@furongjun1999/dsh-memory 0.9.22 → 0.10.1

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
Files changed (179) hide show
  1. package/CHANGELOG.en.md +450 -0
  2. package/CHANGELOG.md +112 -0
  3. package/README.en.md +244 -0
  4. package/README.md +272 -260
  5. package/codebuddy/CODEBUDDY.md +1 -1
  6. package/docs/README.md +2 -0
  7. package/docs/discipline/templates/full.md.tmpl +1 -1
  8. package/docs/discipline/templates/rules.mdc.tmpl +1 -1
  9. package/docs/en/README.md +190 -0
  10. package/docs/en/TRANSLATION.md +78 -0
  11. package/docs/en/TRANSLATION_MANIFEST.json +170 -0
  12. package/docs/en/TRANSLATION_REPORT.md +11 -0
  13. package/docs/en/dev/README.md +10 -0
  14. package/docs/en/dev/coding-testing.md +72 -0
  15. package/docs/en/dev/switch-matrix.md +10 -0
  16. package/docs/en/glossary.md +97 -0
  17. package/docs/en/harnesses/claude.md +100 -0
  18. package/docs/en/harnesses/codebuddy.md +93 -0
  19. package/docs/en/harnesses/codex.md +88 -0
  20. package/docs/en/harnesses/dsh.md +84 -0
  21. package/docs/en/harnesses/zcode.md +42 -0
  22. package/docs/en/mdcg/ccg.md +32 -0
  23. package/docs/en/mdcg/generated-docs.md +20 -0
  24. package/docs/en/mdcg/guardrail-charter.md +170 -0
  25. package/docs/en/mdcg/mcp-tool-names.md +43 -0
  26. package/docs/en/mdcg/multi-harness.md +43 -0
  27. package/docs/en/mdcg/recall-metadata.md +30 -0
  28. package/docs/en/mdcg/world-model-endpoint.md +379 -0
  29. package/docs/en/mdcg/write-aliases.md +130 -0
  30. package/docs/en/ops/README.md +11 -0
  31. package/docs/en/ops/environment-known-issues.md +244 -0
  32. package/docs/en/ops/install.md +72 -0
  33. package/docs/en/ops/operations-troubleshooting.md +86 -0
  34. package/docs/en/ops/permissions-review.md +79 -0
  35. package/docs/en/ops/release-governance.md +49 -0
  36. package/docs/en/ops/tool-name-migration.md +30 -0
  37. package/docs/en/ops/ui-install-troubleshooting.md +53 -0
  38. package/docs/en/standards/ai-coding-standard-checklist.md +71 -0
  39. package/docs/en/standards/ai-coding-standard-lingshu.md +47 -0
  40. package/docs/en/standards/ai-coding-standard.md +185 -0
  41. package/docs/en/ui/minimal.md +62 -0
  42. package/docs/mdcg/cogmap_ops.md +16 -15
  43. package/lib/client.js +29 -3
  44. package/lib/hooks.d.ts +34 -0
  45. package/lib/hooks.js +167 -33
  46. package/lib/index.js +19 -3
  47. package/lib/lib/console_web.mjs +30 -3
  48. package/lib/lib/hook_audit.d.ts +3 -2
  49. package/lib/lib/hook_audit.js +14 -4
  50. package/lib/lib/mdcg_client.d.ts +5 -2
  51. package/lib/lib/mdcg_client.js +8 -4
  52. package/lib/lib/prompt_safety.d.ts +24 -0
  53. package/lib/lib/prompt_safety.js +77 -1
  54. package/lib/lib/token_store.js +5 -2
  55. package/lib/tools.js +5 -3
  56. package/md_cg/bucketindex.py +231 -0
  57. package/md_cg/bucketscope.py +339 -0
  58. package/md_cg/config_registry_bulk.py +19 -10
  59. package/md_cg/config_validate.py +14 -2
  60. package/md_cg/detrerank.py +137 -0
  61. package/md_cg/fsutil.py +215 -25
  62. package/md_cg/govern/__init__.py +23 -0
  63. package/md_cg/iface/__init__.py +46 -0
  64. package/md_cg/iface/_verify.py +609 -0
  65. package/md_cg/iface/contracts.py +337 -0
  66. package/md_cg/judgment_manifest.py +14 -0
  67. package/md_cg/kernel/__init__.py +27 -0
  68. package/md_cg/mcp_server.py +457 -23
  69. package/md_cg/mdcg.py +1034 -79
  70. package/md_cg/mdcos.py +263 -21
  71. package/md_cg/metacognition.py +66 -13
  72. package/md_cg/mutate_extract_shipped.py +126 -0
  73. package/md_cg/mutate_ledger_e2e.py +100 -0
  74. package/md_cg/nodefile.py +147 -23
  75. package/md_cg/op_table.py +22 -4
  76. package/md_cg/probe_c_ledger_integrity.py +258 -0
  77. package/md_cg/probe_d_retirement_discipline.py +263 -0
  78. package/md_cg/reconcile.py +9 -11
  79. package/md_cg/review_cli.py +6 -1
  80. package/md_cg/rollback.py +16 -1
  81. package/md_cg/run_tests.py +30 -1
  82. package/md_cg/scopeselect.py +214 -0
  83. package/md_cg/scrub.py +160 -23
  84. package/md_cg/security.py +4 -2
  85. package/md_cg/state_extract.py +149 -0
  86. package/md_cg/state_slots.py +58 -10
  87. package/md_cg/structboost.py +179 -0
  88. package/md_cg/test_alternatives_historical.py +162 -0
  89. package/md_cg/test_b2_sensitivity_landing.py +226 -223
  90. package/md_cg/test_b3_merge_keeps_content.py +608 -583
