@sema-ai/core 1.275.1

package/docs/LEGW-WINDOW-TAX-2026-07-10.md

@@ -0,0 +1,82 @@
+# 腿W 窗口税实验归因(300K/64K vs 200K/32K)— 2026-07-10
+
+**判决(一句话)**:300K/64K = **窗口税(net −3),非增益**。更大的输出预算(64K)让模型在同一 900s/3600s 墙钟内推理/生成更久,把若干本可 completed 的题推过 `limit.time` 墙(W 13 timeout vs C 9,+4),9 个新 FAIL 中至少一半是墙钟超时死;6 个"新 PASS"经查为跑间方差(轨迹更短的运气),非 300K 上下文受益。上下文轴(200K→300K)无可观测正效应,输出轴(32K→64K)有可观测负效应。
+
+## 1. 实验坐标
+
+| 腿 | job | 版本 | 并发 | CONTEXT_WINDOW | MAX_OUTPUT_TOKENS | 机器 |
+|---|---|---|---|---|---|---|
+| W(实验) | win-300k-1259-fb | 1.259.0 | n=4 | **300000** | **64000** | 91.199.82.197 |
+| C(对照) | win-ctl-1259-fb | 1.259.0 | n=4 | 200000 | 32000 | 同机 |
+
+- 唯一差 = 窗口(300K/64K vs 默认 200K/32K);同版本/同并发/同机/同 900s 墙钟。
+- 判定路径 = `verifier_result.rewards.reward`(二值 0/1),非顶层 `reward`(为 None)。
+- **n=4 = 并发度,非重复次数**;每题单 trial。89/89 两腿齐全,无缺题。
+
+## 2. 总分
+
+- **腿W = 51/89**(亲数遍历,sumreward=51.00,全二值)
+- **腿C = 54/89**(=已知基线)
+- **净效应 = −3**(51−54)
+
+## 3. 四组逐题对照
+
+| 组 | 数量 | 题目 |
+|---|---|---|
+| **新 PASS**(W过C挂) | 6 | build-cython-ext, build-pmars, extract-elf, feal-linear-cryptanalysis, path-tracing, protein-assembly |
+| **新 FAIL**(C过W挂) | 9 | chess-best-move, circuit-fibsqrt, dna-assembly, financial-document-processor, path-tracing-reverse, qemu-startup, rstan-to-pystan, schemelike-metacircular-eval, write-compressor |
+| 双 PASS | 45 | (略) |
+| 双 FAIL | 29 | adaptive-rejection-sampler, caffe-cifar-10, cancel-async-tasks, count-dataset-tokens, db-wal-recovery, dna-insert, extract-moves-from-video, filter-js-from-html, gcode-to-text, gpt2-codegolf, install-windows-3.11, make-doom-for-mips, make-mips-interpreter, model-extraction-relu-logits, mteb-leaderboard, mteb-retrieve, overfull-hbox, polyglot-c-py, polyglot-rust-c, qemu-alpine-ssh, raman-fitting, regex-chess, sam-cell-seg, sanitize-git-repo, torch-pipeline-parallelism, torch-tensor-parallelism, train-fasttext, video-processing, winning-avg-corewars |
+
+## 4. 抽验死法
+
+### 4a. 新 FAIL 抽 3 题 — 死法 = 墙钟超时(64K 输出→生成更久)
+
+`agent_execution` 时长 + `events.jsonl` done 事件状态:
+
+| 题 | W 时长 | W 状态 | C 时长 | C 状态 |
+|---|---|---|---|---|
+| chess-best-move | **896.2s** | **timeout / limit.time** | 822s | completed(对) |
+| write-compressor | **896.3s** | **timeout / limit.time** | 717s | completed(对) |
+| qemu-startup | **896.7s** | **timeout / limit.time** | 770s | completed(对) |
+| circuit-fibsqrt | **3596.6s** | (~3600s 墙) | 2125s | completed(对) |
+| schemelike-metacircular-eval | 2396s | | 1012s | completed(对) |
+| rstan-to-pystan | 1168s | | 443s(2.6×) | completed(对) |
+
+- chess/write-compressor/qemu 三题 W 端 done 事件明确 `status: 'timeout', errorCode: 'limit.time'`,墙钟撞满 ~896s(=900s 任务超时);对照腿全部 `completed` 且答案正确。
+- 轨迹被 `reasoning_delta` 淹没(chess W=35458 条、write-compressor W=48791 条 reasoning delta),即 64K 输出预算放开后模型持续推理/生成,单位任务墙时间被推爆。
+- **机制坐实**:同题同模型,唯一变量是输出预算翻倍→生成时长翻倍→撞墙钟超时→本可正确的题死。这是纯粹的"输出预算税",非上下文税。
+
+### 4b. 新 PASS 抽 2+ 题 — 非上下文受益,是方差
+
+| 题 | W(turns/tokens) | C(turns/tokens) | 读法 |
+|---|---|---|---|
+| extract-elf | 21 turns / 649K, completed | 40 turns / 1753K, completed | W **更短**收敛,非"装得下更多" |
+| build-pmars | 40 turns / 846K, completed | 48 turns / 1284K, completed | W 更短收敛 |
+| build-cython-ext | 57 / 2317K | 61 / 2465K | 近似,方差 |
+| feal-linear | 18 / 829K, completed | 20 / 1352K, **timeout** | C 撞墙,W 侥幸完成 |
+| path-tracing | 51 / 4334K, **timeout** | 68 / 4747K, **timeout** | **两腿都超时**,W 恰有过关部分分=纯运气 |
+
+- 无一题呈现"C 端 compaction 截断、W 端 300K 装下"这一上下文受益签名;反而 W 端普遍轨迹更短(收敛点的跑间运气)。path-tracing 两腿皆 timeout,W 过关纯属方差。
+- **结论:6 个新 PASS 无因果归给 300K 上下文,应视为噪声。**
+
+## 5. 群体级签名
+
+| | W(300K/64K) | C(200K/32K) |
+|---|---|---|
+| completed | 74 | 77 |
+| **timeout** | **13** | **9** |
+| failed | 1 | 2 |
+| (无 done) | 1 | 1 |
+
+W 比 C 多 4 个 timeout,与净 −3 分方向一致:窗口税主要经由"墙钟超时"渠道扣分。
+
+## 6. 判读
+
+- **上下文轴(200K→300K)**:中性/无可观测正效应。全集无一题因更大上下文避开 compaction 而翻盘。
+- **输出轴(32K→64K)**:**负效应(税)**。放大输出预算 → 推理/生成时长膨胀 → 撞 900s 墙钟 → 若干 completed 题退化为 timeout FAIL。
+- **总判决:300K/64K 配置对 1.259.0@n4 = 窗口税,不采用。** 维持默认 200K/32K。若要吃上下文红利,须先解耦"输出预算"与"墙钟预算"(如按输出预算等比放宽 timeout),否则更大输出预算是纯负债。
+
+## 附:数据
+
+逐题 reward + 对照标签 + 双腿 status → `bench/tb-matrix/win-300k-1259.json`。

