@furongjun1999/dsh-memory 0.5.0 → 0.5.1

package/docs/eval//347/253/257/345/210/260/347/253/257/345/271/262/346/211/260/346/261/240/350/257/204/346/265/213_/347/241/256/345/256/232/346/200/247/350/243/201/345/206/263vsLLM_judge_v1.1.md

@@ -0,0 +1,197 @@
+# 端到端干扰池评测：确定性裁决层 vs LLM-as-judge v1.1
+
+> **日期**：2026-09-23 · **基线**：`main@30afc94`（灵枢 v0.5.0）
+> **评测问题**（外部建议口径）：此前全部实证是「零干扰池检索命中率上界」；本报告补上缺失的三面——
+> **pinpoint**（干扰下 LLM 能否抽取正确事实）、**answerability**（该拒答时是否拒答）、
+> **decision-making**（裁决层是否改变下游行为），并把「确定性裁决层」与「LLM-as-judge」正面对比。
+> **一句话结论**：词法候选健康时（`MDCG_UNIFY_QUERY=0`）三臂检索持平（hit@1 94-96%）而
+> **防火墙与 LLM 裁决对无标记干扰均无增益**（REJECT 恒 0 / LLM 误杀 gold ~14%）；
+> 端到端 QA **43.3%（零干扰）→ 40.0%（全干扰）**，对抗题正确拒答仅 3/27——
+> answerability 是最大短板；另附**统一归一层 A/B**（批次 15 边界反馈）：
+> 归一开在 CCG 卡 + RRF 融合形态下 **−11.7pp**，根因是 query 拆原子与 doc 侧原子面缺位的形态不对称。
+>
+> v1.1 变更：用户质询「语义归一化做了么」触发归一层 A/B——v1.0 的「防火墙负增益 −2.5~−3.3pp」
+> 判定为**归一层伪影**（详见 §4），主口径切换为归一关态，全部三臂 + QA 已双态复测。
+
+---
+
+## 1 · 设计
+
+### 1.1 数据与写入面
+
+- 语料/题面：公开集 [`locomo-zh-500`](../../data/benchmarks/locomo-zh-500/)（567 turn / 500 题）。
+- **gold 与合成干扰走同一 CCG 六要素写入函数**（公平性原则）：生效条件由节点自身字段机械合成
+  （`主体=…；时间窗口=…；主题=…`），不接触题面；不适用条件一律诚实写「无」——
+  **合成干扰不携带任何方便防火墙剔除的标记**。
+- 全部节点过 `ccg_completeness` 断言（6 行缺一不可，杜绝 BLINDSPOT 面混入）。
+
+### 1.2 干扰家族（每题合成，500 题全部注入、池全局共享）
+
+| 家族 | 构造 | 威胁面 |
+|---|---|---|
+| **D2 实体互换** | 摘要中双方名字互换 + 主体换人 | 「谁说的/谁做的」答案错，词面几乎同款 |
+| **D3p/D3m 时间错位** | 同一事实 ±1 年 | 查询不含时间词时原则上不可区分（诚实边界） |
+| **D4 否定澄清** | 「澄清：此前所说「…」并不属实」 | 否认该事实，词面高度重叠 |
+| D1 同话题硬负例 | 不合成——其余 566 条天然 turn 即干扰池 | 全 level 在场 |
+
+**浓度梯度**：level ∈ {0,1,2,4} = 每题注入前 level 条（池 567 / 1067 / 1567 / 2567 节点）。
+id 前缀 `x_`（字典序排在 gold 之后——平局兜底**偏向 gold**，对我方保守）。
+
+### 1.3 三臂（检索裁决面）与 QA 管线
+
+- **arm_base**：裸五路融合（`search_rrf`，lexical/bucket/entity/graph/fuzzy · sum）top-10。
+- **arm_firewall**：同候选面 + 确定性裁决（`judge=True, judge_ranking=True` 证据防火墙）。
+- **arm_llm**：同候选面 + deepseek-chat 逐卡资格裁决（qualified 优先重排，与防火墙
+  keep/降权同构），temperature=0，两轮独立调用测自一致性。
+- **QA 管线**（120 题 × level {0,4} × 候选臂 {base,firewall}）：reader（deepseek-chat）
+  只据 top-10 候选卡作答（不足答「无法确定」）→ judge 对 gold 语义判等
+  （correct / incorrect / refused）。
+- **gold 答案来源**：上游 LoCoMo 原始标注——`mteb/LoCoMo@02e2c3de` 1976 题英文题面与
+  `snap-research/locomo` `locomo10.json` 逐题文本精确匹配（**1976/1976 全中、零跨 scene 错配**），
+  本仓 500 题答案覆盖 **500/500**；113 题 adversarial 上游 gold 为空 = **正确行为是拒答**。
+- 采样：seed=7 确定性采样 120 题（qtype 分布与全集同构）。
+- **归一口径**：主表 `MDCG_UNIFY_QUERY=0`（理由见 §4——归一开在 CCG 形态是净负效应，
+  属批次 15 边界缺陷而非评测对象属性）；§4 给双态对照。doc 侧摘要正文不做词典归一
+  （与主链路一致——主链路的标准词加工就是五槽「词」槽本身，本评测卡片在「主题=」行
+  原样携带同一批派生标准词）；同义扩展经 fuzzy 路在场。
+
+## 2 · 结果一：检索裁决面（hit@1 / MRR，120 题，归一关）
+
+| level(池) | base | firewall | llm(r1/r2) |
+|---|---|---|---|