  91. package/md_cg/test_bucket_cards.py +85 -0
  92. package/md_cg/test_bucket_day_order.py +74 -0
  93. package/md_cg/test_bucket_quota.py +79 -0
  94. package/md_cg/test_bucket_recency_guards.py +75 -0
  95. package/md_cg/test_bucket_three_causes.py +83 -0
  96. package/md_cg/test_bucketindex.py +130 -0
  97. package/md_cg/test_bucketscope_early.py +71 -0
  98. package/md_cg/test_cond_term_fold.py +183 -0
  99. package/md_cg/test_cond_term_fold_gate.py +1210 -0
  100. package/md_cg/test_cond_term_neg_scope.py +147 -0
  101. package/md_cg/test_cond_terms_colon.py +348 -0
  102. package/md_cg/test_detrerank.py +157 -0
  103. package/md_cg/test_gate_four_kpi.py +136 -0
  104. package/md_cg/test_generation_guard.py +76 -43
  105. package/md_cg/test_issue192_move_layer_indices_guard.py +48 -0
  106. package/md_cg/test_issue362_neg_condition.py +44 -7
  107. package/md_cg/test_issue39_utf8_stdio.py +572 -572
  108. package/md_cg/test_issue413_preimage_failclosed.py +147 -9
  109. package/md_cg/test_issue444_scrub_evidence_plaintext.py +14 -8
  110. package/md_cg/test_issue677_flush_batch_io.py +139 -0
  111. package/md_cg/test_issue677_info_fast.py +82 -0
  112. package/md_cg/test_issue677_remember_dedupe.py +106 -0
  113. package/md_cg/test_issue712_tokens_sessions_read.py +199 -0
  114. package/md_cg/test_issue722_strict_conditions.py +96 -0
  115. package/md_cg/test_issue730_narrowing_audit.py +121 -0
  116. package/md_cg/test_issue733_verify_override.py +193 -0
  117. package/md_cg/test_issue733_verify_override_and_overwrite_inherit.py +315 -0
  118. package/md_cg/test_issue740_filelock_fd_leak.py +218 -0
  119. package/md_cg/test_issue741_content_hash_same_source.py +158 -0
  120. package/md_cg/test_issue747_slot_contradiction.py +125 -0
  121. package/md_cg/test_issue754_nested_root_guard.py +197 -0
  122. package/md_cg/test_issue757_index_hash_compare.py +85 -0
  123. package/md_cg/test_issue758_disk_hash_single.py +67 -0
  124. package/md_cg/test_issue759_twophase_hash.py +67 -0
  125. package/md_cg/test_issue768_overwrite_time_window_anchor.py +135 -0
  126. package/md_cg/test_issue789_log_plaintext_probe.py +100 -0
  127. package/md_cg/test_issue790_verb_negation.py +77 -0
  128. package/md_cg/test_issue810_root_guard.py +71 -0
  129. package/md_cg/test_issue812_info_index_stale.py +78 -0
  130. package/md_cg/test_issue827_weaken_dedup.py +361 -0
  131. package/md_cg/test_issue829_calibration_positive_gate.py +473 -0
  132. package/md_cg/test_kernel_iface_contracts.py +18 -0
  133. package/md_cg/test_md_cg_no_hive_dep.py +238 -17
  134. package/md_cg/test_n204_n205_n226_n227_n228_n229_exit_gates.py +545 -542
  135. package/md_cg/test_n209_verify_write_face_gates.py +5 -2
  136. package/md_cg/test_neg_condition_hits.py +336 -333
  137. package/md_cg/test_probe_cd_shipped.py +385 -0
  138. package/md_cg/test_recent_tail.py +93 -0
  139. package/md_cg/test_run_tests_entry_gates.py +110 -0
  140. package/md_cg/test_scopeselect.py +70 -0
  141. package/md_cg/test_scopeselect_clock.py +70 -0
  142. package/md_cg/test_scrub_source_line_false_positive.py +64 -0
  143. package/md_cg/test_session_attribution_consistency.py +835 -813
  144. package/md_cg/test_state_extract_shipped.py +162 -0
  145. package/md_cg/test_state_ledger_chain.py +207 -0
  146. package/md_cg/test_state_ledger_e2e.py +145 -0
  147. package/md_cg/test_structboost.py +102 -0
  148. package/md_cg/test_timeboost.py +83 -0
  149. package/md_cg/test_timeboost_relativedate.py +71 -0
  150. package/md_cg/test_topicagg.py +129 -0
  151. package/md_cg/test_twophase.py +286 -286
  152. package/md_cg/timeboost.py +223 -0
  153. package/md_cg/tokens.py +55 -7
  154. package/md_cg/topicagg.py +142 -0
  155. package/md_cg/twophase.py +15 -6
  156. package/md_cg/whitebox_kb/wisdom/code_compose.py +33 -5
  157. package/md_cg/whitebox_kb/wisdom/compose_engine.py +5 -1
  158. package/md_cg/whitebox_kb/wisdom/role_compose.py +271 -268
  159. package/md_cg/writepipe.py +35 -3
  160. package/package.json +4 -1
  161. package/scripts/workspace_index.py +2 -0
  162. package/src/hooks.ts +182 -34
  163. package/src/index.ts +19 -3
  164. package/src/lib/console_web.mjs +30 -3
  165. package/src/lib/hook_audit.ts +15 -5
  166. package/src/lib/mdcg_client.ts +8 -4
  167. package/src/lib/prompt_safety.ts +73 -1
