | 条件扰动实验（理论仓 §6/§11，实验 3/3 切换+混合条件 BLINDSPOT） | **test_ccg_perturb.py 已入库（2026-09-13）**：36 断言确定性反事实 | ✅ 已证并归位（A）：①结果变 3/3（条件词互换→ACCEPT↔REJECT 双向对称翻转）②路由变（剥条件行正文逐字相同→桶不同）③计划变（T0/T1 桶路↔T2/T3 全局路；无路由对照同对得分相等 0.75——相似度无法区分、归属由条件决定）④混合条件 BLINDSPOT=要素不全触发（如实边界：混域词面不检测矛盾）。可证伪口径：任一②失败即推翻命题 | ✅ 已证 |
+| 6 | P-T-40 信息增益门槛（gain≤0 → DEFER_EXHAUSTED，即「新增条件须有预测增益」防线） | **autonomy.explore 四保护投影（2026-09-13）**：①深度=单轮不递归展开 ②本轮 seen 循环去重 ③`gain_gate` 增益门槛（读上轮 outcomes 实现值，连续 2 次终态停滞→DEFER_EXHAUSTED 冷却）④`limit` 预算 + `bypass_gain` 显式豁免（2.9.3.1） | **test_gain_gate 14 断言（2026-09-13）**：首探放行/停滞冷却/冷却过期/证据不足/终态有变化/proposals 拦截 deferred 可审计/enforce_gain 放行/outcomes 留痕/预算豁免 | B（judge 当前单层无递归；四保护投影到 explore 探索循环=当前唯一显式循环面，诚实边界） | ✅ 已证 |
+| 7 | P-T-44 分层判断 escalation（L1→L2→L3，盲区是所有层共同结论） | 无直接对象（judge 为单层判定） | 无 | D | 🔴 工程缺口 |
+| 8 | P-T-45 递归缩小信息差至可验证执行路径（可证伪四条 §12.2） | P-E-18 autonomy/predict（盲区提案→五态终判） | test_autonomy / test_p17 / **test_transfer** | P-V-15 transfer_test 首批实测（test_transfer，2026-09-13）：固定题族 20 新实体×20 旧实体（同条件空间四槽+CCG 六要素），成功率 **0.0→1.0**（Δ=1.0，完全分离，2×SE 显著），迁移后 20/20 全 ACCEPT，旧任务不遗忘 20→20，样本守卫 n<20 拒判（D→A） | ✅ 已证 |
+| 9 | P-T-46 搜索=导航（先定位条件空间再激活） | P-E-12 两阶段收敛路由 + P-E-13 T0/T1 阶梯 | test_p1 维度5 | P-V-06 T0 1.1ms vs 全量 13.9ms（12.4x），回退代价 0.91x（A） | ✅ 已证 |
+| 10 | P-T-54 实体/关系附条件空间声明，未验证关系衰减 | condition_space 字段 + forgetting | test_p5 槽位正交 | P-V-05（A） | ✅ 已证 |
+| 11 | P-T-38 五失配维度（四要素+条件边界） | P-E-06 四槽（**无「条件边界」第五槽**） | — | — | 🟡 部分：第五维未投影 |
+| 12 | P-T-37 三方条件空间（任务/感知/声明）失败归因 | designer.py（skills 侧方法论，非引擎内置） | — | C | 🟡 方法论在 skills 层，引擎未内置 |
+| 13 | P-T-33 四态判定不交给 LLM（导航税） | 判定全为确定性词面/规则（P-E-01/02） | test_cond_match ②「无语义猜测」 | 结构性成立（代码即证），导航税本身未度量（理论盲区91已登记） | ✅ 结构已证 / 🟡 税未量化 |
+| 14 | P-T-47 执行资格声明（六要素+三闸门） | 部分：judge reason + 验证基底声明 | 部分 | C | 🟡 六要素未全投影 |
+| 15 | P-T-51/52 状态空间 S=(C,K,B)、目标函数 π* | 无对应（DEV-003 自认有损投影） | — | — | 🔴 理论层缺口（暂不投影，符合投影声明） |
+
+统计：✅ 已证 8 ｜ 🟡 部分/待归位 6 ｜ 🔴 缺口 4（#6 工程侧、#7 工程侧、#8 双侧、#15 理论侧）
+
+## 1A. 端口/锚定/五层记忆映射矩阵（v0.2，编号续接）
+
+| # | 理论命题（P-T） | 工程对象（P-E） | 测试 | 证据（强度） | 状态 |
+|---|---|---|---|---|---|