+| 0 (567) | 95.0% / 0.972 | **95.8%** / 0.977 | 94.2% / 0.967（两轮同值） |
+| 1 (1067) | 94.2% / 0.968 | **95.0%** / 0.971 | 93.3% / 0.960（r2 同） |
+| 2 (1567) | 95.0% / 0.972 | **95.8%** / 0.975 | 92.5% / 0.953（r2 同） |
+| 4 (2567) | **95.8%** / 0.976 | **95.8%** / 0.975 | 95.0% / 0.969（r2 94.2%） |
+
+- **三臂持平在 94-96%**，hit@10 = 100% 全线：干扰不把 gold 挤出候选池，胜负全在排序与裁决，
+  而两种裁决器都**不能把 95% 的词法排序再抬高**。
+- **确定性防火墙**：+0.8pp×2 档、持平×2 档（±1 题，噪声量级）——「微正但无实质增益」。
+  四态分布（top10）：ACCEPT 68-71%、DEFER 29-32%、**REJECT/BLINDSPOT 恒 0**。
+  诚实写入面下无负条件可命中，REJECT 路结构性缺席——`test_sem_noise` 的正增益依赖
+  「否定节点声明负条件」这一前提，**词面条件裁决对无标记对抗干扰无免疫力**（可证伪结论）。
+- **LLM 裁决器**：无增益（−0.8~−2.5pp vs base）——它会把 gold 判不合格（gold 获
+  qualified 仅 82.5-85.8%）、全弃权 10.8-13.3%，误杀盖过其剔噪收益。自一致性
+  （两轮独立）：**top1 一致 98.3-100%**、qualified 集一致 84-92%——排序面高度可复现。
+- 合成干扰对 top1 的直接置换仅 **1-2/120**（D2，L1 起出现、不随浓度增长）；且均为
+  **交叉冒充**——`scene_0_q_66` 被 `x_d2_scene_0_q_198`（另一题的干扰）压过、
+  `scene_7_q_91` 被 `x_d2_scene_0_q_184` 压过。全局共享池下「别题干扰冒充本题」是真实威胁面。
+
+## 3 · 结果二：QA 端到端（pinpoint / answerability / decision-making，归一关）
+
+| 组 | QA准确率 | 常规题准确率 | 常规题拒答 | 对抗题正确拒答 | 对抗题被骗 |
+|---|---|---|---|---|---|
+| L0 · base 候选 | **43.3%** | 52.7% | 26/93 (28%) | 3/27 (11%) | 6/27 (22%) |
+| L0 · firewall 候选 | 44.2% | 53.8% | 26/93 | 3/27 | 6/27 |
+| L4 · base 候选 | 40.0% | 46.2% | 40/93 (43%) | 5/27 | 11/27 (41%) |
+| L4 · firewall 候选 | 39.2% | 45.2% | 42/93 | 5/27 | 10/27 |
+
+（归一开态对照：L0 base 40.8% / L4 base 39.2%——归一关略优 +2.5pp，格局不变。）
+
+- **pinpoint**：全家族干扰下 QA 总准确率 −3.3pp（43.3→40.0），常规题 −6.5pp
+  （52.7→46.2）且拒答 +14 题——reader 在干扰下**更保守但不更准**，退化以
+  「该答不敢答」而非「答错」的形态出现。
+- **answerability（最大短板）**：对抗题（gold=拒答）正确拒答仅 3/27（L0）→ 5/27（L4），
+  被骗编造答案 6→11。被骗样例（L4·base）：`连帽衫`/`乌龟`/`Finding Home`——检索命中的
+  相似记忆诱导 reader 拼出自信答案。《Why Johnny Can't Persist》指出的记忆系统通病
+  （检索命中 → 编答案而非拒答）在本系统**端到端实证成立**。
+- **decision-making**：firewall 候选与 base 候选的 QA 成绩无差异（44.2 vs 43.3；39.2 vs 40.0）
+  ——**确定性裁决层不改变下游行为**。
+- 常规题拒答样例（L0）：gold=`2022`/`Sunsets`/`Roast marshmallows`——多为时间推理与细节题：
+  hit@10 虽 100%，**摘要卡信息密度不足以还原原始对话细节**，reader 宁拒答不猜。
+
+## 4 · 结果三：统一归一层 A/B（批次 15 边界反馈 · 双态对照）
+
+> 触发：用户质询「中文摘要按现有流程做语义归一化了么」。查证：`search_rrf` 入口
+> `q = unify_query(q)`（`mdcos.py:1210`）默认开——**v1.0 全部数字即生产同口径（归一开）**。
+> A/B 后判定 v1.0「防火墙 −2.5~−3.3pp 负增益」为归一层伪影，主口径切归一关。
+
+### 4.1 三组对照（L0，120 题）
+
+| 形态 | 归一开（默认） | 归一关 | 差 |
+|---|---|---|---|
+| **CCG 卡 + `search_rrf` 五路**（本评测）base hit@1 | 83.3% | **95.0%** | **−11.7pp** |
+| 同上 · firewall hit@1 | 80.0% | **95.8%** | −15.8pp |
+| **五槽裸串 + `cg.search` 阶梯路**（生产主形态，第三方 A_zh5 同款）hit@1 | 95.8% | 95.8% | **0（持平）** |
+
+归一实际作用面：120 题中 39 题含拉丁字母（纯中文 query 按设计零变更），全部 39 题被改写。
+
+### 4.2 根因（改写样例实证）
+
+1. **形态不对称（主因）**：含拉丁字母的 query 被拆成单字标准原子
+  （`绘画 作品`→`绘 画 作 品`）——`unify.py` 注释明示该形态与「doc 侧 `fm.semantic`
