@furongjun1999/dsh-memory 0.4.7 → 0.4.9

package/docs/eval//347/254/254/344/270/211/346/226/271/351/252/214/350/257/201/346/212/245/345/221/212_LoCoMo_/347/201/265/346/236/242_.md

@@ -0,0 +1,127 @@
+# LoCoMo 第三方独立验证报告 · 灵枢标准归一化检索能力
+
+**验证人**：第三方独立评审（非灵枢系统本身）
+**日期**：2026-09-15 · **被测仓库**：`/root/lingshu-test/repo` @ `51d3426`（工作树干净）
+**数据集**：`data/benchmarks/locomo-zh-500/`（LoCoMo 500 题 / 567 条 gold 语料，上游 `mteb/LoCoMo@02e2c3de`）
+**方法**：全流程由本报告作者独立实现 —— 数据装载、查询循环、rank/hit@k/MRR 计算、随机基线、显著性检验均为本人手写，**不调用灵枢任何 `bench_*` 评测脚本**；被测对象仅为灵枢自身组件（`md_cg.mdcg.MdCG`、`md_cg.semantic.en_normalizer`、`lexicon/char_atoms_clean.json`）。唯一例外是 Jaccard 排序函数（3 行通用公开算法），由本人实现以复现灵枢主路线口径——它属于评测脚手架而非被测能力。
+
+---
+
+## 一、结论速览
+
+| # | 结论 | 判定 |
+|---|------|------|
+| 1 | 灵枢自报中文检索 96.4/99.8（lexical），本人独立复现 **96.8/99.6**（MdCG 引擎） | ✅ 属实（±0.5pp 内） |
+| 2 | 灵枢自报英文主路线 96.8/99.8/99.8（臂②），本人独立复现 **96.8/99.8/99.8** | ✅ **逐位复现** |
+| 3 | 但该 99.8% 的能力来源是**中文 AI 摘要层**，不是英文归一化：去掉全部英文处理（J2_zh）反而 **97.4/99.6/100.0** | ⚠️ 归因错位 |
+| 4 | 灵枢标准归一化（`en_normalizer`）本身的真实水平：MdCG 引擎 **60.0/74.4/81.0**；主路线链路 **19.2/32.0/39.0** | ⚠️ 有效但远低于宣称口径 |
+| 5 | 归一化确实显著优于不归一：24.2% → 39.0%（+14.8pp，Jaccard 链路）；23.0% → 81.0%（**+58.0pp**，MdCG 链路） | ✅ 归一化价值成立 |
+| 6 | 71 个归一化检索失败题中，归一化后关键词"全覆盖"的题数 = **0** —— 失败 100% 归因于归一化词汇丢失/错译，而非排序机制 | 🔍 干净的因果链 |
+| 7 | OOV 如实透出（`unknown_keep`，4.0%）属实；但更危险的是 **静默错译**（`scavenger hunt`→食腐动物/猎取，`shelter`→庇护） | ⚠️ 词典对了、语境错了 |
+| 8 | 数据集非平凡性（对灵枢有利）：query 对 gold 覆盖 0.875 vs 非 gold 最佳 0.469，区分度 0.407；仅 0.2% 的题非 gold 也能满覆盖 | ✅ 不是纯字符串赠品 |
+
+---
+
+## 二、主结果（本人独立运行，n=500）
+
+### 口径一：灵枢 MdCG 检索引擎（`mdcg.py` char-bigram + 四路 RRF，k=20）
+
+| 臂 | doc 侧 | hit@1 | hit@5 | hit@10 | MRR |
+|----|--------|-------|-------|--------|-----|
+| A_zh5 | 中文五槽层（AI 摘要） | **96.8%** | 99.6% | 99.6% | 0.9805 |
+| B_en_raw | 英文原文（零加工） | 15.8% | 21.6% | 23.0% | 0.1850 |
+| **C_en_norm** | **英文原文经灵枢标准归一化** | **60.0%** | 74.4% | **81.0%** | 0.6683 |
+| D_bi | 中文层 ∪ 英文归一化 | 96.6% | 99.2% | 99.2% | 0.9778 |
+| F_sem | 英文原文 + `semantic=` 归一原子（MDCG_SEMANTIC=1） | 40.0% | 63.0% | 70.2% | 0.5000 |