  168. package/src/lib/token_store.ts +5 -2
  169. package/src/tools.ts +5 -3
  170. package/ui/minimal/integrity.json +2 -2
  171. package/ui/minimal/payload/build-ui.mjs +41 -2
  172. package/ui/minimal/payload/lib/client.js +29 -3
  173. package/ui/minimal/payload/lib/lib/console_web.mjs +30 -3
  174. package/ui/minimal/payload/src/lib/console_web.mjs +30 -3
  175. package/ui/minimal/payload/web/app.js +3 -1
  176. package/ui/minimal/payload/web/client.js +30 -3
  177. package/web/app.js +3 -1
  178. package/web/client.js +30 -3
  179. package/zcode/AGENTS.md +1 -1
@@ -0,0 +1,214 @@
1
+ # -*- coding: utf-8 -*-
2
+ """范围选择(scopeselect)——灵枢的**状态追踪式范围锚定**。
3
+
4
+ bench 读数(rubric92 · 552 断言 · 纯确定性):
5
+ · 槽位共现推断时间桶:**94.20% top-1**,且**加不加章节号都是 94.20%**(对字面零依赖);
6
+ · 对照:词面 bigram 排序 90.76%(消融)/ 87.14%(原 query);
7
+ · 邻近加权(行窗 12/24/40)反而更差(92.0–93.8)⇒ **桶级共现就是最优粒度**。
8
+
9
+ 结论(为什么它该做标准):
10
+ 词面检索问的是「哪段更像这句话」;假题的错元素本身位于别处,词面必然被带走(实测 28/28)。
11
+ 共现问的是「这些槽位值是否在同一时间桶里同时出现过」——错元素不在真桶里投票,真假自然分开。
12
+
13
+ 本模块把「桶」泛化为灵枢的两种真实坐标:**日桶**(created_at)与**会话桶**(session)。
14
+ """
15
+ from __future__ import annotations
16
+
17
+ import math
18
+ import os
19
+ import re
20
+
21
+ from . import bucketindex as _bi
22
+
23
+ #: 查询词切分(与检索面同口径:空白与中英标点,长度 ≥2)。
24
+ _SPLIT = re.compile(r"[\s,,、;;。!?::()()\[\]【】]+")
25
+
26
+
27
+ def terms(query):
28
+ return [t.lower() for t in _SPLIT.split(str(query or "")) if len(t) >= 2]
29
+
30
+
31
+ def _meta_blob(store, nid):
32
+ """桶内节点的**索引元数据**拼成的检索面(不读正文,避免逐节点读盘)。
33
+
34
+ 代价取舍:只读盘一次建桶的成本不可接受(实测 7.7–281 秒),
35
+ 故只用索引里已有的 tags / bucket_zh / role / content_kind / session。
36
+ """
37
+ nodes = (getattr(store, "index", {}) or {}).get("nodes") or {}
38
+ rec = nodes.get(nid)
39
+ if not isinstance(rec, dict):
40
+ return ""
41
+ fm = rec.get("frontmatter")
42
+ if not isinstance(fm, dict) or not fm:
43
+ fm = rec
44
+ parts = []
45
+ for key in ("tags", "bucket_zh", "bucket", "role", "content_kind", "session"):
46
+ val = fm.get(key)
47
+ if isinstance(val, (list, tuple)):
48
+ parts.extend(str(x) for x in val)
49
+ elif val:
50
+ parts.append(str(val))
51
+ return " ".join(parts).lower()
52
+
53
+
54
+ #: 桶词表缓存(按文件 mtime 失效):1.6MB JSON 每次 _load 要 0.5s,缓存后毫秒级。
55
+ _TABLE_CACHE = {"key": None, "table": None}
56
+ _SKEL_CACHE = {"key": None, "table": None}
57
+
58
+
59
+ def score_buckets(store, query, max_nodes_per_bucket=None):
60
+ """给每个候选桶打分:词项命中数 × idf(读 `_bucketterms.json`,毫秒级)。
61
+
62
+ 为什么用预建词表:逐节点读盘实测 7.7–281 秒、读索引元数据也要 3 秒;
63
+ 桶词表在**建桶时**顺手落盘(主库 0.36 秒),查询期只做字典运算。
64
+ """
65
+ ts = terms(query)
66
+ root = getattr(store, "root", None) or ""
67
+ path = (root + "/" + _bi.TERMS_FILE) if root else ""
68
+ try:
69
+ st = os.stat(path)
70
+ key = (path, st.st_mtime, st.st_size)
71
+ except OSError:
72
+ key = None
73
+ if _TABLE_CACHE["key"] != key or _TABLE_CACHE["table"] is None:
74
+ _TABLE_CACHE["table"] = _bi._load(store, _bi.TERMS_FILE) or {}
75
+ _TABLE_CACHE["key"] = key
76
+ table = _TABLE_CACHE["table"]
77
+ if not table or not ts:
78
+ return []
79
+ total = max(1, len(table))
80
+ doc_hits = {t: 0 for t in ts}
81
+ for _bucket, bag in table.items():
82
+ for t in ts:
83
+ if t in bag:
84
+ doc_hits[t] += 1
85
+ # 泛词过滤:df 超过 20% 桶的词(CCG 模板词如「功能名」「生效条件」)不参与打分,
86
+ # 否则 idf 虽小但累加后仍会主导排序(实测这些词出现在几乎所有节点里)。
87
+ cut = max(2, int(total * 0.2))
88
+ keep_terms = [t for t in ts if doc_hits.get(t, 0) <= cut] or ts
89
+ scored = []
90
+ for bucket, bag in table.items():
91
+ kind, _, key = str(bucket).partition(':')
92
+ s = 0.0
93
+ for t in keep_terms:
94
+ if t in bag:
95
+ df = max(1, doc_hits[t])
96
+ s += math.log(1.0 + total / df)
97
+ if s > 0:
98
+ scored.append((s, kind, key))
99
+ scored.sort(key=lambda x: (-x[0], x[1], x[2]))
100
+ return scored
101
+
102
+
103
+ def _table_and_df(store, ts):
104
+ """取桶词表 + 每词的 df(多少桶含它)。两条打分路共用。"""
105
+ root = getattr(store, "root", None) or ""
106
+ path = (root + "/" + _bi.TERMS_FILE) if root else ""
107
+ try:
108
+ st = os.stat(path)
109
+ key = (path, st.st_mtime, st.st_size)
110
+ except OSError:
111
+ key = None
112
+ if _TABLE_CACHE["key"] != key or _TABLE_CACHE["table"] is None:
113
+ _TABLE_CACHE["table"] = _bi._load(store, _bi.TERMS_FILE) or {}
114
+ _TABLE_CACHE["key"] = key
115
+ table = _TABLE_CACHE["table"]
116
+ total = max(1, len(table))
117
+ doc_hits = {t: 0 for t in ts}
118
