@furongjun1999/dsh-memory 0.4.6 → 0.4.8

package/docs/mdcg//345/255/220/344/273/243/347/220/206/351/205/215/347/275/256/346/240/207/345/207/206_v0.4.md

@@ -0,0 +1,148 @@
+# 子代理配置标准 v0.4
+
+> **本文件定义：向蜂巢派发任何子代理时的配置标准。**
+> **体系定位**（收敛裁定 2026-09-15）：三份核心文档之**工程层**——《并发必然性理论_v0.2》（理论层：定理 T 与判据）→《认知代理与收敛结构_条件论重构_v0.1》（架构层：代理定义与收敛结构）→ 本文（工程层：spec 配置）；理论概念的工程投影见 §6。
+> 系统提示词真源：`docs/mdcg/单元自我锚点_系统提示词标准_v0.3.md`（子代理系统提示词标准）。
+> 工作记忆机制真源：`docs/mdcg/主代理子代理记忆架构设计.md`（三层记忆/session 隔离/卡片回流，已实测）。
+> v0.2 修订：按使用者指示——模型可选默认 flash、上下文=任务+读记忆、数量可选、200k 拆解信号、提示词随任务保留。
+> v0.3 修订：新增 §6「与理论层的对应」（条件论公设 P1/P2、CA-T1/T3/T4 落为配置判据）；其余不变。
+> v0.4 修订（使用者裁定 2026-09-16）：**统一执行默认下沉到 MCP 面**（思考强度 high / 上下文 200k / 超时 600s，缺省即注入，见 §0）；**模型名与 base 强配对**（错配即 API 400，见 §1）；新增 §7「确定性执行」（`exec_cmd.py`——零 LLM 任务同走蜂巢留痕）。
+
+---
+
+## 0 统一执行默认（v0.4 新增 · 一次声明，全端生效）
+
+使用者裁定（2026-09-16）：**flash 档模型做子代理是合适的；思考强度统一 high、上下文统一 200000 token、超时统一 10 分钟。**
+
+| 配置项 | 统一值 | 工程落点 | 实测证据 |
+|---|---|---|---|
+| `reasoning_effort` | **`high`** | `hive/hive_mcp/mcp_server.py::DEFAULT_REASONING_EFFORT`，`hive_spawn` 缺省注入 | rust 侧白名单校验 `low\|medium\|high`；exec.py 透传 `body["reasoning_effort"]` |
+| `context_budget_tokens` | **`200000`** | `DEFAULT_CONTEXT_BUDGET_TOKENS`，同上 | 执行器保守估算；**达预算默认交回续跑**（写进展卡 + `need_continue`，见 §5.3）；`context_strict=true` 恢复旧 fail fast（注入 context_files 时最易触发） |
+| `timeout_s` | **`600`**（10 分钟） | `DEFAULT_TIMEOUT_S`，同上 | 端到端实测 job 的 `timeout_s=600` 已落 status.json |
+
+**注入语义**：`hive_spawn` 在组装 spec 时**缺省即写入**上述三项，**调用方显式传值优先**（可对单任务放宽/收紧）；返回体带 `spec_defaults` 回显本次实际生效值，便于核对而非猜测。
+
+**边界（诚实）**：统一默认由 **MCP 面**注入落地。CLI 直提（`hive.exe submit -`）绕过 MCP，rust 侧自身默认仍是 `timeout_s=300` 且无 effort / 预算——**直提须自行带全三字段**，否则不满足本标准。即「统一」的生效面 = 经 `hive_spawn` 派发的任务。
+
+## 1 spec 参数
+
+| 字段 | 取值 | 说明 |
+|---|---|---|
+| `model` | **`deepseek-flash`**（子代理默认档） | **须与 `HIVE_API_BASE` 强配对**：deepseek base（`api.deepseek.com`）→ `deepseek-flash` / `deepseek-v4-pro`；智谱 base → `glm-5.3-flash`。**错配在 API 侧 400**（实测 2026-09-16：deepseek base 传 `glm-5.3-flash` → `supported API model names are deepseek-flash, deepseek-v4-pro, but you passed glm-5.3-flash`）。深度任务（复杂逻辑/长链推导）可显式指定更强模型（如 `deepseek-v4-pro`）。**实测（2026-09-15）：蜂巢 spec 校验 `model` 必填**——「不指定即 flash」在提交层须显式写 `"model": "deepseek-flash"` 落地，否则 submit 被拒（`spec 缺必填字段 model`） |
+| `reasoning_effort` | **`high`**（统一，§0） | rust 白名单 `low\|medium\|high`，非法值 submit 即拒 |