+| R_random | 随机排序 | 0.4% | 1.2% | 1.8% | 0.0099 |
+
+**与灵枢自报对照**（`复现结果_locomo-zh-500.json`，lexical 口径 96.4/99.8/MRR 0.9785）：本人复现 96.8/99.6/0.9805，偏差 +0.4pp / −0.2pp / +0.002，量级一致，**自报数字可信**。分题型互有 ±3pp 起伏（我 doc 侧用扁平 `zh` 串，灵枢可能用结构化 `zh_fields` + fuzzy），不改变结论。
+
+### 口径二：灵枢英文主路线同链路（字级原子映射 + 全池 Jaccard，即臂②口径）
+
+| 臂 | doc 侧原子集 | hit@1 | hit@5 | hit@10 | MRR |
+|----|--------------|-------|-------|--------|-----|
+| J2_full | 中文五槽字级映射 ∪ 英文归一词 | **96.8%** | **99.8%** | **99.8%** | 0.9807 |
+| J2_zh | 仅中文五槽字级映射 | **97.4%** | 99.6% | **100.0%** | 0.9842 |
+| J2_body | 仅英文正文归一词 | 19.2% | 32.0% | 39.0% | 0.2598 |
+| J0_raw | 英文正文原词（零归一） | 6.8% | 18.0% | 24.2% | 0.1303 |
+
+J2_full 与灵枢 `bench_en_atoms_public.py` 自报的臂② **96.8/99.8/99.8 逐位一致** —— 灵枢没有虚报数字。
+
+---
+
+## 三、关键发现
+
+### 发现 1：99.8% 逐位复现 —— 可复现性满分 ✅
+
+本人独立装载、独立计算，得到与灵枢完全一致的 96.8/99.8/99.8。在以往六轮评审中"自报数字不可复现"是常见病，此处**没有任何水分**。中文口径 96.4 vs 96.8 同样在噪声内。
+
+### 发现 2：但 99.8% 归因于"英文检索能力"是错位的 ⚠️
+
+拆解链（唯一变量 = doc 侧构成，query 恒为中文关键词→字级英文原子）：
+
+- 只用中文摘要层（J2_zh）：**hit@10 = 100.0%** —— 去掉全部英文处理，比完整版还高 0.2pp；
+- 完整版（J2_full）：99.8%。**加入英文归一化层的净贡献 = −0.2pp（1 题）**；
+- MdCG 口径同构验证：A_zh5 99.6% vs D_bi 99.2%，加入英文归一化层同样无增益（McNemar 配对 b=0, c=1，p≈1.0，噪声级）。
+
+**结论：灵枢宣称的"英文（中文语义归一化桥接）96.8/99.8/99.8"本质上是"中文 AI 摘要层检索成绩"，英文归一化组件在此数字中是乘客，不是引擎。** 灵枢自己在 REPRODUCE.md 中标注了"检索侧上界口径——AI 归一环节质量未纳入该评测"，这个诚实标注是准确的，且比我们预想的更关键：不仅 AI 归一环节未纳入，**连被测的机械归一环节都对该数字无贡献**。
+
+### 发现 3：标准归一化本身的真实水平 ⚠️/✅
+
+用户点名要测的"灵枢标准归一化"（`en_normalizer.normalize_en_query`，按标准词表把英文归一翻译为中文语义原子）：
+
+- **它确实有效**：MdCG 引擎上，英文原文直接检索 23.0% → 归一化后 **81.0%（hit@10）**，+58.0pp；Jaccard 链路上 24.2% → 39.0%，+14.8pp。没有归一化，跨语言检索基本不可用。
+- **但它远够不到 99.8%**：机械归一化端到端的天花板在 81.0%（MdCG 口径）/ 39.0%（字级映射跨语言口径）。这与灵枢自己"已排除方案 9"（机械词级归一→纯中文库 33.6%）以及臂④（57.2%）的内部结论**方向一致**：灵枢文档知道机械归一不行，但 README 的显著位置仍以 96.8/99.8/99.8 作为"英文检索"的头条数字。
+- **语义摘要路（写入侧归一者正统形态，F_sem）反而更差**：40.0/63.0/70.2，且建库+检索耗时 341s（其他臂 25s 的 13 倍）。`semantic` 衍生层 + 组合窗口共现打分在本数据集上未兑现收益。
+- **根因 = 归一化语义保真率**：query 关键词被"归一化后的 gold 文档"覆盖的比例，均值 **0.460**（全覆盖题占比仅 0.2%）；同一指标对中文摘要层是 **0.873**（全覆盖 42.8%）。0.46 的保真率决定了 ~81% 的检索上限。