+| 16 | P-T-85 五层记忆职责（锚点/结构/知识/情境/自我） | P-E-21 `LAYERS` 八槽（+rejected/unresolved/goals） | 逐层测试齐 | G4 对账锚点闭合 228+6102+4+5=6339（A）；**structural 实库 0 条** | 🟡 常量齐，structural 空层 |
+| 17 | P-T-86 SELF 薄自我（身份+价值观+图接口，不存内容） | P-E-31 `self_state` 状态卡：九项只存当前值+指针，样本不足 unknown 不编造 | test_p16 51/51 | P-V-21/25/26 版本链+审计实库在跑（A） | ✅ 结构已证 |
+| 18 | P-T-87 会话连续性（启动自动加载 SELF，按 session 索引） | P-E-31 session 切片+recall | test_p45 30/30 全绿 | P-V-34/37 跨会话续接实测（A） | ✅ 机制已证；🔴 实库纵深仅 2 版本留痕（月级连续性未证） |
+| 19 | P-T-99 协定式自我赋予/扮演论边界（角色≠自身锚点） | P-E-26 `set_anchor` kind 分流（self→self 层，role→anchor 层，越界拒绝） | test_p10 24 项全绿 | P-V-24/30 实库锚点+保护留痕（A） | ✅ 已证 |
+| 20 | P-T-79 stable 是带 TTL 的租约，超时降级 | P-E-36 `verify` 非对称降级（confirmed +0.05 / weakened −0.15）+ DEMOTE 0.2 自动迁层 | test_p6 72 项 | B | 🟡 机制在；TTL 显式租约未投影 |
+| 21 | P-T-81 降级作用于状态不作用于记录 | P-E-36 evidence_log 累加 + falsified→rejected 层保留 | test_p30 | C | ✅ 结构已证（负记忆保留纪律） |
+| 22 | P-T-77 完全确认四条件（通道一致∧强验证命中∧跨时稳定∧无矛盾） | P-E-32 `verify_answer` 三层校验 + chat_engine 出口强制闸 | test_verify_answer 31/31（2026-09-13） | P-V-32 专项测试落地：三层拦截矩阵 13 拒绝案例留痕+通过面+边界值+强制闸接线断言+自指案例；anchor 层 4 节点 vb=null→test + confirmed 证据链（A） | ✅ 已证 |
+| 23 | P-T-73/74 置信度≠可信度、通道贝叶斯后验更新 | **predict.py 通道贝叶斯（2026-09-13）**：`feedback(channel=...)` 通道标注 + `beta_posterior` Beta-Bernoulli 后验（α0=8/β0=12，先验均值=BASE_HIT_RATE 口径无缝）+ `channel_posterior` 通道分解；self_state 预测面增 posterior 字段 | **test_predict_beta 23 断言（2026-09-13）**：先验=基线/小样本收缩（n=5 全命中→0.52 不过度自信）/大样本收敛（n=200→0.9455）/通道分离/留痕 unlabeled 诚实/dynamic_hit_threshold 零回归 | A | ✅ 已证 |
+| 24 | P-T-75 弱验证/强验证分级（感知互裁慢、行动裁决快） | 部分：`consistency.check` 写入预检 ≈ 弱验证；世界反馈侧无 | 无 | D | 🔴 缺口 |
+| 25 | P-T-62/63 三端口架构（输入/内部/输出）与输出端口=验证前提 | **文档层声明已落（2026-09-13，v0.4）**：输入端口=AEIS 感知侧（ingest/add 写入门控）；内部端口=predict/reflect（预测-反馈-反思）；输出端口=宿主工具面（MCP/explore/mutual_watch 心跳拉起——互维守护面即输出端口对环境施加动作的最小具身形态）。测试面仍留具身场景 | **无端口专属测试**（机制测试已在位：test_preflight_failclosed 输入闸 / test_predict_beta 内部端口 / test_sustain_mutual 输出动作面） | C→B（映射边界声明 + 三端口各自的机制测试在位） | 🟡 声明已落，专属具身场景测试待真实多实例环境 |
+| 26 | P-T-94 节点必带四维条件空间；importance≥0.7 不可遗忘 | P-E-22 `add` 写入门控 + P-E-24 `protect` 三层保护 | test_p37/p9 全绿 | P-V-05 96.7% 声明（A） | ✅ 已证 |