+ for _bucket, bag in table.items():
119
+ for t in ts:
120
+ if t in bag:
121
+ doc_hits[t] += 1
122
+ return table, total, doc_hits
123
+
124
+
125
+ def _bi_bucket_order(bucket):
126
+ """桶序(同日/同会话按 key 升序)——只用于平局裁决,越小越优先。"""
127
+ return str(bucket)
128
+
129
+
130
+ def cooc_bucket_scores(store, query, min_terms=2, min_term_len=2):
131
+ """**槽位共现打分(bench 同口径)**:桶得分 = 「查询里的短词」在该桶文本骨架里
132
+ 出现的**个数**(子串语义),idf 仅作平局裁决。
133
+
134
+ 为什么必须是子串而不是整词:bench(`bench_state_track.py`,99.28%)用
135
+ `value in chapter_text` 判共现;生产若按标点切整句再整词匹配,实测只有 34%;
136
+ 换成汉字 n-gram 也只有 73.5%——**只有子串语义能对齐**,故按桶落一份文本骨架。
137
+ """
138
+ ts = [t for t in terms(query) if len(t) >= min_term_len]
139
+ if not ts:
140
+ return []
141
+ skel = _skel_table(store)
142
+ table, total, _doc = _table_and_df(store, ts)
143
+ if not skel:
144
+ return []
145
+ df = {t: sum(1 for _b, blob in skel.items() if t in blob) for t in ts}
146
+ keys = [t for t in ts if df.get(t, 0) > 0]
147
+ # 稀有词不足时的**降档**:外测发现「江北回声那回」「我最早说…」这类题只有 1 个强实体、
148
+ # 没有日期词,min_terms=2 会直接返回空 ⇒ 上层回落「最近 14 天」⇒ 老锚点必被排除。
149
+ # 故仅剩 1 个稀有词时仍按它打分(仍要 hit ≥ 该词数,不会凭空造证据)。
150
+ if not keys:
151
+ return []
152
+ if len(keys) < min_terms:
153
+ min_terms = len(keys)
154
+ scored = []
155
+ for bucket, blob in skel.items():
156
+ kind, _, key = str(bucket).partition(':')
157
+ hit = sum(1 for t in keys if t in blob)
158
+ if hit < min_terms:
159
+ continue
160
+ # 平局规则与 bench 对齐:**同分取桶序最早**(bench 是取章号最小)。
161
+ # 早先用 idf 和做平局裁决,实测把 top-1 从 99.28% 压到 94.20%。
162
+ scored.append((float(hit), _bi_bucket_order(str(bucket)), kind, key))
163
+ # 注意:不能 sort 再 reverse——那会把平局裁决的桶序也一起翻转(实测 94% vs 99%)。
164
+ scored.sort(key=lambda x: (-x[0], x[1], x[2]))
165
+ return [(h, k, kk) for h, _t, k, kk in scored]
166
+
167
+
168
+ def _skel_table(store):
169
+ """读桶文本骨架(`_bucketskel.json`),带 mtime 缓存。"""
170
+ root = getattr(store, "root", None) or ""
171
+ path = (root + "/" + _bi.SKEL_FILE) if root else ""
172
+ try:
173
+ st = os.stat(path)
174
+ key = (path, st.st_mtime, st.st_size)
175
+ except OSError:
176
+ key = None
177
+ if _SKEL_CACHE["key"] != key or _SKEL_CACHE["table"] is None:
178
+ _SKEL_CACHE["table"] = _bi._load(store, _bi.SKEL_FILE) or {}
179
+ _SKEL_CACHE["key"] = key
180
+ return _SKEL_CACHE["table"]
181
+
182
+
183
+ def pick_scopes(store, query, session=None, limit=3, now=None):
184
+ """选范围:**声明优先**(会话 > 显式日期),否则按共现打分取前 limit 个桶。
185
+
186
+ 声明优先的理由:声明是任务的一部分(「那天」「本会话」是用户给定的范围),
187
+ 必须当过滤用;共现只在**没有声明**时才作为推断手段。
188
+ """
189
+ picked = []
190
+ sid = str(session or "")
191
+ if sid and sid != _bi.UNATTRIBUTED and _bi.session_ids(store, sid):
192
+ picked.append(("session", sid, 1.0))
193
+ try:
194
+ from . import timeboost as _tb
195
+ # 逻辑时钟必须由调用方注入(#111 契约同纪律):早先取真实 time.time(),
196
+ # 外部复测把逻辑时间推进到题干 now 时,「三天前」永远指向错的那一天,
197
+ # 时间类增益根本测不出来(2026-11-10 测评反馈 + 修)。
198
+ _now = now if now is not None else __import__("time").time()
199
+ for day in sorted(_tb.query_dates(query, _now), reverse=True):
200
+ if _bi.day_ids(store, day):
201
+ picked.append(("day", day, 1.0))
202
+ except Exception: # noqa: BLE001 —— 日期解析失败不影响共现推断
203
+ pass
204
+ if len(picked) < limit:
205
+ ranked = score_buckets(store, query)
206
+ if os.environ.get("MDCG_SCOPESEL_COOC", "1") == "1":
207
+ ranked = cooc_bucket_scores(store, query) or ranked
208
+ for s, kind, key in ranked:
209
+ if (kind, key) in [(k, kk) for _x, k, kk in picked]:
210
+ continue
211
+ picked.append((kind, key, s))
212
+ if len(picked) >= limit:
213
+ break
214
+ return picked[:limit]
package/md_cg/scrub.py CHANGED
@@ -484,7 +484,13 @@ _EXPIRY_KEYS = ("effective_until", "valid_until", "expires_at", "expire_at",
484
484
  _SKIP_KEYS = ("功能名", "执行", "条件", "来源", "标签", "状态", "备注", "标题",
485
485
  "描述", "name", "id", "title", "layer", "tags", "说明",
486
486
  "假设", "否决原因", "验证")
487
- _NEG_WORDS = ("禁止", "不得", "不要", "不能", "切勿", "避免", "不应", "不可")
487
+ # 引用/出处行的键形(本地实测:正文「…(源:src_x、src_y)」会被 partition(":") 切成
488
+ # 键「…(源」——单字「源」本来就被 2–12 长度闸过滤,真正的入口是**带括号的前缀键**)。
489
+ # 判据:**键里不得出现括号类标点**(字段名是标识符,不是半句话);值侧再拦「src_ 列表」形态。
490
+ _KEY_BAD_CHARS = "()()【】[]{}<>《》〈〉「」『』"
491
+ _SOURCE_VALUE_PREFIXES = ("src_", "ref_", "doc_")
492
+ _NEG_WORDS = ("禁止", "不得", "不要", "不能", "切勿", "避免", "不应", "不可",
493
+ "不会", "没有", "无须", "不必", "无需")
488
494
  _POS_WORDS = ("应当", "建议", "必须", "需要", "可以", "允许", "推荐", "宜")
489
495
 