package/docs/LIVE-PROBE-BATCH-2026-07-11.md

@@ -0,0 +1,207 @@
+# 活体探针批:1.261.0/1.262.0 CC-parity 落码转 VERIFIED — 2026-07-11
+
+> **宪法第二闸**:测试绿 ≠ 验证完。本批把 1.261.0/1.262.0 的 CC-parity 落码项从「落码未验」
+> 尽可能转「VERIFIED」——优先对 **CC 2.1.198 本体**(真二进制活体 / 真二进制 live-captured
+> schema / pretty.js 源亲核 / 204 bundle 亲核),其次源锚 + 我方活体行为。逮到 DELTA 只记坐标,
+> **不改码**(修复归 fable 亲改)。
+
+## 判决先行
+
+| 判决 | 数 | 项 |
+|---|---|---|
+| **VERIFIED** | 6 | Read offload 豁免(活体 CC 二进制)· Read seeded 去重文案(204 bundle 亲核)· Explore/Plan persona(byte-lock + live-wire)· AskUserQuestion bounds(live-captured schema)· gh rate-limit reminder(198 源逐字)· SR-7 孤儿聚合文案(198 源逐字)· budget_usd 渲染文案(198 源逐字) |
+| **DELTA(已记档/待 fable)** | 2 | Bash 内联截断阈值 20K(我方)vs 30K(CC 活体坐实)· Bash 内联 20K clip 在 offload 层之前先触发(B2 分表对 Bash 事实空转) |
+| **不可探 / 源锚代活体** | 2 类 | workflow F2/F3/F5(CC 有 Workflow 工具,已 pretty.js 源亲核;live-wire 需 ultracode 多代 e2e,未跑)· budget_usd/SR-7 触发面(需特定 CC session 配置:durable suspend / maxBudgetUsd,stub harness 不便构造——文案已源锚) |
+
+**核对**:VERIFIED 7 面(6 项 + budget_usd 单列)/DELTA 2 面/不可活体触发但源锚 2 类。
+
+## 环境
+
+| 项 | 值 |
+|---|---|
+| 被测 CC | `/Users/clay/开发/gittea/claude-198/cc-2.1.198/package/claude`(`--version`=2.1.198,原生 arm64,活体可达)|
+| CC 源锚 | `claude-cli-2.1.198.pretty.js`(行号)· `docs/cc-probe-198/tools-array.json`(live-captured 交互态 27 工具 schema)|
+| CC 204 bundle | scratchpad `cc204-bundle.js`(字节偏移 `@N`)|
+| 被测 sema | 本仓 `dist/`(测量前 `npm run build` 跟上 HEAD)· core 1.262.0 |
+| 探针基建 | 复用 `bench/probes/task51-cadence-live/stub.mjs`(127.0.0.1、dummy key、零出网 Anthropic-API SSE stub);同脚本序列驱动真 CC 二进制 + 真 sema Runner |
+| 探针 workdir | scratchpad `offload-probe/`(仓外,不污染)|
+| 测量日 | 2026-07-11 |
+
+**方法(offload 面)**:stub 回放 assistant 回复让被测方发 `Read`/`Bash` tool_use 对大文件;被测方
+**真执行工具**并把(可能截断/落盘的)`tool_result` 塞进**下一个请求的 messages**——从该 wire 内文
+直接观测截断/offload 行为(阈值、文案、指针形态)。sema 侧用真 `NodeExecutionEnv` 挂真 Read/Bash band,
+经 `firstPartyOffloadPolicy` 全链。两侧同一 85484-byte / 25029-byte 固定 fixture。
+
+---
+
+## 1 · Read offload 结构性豁免(USAGE-F1)· **VERIFIED(活体 CC 二进制)**
+
+- **探针方法**:两侧真 Read 一个 85484-byte(1500 行)文件,读 wire 上 `tool_result` 长度。
+- **CC 本体观测**:`tool_result` len=**91882**(`cat -n` 行号前缀,全文;`1\tline 00001…` → `…1500\t`)——
+  **零截断,永不落盘**。坐实 `pretty.js:478260` Read `maxResultSizeChars:1/0` + `:286717`
+  `if(!Number.isFinite(t))return t;`(GIa 豁免)在活体下成立。
+- **sema 观测**:`tool_result` len=**92088**(同 `cat -n` 前缀 + 尾部 `<system-reminder>`「stay alert for
+  malware」注,全文在)——**零截断**,`firstPartyOffloadPolicy("Read")={offload:false}` 生效。
+- **判决 VERIFIED**:两侧对超大 Read 都不截断/不 offload。sema 尾部多一条只读-malware reminder
+  (对齐 CC Read 提示面,非截断),不影响豁免结论。B1 落码(ae93e08)活体坐实。
+
+## 2 · Read seeded 去重 reminder(1.262.0 新)· **VERIFIED(CC 204 bundle 逐字亲核)**
+
+- **背景**:CC 2.1.198 **无**此面(198 grep「This file is already in your context」零命中,dedup 门
+  `:478380` 仅同 offset/limit 重读分支);它是 CC 2.1.204 GA 特性。故本条活体锚 = ①我方文案 = 204
+  bundle 逐字 ②我方行为(seeded 命中→reminder;改盘→真内容)。
+- **204 bundle 亲核**:`cc204-bundle.js@9396316` 组装
+  `Wfc(e)=\`${qfc} (see "Contents of ${e}" above) and has not changed on disk. Use that content instead of re-reading.</system-reminder>\``,
+  其中 `qfc="<system-reminder>This file is already in your context"`(@9399070)。
+  拼成:`<system-reminder>This file is already in your context (see "Contents of ${e}" above) and has not changed on disk. Use that content instead of re-reading.</system-reminder>`
+- **sema 文案**(`src/tools/fs/index.ts:161` `seededFileUnchangedReminder`):
+  `<system-reminder>This file is already in your context (see "Contents of ${filePath}" above) and has not changed on disk. Use that content instead of re-reading.</system-reminder>`
+  → 除插值路径变量外 **BYTE-IDENTICAL**。
+- **我方行为**:`test/read-seeded-dedup.test.ts` 11/11 绿(seeded 文件 Read→reminder;改盘→真内容;
+  partial view 不 seed)。
+- **判决 VERIFIED**:文案逐字对 CC 204 GA 源;行为链 seeded→reminder / changed→content 确定性覆盖。
+
+## 3 · Explore/Plan 内置类型 persona · **VERIFIED(byte-lock + live-wire)**
+
+- **探针方法**:①persona 文本对 pretty.js 源;②真 Runner 让 parent 委派 Explore,读子代 wire 上的
+  `systemPrompt` + 工具面。