+   原子面同构」；CCG 卡与五槽裸串均无该面 → RRF 词法路的加权覆盖被拆散形态破坏。
+2. **撞词错译**：`Matt`→`哑 光`（CEDICT matt=哑光，人名撞词）、`hikes`→`健 行`
+   ——README ④ 臂记录过的机械直译病在批次 15 重演。
+3. **数字丢失**：`Gina 2023 时尚实习`→ 归一后 `2023` 消失——时间词丢失对 temporal 题致命。
+
+阶梯路持平的解释：char-bigram 对「拆单字加空格」几乎无损（bigram 集合不变），
+故生产主形态未现回归；RRF 词法路的**词级加权覆盖**对拆散形态敏感，故 CCG 形态崩。
+
+### 4.3 建议（供批次 15 口径拍板人）
+
+- 归一层加边界闸：**库内无 `fm.semantic` 原子面时跳过拆原子**（原样传 query），
+  仅在 doc 侧原子面在场时启用形态归一；
+- 英文普通词作用于中文题面时保持 unknown_keep（人名/普通词撞词错译 `Matt→哑光` 应拒译）；
+- 数字 token（年份）不应被归一层丢弃；
+- 回归口径补「CCG 卡 + RRF 融合路 × 中文题面含拉丁字母」形态（本 A/B 脚本可直接复用）。
+
+## 5 · 归因链（三层证据合读）
+
+1. **检索面（hit@10 100%）→ QA 面（43.3%）的 57pp 落差**：瓶颈不在检索在读写两侧——
+   写入面（摘要卡压缩掉细节）与读出面（reader 无「证据不充分检测」）。
+2. **两种裁决器都救不了检索面，也都不改变 QA 面**：词面条件（REJECT 恒 0）与语义阅读
+   （误杀 gold ~14%）在「干扰与 gold 同款条件、同款词面」的对抗设定下均无增益——
+   **裁决层的增益边界=干扰与 gold 之间是否存在可机读的差异面**（负条件标记 / 证据基底 /
+   时间线冲突），这正是 bench_progressive 预告的「另案」方向。
+3. **LLM 裁决器的价值是条件性的**：候选质量被归一层打崩时（v1.0 归一开态）它能捞回
+   +5pp（88.3 vs 83.3）；候选健康时（归一关）无增益。**「LLM-as-judge 优于确定性裁决」
+   不成立为一般结论，仅在低质量候选面上成立**。
+
+## 6 · 诚实边界
+
+- 本评测为 **CCG 化写入口径**（摘要卡 + 机械条件面）；生产主形态（五槽裸串+阶梯路）
+  归一开/关已单独对测（§4.1），但三臂主表仅在 CCG 形态上运行。
+- L0 base 95.0%（归一关）与主链路 94.6%（五槽口径）同量级——**量级对照，非逐位复现**
+  （写入面与检索路均不同）。
+- reader 同时拿中文关键词串与上游英文原题（真实用户问题面），记忆卡为中文，judge 对
+  英文 gold 跨语语义判等——双语口径；judge 亦为 LLM（LLM-as-a-judge），边界例按 judge
+  裁决计入、未人工复核。
+- QA 43.3% 不能直接对标 Mem0/Letta 论文的 LoCoMo QA 数字（他们用完整对话原文做记忆、
+  自然问句做查询）；本口径是「摘要卡 + 关键词面」的保守下界。对标前须换装完整对话记忆面重跑。
+- 合成干扰为机械构造（名字互换/年份平移/否认包裹）；D3 在查询无时间词时原则上不可区分
+  （两臂均无法免疫），如实计入。
+- 120 题采样（seed=7）下 1pp ≈ 1.2 题；±3pp 内差异不构成结论。
+
+## 7 · 复现
+
+```bash
+# 前置：DEEPSEEK_API_KEY；数据根默认 D:\program\test\e2e_judge（--data-root 可改）
+# 主口径（MDCG_UNIFY_QUERY=0；归一开对照去掉该前缀即可）
+MDCG_UNIFY_QUERY=0 python -X utf8 -m md_cg.bench_e2e_judge --quick      # 冒烟（确定性两臂）
+MDCG_UNIFY_QUERY=0 python -X utf8 -m md_cg.bench_e2e_judge --skip-llm   # 全量确定性矩阵
+MDCG_UNIFY_QUERY=0 python -X utf8 -m md_cg.bench_e2e_judge --arms llm   # LLM 裁决臂 ×2 轮
+MDCG_UNIFY_QUERY=0 python -X utf8 -m md_cg.bench_e2e_qa                 # QA 端到端
+# gold 答案映射（上游对齐，500/500）：D:\program\test\e2e_judge\upstream\answers_map.json
+```
+
+产物：`results/summary_*.json`（三臂指标+LLM 逐题）、`results/qa_*.json`（QA 逐题）、
+`results/detail_L{lv}_n120_s7.json`（行级明细）。LLM 调用带缓存（`llm_cache/`、`qa_cache/`），
+键含轮次与完整 prompt——双态复跑自然分键，两轮自一致性仍是真实独立调用。
+
+## 8 · 结论与下一步（早暴露早修）
+
+| 发现 | 状态 | 行动项 |
+|---|---|---|
+| 端到端 QA 43.3%（L0）→ 40.0%（L4），检索→QA 落差 57pp | **新基线数字** | 写入面细节槽（时间/实体保真），读写两侧补 |
+| 对抗题正确拒答 3/27、被骗 6→11 | **最大短板** | reader 侧证据不充分检测 / 裁决器 BLINDSPOT 面扩展 |
+| 防火墙与 LLM 裁决对无标记干扰均无增益（±1 题；REJECT 恒 0） | **可证伪双负结果** | 裁决差异面升级：证据基底 / 时间线冲突（bench_progressive「另案」落地依据） |
+| **统一归一层在 CCG+RRF 形态 −11.7pp**（拆原子×doc 侧原子面缺位；撞词错译；数字丢失） | **批次 15 边界反馈** | §4.3 三条修复建议；回归口径补 CCG 形态 |