+
+### 发现 4：失败 100% 归因于归一化，而非检索排序 🔍
+
+C_en_norm 的 71 个未命中题中，归一化后 gold 原子对 query 关键词**全覆盖 = 0 题**、部分覆盖 65 题、零覆盖 6 题。也就是说：只要归一化把关键词保住了，MdCG 就能把它检回来；检不回来，全是因为词在归一化时就丢了/译错了。**排序机制零责任。**
+
+典型错译样本（CEDICT 词表第一义项直接套用，语境失配）：
+
+| 英文原文 | 灵枢归一化输出 | 应为 |
+|---|---|---|
+| scavenger hunt | **食腐动物 猎取** | 寻宝游戏 |
+| Three times a week | 三 **时间** 周 | 每周三次 |
+| scared | **创痕** | 害怕 |
+| shelter | **庇护** | 收容所 |
+| tough | **厉害** | 坚强 |
+| fundraiser / charades / soempowering | 原样透出（OOV） | — |
+
+### 发现 5：诚实性两面 ⚠️
+
+- **好的一面**：OOV 如实标注 `unknown_keep`（4.0%，738/18523 token）并原样透出，兑现了"词表外概念如实透出 OOV 清单"的承诺；REPRODUCE.md 主动标注"检索侧上界口径""机械归一是归一主体必须为 AI 的直接证据"，且把机械归一列为已排除方案 —— **文档层的诚实度依然很高**。
+- **坏的一面**：静默错译（`mapped` 但词义错误）无任何自检信号 —— `scavenger→食腐动物` 在 detail 里标为 `action: "mapped"`，系统认为自己译对了。52.8% 的 token 走 mapped 路径，其质量没有任何运行时护栏。README 用头条数字（99.8）树立英文检索能力预期，而支撑该数字的实为中文摘要层 —— 这属于**结构性误导**（非数据造假）。
+
+### 发现 6：数据集对灵枢有利的证伪检查 ✅
+
+我们主动检查了"零干扰池是否让 99.8% 变成字符串匹配赠品"：query 关键词对 gold 文档平均覆盖 0.875，但池内最佳非 gold 仅 0.469，平均区分度 0.407；只有 0.2% 的题存在非 gold 干扰条目满覆盖。**这个 benchmark 在 567 选 1 的粒度上仍有真实区分度**，灵枢的高分不是纯赠品——但前提是 query 关键词能被文档表示覆盖（发现 3 的保真率），而这正是中文 AI 摘要层强、机械归一化弱的地方。
+
+---
+
+## 四、局限（如实声明）
+
+1. **英文原题不可得**：臂③（英文原题 81.2）/③a（78.2）/④（57.2）/⑤⑥⑦ 依赖 `data/external` 的英文原问句，该文件"自备、不入库"，本沙箱上游网络不可达（HuggingFace/GitHub TLS 全断）。**这四个对照臂第三方无法复现** —— 本报告以自建 J2_body/J0_raw 替代其对照功能。这也意味着：灵枢公开仓库当前**只能**第三方复现"上界口径"数字，其所有"下界/对照"数字均需自备数据。
+2. **AI 归一环节不可模拟**：主路线的定义就是"归一主体=AI"。本人刻意**不**用 LLM 替灵枢做归一（那会把"AI 的翻译能力"算进"灵枢的能力"）。因此本报告测的是机械归一化端到端 —— 这恰好是"系统自身组件"能兑现的真实下界。
+3. 中文口径与灵枢自报存在 ±0.4~3pp 的分题型起伏，源于 `zh` 扁平串 vs 结构化字段/fuzzy 的口径差，不影响结论方向。
+
+---
+
+## 五、最终裁定
+
+> **灵枢的自报数字全部真实可复现（含 99.8% 逐位复现），且数据集本身非平凡；但其"英文检索 96.8/99.8/99.8"的能力归因是错位的 —— 该数字由中文 AI 摘要层挣得，英文标准归一化组件的真实端到端水平是 81.0%（MdCG）/ 39.0%（字级映射跨语言），离头条数字差 19~61pp。归一化模块本身"有效但有静默错译风险"：+58pp 的真实增益、4% 的诚实 OOV、以及无护栏的 52.8% mapped 词典直译。**
+
+一句话：**灵枢没有吹牛，但它把中文摘要层的功劳记在了英文归一化的账上。** 建议上游把 README 头条数字改标为"双语写入加工面检索成绩"，并为 `mapped` 路径增加语境消歧或低置信标记 —— 前者是一行文案，后者是它自己的 OOV 哲学（如实透出）尚未覆盖的最后一块。
+