490
496
 
@@ -534,7 +540,11 @@ def _kv_pairs(content) -> dict:
534
540
  # 互为「同键不同值」矛盾(实测 12 抽样里 9 条 high 全是这类误报,
535
541
  # 且 apply 会把好节点 weaken+demote 并跨层移动文件)。
536
542
  if (2 <= len(k) <= 12 and v and k not in _SKIP_KEYS
537
- and not nodefile.is_ccg_mark(k)):
543
+ and not nodefile.is_ccg_mark(k)
544
+ # issue(scrub 误判):括号类标点出现即不是字段名(引用/出处行)
545
+ and not any(ch in k for ch in _KEY_BAD_CHARS)
546
+ # 值侧兜底:纯引用 id 列表(src_x、ref_y)不是可断言的值
547
+ and not v.startswith(_SOURCE_VALUE_PREFIXES)):
538
548
  out.setdefault(k, v)
539
549
  break
540
550
  return out
@@ -575,9 +585,85 @@ def _not_yet(fm, now):
575
585
  return None
576
586
 
577
587
 
578
- # 生效条件:对 content 取 kv_pairs、bigrams 和 polarity,遍历 related(若 related 为假值则视为空)的前 int(max_compare) 个 r,以 r["node_id"] 调 cg.get;【#444】返回的 why **只含键名 + 不可逆摘要(同键不同值)/ 计数与占比(极性相反)**,两端正文原值与共享词面一律不进串(该串会经 verify 落进 fm 与 _trust.jsonl 等明文面);若某 oid 节点可读非空,先在其 content 与 content 的共同键中找到值不同者并返回 {'with':oid,'via':r.get('via'),'why':'同键不同值:...'};否则若极性乘积 <0 且双方 bigram 非空,且共享 bigram 数 >=3 且 ratio>=0.15,返回 {'with':oid,'via':r.get('via'),'why':'极性相反且共享内容:...'};全部遍历完无命中则返回 None;
588
+ # 生效条件:对 content 取 kv_pairs(同键不同值,旧支)与**槽位主张**(`_slot_claims`),遍历 related
589
+ # 前 int(max_compare) 个 r 读对端正文;判定顺序:① 同键不同值;② **槽位比对**(`_slot_contradiction`:
590
+ # 同槽位自比排除 `功能名`,另含「主张 vs 对端拒绝域」交叉与 `执行↔生效条件/验证方式` 跨槽位;
591
+ # 两侧该槽位都非零且严格异号、共享 bigram ≥ SLOT_MIN_SHARED 且占比 ≥ 0.15(跨槽位用 Dice))。
592
+ # 【#444】返回的 why **只含键名 + 不可逆摘要(同键不同值)/ 槽位名 + 计数与占比(极性支)**,
593
+ # 两端正文原值与共享词面一律不进串(该串会经 verify 落三处明文面)。
594
+ #: 槽位比对的**绝对下限**(#747 复核 ①):剥模板后分母同步变小,仅看 ratio 会让 3 个巧合
595
+ #: 共享越过 0.15;破坏性不对称(weaken + demote + 跨层移动)故加绝对下限。
596
+ SLOT_MIN_SHARED = 5
597
+
598
+
599
+ def _slot_claims(content):
600
+ """按六要素槽位切分正文:{mark: [主张行...]}(剥前缀;h2/h3 写法同样识别)。
601
+
602
+ 「不适用条件」**保留**(#747 复核 ②:它是 rejection_domain,与 precondition 是同一份
603
+ 契约的两半;整行丢掉会把最硬的一类矛盾也丢掉)。非模板行归入键 ""。
604
+ """
605
+ out = {}
606
+ for raw in (content or "").splitlines():
607
+ line = raw.strip()
608
+ if not line:
609
+ continue
610
+ head = line.lstrip("#").strip()
611
+ mark = next((m for m in nodefile.CCG_MARKS if head.startswith(m)), None)
612
+ if mark is None:
613
+ out.setdefault("", []).append(line)
614
+ continue
615
+ rest = head[len(mark):]
616
+ # 分隔符校验(#747 复核):`执行成功后再验证` 这类自然语句不得算成「执行」槽。
617
+ if rest and rest[0] not in ":: \t -—":
618
+ out.setdefault("", []).append(line)
619
+ continue
620
+ claim = rest.lstrip("::\t -—").strip()
621
+ if claim:
622
+ out.setdefault(mark, []).append(claim)
623
+ return out
624
+
625
+
626
+ def _slot_contradiction(ca, cb):
627
+ """按**槽位**判矛盾(#747):同槽位、或「主张 vs 对端拒绝域」两半契约。
628
+
629
+ 判据:两侧该槽位**都非零且严格异号**(双值极性)+ 共享 bigram ≥ SLOT_MIN_SHARED 且占比 ≥ 0.15。
630
+ 返回证据串或 None(证据串不含词面,见 #444)。
631
+ """
632
+ sa, sb = _slot_claims(ca), _slot_claims(cb)
633
+ # 自比:**排除功能名**(它是 signature、不是主张,做矛盾主体最容易误判)。
634
+ pairs = [(m, m) for m in nodefile.CCG_MARKS if m != "功能名"]
635
+ # 拒绝域交叉:单点派生自 CCG_MARKS(不写第二份槽位枚举)。
636
+ for m in nodefile.CCG_MARKS:
637
+ if m == "不适用条件":
638
+ continue
639
+ pairs.append((m, "不适用条件"))
640
+ pairs.append(("不适用条件", m))
641
+ # 跨槽位(只有两条有契约理由):执行 ↔ 生效条件(precondition)/ 验证方式(postcondition)。
642
+ pairs.extend([("执行", "生效条件"), ("执行", "验证方式")])
643
+ for ma, mb in pairs:
644
+ ta = "\n".join(sa.get(ma, []))
645
+ tb = "\n".join(sb.get(mb, []))
646
+ if not ta or not tb:
647
+ continue
648
+ pa, pb = _polarity(ta), _polarity(tb)
649
+ if pa == 0 or pb == 0 or pa * pb > 0:
650
+ continue # 双值:任一侧中立不算矛盾(#747 ③)
651
+ ba, bb = bigrams(ta), bigrams(tb)
652
+ if not ba or not bb:
653
+ continue
654
+ shared = ba & bb
655
+ # 同槽位:短侧覆盖率;跨槽位:Dice(长度悬殊时更保守,避免新增对变误报源)。
656
+ if ma == mb:
657
+ ratio = len(shared) / max(1, min(len(ba), len(bb)))
658
+ else:
659
+ ratio = 2.0 * len(shared) / max(1, len(ba) + len(bb))
660
+ if len(shared) >= SLOT_MIN_SHARED and ratio >= 0.15:
661
+ return (f"槽位 {ma} / {mb} 极性相反且共享内容:共享片段 {len(shared)} 个"
662
+ f"(占比 {ratio:.2f}),词面不入证据串")
663
+ return None
664
+
579
665
  def _contradiction(cg, content, related, max_compare=10):
580
- """与同族节点比对:同键不同值 / 极性相反且共享 bigram。
666
+ """与同族节点比对:同键不同值 / **按槽位**极性相反且共享内容(#747)。
581
667
 
582
668
  issue #444(P0 密级泄漏,2026-10-17 U05c):本函数产出的 `why` 会经
583
669
  `add("contradiction", why)` → `_weaken` → `cg.verify(..., "weakened")` 写成
@@ -592,7 +678,6 @@ def _contradiction(cg, content, related, max_compare=10):
592
678
  return hashlib.sha1(str(v).encode("utf-8")).hexdigest()[:8]
593
679
 
594
680
  kv_a = _kv_pairs(content)
595
- bg_a, pol_a = bigrams(content or ""), _polarity(content)
596
681
  for r in (related or [])[:int(max_compare)]:
597
682
  oid = r["node_id"]
598
683
  try:
@@ -608,15 +693,10 @@ def _contradiction(cg, content, related, max_compare=10):
608
693
  return {"with": oid, "via": r.get("via"),
609
694
  "why": f"同键不同值:{k}(本端 {_h(kv_a[k])} / "
610
695
  f"对端 {_h(kv_b[k])})"}
611
- bg_b = bigrams(oc)
612
- if pol_a * _polarity(oc) < 0 and bg_a and bg_b:
613
- shared = bg_a & bg_b
614
- ratio = len(shared) / max(1, min(len(bg_a), len(bg_b)))
615
- if len(shared) >= 3 and ratio >= 0.15:
616
- # 同 #444:共享 bigram **词面也是正文片段**,同属泄漏面 ⇒ 只留计数与占比。
617
- return {"with": oid, "via": r.get("via"),
618
- "why": f"极性相反且共享内容:共享片段 {len(shared)} 个"
619
- f"(占比 {ratio:.2f}),词面不入证据串"}
696
+ # #747:只按**槽位**比对(全文比会被六要素模板头 + 拒绝域噪声主导)。
697
+ slot_hit = _slot_contradiction(content or "", oc)
698
+ if slot_hit:
699
+ return {"with": oid, "via": r.get("via"), "why": slot_hit}
620
700
  return None
621
701
 
622
702
 
@@ -731,11 +811,41 @@ def audit(cg, node_ids=None, *, hops: int = 1, min_severity: str = "info",
731
811
  "t": now}
732
812
 