+| LLM 裁决器增益是条件性的（低质候选 +5pp / 健康候选 −1~−3pp） | 一般结论证伪 | 混合架构仅按候选质量自适应启用 LLM 裁决 |
+| D2 交叉冒充（别题干扰压过本题 gold） | 新威胁面 | 干扰敏感性：按题隔离池 vs 全局池对照（后续实验） |
+
+---
+
+*评测器：`md_cg/bench_e2e_judge.py`（三臂裁决）· `md_cg/bench_e2e_qa.py`（QA 层）。
+数据根：`D:\program\test\e2e_judge`（池缓存 / LLM 缓存 / 结果与逐题明细）。
+v1.0（2026-09-23 归一开态）已被 v1.1 双态复核取代；v1.0 数字保留于 §4 对照列。*

package/docs/eval//347/274/272/351/231/267/346/214/226/346/216/230_/350/207/252/344/270/273/350/277/255/344/273/243_v1.md

@@ -0,0 +1,156 @@
+# 缺陷挖掘报告 · 自主迭代 v1
+
+- **日期**：2026-09-25
+- **范围**：md_cg（认知图内核与安全层）、hive（编排与工作记忆）、scripts（纪律校验/投影同步）、compiler（中文协议编译器）、swarm（Rust 群体引擎封装）
+- **总量**：候选缺陷 29 → 确认 27 → 修复 6 → 跳过 0
+- **严重度分布**（确认 27 项）：high 7 / medium 11 / low 9
+- **行号口径**：下文缺陷行号为挖掘时快照行号；修复落盘后行号有漂移，凡本报告写作者本会话复核过的位置均另注当前行号。
+
+---
+
+## 一、执行摘要
+
+本轮自主迭代对五个子系统做了一次全量缺陷挖掘，产出 29 个候选，经复核确认 27 个（2 个候选未通过复核，明细未随任务输入提供，本报告不展开）。确认项覆盖四类问题：
+
+1. **数据完整性**（mdcg.py 覆写双文件、restore() 元数据丢失、trust.py 审计时间戳污染）；
+2. **安全边界**（mdcg.py `_read` 越界读、hive/wm.py 路径穿越删目录、hive/orch.py 越权读子任务、MdCGSecure.propose 层权限校验与落盘口径分裂）；
+3. **功能可用性**（codegen.py 产物 100% 无法 compile、api.py LLM 辅助路径 100% NameError、audit.py 外部验证器加载必崩、语法错误静默吞掉导致含错源码报成功）；
+4. **一致性/可维护性**（Python/Rust 聚合数值分歧、文档与实现矛盾、自检正则与其守护目标矛盾、死代码）。
+
+修复批次落盘 6 项：候选清单内 5 项（全部 4 个 high 级"必崩/必坏"类：mdcg 覆写双文件、restore 元数据丢失、writepipe importance=null 崩溃、编译器语法错误回流 + codegen 非法产物），外加修复过程中暴露并一并修复的 codegen 行协议族潜伏缺陷 1 项（清单外）。8 个 compiler 测试套件全数通过（共 77+ 用例，详见第六节）。其余 21 项确认缺陷遗留待后续批次处置，无跳过项。
+
+**修复映射的口径说明**：任务输入报"修复缺陷 6"。本报告写作者以 `git diff`（工作树未提交改动，见第四节逐项引证）核对：候选清单内被完整修复的为 5 项（#1、#2、#7、#19、#20）；第 6 项修复为 codegen 行协议族（`_writeln` 无 `\n` 终结、`"\n".join` 双换行、if 冒号另起行、赋值不终结行、空块无 `pass`），系修复 #20 时暴露的**清单外同族缺陷**。另 #5（`_stage` 桶计数漂移）随 #1 的修复附带处置了"跨桶不扣减"半边，同桶覆写自增按既有口径显式保留（见第三节 #5 行），记为部分修复。
+
+---
+
+## 二、发现列表（确认 27 项）
+
+状态取值：**已修复** / **部分修复** / **未修复（遗留）**。证据标注：
+- `输入复核`＝任务输入所附复核结论（复核: confirmed），本会话未复跑；
+- `本会话验证`＝报告写作者本轮实际读取代码或运行复现脚本核对。
+
+### high（7 项）
+
+| # | 位置 | 缺陷摘要 | 状态 | 证据 |
+|---|------|----------|------|------|
+| 1 | md_cg/mdcg.py:1189-1201,1403 | `add()` 覆写既有节点且路由键变化时，新文件写入新桶目录但旧桶同 id 文件永不清理——磁盘留下同 id 双文件，`rebuild_index()` 后索引条目取哪个文件取决于 `os.walk` 枚举序，旧内容可能静默回退顶掉新内容 | **已修复**（现 mdcg.py:1404-1427） | 本会话验证（git diff hunk：旧路径 realpath 双闸校验后 `os.remove`，先写新后删旧） |
+| 2 | md_cg/mdcos.py:2105-2126 | `restore()` 从 trash 读出完整 frontmatter 却只用 8 个字段重建节点，edges/depends_on/验证态/生命周期/created_at/semantic/证据计数等全丢，随后 `os.remove` 删 trash 源——元数据永久丢失 | **已修复**（现 mdcos.py:2117-2162） | 本会话验证（git diff hunk：显式形参逐项透传 + `**_extra` 回写其余键，生命周期/验证态按合法迁移过滤） |
+| 6 | md_cg/audit.py:349 | `load_external_verifiers` 用了未导入的 `sys`（函数内只 `import sys as _sys`），任何外部验证器模块成功导入即在 `sys.stderr.write` 处抛 NameError，外部验证器加载功能整体不可用 | 未修复（遗留） | 本会话验证（audit.py 模块头仅 import json/os/re；:323 `import sys as _sys`；:349 裸用 `sys.stderr`） |