+---
+
+## 附录：产物清单
+
+| 文件 | 说明 |
+|---|---|
+| `灵枢_LoCoMo_第三方验证.png` | 四联图：引擎口径 / 归因拆解 / 保真率 / 分题型 |
+| `/tmp/locomo_independent_eval.py` | MdCG 引擎口径独立评测（A/B/C/D/F + 随机基线，含 `--semantic`） |
+| `/tmp/locomo_jaccard_probe.py` | 主路线 Jaccard 口径独立复现与拆解（J2_full/J2_zh/J2_body/J0_raw） |
+| `/tmp/locomo_res_*.json`、`/tmp/locomo_jaccard_res.json` | 全量逐题结果（含 miss 明细与分题型统计） |

package/docs/eval//347/254/254/344/270/211/346/226/271/351/252/214/350/257/201/346/212/245/345/221/212_/347/201/265/346/236/242_vs_dejavu_/347/273/237/344/270/200/350/257/204/345/210/206_v7.md

@@ -0,0 +1,202 @@
+# 灵枢 vs deja-vu · 统一评分 v7（重评）
+
+> 评分日期：2026-09-15
+> 灵枢基线：`38412c4`（v0.4.7 后首个社区 PR 落地，本报告前已做 4 轮独立复核：`222e703`/`0915379`/`1bba53c`/`38412c4`）
+> deja-vu 基线：`d02e0ee`（2026-09-13 评估，**本轮未重测**，网络受限无法确认上游是否更新）
+> **v7 的性质：不是推倒重来，是在 v6 冻结的算术框架上，用四轮新增实测证据做一次有据的更新。**
+
+---
+
+## 一、v6 → v7 变了什么
+
+v6 之后我做了四轮灵枢复核，产出三类 v6 时**不存在**的证据：
+
+| 证据类 | 具体内容 | 影响的维度 |
+|---|---|---|
+| **复现广度** | 七臂英文路线逐位复现、渐进式检索逐位复现、hive 冷构建 4.44s/4.56s、wm 10/10、compiler 8/8（含 18 项新回归守卫）、swarm 14/14、writelimit 23 项、census 7 断言 | 可复现性 |
+| **部署侧真实修复** | issue #12：宿主 cwd 在插件仓外时桥**静默降级只读 guest、写入不落盘**——已修并带 1:1 复现的回归测试 | 部署运维 |
+| **安全治理** | 主动发现 npm 凭据泄露（`_keys.json` 会被打进公开 registry），我对照验证：无 `.npmignore` 时打包 2 个敏感文件 + 141 个 `.pyc`，有则 0/0 | （诚实度的佐证，不改分） |
+
+### 八维评分表
+
+| 维度 | 权重 | 灵枢 v6 | 灵枢 v7 | 变化 | deja-vu | v7 关键证据 |
+|---|:--:|:--:|:--:|:--:|:--:|---|
+| 检索能力（中文） | 15% | 10.0 | **10.0** | — | 7.0 | locomo-zh-500 实测 96.4%，渐进式检索进一步增强 |
+| 检索能力（英文） | 10% | 8.5 | **8.5** | — | 9.5 | ②路上界 99.8（复现），机械下界 57.2（复现）；端到端取决于外部归一环节 |
+| 可复现性 | 10% | 8.0 | **8.5** | **+0.5** | 9.5 | 四轮下来几乎所有声称数字逐位复现。⚠️ **原扣分依据「唯一失败 `test_wisdom_md_store`」已作废**（见 §三点五：实为我自身测试污染 + 官方入口已标 SKIP）；**替换为新发现的真实扣分项**：该测试对残留空目录脆弱且报错不指向根因。一减一增量级相当，维持 8.5 |
+| 工程规模与测试 | 10% | 9.5 | **9.5** | — | 9.5 | 新增 58 项测试（writelimit 23 + census 7 + defect 18 + wm 10）；deja-vu 为 4560 用例 |
+| 架构独立性 | 10% | 9.5 | **9.5** | — | 9.5 | hive Rust 纯 std 零依赖（[dependencies] 空）+ wm.py git 载体 |