+- **CC 源锚**:Explore persona `tbm()` @`pretty.js:409128`「You are a file search specialist **for
+  Claude Code, Anthropic's official CLI for Claude.** You excel at thoroughly navigating…」;
+  Plan persona `kBm()` @`:486880`「…**for Claude Code.** Your role is…」。
+- **sema**:`EXPLORE_SYSTEM_PROMPT` sha256=`7f1fe835…6dda2` / `PLAN_SYSTEM_PROMPT` sha256=`265917a9…d16ba`
+  (与 `test/builtin-agent-types.test.ts` byte-lock 断言一致)。**唯一分歧 = 首句去品牌**(删「for
+  Claude Code, Anthropic's official CLI for Claude」)= 提示词主权**有意分歧**,非 delta。
+- **live-wire**(`test/builtin-agent-types.test.ts:310`「F1 live wire」):真 Runner 里 parent 发 Agent
+  `subagent_type:"Explore"`,子代 brain 收到的 `ctx.systemPrompt` **含**「You are a file search
+  specialist.」+「READ-ONLY MODE - NO FILE MODIFICATIONS」;工具面 = Read/Grep **在**、Edit/Write/Agent
+  **不在**(CC 六件 deny 集)。20/20 绿。
+- **判决 VERIFIED**:persona 逐字上 wire(去品牌是主权有意)+ 只读工具面 live 生效。
+
+## 4 · AskUserQuestion schema bounds · **VERIFIED(live-captured CC 198 schema)**
+
+- **探针方法**:从 CC 2.1.198 **真二进制 live-captured** 工具面(`docs/cc-probe-198/tools-array.json`,
+  交互态)抓 AskUserQuestion input_schema,对 sema wire schema。
+- **CC 本体观测**(live-captured):`questions` `minItems:1, maxItems:4`,description「Questions to ask
+  the user (1-4 questions)」;`options` `minItems:2, maxItems:4`,description「…Must have 2-4 options…」。
+- **sema 观测**:`dist` 里 `createAskUserQuestionTool().parameters` JSON schema →
+  `root.properties.questions minItems=1 maxItems=4` + `…options minItems=2 maxItems=4`;description 逐字同。
+- **判决 VERIFIED**:bounds(1-4 / 2-4)与 description 对 CC 198 live schema 逐字在位。1.262.0 F5 落码坐实。
+
+## 5 · gh rate-limit reminder · **VERIFIED(CC 198 源逐字)**
+
+- **探针方法**:文案 + 触发正则对 pretty.js。
+- **CC 本体观测**:`pretty.js:281403`
+  `<system-reminder>GitHub API rate limit exceeded (5,000/hr shared across all tools and agents). Run \`gh api rate_limit --jq .resources\` and sleep until reset before further gh calls. If polling in a loop, use ScheduleWakeup instead of retrying.</system-reminder>`;
+  触发正则 `f0p` @`:281473` = `/API rate limit (?:already )?exceeded|exceeded a secondary rate limit|\bRATE_LIMITED\b/i`。
+- **sema**(`src/tools/fs/gh-rate-limit.ts:37`):文案 **byte-identical**;`RATE_LIMITED_RE`(:16)= `f0p` **byte-identical**。
+- **判决 VERIFIED**:文案 + 门正则对 CC 198 源逐字。SR-2 落码坐实。（未活体触发真 gh call——需真 GitHub
+  429，但文案/正则源逐字已足;活体面缺口 = 触发条件而非文本。）
+
+## 6 · SR-7 durable-resume 孤儿后台任务聚合通告 · **VERIFIED(CC 198 源逐字)**
+
+- **CC 本体观测**:`F6c` @`pretty.js:698391`:
+  ```
+  <system-reminder>
+  The container was restarted. The following background tasks were running and are now stopped:
+  ${e.map(n=>`- ${n.description||"(no description)"} (task ${n.task_id})`).join("\n")}
+  Re-create them if still needed.
+  </system-reminder>
+  ```
+- **sema**(`src/core/runner/turn-attachments.ts:588` `renderOrphanedBackgroundTasks`):壳内文本 +
+  逐-任务行 `- ${description||"(no description)"} (task ${id})` **byte-identical**(sema 用
+  `formatHookFeedback` 包 `<system-reminder>`,内文同）。
+- **判决 VERIFIED**:文案 + 行格式对 CC 198 F6c 逐字。**不可活体触发**:需真 durable suspend→cross-process
+  resume 带孤儿快照——stub harness 不构造 suspend/resume 生命周期,该触发面依赖 durable-resume e2e。
+
+## 7 · budget_usd 渐进预算 lane 渲染 · **VERIFIED(CC 198 源逐字)**
+
+- **CC 本体观测**:`pretty.js:600225` `budget_usd:(e)=>[…\`USD budget: $${e.used}/$${e.total}; $${e.remaining} remaining\`…]`;
+  producer `QFm` @`:480424-480428`。
+- **sema**(`src/core/runner/turn-attachments.ts:576`):`USD budget: $${used}/$${total}; $${total-used} remaining` **byte-identical**。
+- **判决 VERIFIED**:渲染文案对 CC 198 逐字。**不可活体触发**:CC 侧需 `--options.maxBudgetUsd` session
+  且当轮有工具调用(`:479243` mount 条件);sema 侧需 `attachments.budgetUsd:true` + `maxCostMicroUsd`。
+  stub harness 未配预算 session,触发面未活体验(文案源锚成立)。
+
+---
+
+## DELTA(不改码,坐标交 fable)
+
+### D1 · Bash 内联截断阈值 20K(我方)vs 30K(CC 活体坐实)· MED · 【活体逮到,已部分记档】
+
+- **探针方法**:两侧真 `Bash cat` 一个 **25029-byte**(25K,落在 sema 20K 与 CC 30K 之间)文件,读 wire。
+- **CC 本体观测**:`tool_result` len=**25028,persisted=false**——CC 把 25K Bash 输出**全文内联**(< 30K 阈)。
+  另 85K 输出 → `<persisted-output>` 落盘 2KB 头 preview(见 D2)。
+- **sema 观测**:同 25K 输出会被 `src/tools/fs/index.ts:97` `BASH_MAX_OUTPUT_CHARS=20_000` 的