733
813
 
734
- # 生效条件:循环 max(1, int(times)) 次调用 cg.verify(nid, "scrub:"+kind+":"+str(detail)[:120], "weakened"),返回最后一次调用结果(times≤0 时按 1 次执行);【#444】detail 会进 verify 的 evidence(→ fm 明文面 / _trust.jsonl / 对端节点 .md),故**调用方传入的 detail 不得含正文原值**——contradiction 支已改为摘要,其它支传的是键名/日期类短值。
814
+ #: `_weaken` 的**去重哨兵**(issue #827):区分「这一条已经扣过」与
815
+ #: 「`cg.verify` 因节点取不到而返回的 None」——两者都是 None 就没法在调用侧
816
+ #: 分辨,于是本可以静默吞掉一条真实矛盾的处置。
817
+ WEAKEN_DEDUPED = object()
818
+
819
+
820
+ # 生效条件:steps 为 (kind, detail) 序列;**同一 (kind, detail) 只扣一次**——先查节点自己的 evidence_log,已有的证据串直接返回 WEAKEN_DEDUPED(issue #827);否则循环 max(1, int(times)) 次调用 cg.verify(nid, "scrub:"+kind+":"+str(detail)[:120], "weakened") 并返回最后一次结果(times≤0 按 1 次执行)。【#444】detail 会进 verify 的 evidence(→ fm 明文面 / _trust.jsonl / 对端节点 .md),故**调用方传入的 detail 不得含正文原值**——contradiction 支已改为摘要,其它支传的是键名/日期类短值。
735
821
  def _weaken(cg, nid, kind, detail, times=1):
822
+ """扣减 confidence,**同一矛盾只扣一次**(issue #827)。
823
+
824
+ 为什么不能只靠 `_handled` 的账本判幂等:`_handled()` 读的是
825
+ `cg.root/_scrub.jsonl`,而 `sleep.iterate()` 在**影子工作树**上跑
826
+ `scrub.sweep`。影子每轮由 `lib.git` checkout 重建,而 `add_pathspecs`
827
+ 只入册 `*.md`(见 sleep.add_pathspecs)——`_scrub.jsonl` 是 untracked,
828
+ 每轮都是**空的**,于是 `_handled()` 恒返回 ∅,同一矛盾在每轮睡眠里被
829
+ 再扣一次。实测(本仓活库 2026-11-08):407 条负向证据只有 83 条不同
830
+ (重复率 4.90x),单条"同键不同值"被记 52 次,confidence 被压到 0.00
831
+ 下限——它退化成"睡眠周期跑过几轮"的计数器。
832
+
833
+ 判据收在这一层而不是账本:**节点自己的 `evidence_log` 是随 `.md` 一起
834
+ 被追踪的**,所以它跟着节点走,账本丢了也不影响去重。读不到节点(已删)
835
+ 时退回照扣——宁可按旧口径记一次,不静默吞掉一个真实矛盾。
836
+ """
837
+ want = f"scrub:{kind}:{str(detail)[:120]}"
838
+ try:
839
+ _fm = ((cg.get(nid) or {}).get("frontmatter") or {})
840
+ seen = {str(e.get("evidence") or "")
841
+ for e in (_fm.get("evidence_log") or [])}
842
+ except Exception: # noqa: BLE001
843
+ seen = set()
844
+ if want in seen:
845
+ return WEAKEN_DEDUPED # 这一条已经扣过 —— 幂等命中,零副作用
736
846
  res = None
737
847
  for _ in range(max(1, int(times))):
738
- res = cg.verify(nid, f"scrub:{kind}:{str(detail)[:120]}", "weakened")
848
+ res = cg.verify(nid, want, "weakened")
739
849
  return res
740
850
 
741
851
 
@@ -796,11 +906,24 @@ def decontaminate(cg, node_ids=None, *, kinds=None, dry_run: bool = True,
796
906
  continue
797
907
 
798
908
  done = []
909
+ _deduped = False
799
910
  try:
800
- _weaken(cg, nid, kind, issue["detail"], weaken_times)
801
- done.append("weaken")
911
+ _w = _weaken(cg, nid, kind, issue["detail"], weaken_times)
912
+ # #827:`_weaken` 按节点 evidence_log 去重。命中即「这条矛盾此前
913
+ # 已扣过」,本批**没有任何动作**——不能计进 applied(否则账本丢了
914
+ # 就会把每轮都记成「又处置了 N 条」,读数虚增);计入
915
+ # already_handled,与账本侧的幂等命中同一个口径。
916
+ _deduped = _w is WEAKEN_DEDUPED
917
+ if not _deduped:
918
+ done.append("weaken")
802
919
  except Exception as exc: # noqa: BLE001
803
920
  done.append(f"weaken_failed:{type(exc).__name__}")
921
+ if _deduped:
922
+ n_done += 1
923
+ actions.append({"node_id": nid, "kind": kind, "action": "skip",
924
+ "detail": "已处置过(节点证据账本命中,幂等)",
925
+ "applied": False})
926
+ continue
804
927
  if demote and issue["severity"] in ("high", "low"):
805
928
  try:
806
929
  fm = _fm_of(cg, nid, None)
@@ -930,16 +1053,30 @@ def _apply_offset(cg, offset, *, override=False, min_evidence=1, actor=None):
930
1053
  return adjusted, skipped
931
1054
 