+| `context_budget_tokens` | **200000**（统一，§0） | 单子代理上下文预算；预估超出 → **优先继续拆解子代理**（见 §4），不是硬塞；拆分不可行（单任务链长）时达预算交回续跑（§5.3） |
+| `context_strict` | 缺省 `false` | `true` = 旧 fail fast（超预算即 `error` 终止，不交回）；仅在明确「不容许换人续跑」的任务上使用 |
+| `timeout_s` | **600**（统一，§0） | 5..=3600；超时 rust 侧强杀并标 `timeout` |
+| `system_prompt` | 底座段 + 单元模板 | 按《子代理系统提示词标准》§7.2 组装（见 §2） |
+| `user_prompt` | 工作任务 + 记忆读取指引 | 见 §3 |
+| `max_tokens` / `temperature` | 按任务性质定 | 非本标准约束项。**实测：思考模型的 reasoning_tokens 计入 `max_tokens`**——8000 被思考吃满导致 `content` 为空但 `ok=true`（假成功，usage 里 completion_tokens≈reasoning_tokens 是指纹）；思考模型建议 ≥20000，且回收时校验 content 非空而非只看 ok |
+
+**子代理数量：可选。** 可开多个反思单元、多个验证单元，各自负责不同细化任务（例：反思单元×2=概念一致性/边界完备性各一个；验证单元×2=逻辑面/锚点面各一个）。数量由编排者按任务拆解决定，无固定配额。
+
+## 2 系统提示词（真源：子代理系统提示词标准）
+
+按《单元自我锚点_系统提示词标准_v0.3.md》§7.2 组装，两段固定：
+
+1. **协议底座段**（§1，逐字，不得按任务改写）；
+2. **单元模板**：按子代理身份选一——记录（§2）/ 反思（§3）/ 验证（§4）/ 输出（§5）/ 维生（§6）。
+
+注入位置：任务消息开头（任务级注入优于纯 system 静态注入）；长任务在关键决策点重申该单元负面锚点清单（「你不是 X」）。
+
+## 3 任务上下文 = 工作任务 + 读取记忆
+
+上下文不静态堆文件，由两部分构成：
+
+1. **工作任务**：要做什么（任务描述+验收标准+产出格式）。
+2. **读取记忆**：子代理被赋予读记忆的能力与指引，而非被动接收全文——
+   - `lingshu_cg(op="route", intent=…)` / `op="read"` 按需检索；
+   - 主代理从 L0 全局态裁剪**该子任务相关的部分**直接注入（最小充分上下文，不注入全部）；
+   - 产出按《主代理子代理记忆架构设计》回流：五栏卡片（L1）+ 细节层（L2），`session` 硬隔离，`derived_from` 溯源。
+
+**实测边界（2026-09-15 已补机制）**：~~蜂巢 Python 执行器环境未挂载 `lingshu_cg` 工具~~ → **worker 侧工具面已落地**（`hive/exec.py` agent loop，同日）：`spec.tools: ["lingshu_cg", "web_search"]` 白名单启用。实测要点：
+- **lingshu_cg**：op=route/read/write 白名单（复用 MCP 面同一 dispatch）；权限硬编码 recorder（写入过闸门：DEFER 入审核队列/REJECT 负记忆是设计行为，**裁决权仍归设计者**，子代理不得自裁自决）；会话隔离 `session=hive_job_<id>`；部署要求 serve env 设 `MDCG_ROOT`（或 `spec.mdcg_root` 兜底，任务级隔离用临时图）。
+- **web_search**：zhipu 后端（`HIVE_WEB_SEARCH_BASE` 缺省智谱官方端点，与 `HIVE_API_BASE` 解耦——中转网关无搜索路由必 404；`HIVE_WEB_SEARCH_KEY` 缺省回落执行器密钥，**key 与 base 不配对时 401，须独立设置**）；duckduckgo 零 key 兜底。
+- 每轮工具调用记入 `result.json` 的 `tool_trace`（审计可回放）；`max_tool_rounds` 默认 5，耗尽强制终答。
+- 主代理的「最小充分上下文直接注入任务体」原则**保持不变**：工具是增量不是替代——任务体仍须自包含，工具用于按需深挖与回写。
+
+## 4 200000 token 预算 = 拆解信号
+
+单子代理上下文预算 200k。**预估任务体+记忆+产出会超出 200k → 说明任务需要继续拆解**：拆成更多子代理（结合 §1 数量可选），每个拿到更小的子任务。禁止把超长材料整体塞给单个子代理。
+
+## 5 提示词随任务保留 · 长期任务复用 · 满上下文换人续跑 · 产出物生命周期
+
+1. **保留**：子代理的提示词（system_prompt+任务体）随任务持久化（落任务目录），不随单次调用消失。
+2. **复用**：执行长期任务时，同一子代理身份（同一提示词+同一 session）跨多轮复用，持续累积该任务的工作记忆。