+  `clipShellOutput`(:113,头 10K + `…[N chars total, M omitted from the middle]…` + 尾 10K)截为 ~20K。
+- **净差**:20K–30K 波段内,CC 给模型全文,sema 头尾裁到 20K。方向 = 我方更省 token 但丢中段;单点
+  已记档(PARITY-SPOT-USAGE-CONSTANTS F5 aligned 表 + GGB),**活体坐实 CC 侧 25K 真内联**。
+- **坐标**:CC 30K = `pretty.js:284078` `_ho=30000`(env `BASH_MAX_OUTPUT_LENGTH`);sema 20K =
+  `src/tools/fs/index.ts:97`。修法(若追平)= 抬 `BASH_MAX_OUTPUT_CHARS`→30K + 挂 env 旋钮(ae93e08
+  commit 明写此为「邻居 fork 施工面,本批不碰」的残项)。
+
+### D2 · Bash 内联 20K clip 在 offload 层之前先触发 → B2 分表对 Bash 事实空转 · MED · 【活体逮到,未记档为交互】
+
+- **探针方法**:同 D1 的 85K Bash 输出,看 sema 是否走 offload(`<persisted-output ref=…>`)。
+- **CC 本体观测**:85K → `<persisted-output>\nOutput too large (83.5KB). Full output saved to: <PATH>\n\nPreview (first 2KB):\n<头 2KB>...\n</persisted-output>`(len 2330;**头保留** 2KB,文件路径指针,`...` 尾标）。
+- **sema 观测**:85K Bash 输出在 **Bash 工具内部**先被 `clipShellOutput` 裁到 **20082 chars**(头 10K + 中段省略标 + 尾 10K),**再** 到 offload 层时已 < B2 给 Bash 的 30K 阈 → **offload 永不触发**(`PROBE_HAS_PERSIST=false`,无 `ReadToolResult` ref）。
+- **净差 / 交互 bug**:B2(ae93e08)给 Bash 设 30K offload 阈,但 Bash 工具自身 20K 内联 clip 在 offload
+  **之前**,使 30K 阈对 Bash **事实空转**——Bash 永远拿不到「>30K → 落盘 ref」路径,恒定 20K 头尾裁。
+  与 CC「>30K → `<persisted-output>` 落盘 + 头 2KB preview + 文件指针」形态双重分叉(阈值 + offload 路径）。
+- **坐标**:内联 clip = `src/tools/fs/index.ts:97/113`;B2 分表 = `src/core/tool-result-store.ts:157`
+  Bash 30K + `prepare-task.ts:999` `firstPartyOffload`。**修法建议(fable)**:内联 clip 阈与 B2 offload 阈
+  对齐(或让 Bash 内联 clip 让位给 offload 层),否则 B2 的 Bash 30K 分表条目是死码。注:功能面不劣(头尾
+  全在、无丢结论),但 CC-parity 视角 Bash 的截断形态 = 三重差(阈 20K vs 30K / 头尾裁 vs 落盘头 preview /
+  无 ref vs 文件指针)。
+
+**offload 帧形态对照(非判据,记档)**:CC = `<persisted-output>`(无属性)+「Output too large (KB)」
++「Full output saved to: <文件路径>」+「Preview (first 2KB):」头 preview + `...`;sema `buildPreview`
+(`tool-result-store.ts:187`)= `<persisted-output ref="tr_…" chars="N">` + 头 1K +
+`…[truncated — N chars total. Call ReadToolResult with ref="…" (offset,limit) to read more.]` + 尾 1K。
+两侧同 `<persisted-output>` 壳,但 CC=文件路径指针 / sema=ref+ReadToolResult 工具 deref(sema 全文可回读,
+不劣;属性 + deref 机制有意分歧,已记档)。
+
+---
+
+## 不可活体 / 源锚代活体(如实标)
+
+### workflow 面(F2 scriptPath / F3 确定性禁令 / F5 韧性)· 源锚 VERIFIED,live-wire 未跑
+
+- **纠正一处基线误判**:task 简报假设「CC 无 Workflow 工具」——**证伪**。CC 2.1.198 **有** `Workflow`
+  工具(live-captured `tools-array.json` @交互态,name:"Workflow"),input_schema =
+  `{script,name,description,title,args,scriptPath,resumeFromRunId}`,description 全文含 pipeline/parallel/
+  phase/budget/`Date.now()`/`Math.random()`/argless `new Date()` throw、`{scriptPath}` 迭代惯用法、
+  `resumeFromRunId`——F2/F3/F5 **都有 CC 本体锚**(不是「我方 seam 无对照」）。
+- **源锚状态**(已由 fable 对抗核验档 `PARITY-SPOT-WORKFLOW-2026-07-10.md` 双侧亲读):
+  - **F2 scriptPath**:CC schema `:449105` = sema `src/orchestration/workflow-script-store.ts` +
+    `run-workflow-tool.ts:197`(scriptPath/name 持久化 seam),落码在。
+  - **F3 确定性禁令**:CC `S0m` shim `:445983` = sema `dev-vm-script-runner.ts:34-48`(Math.random/
+    Date.now/argless new Date throw,逐字端口);`workflow-sandbox-conformance.ts:297-321` battery 断言
+    Date.now()/Math.random() 真 throw。落码在。
+  - **F5 韧性**:CC workflow 层 stall 看门狗 `F0m=180000`/重试 `Mxl=5`/throttle 45s + 终局 null;sema
+    `workflow.ts` 单发 runTask（部分补偿在 brain 层 mid-stream 终局化,SUBAGENT-STREAM-RESILIENCE 档）。
+    此项 F5 是 **已记档缺口**(workflow 层进度看门狗/重试本体我方无),非本批新逮。
+- **为何 live-wire 未跑**:CC 的 Workflow 工具卡明写「ONLY call when the user has explicitly opted into
+  multi-agent orchestration」——触发需 `ultracode` 关键字/session 开关,且实跑会 spawn 多代真模型
+  (dozens of agents,大 token）。stub harness 回放单代脚本,无法安全构造 ultracode 多代 e2e。sema 侧有
+  `test/live-workflow-orchestration-e2e.test.ts`(4 例,当前 **skip**,需真模型）。
+- **判决**:workflow 三项 = **源锚 VERIFIED**(pretty.js 双侧亲核 + sema 沙箱 battery 绿),live-wire
+  DEFER(需 ultracode 多代真模型 e2e——单列 backlog,非本批 stub 面可触及）。
+
+### M1 PTL error-withholding · 源锚 VERIFIED,活体触发需真 prompt-too-long
+
+- CC `pretty.js:473371-473374`:流式解码器内扣住 prompt-too-long 错误不 yield,恢复成败已知才外泄。
+  sema commit `38af1fd` 端口(`runtask.ts` PTL-recovery 路径,`auto-compaction.ts` 多处 PTL 注释)。
+- **不可活体触发**:stub 无法回放真 provider 的 prompt-too-long 429/流内错误帧到「恢复循环」深度;