932
1055
 
933
- # 生效条件:cg 和 apply/override/actor/max_offset/min_evidence 传入后,若 metacognition.calibration(cg) 返回 ok 假,则返回 {'ok':False,'reason':cal.get('reason') or 'insufficient_data',...};若 ok 真,则用 gap=float(cal.get('gap') or 0.0) 和 max_offset 计算 offset=round(max(-max_offset,min(max_offset,-gap)),4),对 cal.get('bins') or [] 中 accuracy 非 None 的 bin 生成 bins_bias 并排序;仅当 apply 为真且 abs(offset)>1e-9 时调用 _apply_offset(cg,offset,override=override,min_evidence=min_evidence) 并写日志,最后返回 ok True 及 verdict/gap/建议 offset 等字段;
1056
+ # 生效条件:cg 和 apply/override/actor/max_offset/min_evidence 传入后,若 metacognition.calibration(cg) 返回 ok 假或 calibration_defined 假(issue #829:分母无正例,gap 恒等于 expected、不携带方向信息),则返回 {'ok':False,'reason':...} 且 **不产出 suggested_offset、零写回**;若 ok 真且 calibration_defined 真,则用 gap=float(cal.get('gap') or 0.0) 和 max_offset 计算 offset=round(max(-max_offset,min(max_offset,-gap)),4),对 cal.get('bins') or [] 中 accuracy 非 None 的 bin 生成 bins_bias 并排序;仅当 apply 为真且 abs(offset)>1e-9 时调用 _apply_offset(cg,offset,override=override,min_evidence=min_evidence) 并写日志,最后返回 ok True 及 verdict/gap/建议 offset 等字段;
934
1057
  def calibrate(cg, *, apply: bool = False, override: bool = False, actor=None,
935
1058
  max_offset: float = MAX_OFFSET, min_evidence: int = 1) -> dict:
936
- """校准偏差:自报置信 vs 实测正确率 → 偏置建议(`apply=True` 才写回)。"""
1059
+ """校准偏差:自报置信 vs 实测正确率 → 偏置建议(`apply=True` 才写回)。
1060
+
1061
+ issue #829:`calibration_defined=False`(分母里正例为 0)时**拒绝出偏置**。
1062
+ 修前:该情形的 gap 恒等于 expected(因为 actual 数学上恒 0),
1063
+ `apply=True` 会据此把全库 confidence 一律下调 —— 即「一个不携带信息的
1064
+ 读数」直接改写事实层。恒红比不报更有害的同一道理,这里恒偏置比不调更有害。
1065
+ """
937
1066
  from . import metacognition
938
1067
  cal = metacognition.calibration(cg)
939
- if not cal.get("ok"):
940
- return {"ok": False, "reason": cal.get("reason") or "insufficient_data",
1068
+ if not cal.get("ok") or not cal.get("calibration_defined", True):
1069
+ reason = (cal.get("reason") or
1070
+ ("no_positive_evidence"
1071
+ if cal.get("ok") and not cal.get("calibration_defined", True)
1072
+ else "insufficient_data"))
1073
+ return {"ok": False, "reason": reason,
941
1074
  "calibration": cal, "applied": False, "n_adjusted": 0,
942
- "hint": "先 verify() 积累证据,校准才有样本"}
1075
+ "suggested_offset": 0.0,
1076
+ "hint": ("分母里没有正例(无 confirmed 裁决):actual 恒 0、"
1077
+ "gap 不携带方向信息,拒绝出偏置。先补 verify(confirmed)"
1078
+ if reason == "no_positive_evidence"
1079
+ else "先 verify() 积累证据,校准才有样本")}
943
1080
  gap = float(cal.get("gap") or 0.0)
944
1081
  offset = round(max(-float(max_offset), min(float(max_offset), -gap)), 4)
945
1082
  bins_bias = []
package/md_cg/security.py CHANGED
@@ -365,7 +365,7 @@ class Principal:
365
365
  if not self.can_admin:
366
366
  raise AccessDenied(f"actor={self.actor} 无管理权限({op})")
367
367
 
368
- # 生效条件:无 required 形参或模块级常量前置,返回包含 self 各属性(tenant/actor/clearance/can_write/can_admin/session/harness/unit/role/token_id/parent/auth_mode/expires_at/theory_ok/theory_version 及 layers_allow/ops_allow)的 dict;其中 layers_allow/ops_allow 为 None 时值为 None,否则 list 化。
368
+ # 生效条件:无 required 形参或模块级常量前置,返回包含 self 各属性(tenant/actor/clearance/can_write/can_admin/session/harness/unit/role/token_id/parent/auth_mode/expires_at/theory_ok/theory_version 及 layers_allow/ops_allow)的 dict;其中 layers_allow/ops_allow 为 None 时值为 None,否则 list 化;sessions_read 同构(None 或 list 化,issue #712:让 verify 输出可见读面)。
369
369
  def as_dict(self):
370
370
  return {"tenant": self.tenant, "actor": self.actor,
371
371
  "clearance": self.clearance, "can_write": self.can_write,
@@ -379,7 +379,9 @@ class Principal:
379
379
  "layers_allow": (None if self.layers_allow is None
380
380
  else list(self.layers_allow)),
381
381
  "ops_allow": (None if self.ops_allow is None
382
- else list(self.ops_allow))}
382
+ else list(self.ops_allow)),
383
+ "sessions_read": (None if self.sessions_read is None
384
+ else list(self.sessions_read))}
383
385
 