+| 27 | P-T-92 睡眠整理/联想保留（无边=候选垃圾） | P-E-37 `consolidate.promote` 三门槛（CCG 齐/非密文/热度） | test_p30 ⑦ | 知识层治理 94.7% 孤岛→高联系密度（C，理论仓数据） | 🟡 机制在，本仓无治理前后数字 |
+| 28 | P-T-105~108 维生三级仲裁（P2 观察/P1 响应/P0 保护） | sustain 心跳/自愈/水位续接 + **互维守护面（2026-09-13）** | test_p14 44 项全绿 + **test_sustain_mutual 12 断言** | P-V-36（A/B） | ✅ 已证（单机形态三级仲裁+互维机制；跨机 W4 实机部署留待，见 #30） |
+| 29 | P-T-114 preflight 输出前价值观检查 | P-E-44 AEIS 门面 + md_cg 镜像同步 **fail-closed**（未装配 ok:False+装配错误透传） | test_preflight_failclosed 双侧 12+12（2026-09-13） | 未装配拦截+错误可见可修、装配路径零干扰委托、真身↔镜像逐行一致；AEIS test_body 50/50 回归（A） | ✅ 已证 |
+| 30 | P-T-110 互维闭环（双实例心跳互检） | **sustain.py 互维守护面（2026-09-13）**：`mutual_watch`（pid 探活防误杀→冷却防风暴→幂等拉起→**验戳新鲜闭合**）+ `mutual_status` 双亡检测（both_dead→外部告警语义）；全链路审计进 _sustain.jsonl | **test_sustain_mutual 12 断言（2026-09-13）**：端到端真子进程拉起 recovered=True / **W4 场景显式暴露**（拉起已执行但戳未更新→recovered=False+unresponsive，不假装成功）/冷却/无手段诚实上报/alive_but_stale 防误杀/双亡 | A（同机双实例心跳互检实证；v1.1 §7「拉起后验证对端戳新鲜度」部署教训已机制化） | ✅ 已证（跨机实机部署留待——机制问题已解决，余部署问题） |
+
+统计（端口/锚定）：✅ 已证 7 ｜ 🟡 部分 5 ｜ 🔴 缺口 3（2026-09-13 v0.4：#23/#25/#30 收口后）
+**跨专题不对称**：条件论 ✅8/🔴4 vs 端口/锚定 ✅4/🔴6——与外部评审评分结构（Memory/CondRouting 9.0 vs Embodied 5.5）**独立收敛**，两条证据链互相印证。**v0.4 三轨收口后**：条件论 ✅9/🔴3 vs 端口/锚定 ✅7/🟡5/🔴3——不对称显著收窄（Embodied 缺口从 6 降到 3：#7 escalation/#24 强验证分级/#31-33 D 分离待真实场景）。
+
+## 2. 六项实现—理论张力（盘点实查，如实列出）
+
+1. **载体/位置主动合并**：理论四元中「智能载体」无独立槽，与观测位置合并为 `observation_position`（保留未来拆分扩展位）——主动合并非遗漏。
+2. **时间维双重身份**：`time_window` 参与四槽声明完整性，但不参与路由键（实测仅 3 种取值，进哈希键是纯噪声）与条件词面匹配——「参与声明、不参与匹配」。
+3. **无情境 ACCEPT 兼容窗口**：query/context 全空时正条件段跳过可 ACCEPT（reason 诚实标注「未做正条件确认」）——v1 明确保留的决策，与「条件授予资格」强主张存在张力。
+4. **条件路由仅覆盖 knowledge 层**：`BUCKETED_LAYERS=("knowledge",)`，contextual 层不路由——收益验证范围有限。
+5. ~~**条件扰动实验工件不在库**~~（2026-09-13 已解决）：`md_cg/test_ccg_perturb.py` 36 断言入库，命题①-④全部可复现（见 §1 表 #5）。同轮偿债：judge v2 断言过期 5 处（test_p1/test_p26_refindex/test_p27_docindex 旧断言仍期待「条件未命中→ACCEPT」）已对齐 DEFER 诚实语义。
+6. **实现残留**：mdcg.search 负记忆覆盖段重复实现未清理（子类 `_neg_coverage` 已替代）。