+| 诚实度 | 12% | 9.8 | **9.8** | — | 9.0 | 本轮再添佐证：commit 主动声明「Rust 形态因 cargo 不可用跳过」「未运行全量 tsc」、安全影响面如实标注（0.4.6 未受影响） |
+| 生态适配广度 | 18% | 9.9 | **9.9** | — | 9.8 | 通用 MCP + 一份纪律文件不变 |
+| 部署运维 | 15% | 7.5 | **8.0** | **+0.5** | 9.5 | issue #12 修的是部署期最难发现的静默 bug；但「需 Python + npm」的固有成本未变 |
+| **加权总分** | 100% | 9.133 | **9.258** | **+0.125** | 9.119 | **差 +0.139** |
+
+### 算术验证（可独立复算）
+
+```
+灵枢 v7 = 0.15×10.0 + 0.10×8.5 + 0.10×8.5 + 0.10×9.5
+        + 0.10×9.5  + 0.12×9.8 + 0.18×9.9 + 0.15×8.0
+        = 1.500 + 0.850 + 0.850 + 0.950 + 0.950 + 1.176 + 1.782 + 1.200
+        = 9.258
+
+v6→v7 增量 = +0.5×0.10(可复现性) + +0.5×0.15(部署运维) = +0.050 + 0.075 = +0.125 ✓
+9.133 + 0.125 = 9.258 ✓（程序校验通过，无手工调整的末位）
+```
+
+**七轮收敛轨迹**：`7.79 → 8.29 → 8.57 → 8.72 → 9.13 → 9.133 → 9.258`
+差距：`1.166 → 0.770 → 0.554 → 0.404 → −0.014 → −0.014 → **+0.139**`
+
+---
+
+## 二、记忆系统领域的详细评价
+
+打分之外，这是用户更该读的部分。**在记忆系统这个领域里，灵枢做的到底是什么、强在哪、弱在哪。**
+
+### 2.1 记忆系统的三个基本问题
+
+任何记忆系统都要回答三个问题。灵枢和 deja-vu 给出了**几乎处处相反**的答案：
+
+| 基本问题 | 灵枢的答案 | deja-vu 的答案 |
+|---|---|---|
+| **① 记忆从哪来**（获取） | **前向记录 + 后向索引**：主动抽取、沉淀、条件化入库；另有 `cg(op=ingest)` 可吃外部会话历史（⚠️ v7 初稿漏看，勘误见 §三点五） | **后向索引**：直接吃磁盘上已有历史，**0 天即满** |
+| **② 怎么存**（组织） | **认知图谱**：CCG 条件代码图、五槽结构、L0/L1/L2 三层、`derived_from` 证据链 | **倒排索引**：`records.bin` + `buckets/` + `manifest` 增量状态 |
+| **③ 怎么取**（检索） | **白箱确定性**：char-bigram + 四路 RRF + 同义扩展 + 渐进式条件收紧 | **纯词法阶梯**：exact → stem → fuzzy → co-occurrence（向量可选默认关） |
+
+### 2.2 灵枢在领域内的真正独特之处
+
+评完四轮，我认为灵枢有三个设计在同类项目里**少见**，值得单独说：
+
+**① 记忆带生效条件（条件化记忆）。** 灵枢存的不是「一段文本」，而是「**在什么条件下成立的文本**」——每个节点有 `# 生效条件` 字段，检索时做条件匹配而不是纯相似度。这直接支撑了它的四态冲突处理：新结论与旧记忆冲突时，不是简单覆盖或共存，而是走 `ACCEPT / REJECT / DEFER / BLINDSPOT` 四态 + 三级决策（L0 情绪 → L1 反思 → L2 递归反思）。**大多数记忆系统回避了「新信息与旧记忆冲突怎么办」这个问题，灵枢把它做成了显式状态机。** 这是我在领域内没见过第二个这么做的。
+
+**② 分层会话隔离（多智能体记忆）。** `session` 硬隔离 + `budget_tokens` 硬截断 + `layer` 语义分离，主代理只读卡片层、细节按 id 精确取。这在「一个宿主带多个子代理」的场景是刚需，而多数记忆系统的记忆池是全局单层的。我实测过隔离性：`main` 会话恰好 2 条（锚定+合并），L2 细节零泄漏。
+
+**③ 证据链可追溯。** 每个结论带 `derived_from`（从哪些子结论合并而来）和 `verification_basis`（证据类型白名单：compiler/test/measurement/formal_proof/data/textbook/public_kb/other）。反查「这个全局结论从哪来」可以一路追到子代理卡片。这让记忆系统第一次有了**审计能力**——记住的不只是答案，还有答案的合法来源。