+  该行为在 `test/` 有确定性覆盖(PTL recovery 用例)。文案/时机源锚成立,live 触发依赖真上下文溢出。
+
+---
+
+## 纪律 / 复跑
+
+- stub 只绑 127.0.0.1、dummy key、零出网;CC 跑 mkdtemp workdir + 独立 `CLAUDE_CONFIG_DIR`(预置
+  onboarding+approved key,不碰真 `~/.claude`);`CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC=1`。
+- 探针脚本 + 产物在 scratchpad `offload-probe/`(仓外,**不入仓**);sema 侧 offload 探针以临时 vitest
+  用例(真 `NodeExecutionEnv` + 真 Read/Bash band + `InMemoryToolResultStore`)跑一次即删,不留仓。
+- 复跑:先 `npm run build` 让 dist 跟上 HEAD(offload 分表/Read 豁免在 `dist/core/*`);CC 二进制路径
+  见环境表。wire 里 `body` 已是解析对象(非字符串)——读 jsonl 时勿再 `JSON.parse(r.body)`。
+- 无密钥回显;CC 路径全 redact 为 `<PATH>`。

package/docs/M2-CERT-ATTRIBUTION-2026-07-10.md

@@ -0,0 +1,61 @@
+# M2 认证腿归因档(RSI 轮 10,2026-07-10)
+
+> **核心结论(先行)**:M2=47/89(@1.259.0 @n=8)vs M1=50/89(@1.258.6 @n=4)的"净 −3"是 **confounded 对比**——版本(1.258.6→1.259.0)与并发(n=4→n=8)**同时变了**。M1 是轮 8 跑的(并发标定到 8 之前),M2 是轮 10(标定后),认证并发在两次之间更新导致不可比。**"M2 未达标 / 54-56 射程证伪"的判决因此不成立**,须 controlled 复跑坐实版本效应。
+
+## 一、对比条件(confound 坐实)
+
+| | 版本 | job | k | n_concurrency | budget_ratio | 分 |
+|---|---|---|---|---|---|---|
+| M1(轮8) | 1.258.6 | m1-cert-12586-fb | 1 | **4** | 1.0 | 50/89 |
+| M2(轮10) | 1.259.0 | m2-cert-1259-fb | 1 | **8** | 1.0 | 47/89 |
+
+纪律锚:并发是测量污染源(轮 3 铁证:同版本同机同日,n=4 vs n=40 差 ~50 点,DeepSeek 服务端高并发降质)。→ n=4→8 的并发变化本身就能压低边际题。
+
+## 二、逐题四组(本地 json 逐题对比坐实)
+
+- **双 PASS = 38**(稳定通过,不归因)
+- **双 FAIL = 30**(稳定死;含 CC-diff 6 题:overfull-hbox / password-recovery / path-tracing-reverse / polyglot-rust-c / rstan-to-pystan / winning-avg-corewars)
+- **新 PASS(收复)= 9**:bn-fit-modify / break-filter-js-from-html / extract-elf / financial-document-processor / merge-diff-arc-agi-task / mteb-retrieve / path-tracing / query-optimize / sparql-university
+- **新 FAIL(回摆)= 12**:adaptive-rejection-sampler / build-cython-ext / circuit-fibsqrt / count-dataset-tokens / db-wal-recovery / extract-moves-from-video / largest-eigenval / llm-inference-batching-scheduler / **mailman(errored,exit 143 超时杀,非能力 FAIL)** / mcmc-sampling-stan / schemelike-metacircular-eval / sqlite-with-gcov
+
+## 三、方向不对称分析(关键归因洞察)
+
+- **收复 9 题方向可信**:n=4 FAIL → **n=8** PASS。顶着**更高并发(更难)还翻正 = 版本真增益**。CC-diff 靶心收复 **6/12**(bn-fit / extract-elf / financial / merge-diff / path-tracing / sparql)= 1.259.0 验证面修的实锤。
+- **回摆 12 题方向存疑**:n=4 PASS → **n=8** FAIL。更高并发掉下去,且**全是计算/内存边际类**(eigenval / mcmc-stan / cython / sqlite-gcov / video 抽帧)——最吃并发降质的题型。**极可能并发污染,非版本回归**,但须坐实。
+
+→ 推论(待坐实):1.259.0 验证面修增益坐实,净 −3 的锅**很可能全在并发 confound**;同并发下 1.259.0 真实力很可能 ≥50。
+
+## 四、CC-diff 12 靶心 M1→M2 逐题
+
+| 题 | M1(n=4) | M2(n=8) |
+|---|---|---|
+| bn-fit-modify | FAIL | **PASS** |
+| extract-elf | FAIL | **PASS** |
+| financial-document-processor | FAIL | **PASS** |
+| merge-diff-arc-agi-task | FAIL | **PASS** |
+| path-tracing | FAIL | **PASS** |
+| sparql-university | FAIL | **PASS** |
+| overfull-hbox | FAIL | FAIL |
+| password-recovery | FAIL | FAIL |
+| path-tracing-reverse | FAIL | FAIL |
+| polyglot-rust-c | FAIL | FAIL |
+| rstan-to-pystan | FAIL | FAIL |
+| winning-avg-corewars | FAIL | FAIL |
+
+收复 6/12(顶 n=8),死 6/12(其中 password-recovery=T-FRAG 单代理层无杠杆、polyglot/rstan=模型面/内存边际先验)。
+
+## 五、controlled 2×2 分离实验(在跑,agent aca16c25d611daf93)
+
+12 回摆题 × 版本 × 并发 2×2,k=1 budget_ratio=1.0 同认证口径:
+- A: 1.258.6 @n=4 ×N=3(复现 M1) / B: 1.258.6 @n=8 ×N=3 / C: 1.259.0 @n=4 ×N=3 / D: 1.259.0 @n=8(M2 已有,补至 N=3)
+
+**判读框架(逐题标签)**:
+- 同版本 n=4 PASS + n=8 FAIL(C vs D / A vs B)→ **并发污染**
+- 同并发 1.258.6 PASS + 1.259.0 FAIL(A vs C / B vs D)→ **版本回归**(1.259.0 真坏了,要修)
+- 两版同并发都 FAIL 或 N=3 跳变 → **flaky/边际**(M1 的 PASS 是运气)
+
+落盘:`bench/tb-matrix/rollback12-2x2.json`。mailman 单独判(稳定超时=1.259.0 耗时回归?还是偶发)。
+
+## 六、流程教训(纪律)
+
+**认证腿必须锁定并发一致**才能跨版本比。M1/M2 跨了并发标定更新(n=4→8)导致 confound——这是认证流程疏漏,非故意。后续所有认证/翻转表对比:并发、预算、k 三者必须对齐,否则净变化不可归因到版本。

package/docs/M25-LEG-VARIANCE-ATTRIBUTION-2026-07-10.md

@@ -0,0 +1,81 @@
+# M2.5 两腿分差归因:腿C 54/89 vs 腿2 46/89(2026-07-10)
+
+## 判决(先行)
+
+**三态判决 = ②服务端负载污染(混合型)**:recipe 三方核对 89/89 全一致、两腿均独占机器、稳定集两腿基本全绿(排除 ①recipe 污染 与系统性降质),但腿2 全程存在**系统性服务端变慢**(paired sec/turn 中位数 x1.19、61/88 题更慢;tokens/sec 中位数 2624→2033,−22.5%),直接把 timeout 从 9 抬到 14,11 题翻负中 **6 题死于时钟**(其中 5 题带明确「更慢的每轮生成」签名)。其余 5 题翻负 + 3 题翻正 = 方差带能力岔(query-optimize 腿2 反而更快仍挂)。