+| 7 | md_cg/writepipe.py:474 | 链尾执行器 `float(a.get("importance", 0.5))`：显式传 importance=null（JSON null→None）时 `float(None)` 抛 TypeError，主写路径崩溃 | **已修复**（现 writepipe.py:474-476） | 本会话验证（git diff hunk：`_imp is None` 判定回退 0.5，falsy 合法数值照传） |
+| 18 | compiler/parser.py:346 | `parse()` 对返回 None 的语句再次 `_advance()`，与 `_parse_statement` 的 PERIOD 分支（已自行推进）叠加成双倍推进，把句号后的下一条顶层语句整个静默吞掉 | 未修复（遗留） | 本会话验证（现 parser.py:349-351 `else: self._advance()` 仍在；:357 生效条件注释确认 PERIOD 分支自行推进） |
+| 19 | compiler/parser.py:326 | `Parser.__init__` 用 `errors or []`：调用方传空列表（常态）时被换成内部新列表，语法错误回不到调用方；api.py:144 又用 `getattr(ast,'errors',[])`（ProgramNode 无该属性，恒 []）——含语法错误的源码在两个编译入口都报成功 | **已修复**（现 parser.py:329、1089-1102；api.py:142-149） | 本会话验证（git diff hunk：`errors if errors is not None else []` 共享列表语义；api.py 传列表回流；test_loop_compile.py:109-116 用例⑧改为如实报错断言） |
+| 20 | compiler/codegen.py:350 | `_gen_instruction` 用 `_writeln(f"  →  {code}")` 另起一行，每条指令都生成以 → 开头的非法 Python；且 footer 调用的 `main()` 从未定义（只生成 `def protocol_procedure()`）——产物过不了 `compile()`，而 compile_source 仍报 success=True | **已修复**（现 codegen.py:358-362、280-283） | 本会话验证（git diff hunk：指令降为行内注释 `{code}  # {instr_name}`；footer 改调 `protocol_procedure()`） |
+
+### medium（11 项）
+
+| # | 位置 | 缺陷摘要 | 状态 | 证据 |
+|---|------|----------|------|------|
+| 3 | md_cg/mdcg.py:2016-2022 | `_read()` 裸拼 `os.path.join(self.root, entry["path"])` 读文件，绕过 `_node_disk_path` 的 P2-20 越界校验（get():2004 有校验）；`_read` 是检索主读路径（`_read_many`:2607 喂 search），索引被污染时越界路径可把 root 外任意文件读进检索结果；`_emit` 负记忆读取（2703、2785）同样裸拼 | 未修复（遗留） | 本会话验证（现 mdcg.py:2039-2040 `_read` 生效条件注释仍为裸 `os.path.join`） |
+| 4 | md_cg/mdcos.py:3536-3539 | `MdCGSecure.propose` 层校验用 `kw.get("layer") or "contextual"`，基类缺省却是 `layer="knowledge"`——不传 layer 时校验 contextual、落盘 knowledge，两头皆错：knowledge-only 身份被误拒；contextual-only 身份入队成功但 accept 裁决因 `require_layer_write("knowledge")` 被拒成死提案 | 未修复（遗留） | 本会话验证（运行只读复现脚本 `python _repro_verify_3536.py`：S1 knowledge-only 被 AccessDenied 拒；S2 contextual-only propose 成功且落盘 `layer='knowledge'`；S3 同身份 accept 被 AccessDenied 拒——三场景与缺陷描述逐一吻合；现位置 mdcos.py:3575-3578） |
+| 8 | md_cg/trust.py:208 | `stamp()` 对所有验证态迁移无条件写 `fm["verified_at"]=rec["at"]`，标 doubted/expired/unverified 时也覆盖真正的"何时验证过"时间戳，审计字段被污染 | 未修复（遗留） | 本会话验证（trust.py:208 无条件赋值仍在） |
+| 10 | hive/orch.py:447 | `poll_subtasks` 接受任意 job_ids 且 `_card` 无归属校验，越权读取（含 `../` 路径穿越）非本编排者派发任务的 result 内容，违背文件头声明的"只允许读本编排者派发的子任务"纪律 | 未修复（遗留） | 本会话验证（orch.py:447 仍直接采信 `a.get("job_ids")`，无归属过滤） |
+| 11 | hive/wm.py:138 | `cmd_snapshot` 把 result.json 的 job_id 原样拼进 `os.path.join(wm,"jobs",job_id)` 后无条件 `shutil.rmtree(dest)`，无路径净化——穿越形态的 job_id 可删除工作记忆仓之外任意已存在目录 | 未修复（遗留） | 本会话验证（wm.py:136-138 裸 join + isdir 即 rmtree） |