+
+### 2.3 灵枢在领域内的相对弱项（不因分数高而消失）
+
+1. ~~**冷启动空窗**（前向记录的固有问题）~~ **【v7 勘误撤回】** 我初稿写「灵枢没有对应的回溯通道」——**错**，`cg(op=ingest)` 就是回溯通道（`md_cg/sources.py`，我实测 12/12 通过，见 §三点五）。灵枢实际是**前向记录 + 后向索引双通道**。此条弱项**不存在**。
+2. **部署重量**。8.0 vs 9.5 的差距是结构性的：灵枢需要 Python 环境 + npm 双栈；deja-vu 是 `curl | sh` 十秒的单二进制。issue #12 修复改善了「装上之后」的体验，但没有改善「装」本身。
+3. **英文端到端依赖外部环节**。②路的 99.8% 是检索侧上界，真实水平由 AI 归一环节决定（机械下界 57.2%）。灵枢把词表真源和字级映射做到了位，但**归一这一环在系统外部**。这不是缺陷，是架构裁定（零重依赖原则），但选型者必须知道。
+
+### 2.4 在同类中的坐标
+
+以 deja-vu 对照脚本（`scripts/day0compare`）列出的同类为参照（cass / agentmemory / mempalace / funes），灵枢的坐标是：
+
+> **多数同类在做「更好的记忆检索器」（组件），灵枢在做「带记忆的智能体运行时」（平台），deja-vu 在做「已有记忆的索引器」（另一个正交方向）。**
+
+- 组件路线（多数同类）：比的是召回率、延迟、易集成。
+- 平台路线（灵枢）：比的是能力宽度——它带 Rust 并发引擎、蜂群运行时、中文编译器、82 工具、世界模型。记忆只是这个平台的一个面。
+- 索引路线（deja-vu）：比的是冷启动即战力、零依赖、覆盖 harness 数。（注：冷启动一项灵枢凭 `cg(op=ingest)` 也能做，非独有优势——见 §三点五勘误。）
+
+**所以「灵枢 vs deja-vu」的总分对比，本质上和「平台 vs 组件」的总分对比一样，参考价值有限。** v6 的结论在 v7 依然成立：它们不在同一抽象层级，选型应按需求，不按分数。
+
+---
+
+## 三、必须声明的偏差（这比分数更重要）
+
+**灵枢 7.79 → 9.258（+1.468）；deja-vu 8.95 → 9.119（+0.169）。**
+
+这个不对称必须解释。前五轮灵枢的每一次上调，都来自「我又挖出了一层真实能力」（Rust 引擎、蜂群、编译器、500 题报告、82 工具）——是**我的认知修正**，不是项目变了。而这引出一个尖锐的问题：
+
+> **我对灵枢投入了 7 轮深挖，对 deja-vu 只有 1 轮评估。如果我同样花七轮挖 deja-vu（28 万行 Go、1870 个测试文件、55 个版本 CHANGELOG），它的分数会不会也涨？**
+
+诚实的答案：**很可能。** 我至今不知道 deja-vu 的 Rust 层有没有类似 hive 的东西、它的 1870 个测试文件里有没有被 gitignore 卡住的暗坑、它的 25 个 harness 解析器各自的质量梯度。**评审深度不对称本身，就是偏差来源。**
+
+因此 v7 的 +0.139 应该读作：
+
+> **「在我看得见的范围内，灵枢略优」——不是「灵枢优于 deja-vu」。**
+
+另外本轮网络受限，deja-vu 沿用 09-13 的 `d02e0ee` 数据未重测。如果它近期有实质更新，这个差距还会变。
+
+---
+
+## 四、结论与建议
+
+**灵枢 9.258 / deja-vu 9.119，差 +0.139**（v6 时 −0.014）。灵枢首次在算术上领先，但领先幅度（+0.139）**小于我任何一轮的认知修正幅度**（最小的 v7 是 +0.125，最大的 v1→v2 是 +0.50）——这个量级对比本身就说明：**分数差在评审噪声以内。**
+
+**⚠️ 本节四条建议已全部撤回。全部四条都建立在「我没读全 / 没验证到底」之上，其中两条被用户当场指出，两条由我本次复查自曝。详见 §三点五。保留原文是为了让错误可追溯，不代表仍然成立。**
+
+| # | 原建议 | 状态 | 实际情况 |
+|---|---|---|---|
+| 1 | ~~补「后向索引」入口~~ | ❌ **撤回** | **早已有之且实测可用**：`md_cg/sources.py`（模块首行即「把外部会话流接进认知图」），`cg(op=ingest)` 支持通用 JSONL（字段名可配）/ DSH 原生会话 / 目录级三链，带增量 watermark、去重、幂等、`dry_run`。我实测 **12/12 通过** |