384
386
  # 生效条件:无前置;仅返回 tenant/actor/role/clearance/write/admin 的短摘要用于日志与排障,不含 token、密钥材料与能力白名单明细;
385
387
  def __repr__(self):
@@ -0,0 +1,149 @@
1
+ # -*- coding: utf-8 -*-
2
+ """状态事件保守抽取(会话轮 → 台账)——每轮写入链的第二步,**生产方在此**。
3
+
4
+ # 功能名:会话轮的保守状态抽取(用户轮 → 状态事件台账)
5
+ # 生效条件:每轮写 `_recent` 窗口之后,对**同一轮**用户发言调 `extract_and_record`;
6
+ # 开关 `MDCG_STATE_EXTRACT` 缺省开(`=0` 关)。
7
+ # 子功能:① 只抽用户轮 ② 两条高精度规则(地点·所在迁移 / 情感·偏好)③ 同值去重
8
+ # ④ evidence/actor 可甄别 ⑤ 开关。
9
+ # 执行:`extract_turn(text, role, subject)` 纯函数给候选;`extract_and_record(cg, …)`
10
+ # 落台账(经 `state_events.append` 单点)。
11
+ # 验证方式:`md_cg/test_state_extract.py`(原 `scripts/test_state_extract.py`)。
12
+ # 不适用条件:不做计划族抽取(任务走任务台账);不做语义消歧(`not_fact` 等);
13
+ # 不做助手轮(助手自述不复盖真值)。
14
+
15
+ **为什么本体在 `md_cg/` 而非 `scripts/`(2026-11-02,本仓真实缺陷修复)**:
16
+ 本模块此前落在 `scripts/state_extract.py`,而 `package.json` 的 `files` 白名单
17
+ 只发 `scripts/workspace_index.py` ⇒ **随包发布物里根本没有本模块**。实测
18
+ `npm pack --dry-run --ignore-scripts` 的发货清单 1791 件中 `scripts/` 仅 1 件,
19
+ `state_extract.py` / `sync_zcode_session.py` 双双 MISSING。后果:装机侧
20
+ (`~/.dsh/profiles/*/node_modules/@furongjun1999/dsh-memory/`)没有抽取器,
21
+ `sync_zcode_session._load_state_extract()` 无从装载 ⇒ **每轮记账链在装机环境里
22
+ 是断的**,生产台账 `_state_events.jsonl` 长期 `events=0`(实测)。
23
+ `md_cg/` 整目录在 `files` 白名单内且已随包发货,故把**生产方**移到此地;
24
+ `scripts/state_extract.py` 保留为**薄垫片**(只 re-export,不含第二份判据),
25
+ 既有 import 路径与 `sync_zcode_session` 的装载点逐字不变。
26
+
27
+ 使用者 2026-10-06 架构裁定:「把这个功能作为会话的 10 轮信息写入,并在写入 mdcg
28
+ 的时候做处理……每次写入异步加了一些过程,但是好处是得到了可维护的状态,同时具备
29
+ 了认知图和语义时空图,原始信息的关系追溯。」
30
+
31
+ 定位(与写窗口同一条链路的第二步):
32
+ `sync_zcode_session` 每轮把原文写 `_recent` 窗口 → **本件对同一轮做保守抽取**
33
+ → 命中者 append 进状态台账(`state_events.append` 的库层单点)→ `state_slots`
34
+ 投影/`state_atlas` 视图、`_recent`/转写为原文面——**三层同源、evidence 互指**。
35
+ 钩子在轮末以子进程运行(会话外处理、不占模型上下文时间)——即使用者说的「异步」。
36
+
37
+ 保守口径(v1,写入在役库的纪律:**宁可漏,不可误**):
38
+ ① **只抽用户轮**(真人发言=事实源;助手自述不复盖真值——沿鲸娘线口径);
39
+ ② 仅两条**高精度**规则(探针依据:裸词形噪声高者一律不做):
40
+ · 地点·所在(迁移):`(我)?(搬家|搬到了?|搬去|现在住在|住在)X`
41
+ · 情感·偏好:`我(最|很|超|不太|不怎么)?(喜欢|爱|讨厌|不喜欢)X`
42
+ ③ **去重**:抽取值与投影现值相同即跳过(防每轮重复记账);
43
+ ④ 全程可追溯:`evidence` 带 `[auto] session=… turn=… 短证`、`actor="state_extract"`、
44
+ slot 归通用族(可用 op=state_chain 逐条审计),误记可整体甄别/清理;
45
+ ⑤ 开关 `MDCG_STATE_EXTRACT`:**缺省开**(使用者的架构裁定)——`=0` 关闭。
46
+
47
+ 不适用(如实):工程/技术会话中的"我喜欢这个方案"类语句属**真偏好**(记录无误亦非
48
+ 无用);但"我要加个功能"这类任务性语句**不抽**(计划族规则 v1 不做——任务走任务
49
+ 台账,不走状态台账)。
50
+ """
51
+ from __future__ import annotations
52
+
53
+ import os
54
+ import re
55
+
56
+ #: 抽取主体(默认「我」——本机使用者;env `MDCG_STATE_SUBJECT` 可覆盖)
57
+ DEFAULT_SUBJECT = "我"
58
+
59
+ #: 高精度规则表: (正则, 数值组名, 槽位, kind)
60
+ #: 只收「用户轮 + 第一人称持久状态」——逐条都给得出"为什么不会误伤"。
61
+ RULES = [
62
+ # 地点·所在(迁移):搬家/搬到/搬去/现在住在/住在 + 目的地。
63
+ # 「在」单字不入式("我在看代码"必误伤);「住」需要完整词形。
64
+ (re.compile(r"(?:我)?(?:搬(?:家|到了|到|去了|去)|现在住(?:在)?|住在)"
65
+ r"(?P<v>[^\s,。!?,;;]{2,12})"),
66
+ "v", "地点·所在", "migration"),
67
+ # 情感·偏好:我(最/很/超/不太/不怎么)?喜欢/爱/讨厌/不喜欢 + 对象。
68
+ (re.compile(r"我(?:最|很|超|不太|不怎么)?(?P<p>喜欢|爱|讨厌|不喜欢)"
69
+ r"(?P<v>[^\s,。!?,;;]{1,10})"),
70
+ "v", "情感·偏好", "acquisition"),
71
+ ]
72
+
73
+
74
+ def enabled() -> bool:
75
+ """开关:缺省开(使用者裁定);`MDCG_STATE_EXTRACT=0` 关闭。"""
76
+ return os.environ.get("MDCG_STATE_EXTRACT", "1") != "0"
77
+
78
+
79
+ def _clean_value(val: str) -> str:
80
+ """剥句尾语气助词(了/啦/呀/哦/喔/噢/嘛/呢)——「青岛了」→「青岛」。"""
81
+ return re.sub(r"[了啦呀哦喔噢嘛呢]+$", "", val).strip()
82
+
83
+
84
+ def _short(text: str, n: int = 24) -> str:
85
+ t = re.sub(r"\s+", " ", str(text or "")).strip()
86
+ return t[:n]
87
+
88
+
89
+ #: 否定前缀(#169):不/没/无/别(可隔空格、可套「太/怎么」)——
90
+ #: 出现在正面谓词之前即判负;口径「宁可漏,不可误」:前缀位有否定标记就不作正面记。
91
+ _NEG_PREFIX_RE = re.compile(r"[不没无别]\s*(?:怎么|太)*")
92
+
93
+
94
+ def _neg_polarity(match_text: str, pred: str) -> bool:
95
+ """极性判定:谓词自带否定(讨厌/不喜欢)或前缀位出现否定标记 => 负面。取首次出现(find):谓词在宾语中再现时不误判。"""
96
+ if not pred:
97
+ return False # 非情感规则(无 p 组):不带极性
98
+ if pred in ("讨厌", "不喜欢"):
99
+ return True
100
+ idx = match_text.find(pred)
101
+ if idx <= 0:
102
+ return False
103
+ return bool(_NEG_PREFIX_RE.search(match_text[:idx]))
104
+
105
+
106
+ def extract_turn(text: str, role: str, subject: str = None):
107
+ """单轮抽取(只认用户轮)→ [候选事件 dict, ...](零命中返回 [])。"""
108
+ subject = subject or os.environ.get("MDCG_STATE_SUBJECT") or DEFAULT_SUBJECT
109
+ if role != "user" or not text:
110
+ return []
111
+ out = []
112
+ for rx, gp, slot, kind in RULES:
113
+ m = rx.search(text)
114
+ if not m:
115
+ continue
116
+ val = _clean_value((m.group(gp) or "").strip())
117
+ if not val:
118
+ continue
119
+ neg = _neg_polarity(m.group(0), m.groupdict().get("p") or "")
120
+ new = ("不喜欢:" + val) if neg else val
121
+ out.append({"subject": subject, "slot": slot, "new": new, "kind": kind,
122
+ "match": m.group(0)})
123
+ return out
124
+
125
+
126
+ def extract_and_record(cg, session: str, turn_no, role: str, text: str,
127
+ subject: str = None) -> int:
128
+ """抽取并 append 进状态台账(去重:与现值相同即跳过)。返回写入条数。
129
+
130
+ 调用方(每轮同步链)在写 `_recent` 窗口之后调用本函数;任何异常由调用方
131
+ fail-soft 兜住(与既有钩子纪律一致)。
132
+ """
133
+ from . import state_events as _se
134
+ from . import state_slots as _ss
135
+ n = 0
136
+ for ev in extract_turn(text, role, subject):
137
+ cur = _ss.project(cg, subject=ev["subject"], slot=ev["slot"],
138
+ include_retired=True, history=False)
139
+ live = cur[0].get("value") if cur else None
140
+ if live == ev["new"]:
141
+ continue # 现值相同:去重(防每轮重复记账)
142
+ _se.append(cg, ev["subject"], ev["slot"],
143
+ old=(live if live is not None else None), new=ev["new"],
144
+ kind=ev["kind"], seq=turn_no,
145
+ evidence="[auto] session=%s turn=%s %s"
146
+ % (session, turn_no, _short(text)),
147
+ actor="state_extract")
148
+ n += 1
149
+ return n