+| 14 | scripts/verify_discipline.py:253-256 | `--target` 传未知目标名不校验，空 target 字典流入 `target["path"]` 抛未捕获 KeyError，实测退出码 1 与"存在漂移"混同，违反文件头 :13 "用法错误→退出码 2" 契约（render_discipline.py:533-536 对同一矩阵有校验，行为不一致） | 未修复（遗留） | 输入复核 |
+| 21 | compiler/api.py:259 | `_ast_to_text` 使用 `NodeType`，但 api.py 导入清单（12-15 行）只有 parse_tokens/ProgramNode——LLM 辅助路径 100% NameError，llm_assist 整体失效（被 except 降级为 warning 静默） | 未修复（遗留） | 本会话验证（api.py:261 `stmt.type == NodeType.CONDITION_STMT` 仍引用未导入名） |
+| 22 | compiler/parser.py:719 | `_parse_instruction` 的 `_INST_STOP` 缺 DANG(当)/ZHIXING(执行)/DINGYI(定义)/FANHUI(返回)，指令操作数扫描越过这些语句开头关键字，把紧随的整条循环/函数/返回语句吞成操作数（与 `_parse_single_statement` 的 `_STOP` 在 684-689 含 DANG/ZHIXING 明确不一致） | 未修复（遗留） | 本会话验证（现 parser.py:722-741 的 `_INST_STOP` 枚举确无 DANG/ZHIXING/DINGYI/FANHUI） |
+| 23 | swarm/rust_swarm.py:106 | `verify_wal_signatures` 对坏尾（半行截断）或被篡改成非法 JSON 的 WAL 行无守卫，`json.loads` 直接抛 JSONDecodeError（缺 hmac 字段时 KeyError）——CLI 安全模型声明的"中途被杀/坏尾"场景（swarm_cli.py:23-24）会让 verify 子命令以 traceback 崩溃而非输出验签结果，违反 stdout 恒为单行 JSON 契约（swarm_cli.py:5） | 未修复（遗留） | 输入复核 |
+| 24 | swarm/swarm_cli.py:78 | `cmd_run` 调 `make_swarm_config` 未透传 `cfg_in.get("condition_space")`，swarm.json 里的 G-R2 条件空间卡在 CLI 入口被静默丢弃，永远到不了 Rust 引擎（swarm.rs:152 校验、:665 消费），条件空间注入经 CLI 不可达 | 未修复（遗留） | 本会话验证（swarm_cli.py:78-80 实调用参数表确无 condition_space） |
+| 25 | swarm/swarm_cli.py:96 | `--out` 为相对路径时报告写入 base_dir/args.out（config 所在目录），摘要 `report_path` 却按 CWD 的 `os.path.abspath` 解析——从非 config 目录调用时返回的指针指向不存在的位置 | 未修复（遗留） | 输入复核 |
+
+### low（9 项）
+
+| # | 位置 | 缺陷摘要 | 状态 | 证据 |
+|---|------|----------|------|------|
+| 5 | md_cg/mdcg.py:1831-1838 | `_stage()` 对同节点重复写入无条件 +1，不扣减旧桶、不按节点去重——覆写 N 次后 `index["buckets"]` 计数为 N，bucket_health/health() 巨桶占比与扫描率虚增，触发假"分区失效"告警（重启重扫自愈） | **部分修复**（跨桶半边随 #1 修复：mdcg.py:1421-1427 旧桶计数递减；同桶覆写自增按修复注释明示为"既有口径"保留——缺陷主场景"同桶 N 次覆写计数 N"仍在，现 `_stage` 位于 mdcg.py:1855-1860） | 本会话验证（git diff + 现行代码读取） |
+| 9 | md_cg/trust.py:789-791 | `propagate()` 把全部 roots 预填进 seen 后才查 `len(seen)<max_nodes`：expired/rechecking 根数 ≥ max_nodes 时 BFS 整体被跳过，多跳失效传播静默返回 ok=True/reachable=0；内层 break 只退内层循环，frontier 各兄弟节点仍各放行 1 个穿透帽 | 未修复（遗留） | 输入复核 |
+| 12 | hive/exec_cmd.py:16 | 模块 docstring 声称单步超时回落链"缺省 spec.timeout_s → 600"，实现刻意不继承 spec.timeout_s（批次 23 D-5/v19 改动），文档与代码矛盾 | 未修复（遗留） | 输入复核 |
+| 13 | hive/orch.py:407 | `_spawn` 中 `if not tools: tools = list(SUB_TOOLS_ALLOW)` 为不可达死分支——tools 此前已结构性非空 | 未修复（遗留） | 输入复核 |
+| 15 | scripts/verify_discipline.py:208-215 | 孤儿声明处理段死代码：内层循环算的 snippet 从未使用，`res["orphans"] = res.get("orphans")` 为无效自赋值；:211 条件因 and 优先于 or，右支不要求该行含声明形态，与意图不符 | 未修复（遗留） | 输入复核 |