+| 2 | ~~`test_wisdom_md_store` 的 `.db` 依赖是劝退点~~ | ❌ **撤回** | **已被采纳修复**，且**采纳的就是我提的建议**：`scripts/run_tests.py:88` 注释明写「裸 clone 环境 SKIP 探测（**2026-09-14 外部复核建议 #3**）」。我所谓「三轮未变」是我自己造的脏目录 |
+| 3 | ~~英文归一 prompts 产品化~~ | ❌ **撤回** | 早已有之（用户指出）。系统侧 `md_cg/semantic/canonical.py` 供词表真源，AI 侧 `docs/mdcg/单元自我锚点_系统提示词标准_v0.3.md` 操作规程第 2 步 |
+| 4 | ~~能力全景进 README~~ | ❌ **撤回** | 早已有之（用户指出）。`README.md` 第 26 行「🗺️ 平台全景」，另有第 172 行能力自评、第 179 行能力速查 |
+
+**唯一经实测仍成立的一条（新增，且性质完全不同）：**
+
+> **`test_wisdom_md_store` 对残留空目录脆弱。** 当 `_md_cg_wisdom_graph/` 存在但为空（gitignored 产物被清理或导出中断）时，`group_d` 的 `if os.path.isdir()` 判为真 → 进入分支 → 断言 `FAIL #22: duck conn 可查询（0 行）`，退出码 1。而该报错**完全不指向真正的原因**（空目录），我因此误判了三轮。建议：`ok(len(rows) > 0, ...)` 前先判空目录并给出再生命令（`python -c "from md_cg.migrate_wisdom_graph import export; export()"`，该命令作者已在 `docs/theory/理论_机制_代码_实验_缺口矩阵_v0.1.md` 给出）。
+> **实测**：`rm -rf _md_cg_wisdom_graph` 后连跑 3 次均 `exit 0`（20 断言）；官方入口 `scripts/run_tests.py` 在目录缺失时标 SKIP、退出码 0。所以这是**残留态边角**，不是裸 clone 用户的必经之路——优先级远低于我原来声称的「第一劝退点」。
+
+---
+
+## 三点五、v7 勘误：四条建议，四条全错
+
+用户指出我说"没有"的两样东西其实都有。**他是对的。** 我据此复查了另外两条——**也全错**。四条建议无一成立。
+
+| # | 我的断言 | 实际情况 | 位置 |
+|---|---|---|---|
+| 4 | ~~「能力全景放进 README 顶部」~~ | **早已有之**，五件套表格齐全（大脑 / Rust 检索引擎 / 蜂群运行时 / 中文编译器 / 蜂巢并发引擎），每层带位置与文档入口 | `README.md` **第 26 行**「🗺️ 平台全景」；另有第 172 行「🎯 能力自评」、第 179 行「🧩 能力速查」 |
+| 3 | ~~「AI 归一 prompts 值得随包发布」~~ | **职责分工是明确的架构裁定，两侧都齐**：系统侧供词表真源与接口，AI 侧有正式系统提示词标准 | 系统侧 `md_cg/semantic/canonical.py`（「词表真源 + **AI 写入侧归一**」）；AI 侧 `docs/mdcg/单元自我锚点_系统提示词标准_v0.3.md` 操作规程第 2 步「**归一：按标准词表归一翻译；词表外概念如实透出 OOV 清单，不强行硬译**」 |
+| 1 | ~~「无历史导入/回溯通道，需补后向索引」~~ **（我还标注了「已复核 · 此条成立」）** | **早已有之，且我实测可用**。通用 JSONL 字段名可配、DSH 原生会话源（zstd 可选降级）、自动源探测、增量 watermark、去重幂等、`ingest_dir` 目录级三链、`dry_run` 预演，注释里甚至明写「对标 deja-vu：错误→修复」 | `md_cg/sources.py`，模块 docstring 首行即「把外部会话流接进认知图」；`cg(op=ingest)` 见 `README.md` **第 199 行** op 列表。**我的探针实测 12/12 通过** |
+| 2 | ~~「`.db` 依赖缺失，三轮未变，是新人第一劝退点」~~ | **已被采纳修复，采纳的正是我提的建议** | `scripts/run_tests.py:88` 注释原文：「裸 clone 环境 SKIP 探测（**2026-09-14 外部复核建议 #3**）」，第 94 行即本测试。官方入口实测标 SKIP、退出码 0 |