+
+**8 分差拆账(估)**:~3-5 分 = 负载税可收回(时钟死);~3-5 分 = 采样方差(双向,腿2 也白捡 3 题)。best-of-2 并集 = **57/89**(54 + 腿2 独中 extract-elf/mteb-leaderboard/qemu-alpine-ssh),距 M2.5 目标 58 差 1。
+
+**第三腿:要跑,且挑低负载时段**——对齐腿C 窗口(UTC 22:00–02:30 ≈ 北京 06:00–10:30),同 tgz 同 recipe 独占机器。负载税收回后并集破 58 概率高。
+
+## 1. Recipe 三方核对(全一致)
+
+| 项 | 腿C win-ctl-1259-fb | 腿2 m25-leg2-1259-fb |
+|---|---|---|
+| 消费 tgz sha256(89 题逐题) | `c3faa190381314f0…7427dd` ×89 | 同一 shasum ×89 |
+| model | deepseek/deepseek-v4-pro | 同 |
+| agent | tb.harbor_adapter.sema_agent:SemaAgent | 同 |
+| dataset | terminal-bench 2.0 @ commit `69671fb` | 同 |
+| agent_setup_timeout_multiplier / retry | 2.0 / max1(AgentSetupTimeoutError) | 同 |
+| 实测并发(started/finished 区间重建) | max=4 | max=4 |
+| 窗口 | 07-09 22:24:02Z → 07-10 02:33:44Z | 07-10 07:42:45Z → 12:27:56Z |
+| 得分(verifier/reward.txt 亲数) | **54/89** | **46/89** |
+
+## 2. 服务端负载证据(核心嫌疑,坐实)
+
+Walltime 分布(agent events.jsonl 末帧 tMs):
+
+| 口径 | 腿C | 腿2 |
+|---|---|---|
+| 全 89 题 med / mean | 328s / 597s | 365s / 699s(总时长 14.75h→17.28h,+17%)|
+| 双 completed 69 题 med / mean / p75 | 229s / 359s / 404s | 265s / 384s / 516s |
+| paired walltime 比(腿2/腿C)q1/med/q3 | — | 0.84 / **1.11** / 1.45(43/69 更慢)|
+| paired **sec/turn** 比 q1/med/q3(88 题) | — | 0.97 / **1.19** / 1.55(**61/88 更慢**)|
+| tokens/sec med | 2624 | 2033(−22.5%)|
+| status:timeout / failed / completed | 9 / 2 / 77(+1 no-done) | **14 / 4 / 71** |
+
+分时段(腿2 sec/turn 比按开跑小时):07Z=1.55、08Z=0.97、09Z=1.09、10Z=1.16、11Z=1.17、12Z=1.24 —— **全程性偏慢非单点尖峰**。腿C tokens/sec 各小时 2419–2960 平稳;腿2 1453–3082 波动大且整体低。时段对应:腿C=北京 06:24–10:33(低峰),腿2=北京 15:42–20:27(午晚高峰),与 DeepSeek 服务端负载假设方向一致。
+
+无 API 错误风暴:腿2 全程仅 1 次 `brain.retry` + 1 次 `compaction.failed`(腿C 0);无 5xx/截断证据 → 是「慢」不是「断」。
+
+## 3. 翻负 11 题死法分类
+
+| 题 | 腿C | 腿2 | 分类 |
+|---|---|---|---|
+| chess-best-move | 822s completed | 896s **timeout**(sec/turn 19.6→34.5,x1.8)| 负载时钟死 |
+| circuit-fibsqrt | 2125s completed | 3596s **timeout**(28→36.7/turn)| 负载时钟死(边缘题)|
+| rstan-to-pystan | 443s completed | 1800s **timeout**(10.1→34.6/turn,**x3.4**)| 负载时钟死(最铁证)|
+| tune-mjcf | 655s completed | 896s **timeout**(26.2→52.7/turn,x2.0)| 负载时钟死 |
+| write-compressor | 717s completed | 896s **timeout**(23.9→40.7/turn,x1.7)| 负载时钟死 |
+| path-tracing-reverse | 1805s 也超时但已解出(reward=1)| 1796s **timeout** | 方差带+时钟压力(已知高方差题,DEADTARGET 档)|
+| dna-assembly | 1265s pass 1/1 | 1493s completed,verifier 0/1 | 能力岔 |
+| financial-document-processor | 155s pass 7/7 | 231s completed,3/7 | 能力岔 |
+| llm-inference-batching-scheduler | 408s pass 6/6 | 1009s(x2.47)completed,5/6 | 能力岔(负载或有助推)|
+| password-recovery | 328s pass 2/2 | 837s completed,1/2 | 能力岔(已知方差带题)|
+| query-optimize | 377s pass 6/6 | **315s(更快)**completed,5/6 | 纯能力岔 |
+
+翻正 3 题(腿2 独中):extract-elf(344s vs 533s)、mteb-leaderboard(1598s vs 2890s)、qemu-alpine-ssh(371s completed vs 腿C 896s timeout——时钟死双向都咬)。
+
+计数:**时钟死 5 + 方差带时钟 1 + 能力岔 5**;翻正 3 全是方差/腿C 自己也被时钟咬。
+
+## 4. 机器邻居(排除)
+
+同机 jobs 精确窗口(result.json started/finished 亲数):rbv3-k8-fb 于 07-09 22:23:24Z 结束,腿C 22:24:02Z 起跑(39 秒空隙,零重叠);win-300k-1259-fb 02:33:44Z–06:44:49Z 正好嵌在两腿之间(腿C 末题 02:33:44.11Z 收,它 02:33:44.83Z 起;腿2 07:42Z 才开);腿2 之后无新 job。**两腿均独占机器** → 本机 CPU/IO 竞争排除,慢在上游。
+
+## 5. 稳定集探针(判决性)
+
+| 口径 | 腿C | 腿2 |
+|---|---|---|
+| 全 5 腿(含 CC)历史全过 13 题 | **13/13** | 12/13(缺 llm-inference-batching-scheduler)|
+| sema 3 腿(1249/1239/1257)全过 32 题 | 31/32(缺 build-pmars,注:build-pmars 在 1258/1259 世代已知转弱)| 30/32(缺 build-pmars + llm-batching)|
+
+稳定集两腿基本全绿,腿2 仅多掉 1 题(且该题 walltime x2.47)→ **非系统性降质**,损失集中在方差带 + 时钟边缘题,符合「负载拖尾 + 方差」而非「引擎/recipe 劣化」。
+
+## 6. 第三腿建议
+
+1. **跑**。同 tgz(c3faa190)、同 recipe、n_concurrent=4、独占机器。
+2. **时段锁定 UTC 22:00–02:30 起跑**(北京清晨,与腿C 同窗),避开北京午晚高峰(UTC 06–14)。
+3. 关注 5 个时钟死题(chess-best-move/circuit-fibsqrt/rstan-to-pystan/tune-mjcf/write-compressor)+ 3 个腿2 独中题:低负载下前者大概率回收,best-of-3 并集破 58(现并集 57)只需再中 1 题新题或守住并集。
+4. 后续腿在开跑前后各记一次快速 tokens/sec 探针(小题烟测),把「服务端速度」变成显式测量变量,不再事后考古。
+
+— 归因 subagent,2026-07-10。数据:`~/sema-tb/jobs/{win-ctl-1259-fb,m25-leg2-1259-fb}/full89/`(测试机只读),稳定集口径源 `bench/tb-matrix/results.jsonl`。