+7. ~~**test_p44 白箱镜像漂移（新发现，未修）**~~（2026-09-13 已解决）：真因修正——非「api.py 未同步」（其 modified 仅为 preflight fail-closed 行为层，与 schema/数据无关），而是 md 语料真源 `_md_cg_wisdom_graph/` **空壳化**（10 个分层目录在、0 个 md 文件，gitignored 可再生产物疑被清理误删，MdCGOS 对空语料静默返回 0 节点）。修复：`migrate_wisdom_graph.export()` 重新导出（4355/4355 逐节点、L1 层级/L2 关系/L3 字段三校验全绿）→ test_p44 四面对齐全绿（结构 4355/2948 一致、候选集 20/20、端到端严格一致 19/20 + 同分并列 1 非数据差异）。防复发：test_p44 的 force=True 重建即守卫（空语料 0/0 vs 源库必 FAIL）；再生命令=`python -c "from md_cg.migrate_wisdom_graph import export; export()"`。
+
+## 3. 外部评审五风险对照（条件论部分）
+
+| 风险 | 本矩阵结论 |
+|---|---|
+| 风险1 条件论过强（防万能解释变量） | **理论已设防**：P-T-40 信息增益门槛即「新增条件须产生预测增益」的功能等价物（候选集缩减/路由确定性提升，gain≤0→DEFER_EXHAUSTED）；**工程未投影**（缺口 #6） |
+| 风险3 自我指涉（须理论外盲测） | bench6 即理论外盲测：六家竞品均不知 CTP，条件词面影响检索的弱证据干扰实证发生在盲测语境（P-V-04/11） |
+| 风险5 同构未证明（须溯源矩阵） | 本文件即 v0.4 溯源矩阵；条件论 ✅9 / 🟡3 / 🔴3（#7/#11/#15 待真实场景或理论裁决，见 §1） |
+
+## 4. 缺口裁决与补测建议（按优先级）
+
+1. **#8 transfer_test 迁移成功率**（双侧缺口，最高优先）：工具定义已有（「条件空间内新实体预测成功率，2×SE 显著性，样本<20 不判定」），predict.py 部分实现。补测设计：固定题族（同条件空间、新实体）×新旧知识库对照，产出成功率+显著性；这直接回应外部评审「Level 3 能力学习证据」与「开放持续基准」诉求。
+   **✅ 已完成（2026-09-13）**：`md_cg/test_transfer.py` 落地三阶段对照（Phase A 旧库→B 纯 add 写入→C 复测），实测成功率 **0.0→1.0**（Δ=1.0 完全分离，20/20 全 ACCEPT，旧任务不遗忘 20→20），DEVIATION-005 样本守卫实跑验证；语料构造踩坑留证：CCG 要素须 `# 要素：` 标题行（正文行不识别）、生效条件须四槽渲染不得正文手写（两形态均触发 BLINDSPOT）。
+2. ~~**#6 递归四保护投影**~~（**已完成 2026-09-13**）：judge 当前单层无递归（如实边界）；四保护投影到 autonomy.explore 探索循环=当前唯一显式循环面——①单轮深度②seen 循环去重③`gain_gate` 增益门槛（outcomes 实现值→DEFER_EXHAUSTED 冷却）④`limit` 预算+bypass_gain 显式豁免；test_gain_gate 14 断言全绿。
+3. **#5 条件扰动实验入库**：把理论仓的条件扰动/条件词互换实验落为 md_cg 内可复现测试（对应 §12.2 可证伪四条的第一条），消掉「理论仓声明已证、代码库无工件」的裂缝。
+4. **#7 分层判断 escalation**：L1→L2→L3 升级判定暂缓——需先有真实多域场景，避免为投影而投影（理论投影声明允许）。
+5. **#11 第五失配维「条件边界」**：评估是否新增独立槽，或声明为派生量；先出裁决再动数据。
+
+## 2A. 端口/锚定实现—理论张力（v0.2 盘点实查）
+
+1. **structural 层空层**：`LAYERS` 八槽齐全，但 structural 唯一业务写入口 `identity.add_trait` 在主库从未使用（G4 对账中 0 条）——「协议/信任结构」内容实际散落在代码与文档，未进记忆层。
+2. **「锚点」双义未消解**：anchor 身份锚点层（不可遗忘）与 `reconstruct_scene`/`anchor_from_description` 的检索锚点（动态词面选出、跨层）同名异物；重构的 blindspot 判定不读 anchor 层语义。
+3. ~~**preflight fail-open**~~（**已完成 2026-09-13**）：门面（AEIS 真身+md_cg 镜像同步）改为 fail-closed——未装配返回 `ok:False + status=fail_closed + 装配错误透传`，「检查未执行」不再冒充「检查通过」；实现体实际在库内镜像可审计（v0.2 盘点时误判为仓外）。