+3. **满上下文接续（已实现，2026-09-16）**：上下文将满 → 当前实例**不失败**，写进展卡后交回，**派新子代理**接替：新子代理带同一提示词（从任务目录恢复），**通过读取工作记忆**（L0 全局态+前序卡片，`recall(session=…)`）恢复进展，继续执行剩余任务。状态在库里，不在实例里。
+
+   工程落点（三面，字段词汇统一）：
+
+   | 面 | 载体 | 信号 |
+   |---|---|---|
+   | 执行器写入 | `hive/exec.py::_handoff` → `jobs/<id>/progress.jsonl` | 进展卡条目 + `result.json`：`ok:true` + `completed:false` + `need_continue:true` + `handoff{reason,est_tokens,budget_tokens,rounds_done,progress_file,auto_continue:false}` |
+   | 主代理轮询 | `hive poll`（rust）/ `hive_poll`（MCP） | `need_continue` / `completed` / `handoff` / `tool_rounds` + 派生 **`handoff_ready`**（= need 且未 completed，一眼可判）；旧 result 缺失字段透传 Null，不伪造 false |
+   | 主代理读卡 | `hive/wm.py progress --job <dir>`（未快照）/ `--wm <WM> --job-id <id>`（已快照，自动两级查找：工作区 → `task/<id>` 分支） | 卡条目 `start`/`tool`/`final`/`handoff`/`error`；返回 `source`/`ref` 标明出处 |
+
+   **续跑不自动**（`auto_continue` 恒 `false`）：`handoff_ready=true` 后是否续跑由主代理裁决——续跑则「同 `system_prompt` + 进展摘要最小充分注入 + 剩余目标」spawn 新 job（同 session 读回）；不续跑则收尾清理进展态 + 结果蒸馏归档（`wm.py snapshot` + 灵枢记忆）。**交回 ≠ 失败**：`ok:true` 与 `completed:false` 并存，显式区分「本次执行正常收口」与「任务已完成」。`context_strict=true` 恢复旧 fail fast。
+4. **产出物生命周期（使用者裁定 2026-09-15，长期有效）**：子代理给出的资料（R/V/v 编号的单元产物、结果文件等）一律视为**中间件**——其结论被主代理整合进系统正式文档/记忆后，中间件即行清理，不留工作区。此后派发子代理写正式产出文档时，命名规范：**`test_<身份>_<id>_<任务名>`**（身份=反思者/裁决者/记录者等单元身份；id=job id 或实例 id；任务名=审查面/子任务短名，如 `test_裁决者_h1789458307647_56cc_逻辑有效性.md`）。整合的唯一凭证是主代理落盘的结论（留痕表/正式文档/灵枢记忆），不是中间件文件本身。
+
+---
+
+## 6 与理论层的对应（v0.3 新增）
+
+本标准是并发理论体系的工程层。理论概念 → 工程投影：
+
+| 理论概念（出处） | 工程投影（本文位置） |
+|---|---|
+| 认知任务原子性 P1（架构层公设） | spec=一个原子收敛单位：每个子代理领一个完整子任务（工作任务+验收标准），产出即裁决单位 R_i（result.json 终态）。**spec 不是「任务切块」，是条件投影的落地** |
+| 条件投影可分性 P2 + CA-T1（架构层） | 子代理数量可选（§1）：数量由条件投影的**实质区分**决定（观测位置/工具/时间窗/存在约束任一维不同且影响信息可得性），不由任务大小/长度决定 |
+| 收敛带宽 B_c（理论层定理 T） | context_budget_tokens=200000（§4）：**200k 不是资源配额，是拆解信号**——预估超出 = W > B_c（信息流宽度超过调用带宽），收敛粒度必须下沉 |
+| 收敛位唯一、责任不分散 T4（理论层） | 编排者（agent 本体）收 result 做融合裁决；worker 只产出 R_i，不自裁 |
+| 串行正当四分类（架构层 §5.1） | 派发前自查：任务链是否真有数据依赖——基座/约束/成本串行才拆串行，认知伪串行应并发 |
+| 融合位裁决纪律（架构层 §4.2） | 主代理汇总时以 R_i 的证据与四态资格裁决，**不以「多个 result 一致」代替验证** |
+
+**理论 → 配置判据速查**：
+
+1. 「这个任务要不要拆？」→ CA-T3 判据：预估信息流宽度（任务体+记忆注入+产出+工具回传）是否超 200k；超 = 拆，不超 = 可单收敛位。
+2. 「拆成几个？」→ 条件投影可分性：数**实质区分的观测位置/工具/时间窗**有几个，不是按任务长度均分。
+3. 「子代理任务体写多细？」→ spec 自包含原则（§3）= 该投影的 C/G/O 显式化：观测通道（tools 白名单）、目标信息差态（验收标准）、条件边界（任务边界）缺一不可。
+
+---
+
+## 7 确定性执行（v0.4 新增 · 零 LLM 任务同走蜂巢）
+
+**工作纪律第 17 条的完整落地**：蜂巢有两类 worker，同一 serve 兼跑——