package/docs/MAILMAN-TIMEOUT-ATTRIBUTION-2026-07-10.md

@@ -0,0 +1,88 @@
+# mailman exit 143 归因档(RSI 轮 10,2026-07-10)
+
+> **核心结论(先行)**:M2 认证腿(m2-cert-1259-fb @1.259.0 @n=8)里 mailman 的 exit 143 **不是 1.259.0 耗时回归,也不是并发拥堵,而是一次 agent 行为自杀(model-behavioral outlier,偶发)**。被杀发生在起始后仅 **~232s**(远低于 1800s 任务超时),错杀根因=agent 亲手执行了 `pkill -f mailman ...; mailman --run-as-root start`,`pkill -f` 的子串匹配命中了 sema-tb agent 自己进程树里那条 `sh -c '...mailman...'` Bash 工具子进程 → SIGTERM(143)→ 该 Bash 工具调用无 `tool_end`,进程当场死亡。**这条 `pkill -f mailman` 是全部 ~28 个 mailman run 里独此一份**(所有通过 run,含同版本 1.259.0、同并发、更老版本,全都没跑过它)。**判决:偶发个体行为,非版本/非并发;不需要改 core 代码(可选加一条 pkill 自保守卫,但非必须)。**
+
+---
+
+## 一、被杀时序(铁证:232s 死,非 1800s 超时)
+
+| 事件 | 时间戳(UTC) | 相对起始 |
+|---|---|---|
+| trial started_at | 2026-07-09 15:12:56.08 | 0 |
+| 首个 agent event | 2026-07-09 15:13:07.25 | +11s(setup 完) |
+| **末个 agent event**(`tool_start` = pkill+mailman start) | 2026-07-09 15:16:59.74 | **+232.5s** |
+| exception.txt 写入(NonZeroAgentExitCodeError exit 143) | 2026-07-09 15:16:59.75 | +232.5s(同刻) |
+
+- agent 侧 event walltime = **232.5s**,末 event = `tool_start`(无对应 `tool_end`)。
+- exception 与末 event **同一毫秒级刻度**同时发生 → 不是空转到 1800s 被超时杀,是那条 Bash 命令**当场把进程干掉了**。
+- 工具节奏全程正常(每次 model call 间隔 1–3s,turn 1→24 稳定推进,无变慢迹象)→ **排除 cadence/慢工具**。
+
+**末条命令(sema.txt / events.jsonl 尾部逐字)**:
+```
+[+231.5s] [tool] Bash {"command":"postfix start 2>&1; sleep 1; postfix status 2>&1"}   -> tool_end ok exit=0
+[+232.6s] [tool] Bash {"command":"pkill -f mailman 2>/dev/null; sleep 1; mailman --run-as-root start 2>&1"}   -> (无 tool_end,进程死)
+```
+
+`pkill -f mailman` 用 `-f`(全命令行匹配),子串 "mailman" 命中了 sema-tb 自己 Bash 工具那条 `sh -c '...mailman --run-as-root start...'` 子进程 → agent 杀掉自己正在跑的工具 shell → 该子进程 SIGTERM → exec_as_agent 收到 exit 143 → NonZeroAgentExitCodeError。
+
+---
+
+## 二、逐 run 数据表(全 ~28 个 mailman run,walltime 从 events.jsonl 首尾 ts)
+
+reward 判定路径=`verifier_result.rewards.reward`(非顶层 reward)。
+
+### 认证/对照腿(单发)
+
+| run | 版本 | 并发档 | wall_s | events | reward | 结局 |
+|---|---|---|---|---|---|---|
+| full-1258.5-fb/…Jigc4fV | 1.258.5 | full89 单 | 371.0 | 11047 | 1.0 | done |
+| **m1-cert-12586-fb/…QaTR3xD** | **1.258.6** | **n=4** | 256.2 | 6270 | **1.0** | done |
+| **m2-cert-1259-fb/…hzwqHGb** | **1.259.0** | **n=8** | 232.5 | 7880 | **0.0** | **exit143(自杀)** |
+| **win-ctl-1259-fb/…xo9NmDm** | **1.259.0** | **n=4(腿C)** | 356.9 | 9857 | **1.0** | done |
+| full-pro-1257-fb/…QowCUt7 | 1.257 | 单 | 331.7 | 5860 | 1.0 | done |
+| full-pro-1249-fb/…yCK68E7 | 1.249 | 单 | 440.2 | 7322 | 1.0 | done |
+| full-pro-1249-nocap/…JZ4WAU7 | 1.249 | 单 | 415.8 | 10834 | 1.0 | done |
+| full-pro-1244-fb/…paaj8T6 | 1.244 | 单 | 437.7 | 13772 | 1.0 | done |
+
+### rbv3 归因矩阵(多 rep,直接给版本×并发对照)
+
+| cohort | 版本 | 并发 | rep walltimes (s) | reward |
+|---|---|---|---|---|
+| **VOLD** | 1.258.6 | N5 低并发 | 231.8 / 342.0 / 363.6 / 441.8 / 840.4 | 4×1.0 + 1×0.0(840s 的挂,能力 FAIL 非超时) |
+| **VNEW** | 1.259.0 | N5 低并发 | 301.1 / 387.3 / 409.2 / 448.0 / 666.0 | **5×1.0** |
+| **K8** | 1.259.0 | N3 高并发(n=8) | 332.2 / 355.7 / 381.9 | **3×1.0** |
+
+---
+
+## 三、三维归因(版本 / 并发 / 偶发)
+
+### 1. 版本耗时回归? —— 排除
+- rbv3 VOLD(1.258.6)walltime 中位≈363s;VNEW(1.259.0)中位≈409s;差 ~40s 在单样本噪声带内,且 VNEW **5/5 全过、零超时**。
+- 单发对照:m1(1.258.6)256s vs win-ctl(1.259.0,同 n=4)357s——1.259.0 甚至这一发更慢约 100s,但**仍远低于 1800s、reward=1.0**。耗时没有向超时逼近的系统性趋势。
+- 若是 1.259.0 耗时回归,VNEW / K8 / win-ctl(全 1.259.0)应普遍逼近超时或挂,实测全绿。→ **版本无罪**。
+
+### 2. 并发拥堵? —— 排除
+- K8(1.259.0,n=8 高并发)3/3 全过,walltime 332–382s,与低并发 VNEW 同带,**没有并发拉长 walltime 的信号**。
+- 被杀的 m2 run walltime 只有 232.5s(全场偏短的一档),**不是"跑太慢被拖垮"**,恰相反——它死得早。并发拥堵会表现为 walltime 拉长逼近超时,而不是 232s 猝死。→ **并发无罪**。
+
+### 3. 偶发个体行为(model self-sabotage)—— 坐实
+- `pkill -f mailman` 在全部 ~28 个 mailman run 中**独此一份**;其余每个 run(含同版本同并发)都没走这条路径,全部 `last=done`。
+- 死亡机制是确定性的(pkill -f 子串误杀自身工具进程),但**是否发那条命令**是 model 每次采样的随机行为——本次采样撞上了。属 DeepSeek-v4-pro 在 mailman 这类"重启服务/清进程"题上的低频不良模式,与 sema-core 版本无关。
+
+---
+
+## 四、判决与是否需要修
+
+- **判决**:mailman @M2 的 exit 143 = **偶发 agent 自杀(pkill -f 误杀自身工具进程)**,归 `errored / infra-adjacent`,**不是能力 FAIL,不是 1.259.0 回归,不是并发污染**。M2 分数里这一格应作 error 处理(不计能力扣分),与 M2-CERT-ATTRIBUTION 的"M2 confounded、须 controlled 复跑"结论一致——win-ctl(腿C,1.259.0 @n=4)同题 reward=1.0 已给出该题在受控口径下的真信号=**过**。