+4. **自我连续性纵深极薄**：机制测试全绿（P16 51/51、P45 30/30），但实库 `_self_state.jsonl` 仅 2 个版本、self 层 5 节点中 3 个 vb=null——「一个月后还是同一个我」目前仅小时级留痕支撑，v2.0 评分报告已自declared 此边界。
+5. ~~**锚定验证三层校验零运行记录**~~（**已完成 2026-09-13**）：`test_verify_answer.py` 31/31 落地——13 条拒绝案例留痕（L1 内部格式泄漏/超长、L2 未知类别/无hits/缺导航、L3 截断/占位）+ 强制闸接线静态断言 + 自指案例；anchor 层 4 节点经 add(override)+verify(confirmed) 回填 vb=test 并落保护。
+
+## 3A. 端口/锚定缺口裁决（按优先级）
+
+1. ~~**#22 verify_answer 专项测试**~~（**已完成 2026-09-13，B→A**）：`md_cg/test_verify_answer.py` 31/31——三层拦截确定性用例矩阵+拒绝案例留痕 13 条+chat_engine 强制闸接线断言；anchor 层 4 节点 vb 回填（add override 快照通道 + verify confirmed 证据链，importance≥0.7 自动落保护）。
+2. ~~**#29 preflight 改 fail-closed**~~（**已完成 2026-09-13**）：未装配返回拦截（ok:False+fail_closed+错误透传）而非放行，与写入侧纪律对齐；双侧专项测试 12+12、装配路径回归 50/50。
+3. ~~**#25 端口命题最小投影**~~（**已完成 2026-09-13**）：文档层声明已落（§1A #25 行）——输入=AEIS 感知侧（ingest/add 闸）、内部=predict/reflect、输出=宿主工具面（mutual_watch 心跳拉起=输出端口最小具身形态）；三端口各自机制测试已在位（failclosed/predict_beta/sustain_mutual），专属具身场景测试待真实多实例环境。
+4. **#18 自我连续性长周期实证**：机制已证，缺的是时间——由日常运行自然积累（self_state refresh 留痕），数月后回看，无需专项开发。
+5. **#16 structural 层启用裁决**：要么把 add_trait 接入实际流程（如信任结构、纪律条目落 structural），要么在文档声明该层暂缓并说明理由——消除「空层假象」。
+
+## 1B. 信息差公理映射矩阵（v0.3，编号续接；理论 24 条 P-T-117~140 / 工程 P-E-46~59 / 证据 P-V-46~57）
+
+| # | 理论命题（P-T） | 工程对象（P-E） | 测试 | 证据（强度） | 状态 |
+|---|---|---|---|---|---|
+| 31 | P-T-117 信息差增定律 dD/dt≥0（自我定级「可操作化的经验命题」） | D_task/D_meta 分离未投影 | — | — | 🔴 理论自认经验命题，工程无对应 |
+| 32 | P-T-124 D_norm 四分量（w=0.30/0.25/0.30/0.15，**权重无来源推导**） | P-E-59 `wisdom_book.dex_auto_verify` 唯一数值实现 | 无 | B | ✅ **桥接裁决完成（2026-09-13）**：智能论3.4 §2.7.0 新增 DEV-002a——主工程检索口径 D 与 wisdom 四分量 D_norm 同为 D_task 工程化身（检索链路/验证链路），对象同一、数值不互换；两侧实现 docstring/注释已落口径声明。权重来源推导仍开放（诚实保留） |
+| 33 | P-T-126/127 D_task/D_meta 分离（学习悖论消解，有实测方案） | D_task≈`reflect` 的 D（检索命中口径）；D_meta 无对象 | 无 | P-V-51 审计自认「world 侧无处可写」 | 🔴 |
+| 34 | P-T-133 情绪=d²D/dt²（自我定级「形式化假设」） | P-E-48 `_emotion`（D2_EMOTION=0.05 阈值三态） | test_p12 状态转移断言 | P-V-47（B）；实库已激活（2026-09-13）：emotion=stable（D 序列 [1,1,1] → d2=0.0；D 恒 1.0 因复合 query 检索全 DEFER/BLINDSPOT 无 ACCEPT，D 口径对 judge 结果敏感） | 🟡 机制已证、实库有值（语义弱：序列无变化） |
+| 35 | P-T-134 情感=d²T/dt² | P-E-49 trust 二阶差分 | test_p12 D1-D3 | B | 🟡 同上 |