+| 16 | scripts/render_discipline.py:439-455 | `read_config_key`/`write_config_key` 往返不对称：write 侧受管块含 YAML 键头行，read 侧只滤注释行——实测 dsh 目标读出首行 `personaPrefix: |-` 而非纯渲染值；以读出值再 write 会双重嵌入键头 | 未修复（遗留） | 输入复核 |
+| 17 | scripts/cogmap_sync.py:216-222 | 分支数自检宽松正则与注释矛盾：`r"if\s+op\s*==\s*['\"]"` 只认 == 形态（仅 whitebox 含 in 分支）——若 dispatch 出现 `if op in (...)` 分支，严格提取与宽松计数双双漏计且两数相等，自检恒过，该 op 静默消失于投影与覆盖门禁，恰是该自检要堵的窗口 | 未修复（遗留） | 输入复核 |
+| 26 | swarm/rust_codegen.py:57 | `build_rust_exe` 两候选路径均不存在、cargo build 成功后不重探 .exe 直接返回无后缀路径——Windows 首次构建返回的"可执行文件路径"实际不存在（真身 protocol_vm.exe），仅因 CreateProcess 自动补 .exe 未崩；按文件路径用返回值（exists/copy/hash）的调用方都会失败，与 build_and_run 构建后先探 .exe 不一致 | 未修复（遗留） | 输入复核 |
+| 27 | swarm/rust_swarm.py:178 | `aggregate_health_python` 的 integrity 分子 `(t - vf.get(iid,0))` 无饱和夹取，verify_fail > total_events 时得负 integrity_rate 拉低 score，而 Rust health.rs:69 用 saturating_sub 夹 0——两实现异常输入下数值分歧，违背交叉验证定位 | 未修复（遗留） | 输入复核 |
+
+> 证据口径统计：27 项中 16 项经本会话独立验证（读码 15 + 复现脚本 1，其中 5 项兼有 git diff 修复证据），其余 11 项采信任务输入所附复核结论、本会话未复跑。
+
+---
+
+## 三、修复清单（6 项）
+
+以下均为工作树未提交改动（`git diff` 本会话核对），修复文件 7 个：md_cg/mdcg.py、md_cg/mdcos.py、md_cg/writepipe.py、compiler/codegen.py、compiler/parser.py、compiler/api.py、compiler/tests/test_loop_compile.py。
+
+### F1（对应 #1，high）mdcg.py `add()` 覆写旧桶文件清理
+- **修复**：md_cg/mdcg.py:1404-1427。写新文件后，若旧索引条目携带 path：`os.path.realpath` 归一后双闸校验（仍在 root 内——与 P2-20 同口径；不等于本次新路径——同桶覆写是同一文件不可删）再 `os.remove` 旧文件；删除失败不阻断主写路径。顺序先写新后删旧。
+- **附带**：同 hunk 内 md_cg/mdcg.py:1421-1427 对旧桶计数递减（与 `_unstage` 同口径），修复 #5 的"跨桶不扣减"半边。
+
+### F2（对应 #2，high）mdcos.py `restore()` 元数据全量透传
+- **修复**：md_cg/mdcos.py:2117-2162。add 显式形参对应的键（edges/semantic/depends_on/时间四元组/believed_at/verification_state/derived_from 等）逐项透传；其余键经 `**_extra` 回写（`_skip` 覆盖 add 全部形参名避免 TypeError）；lifecycle_state 仅在 active→该态合法迁移时透传，verification_state 仅合法值透传——脏数据不阻断恢复主流程。
+
+### F3（对应 #7，high）writepipe.py importance=null 崩溃
+- **修复**：md_cg/writepipe.py:474-476。`_imp = a.get("importance")`，`0.5 if _imp is None else float(_imp)`——显式 null 回退默认（与 add 缺省同口径），0/0.0 等合法 falsy 数值照传。
+
+### F4（对应 #19，high）parser/api 语法错误回流
+- **修复**：compiler/parser.py:329（`__init__` 改 `errors if errors is not None else []`，空列表共享不被替换）、parser.py:1089-1091（parse_tokens 同口径）、parser.py:1097-1102（parse_source 经共享列表收集）、compiler/api.py:142-149（compile_source 传共享列表并 extend 进 result.errors）。
+- **配套测试更正**：compiler/tests/test_loop_compile.py:109-116——用例⑧源码本含真实语法错误（L4 步骤号 `2。` 的 NUMBER 开头），旧断言 11/11 通过依赖的正是吞错假成功；改为"编译失败且错误可见"断言，待步骤号语法支持补齐后可还原执行断言。
+
+### F5（对应 #20，high）codegen 指令非法输出 + main() 未定义
+- **修复**：compiler/codegen.py:358-362（指令改单行"代码 + 行内注释"`{code}  # {instr_name}`，代码成为真语句）；codegen.py:280-283（footer 改调真实存在的 `protocol_procedure()`）。
+
+### F6（清单外，high 同族）codegen 行协议系统性修复
+修复 #20 时暴露的同族潜伏缺陷，一并落盘（均不在候选清单内，本会话经 diff 验证）：