+- **是否需要修 core**:**非必须**。这是被测 model 的行为,不是 sema-core 缺陷。
+  - 可选硬化(低优先,非本轮):sema-tb Bash 工具执行 `pkill -f/pgrep -f`/`kill` 时,给工具子进程 shell 起独立进程组 + 让 pkill 排除自身进程组(`pkill -f mailman` 天然会匹配到 agent 自己的 `sh -c` 命令行,是通用陷阱,不止 mailman 题),可显著降低这类自杀概率。但这属"给被测 model 兜底",不改变 RSI 判决,留 backlog。
+- **对 RSI 账本影响**:mailman **不属于**"1.259.0 引入的耗时/能力回归"证据,不动 M2 confounded 定谳,不动腿C 54/89 达标结论(该题在腿C 已 reward=1.0)。
+
+---
+
+## 附:取证方法
+
+- walltime = events.jsonl 首尾 `ts`(ms epoch)之差;reward = verifier json 的 `verifier_result.rewards.reward`;结局 = 有无 exception.txt + 末 event type。
+- 被杀点 = 末 event 为 `tool_start` 且无对应 `tool_end`,配 sema.txt 尾部逐字命令。
+- 交叉验证 = 对全 28 run grep `pkill.*mailman`,证明唯一性。
+- 数据源(海外测试机 91.199.82.197 `~/sema-tb/jobs/`,只读,未改动任何 job 数据)。

package/docs/MEMORY-BACKEND-DIALECT-NOTES.md

@@ -0,0 +1,69 @@
+# MemoryBackend 方言实现移交注记(给下一个抄方言的人)
+
+> 语境:design/142 边界重切(黑板 [622],clay 拍)——core 只养 File backend + seam + `memoryBackendContract`
+> 契约套件;**Pg/TiDB 方言实现归 @sema-ai/server**(权威实现已移交,[623]① 纪律)。第三方走 (a) 权威位
+> 路线(自实现 `MemoryBackend` 跑契约套件)的,本文是方言坑的单源记档。
+> Pg 参考实现 origin:`@sema-ai/core` 1.267.0 `src/core/memory-engine/pg-backend.ts`(退役前最后版本,
+> 抄走时保留头注 origin+sha)。
+
+## 契约硬线(方言无关)
+
+- **17-case `memoryBackendContract` 全绿 + `assertMemoryBackendSearchEquivalence`**(lexical 逐值等价)
+  = 权威位验收;**`makeSibling`(跨实例 CAS)对权威位认证强制**(套件 6.3:缺席+无声明理由=fail-loud)。
+- 逐字保真:body 往返 rev canonical 口径(trimEnd);id 不可变;`(scope, slug)` 唯一约束是**竞态正确性
+  依赖**,不是可选索引。
+- 条件写语义:零行受影响 = CAS conflict,必须回读 `freshRev` 报告——不许静默。
+- vector 面:`termSet`/`jaccardDistance`/`cosineDistance` 自 core 公开导出(≥1.268)——**别内联复制**,
+  lexical floor 与 File/Pg 参考实现逐值等价靠它们单源。`isUniqueViolation` 同车导出(PG 23505 判定;
+  MySQL 家族用 ER_DUP_ENTRY 自行判定并**按键名分诊**,见下)。
+
+## PostgreSQL 方言(参考实现即答案)
+
+- 条件写:`UPDATE/DELETE … WHERE rev = $n RETURNING`——RETURNING 到手即 committed 证据。
+- 占位符 `$n`;jsonb 列存 portable 向量;pgvector `<=>` 为 native 档。
+
+## TiDB/MySQL 方言(service 1.264.0 实战自抓,双真坑 + 三常规)
+
+1. **🔴 同值 UPDATE 的 `affectedRows` 可能为 0,与「CAS 失败」不可区分**:`affectedRows` 报 *matched*
+   还是 *changed* 取决于连接 capability 与服务器实现——mysql/mysql2 **默认**连接 flags 含
+   `FOUND_ROWS`(此时 affectedRows=matched,changed 走 `changedRows`;显式 `flags: '-FOUND_ROWS'`
+   才变回 changed),而 TiDB 等兼容实现对该 capability 的处理不保证与 MySQL 逐位一致。所以**别依赖
+   affectedRows 区分「幂等 no-op 成功 vs rev miss」**:零行后必须**回读比对 `freshRev` 判「幂等成功
+   vs conflict」**,不能拿 affectedRows=0 直接报 conflict。(修订注:早先版本把此坑归因为「mysql2 无
+   CLIENT_FOUND_ROWS」——归因反了;现象与防御性结论不变。)
+2. **🔴 entries 表禁 `ON DUPLICATE KEY UPDATE`**:表上有 PRIMARY(id) 和 UNIQUE(scope,slug) 双键——
+   upsert 会被 (scope,slug) 键劫持,把 **slug 竞争者的行**改写成本 entry 的 id = 数据毁。拆
+   INSERT/UPDATE 两腿;`ER_DUP_ENTRY` 按报错里的**键名分诊**(撞 PRIMARY=id 幂等腿,撞 uniq(scope,slug)=
+   slug 竞态换后缀重试腿)。
+3. MySQL 无 RETURNING:条件写后 SELECT-after(同连接)拿 committed 态。
+4. `cursor` 是 TiDB 保留字——反引号伺候(列名/表名过保留字表)。
+5. 占位符 `?`;JSON 列代 jsonb(函数面差异自查)。
+
+## pg-mem 伪影警告(单测模拟器坑,**别照抄进真方言**)
+
+以下是 pg-mem 的 bug/局限,不是 PG 语义——TiDB/其他方言孪生照契约语义写,别把这些 workaround 的形态
+带过去:
+
+- 索引列上 `= ANY($n)` 静默零行(生产 SQL 用动态 IN 占位符是为绕它,真 PG 两种都对);
+- IN 列表重复占位符值返回重复行(真 PG 不会;参考实现入参去重是语义诚实,非模拟器迁就);
+- `ON CONFLICT…RETURNING` 不可靠、jsonb 函数需 registerFunction、`noAstCoverageCheck:true` 必开。
+
+## 验收姿势(service 先例)
+
+k3s8 真双库(TiDB+PG)跑契约 17-case + search 等价 + 跨实例并发 CAS(一胜一败+freshRev 语义)+
+门矩阵;pg-mem 只作单测,**真库读数才算认证**。
+
+## 测试基建姿势(service [656]③ 真根因收档)
+
+env-gated 双库套件**并行文件模式互踩**:多个测试文件各自 `wipe()` 清同一张 live 表,vitest 并发跑
+会把对方飞行中的 entry 删掉——症状=不可复现的"环境 flake"(sync-store 套件案,确定性复现后串行全绿)。
+**共享外部资源(live 表/共享目录)的 env-gated 套件必须 `--fileParallelism=false` 合跑**;
+mkdtemp 每例独立盘的套件(File/mem 形态契约跑法)天然免疫,无需串行。
+
+## 🔴 PG 队列 claim 姿势(service [659]③ 生产真 bug 收档,1.171.0 修)
+
+`WHERE id IN (SELECT … LIMIT n FOR UPDATE SKIP LOCKED)` 形态的认领 SQL,PG planner 允许**重扫锁定
+子查询**(rescanned semi-join inner 类计划):每次重扫跳过已锁行再取下一批 = **超 limit 认领**
+(limit=2 返 3 行),且计划依赖=间歇性、serial 单认领方也复现。
+**姿势:队列 claim 禁 IN-子查询形,必 `WITH due AS MATERIALIZED (…) UPDATE … FROM due`**(PG12+
+钉单次求值)。TiDB 腿无此面(候选 LIMIT 有界+逐行 CAS 天然免疫)。