+| 36 | P-T-140 P_trust≠信息差补集、P_gap 判定 | P-E-49 `metacognition.trust` + P-E-58 `links.py` 链路级 P_trust（±步进/衰减/降级） | test_p12 | 实库 p_trust=0.75（12 事件 9 confirmed，2026-09-13：补测③ anchor 回填 4 + 本轮 preflight gate confirmed + 既有 mem 验证；p_gap=0.0 与 D=1.0 一致自洽） | 🟡 信任面已激活 |
+| 37 | P-T-129/130 Value=ΔD·σ(Gain) 与猎奇出局条款 | **autonomy 价值链（2026-09-13）**：score（ΔD 代理）定价排序 × `gain_gate` σ(Gain) 资格筛选；**期望/实现分离**：proposals 端 σ 由上轮 explore 的 outcomes 实现值推导；被拦提案落 deferred 可审计（不静默丢弃）；`bypass_gain` 预算化豁免（2.9.3.1 非任务探索显式预算） | **test_gain_gate 14 断言**（含「被拦提案的 ΔD 定价仍在——被拦原因=σ=0 非 score 低」）；连续 σ 留待 D_task 分离后（当前 0/1 粗粒度，诚实边界） | A | ✅ 已证 |
+| 38 | P-T-137 管理三工具（索引+条件路由/BLINDSPOT/误差更新） | 三工具全部在库（routing/judge/predict.feedback） | 全绿 | 条件论部分 A 级 | ✅ 管理宣言的工程形态已证 |
+| 39 | P-T-136（本次抽取发现的理论缺口）统一变量**无边界条款**——审美/创造零条款，好奇心被降格为策略而非豁免 | — | — | — | ✅ **条款已写入（2026-09-13）**：智能论3.4 §2.9.3.1「统一变量边界条款」——独立动机类/预算化豁免（非无限豁免）/与猎奇出局分条件空间/白箱纪律自限（规范性声明非定理）。对 GPT 三核心问题①的正面回答基础就位 |
+
+统计（信息差）：✅ 4 ｜ 🟡 3 ｜ 🔴 2（2026-09-13 v0.4：#37 价值链收口后；剩余 🔴=#31 D_task/D_meta 分离、#33 D_meta 无对象——待真实多域场景）
+
+## 2B. 信息差实现—理论张力（v0.3 盘点实查）
+
+1. **实库空转**（v0.3 盘点发现；**2026-09-13 已基本解除**）：激活后四面有值——D 面 `_reflection.jsonl` 3 条真实反思留痕（D 序列 [1,1,1]：复合 query 检索全 DEFER/BLINDSPOT 无 ACCEPT，D 口径对 judge 结果敏感——序列无变化能力的张力如实保留）、信任面 p_trust=0.75（12 事件 9 confirmed）、校准面 calibrated（ece=0.22）、预测反馈面 `_prediction.jsonl` 3 条 feedback（样本 1→3，hit 0/3 如实；9 条真实 routes 路线证实机制走通）。取证修正：盘点时「0 次 feedback」过时——盘点会话已留 1 条（文件名为 `_prediction.jsonl` 而非 `_predict.jsonl`）。根因发现：预测面数据形态先决条件——仅 causal/sequential 边可作为预测依据（hierarchical 被 D-002 门设计性拒绝），md 知识节点无边、须选真实因果链节点（如存在论）为起点。
+2. ~~**两套 D_norm 口径未打通**~~（2026-09-13 已桥接）：智能论3.4 §2.7.0 DEV-002a 声明两口径同属 D_task 工程化身（检索链路/验证链路），对象同一、数值不互换；mdcg._compute_d 与 wisdom VERIFY_WEIGHTS 两侧已落口径声明。剩余开放项：四分量权重（0.30/0.25/0.30/0.15）仍无来源推导。
+3. **U_behavior 零对应**：行为偏差只存文本字段无量化结构；U_prediction_error 不回流 D（误差只进 self 的校准面统计）。
+4. ~~**理论版本不同步**~~（2026-09-13 已回改）：智能论3.4 §2.7 信息差增定律处已回改为「结构对应，非数学同构——结构映射是有损投影，不构成数学等价」，与论证篇口径一致；附录15 映射表自带「映射性质声明」自限，维持原文。
+
+## 3B. 三专题合并补测优先级（总收尾）
+