+- codegen.py:458-468：`_writeln` 行尾补 `\n` 终结——旧行不带 `\n`，后续 `_write` 会拼进前一行尾部（如 `...  # 道` + `if 条件:` 拼成一行），产物必坏；
+- codegen.py:112：`generate()` 由 `"\n".join` 改 `"".join`（行已自带 `\n`，旧法叠双空行）；
+- codegen.py:315-318：if 冒号改 `_write(":\n")`（旧 `_writeln(":")` 另起一行生成 `if 条件\n:` 两行，compile() 必败）；
+- codegen.py:367-369：赋值行改 `_write("\n")` 显式终结（旧 `_writeln("")` 只追加空行终结不了本行）；
+- codegen.py:374-390 与 450-456：新增 `_ensure_block_body`——def/if 块体只含注释时补 `pass` 占位（否则 compile() 抛 expected an indented block）。
+
+---
+
+## 四、遗留项（确认未修复，21 项 + 1 项部分修复）
+
+按模块分组，供后续批次排期：
+
+| 模块 | 数量 | 编号（严重度） |
+|------|------|----------------|
+| md_cg | 5 + 1 部分 | #3 _read 越界读（medium）、#4 propose 层校验分裂（medium，已留复现脚本 `_repro_verify_3536.py`）、#6 audit sys NameError（high）、#8 trust 审计时间戳（medium）、#9 propagate 帽穿透（low）；#5 _stage 桶计数（low，同桶半边遗留） |
+| hive | 4 | #10 poll 越权读（medium）、#11 snapshot 路径穿越删目录（medium）、#12 exec_cmd 文档矛盾（low）、#13 _spawn 死分支（low） |
+| scripts | 4 | #14 verify_discipline 退出码契约（medium）、#15 孤儿段死代码（low）、#16 render 往返不对称（low）、#17 cogmap 自检正则矛盾（low） |
+| compiler | 3 | #18 parse 双推进吞语句（high）、#21 api NodeType NameError（medium）、#22 _INST_STOP 缺语句关键字（medium） |
+| swarm | 5 | #23 WAL 坏尾崩溃（medium）、#24 condition_space 丢弃（medium）、#25 report_path 指针错位（medium）、#26 build_rust_exe 路径（low）、#27 聚合数值分歧（low） |
+
+合计 21 项整 + #5 部分修复（md_cg 5 整 + hive 4 + scripts 4 + compiler 3 + swarm 5 = 21），与第二节状态列一致。
+
+优先级建议：#18（high，静默吞语句）与 #6（high，功能整体不可用）为下一批首选；#3/#4/#11（安全边界三项）紧随；#21 修复成本极低（补一个导入）。
+
+---
+
+## 五、跳过项及原因
+
+**无（跳过 = 0）**。本轮无任何确认缺陷被主动跳过；全部 27 项要么已修复（5 项）要么列入遗留清单（21 项 + #5 部分）。
+另：候选 29 与确认 27 之间的 2 项差值为复核阶段未获确认的候选，非"确认后跳过"，明细未随任务输入提供，本报告不虚构展开。
+
+---
+
+## 六、测试验证结果
+
+以下命令均为本会话实际运行（Windows，仓库根目录），非转述：
+
+| 命令 | 结果 | 退出码 |
+|------|------|--------|
+| `python compiler/tests/test_loop_compile.py` | 11/11 通过（含改写后的用例⑧"含语法错误源码如实报错"） | 0 |
+| `python compiler/tests/test_c4_tooling.py` | 8/8 通过 | 0 |
+| `python compiler/tests/test_compiler_c2.py` | 12/12 通过 | 0 |
+| `python compiler/tests/test_condition_vm.py` | 13/13 通过 | 0 |
+| `python compiler/tests/test_func_compile.py` | 10/10 通过 | 0 |
+| `python compiler/tests/test_full_pipeline.py` | 全部通过（"协议编译器 v0.2 就绪"） | 0 |
+| `python compiler/tests/test_pbc.py` | 5/5 通过 | 0 |
+| `python compiler/tests/test_defect_regression.py` | 18/18 通过 | 0 |
+| `python _repro_verify_3536.py`（只读复现，非测试） | 缺陷 #4 仍复现：S1 误拒 / S2 落盘 layer='knowledge' / S3 accept 拒绝 | —（复现脚本） |
+
+**合计**：compiler 侧 8 套 77+ 用例全绿，与任务输入"测试通过"一致。
+
+**未运行项（如实说明）**：md_cg 无独立测试目录（`md_cg/tests` 不存在），md_cg 三处修复（F1/F2/F3）本会话未跑专属回归套件——其正确性证据限于 diff 审读 + 上述 compiler 全绿不受影响；F2 的 restore 元数据透传建议后续批次补一条"restore 后字段保全"回归用例。
+
+---
+
+*报告依据：任务输入的缺陷清单与统计数据（候选 29/确认 27/修复 6/跳过 0/测试通过）；本会话的 `git diff` 工作树核对、现行代码读取复核、`_repro_verify_3536.py` 复现运行，以及 compiler/tests 全套 8 件实测。*