+
+| 任务类型 | worker | 触发条件 | 说明 |
+|---|---|---|---|
+| LLM 委托型 | `hive/exec.py` | spec 有 `model`+`user_prompt`、无 command | 调 OpenAI 兼容接口，行为见 §1–§5 |
+| **确定性执行型** | `hive/exec_cmd.py` | spec 带 **`command` / `commands`** | 跑命令（测试/回归/lint/批处理），**零网络请求、零 LLM** |
+
+启用方式：`hive/config.local.json` 的 `HIVE_EXEC_PY` 指向 `hive/exec_cmd.py`（serve 级，改动后须重启 serve）。**spec 无 command/commands 时 exec_cmd.py 自动转发 exec.py**，故 LLM 委托链零变动；不指向 exec_cmd.py 时全链路行为逐位不变。
+
+| 字段 | 说明 |
+|---|---|
+| `command` | 单条命令，**只收 argv 数组**（`["python","-m","pytest","-q"]`）；字符串形态一律拒——不经 shell，规避转义 / GBK 陷阱（第 15 条） |
+| `commands` | 多步串行：`[{"command":[...],"cwd":...,"label":...}, ...]` |
+| `cwd` / `env` / `fail_fast` / `timeout_step_s` | 工作目录 / 附加环境变量（覆盖继承）/ 默认 true 遇错即停 / 单步超时（缺省 600） |
+| `expect_files` / `expect_stdout_contains` | 执行后断言文件存在（相对 cwd）/ 各步 stdout 合并须含全部给定子串 |
+
+订阅约定：`model` 写 `"cmd"`、`user_prompt` 写任务标签（仅为过 rust 侧必填校验）。单步完整输出落 `job_dir/step_<i>_stdout.txt`，`result.json` 只留 head（4000 字符）。
+
+**实测要点（2026-09-16，真 serve 端到端四路径）**：确定性成功 → `done`；命令 exit≠0 → `error`（error=失败步标签）；`expect_stdout_contains` 未命中 → `error`（error=`输出未命中预期子串：…`）；LLM 委托 → `done`（`deepseek-flash` / high / 200k / 600s）。单测入口 `python hive/test_exec_cmd.py`（9 例全绿，零外部依赖）。
+
+**边界（诚实）**：包内测试脚本含相对导入（`from .mdcg import …`），直跑 `python md_cg/test_cond_match.py` 会报 `attempted relative import with no known parent package`——须以 `-m md_cg.test_xxx` 运行且 cwd / PYTHONPATH 指向仓根。确定性任务**不带身份隔离**（与 LLM 任务同享 jobs 目录，见 hive README「设计边界」）。
+
+---
+
+## 附：版本差异（使用者教改记录）
+
+| # | 上一版（错误形态） | 本版（修订） |
+|---|---|---|
+| 1 | model 硬编码 `deepseek-v4-pro`（v0.1） | 可选，默认 `deepseek-flash`（v0.2；v0.4 补模型↔base 强配对规则） |
+| 2 | 依据文档只写「单元自我锚点标准」（v0.1） | 正式对齐真源《子代理系统提示词标准》，system_prompt 字段启用（v0.2） |
+| 3 | context_files 静态注入整份文档（v0.1） | 工作任务+读取记忆（route/read 指引+主代理裁剪注入）（v0.2） |
+| 4 | 固定 4 个验证单元视角（v0.1） | 数量可选，反思/验证单元均可多开细化（v0.2） |
+| 5 | max_tokens 12000 无上下文预算概念（v0.1） | 200k 预算=拆解信号（v0.2） |
+| 6 | 每次临时组装提示词，无保留复用（v0.1） | 提示词随任务保留；长期任务复用；满上下文读工作记忆续跑（v0.2） |
+| 7 | （v0.2 无理论对应节） | v0.3 新增 §6：公设 P1/P2、CA-T1/T3/T4 落为配置判据与速查 |
+| 8 | 统一执行默认停留在口头约定，MCP 面不透传 effort / 预算（v0.3） | v0.4 §0：三项默认下沉到 `hive_spawn` 缺省注入 + `spec_defaults` 回显；§7 补确定性执行 worker |

package/docs/mdcg//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/eval/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/eval/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
+```