+1. ~~**实库空转激活**~~（v0.3，成本最低）：**已完成（2026-09-13）**——真实 reflect ×3 + predict.feedback ×2（存在论因果链起点，口径先于预测声明，hit=False 如实登记）+ verify(confirmed) + self_state.refresh：D/情绪/p_trust/校准/预测反馈五面非空，audit 九条约束 PASS，状态卡 v5→v7；剩余张力如实入 §2B-1（D 恒 1.0、预测 hit 0/3）。
+2. ~~**transfer_test 迁移成功率**~~（v0.1 #8，双侧最高价值）：**已完成（2026-09-13，test_transfer 7/7）**——成功率 0.0→1.0、Δ=1.0 完全分离、全 ACCEPT、无遗忘、样本守卫验证；直接回应外部评审 Level 3 诉求。
+3. ~~**verify_answer 专项测试 + anchor 层 vb 回填**~~（v0.2 #22，B→A）：**已完成（2026-09-13，test_verify_answer 31/31）**——拒绝案例留痕 13 条，anchor 层 4 节点 vb=test+confirmed 证据链。
+4. ~~**preflight 改 fail-closed**~~（v0.2 #29）：**已完成（2026-09-13，双侧 12+12，真身+镜像同步）**。
+5. **条件扰动实验入库**（v0.1 #5，消理论仓声明与代码库工件裂缝）。
+6. ~~**D_norm 口径桥接裁决**（v0.3 #32）~~：**已完成（2026-09-13）**——选「声明」路径：智能论3.4 §2.7.0 DEV-002a 声明主工程 D=检索链路工程化身、wisdom 四分量=验证链路工程化身，对象同一数值不互换；未做工程打通（两化身各自条件空间内自洽，强打通无必要）。
+7. ~~**统一变量边界条款**（v0.3 #39，理论仓侧）~~：**已完成（2026-09-13）**——智能论3.4 §2.9.3.1 落「不归约」四条边界（独立动机类/预算化豁免/分条件空间/白箱自限）。
+
+## 5. 下一步
+
+- 三专题审计完成（条件论 ✅8/🔴4、端口锚定 ✅4/🔴6、信息差 ✅1/🔴4+实库空转）——矩阵 v0.3 定稿
+- 补测按 §3B 优先级执行；理论仓侧事项（版本不同步、边界条款）单列移交
+- 本文件含本地工作区路径与内部节点引用，**公开仓推送前需脱敏审查**（路径、内部报告名）
+
+---
+*盘点方法：三路并行多智能体侦察（理论仓 CommonTrustProtocol ／ md_cg 工程面 ／ 测试证据面），主仓对齐裁决。*

package/docs//347/220/206/350/256/272/344/273/223/346/213/206/345/210/206/344/270/216/347/231/275/347/256/261/347/237/245/350/257/206/345/272/223/345/206/205/350/277/201_v0.1.md

@@ -95,7 +95,7 @@ MdcgClient     → python -m md_cg.mcp_server   ← 本仓 md_cg/（需 PYTHONPA
 | B1 | `src/index.ts:126` | `moduleArgs` 默认 `['-m','aeis.mcp.server']` | `['-m','md_cg.mcp_server']` |
 | B2 | `src/index.ts:186` | `env: { AEIS_DB, AEIS_IDENTITY, ... }` | 去掉 `AEIS_DB`（或降为兼容可选） |
 | B3 | `src/bridge.ts:50` | 注释/默认指向 `aeis.mcp.server` | 同步为 `md_cg.mcp_server` |
-| B4 | `cordis.yml.example:26` | `moduleArgs: ['-m','aeis.mcp.server']` | 同步 |
+| B4 | `dsh/cordis.yml.example:26` | `moduleArgs: ['-m','aeis.mcp.server']` | 同步 |
 | B5 | **`package.json:14-21`** | `files` 白名单**不含** `md_cg` | **加 `md_cg`**（否则 npm 包不含大脑，B 无意义） |
 | B6 | `md_cg/whitebox.py:63` | `args = ["-m","aeis.mcp.server"]`（子进程） | 改为进程内调用（见 §4.2） |
 | B7 | `md_cg/vision_evidence.py:81,173` | `AEIS/data/vision/...` | 本仓 `data/vision/...` |