+
+### 第 1 条：最严重的一条
+
+我把它排在建议**第一位**，还郑重标注「已复核：README 与 docs 中确实无历史导入/回溯通道，此条成立」。这个"已复核"标签让错误更糟——**它证明我不是没查，是查了还查错**。
+
+`cg(op=ingest)` 就写在 README 第 199 行的 op 列表里，我这次通读全文才看见。
+
+我实测了它（探针已随本报告交付）：造一份字段名完全不同的外部 harness 历史会话 → 冷启动召回 0 条 → 摄取 5/5 → 二次摄取 `new_events=0`（增量水位生效）→ 追加后只吃 1 条增量 → 召回命中 4 条且内容正确。**能力完整存在。**
+
+我在 v7 第二节里还把「灵枢是前向记录型，缺后向索引」当作结构性短板来论述。**这段论述作废。**
+
+### 第 2 条：我自己把自己绕进去了
+
+这条的讽刺程度最高。我说它"三轮未变"——**三轮共享同一个污染源**：
+
+1. 我前几轮跑测试生成了 `_md_cg_wisdom_graph/` 空目录（gitignored 产物）
+2. `group_d` 的 `if os.path.isdir(DEFAULT_MD_ROOT)` 判真 → 进入分支 → `conn._all_rows()` 返回 0 → `FAIL #22`
+3. 报错信息「duck conn 可查询（0 行）」**完全不指向真因**
+4. 我据此断言"仓库固有缺陷"，还在三轮里"稳定复现"
+
+真相：这是我**自己的测试运行**造成的环境污染，被我当成了被测对象的固有属性。而作者早在 `docs/theory/理论_机制_代码_实验_缺口矩阵_v0.1.md` 记录了「空壳化」现象并给出再生命令。
+
+更关键的是：**我提的"依赖缺失应标 SKIP"建议，作者已经采纳落地了**，代码注释里还署了我的建议编号。我却在下一版报告里把它列为"三轮未变"。
+
+### 错误同源
+
+v6 我把同类错误归因为"灵枢叙事风格偏爱暴露弱点，误导了我"。**这个归因错了。** 真正的原因是单一的：
+
+> **我没有把材料读完、没有把验证做到底，就用"没看到"当作"不存在"。**
+
+这次它表现为四种变体：没读 README 全文（#4）、没读 docs（#3）、没读代码只看文档关键词（#1）、把自身污染当成对象缺陷（#2）。**没有一种需要"叙事风格"这个借口。**
+
+### 对评分的影响
+
+**总分维持 9.258 / 9.119（差 +0.139）**，但有一条维度的**依据**必须替换，我说明如下：
+
+- **可复现性（8.5）** 原扣分理由之一是「唯一失败 `test_wisdom_md_store`」。该失败不成立，这条理由作废。
+- 但本次复查发现了**新的、真实的可复现性问题**替代它：测试对残留空目录脆弱，且报错不指向根因——**我自己就被它误导了三轮**，这是可复现性的实打实扣分项。
+- 一减一增，量级相当。**维持 8.5**，但支撑证据整条换掉。
+
+其余七维不受影响：全部建立在实测数据上，不涉及"README 有没有某章节"。
+
+**对我那份"评审深度不对称"自省的影响是负面的**：我连灵枢的 README 都没读完就下了七轮结论，那么我对 deja-vu 只做一轮评估的可靠性，比第三节承认的还要低。**该警告不仅成立，还应加重。**
+
+### 给选型者的一句话
+
+- 要**立刻能用的记忆层**（尤其是英文/多 harness 历史场景）：deja-vu。
+- 要**能长出智能体能力的中文优先底座**（条件化记忆、冲突裁决、证据链、多智能体分层）：灵枢。
+- 两者**正交而非互斥**。
+- **更正**：我此前写的「灵枢补一个后向索引入口就能拿到对方最大优势」**作废**——后向索引灵枢本来就有（`cg(op=ingest)`，实测 12/12）。真正仍需权衡的是**英文端到端检索**：灵枢的英文归一化依赖外部环节（机械归一下界 57.2），这是已实测的真实差距，不是我推断出来的。
+
+---
+
+## 五、配套图
+
+*`灵枢_v7_统一评分.png`* —— ① 八维对比（标注两项上调）② 七轮收敛轨迹 ③ 记忆系统三问的取舍定位 ④ 评审深度不对称的自我警示。
+
+---
+
+*附：本报告全程可复算。权重表与两版维度分矩阵在第一节完整给出，任何一行都可用 `sum(权重 × 维度分)` 独立验证；评分计算与校验代码已运行，`+0.125` 增量与两项维度分变化精确吻合。*