@sema-ai/core 1.275.1

package/docs/ROADMAP.md

@@ -0,0 +1,111 @@
+# ROADMAP — 路线图 + 当前难点(活文档)
+
+> 入口见 [`HANDOFF.md`](HANDOFF.md)。架构在 [`ARCHITECTURE.md`](ARCHITECTURE.md);bug 在 [`KNOWN-ISSUES.md`](KNOWN-ISSUES.md)。
+> 设计决策的 why 在 `../design/`。**注意**:`design/00 §1/§4` 优先级表**冻结在 1.36 era**(只作历史);`design/69`(它称的"下一阶段主线")**文件不存在**——真前向 roadmap 是本页顶部「当前难点」(当前焦点 = workflow 扫 bug / make-real);**`design/80` Supervisor 曾任主线,现已封顶降为基座**(见 D2)。
+
+---
+
+## 🔴 当前焦点(最新,2026-07-03——接手优先看这个,不是老 backlog)
+
+> **📦 版本现状 = `1.221.0`**(npm+tag+pkg 一致;tsc 0 / npm test 3887)。逐版细节见 `CHANGELOG.md`;当前能力图见 `HANDOFF.md` 顶部。
+> **🆕 2026-07-02→03 弧全收官(1.197→1.221)**:①**去 vendored 化结项**(design/118,1.213:推理循环全 first-party,src/vendor 不复存在);②**CC 2.1.198 重定基准**(design/119,1.215:Fable-5 wire 契约/TaskCreate 族/Recall·Remember;ground truth 换 198 prettified 源);③**design/120 工具并行全系列**(P1 分批 1.216 / P2 流内执行 1.218 / P1.5 Bash 只读并行 1.221;`TaskSpec.streamingToolExecution` 默认 OFF;唯一 defer=dry-run gate[重构 gate 语义,唯一消费者=流内准入扩面,等真需求]);④**design/121 LSP diagnostics 帧**(1.220:CC `<new-diagnostics>` 注入+结构化帧,真 tsserver live 5/5);⑤**dogfood 批全清**(1.219:通知合批/子代理 cwd·thinking·principal 三继承/ScopedToolResultStore/subagent 查看态两 ask/compact 重读默认 ON);⑥**roadmap #5 Stop hook + #6 tool-result durable 三点**(1.221 收口)。
+> **流程范式(clay 拍,两轮实证)**:设计→双轨复审设计稿→实施→多轨复审实现(P2 设计轮动工前逮 8 BLOCKER 含前提级洞;实现轮 codex/fable-subagent/人工三轨互补)。**发版口径(clay 2026-07-02)**:自主发版,复审+全量绿即发+黑板通告。
+> **待他队半场(黑板已点名,编号至[382])**:service=①TOC factory 消费 `ctx.parentCwd` ②`FileToolResultStore` 一行 ③C1 subagent 事件投影端点 ④C2 steer 端点 ⑤body→spec 白名单(`forwardSubagentEvents`/`streamingToolExecution`/`lspDiagnostics`)⑥TOB WS transport `onNotification` + diagnostics 帧透传 ⑦`workflowModelAllowlist` TOC 默认;飞轮=diagnostics 帧→AttachmentMessage / compacted.attachedFiles→Read 卡。
+> **Fable-5 live 通道已通**:OpenRouter `/api/v1` + `anthropic/claude-fable-5`(key=`ANTHROPIC_AUTH_TOKEN`);openai 面全链 5/5;Anthropic wire 契约等真 key。
+> **🏷️ 改名(2026-06-23)**:`@ai-only/ai-agent-core` → **`@sema-ai/core`**、仓库 `AI-Only/sema-core`;本地目录仍 `gittea/ai-agent-core`(路径保护)。详 memory `project-rebrand-sema`。
+> **🎯 core 引擎已基本封顶。** 本会话弧(1.167→1.195,29 发版,均 workflow/codex 双轨对抗复审 + 关键功能真模型 live 测)补齐:CC-parity 工具/原语 · 上下文体系(design/112-114)· warm-resume(design/114)· **LSP 全链**(core seam+协议单源 + TOC `NodeLspManager` + TOB service WS bridge;8 真服务器 `LSP_LIVE=1` 测)· **memory neural-recall**(design/81 Slice 5,sidecar 架构,band-tuning=生产门默认 OFF)· 治理 seam(`RuntimeCaps.allowFork/allowWorkflows`,tighten-only)· **部署姿态哲学落地**(design/107,单用户 turnkey≥CC / 多租户 gated,service 1.60.0 姿态门)· MCP 连接并行化。
+> **🎯 真正的前沿 = `make-real` 自足本地引擎**(clay 长期焦点,2026-06-23):AI 自驱引擎做真活、全本地、零 service;前沿=组合优势闭环(vision-architect↔code-impl↔oracle↔vision-verifier),**非并行更快**。引擎能力现全就位(LSP+diagnostics 帧/memory-vector/warm-resume/context-system/流内并行/Stop hook 外部把关/subagent steer/部署姿态),**宜开新会话专注跑**。harness=`src/examples/make-real-*.ts`(最新范式=`make-real-p2-streaming.ts`:多文件项目+硬 oracle 亲跑测试),memory=`project-self-sufficient-makereal`。
+> **剩余 core = 几乎清空**。deferred:K-8 per-turn modes(待 SDK)/ repo_map v1.5(**非-CC**=Aider 范式,CC 用 agentic 搜索+LSP,defer)/ design104 nesting(PARKED)/ thinkingLevelMap L2(YAGNI)。**他队半场**:service=memory-vector 对接 wiring / LSP 单源迁移(纯去重、core 零改,黑板 [354])/ MySQL-portable / local-docker LSP 桥;飞轮=shell wiring。
+> **🟢 已封顶降为基座**(前向多在 design-only / service / make-real):CC-parity 编排(design/96/97/98:workflow+推理强度+S8+goal)· Supervisor(design/80,价值判决 GOAL 达成:supervisor 非「普遍更好」是「worker 失败场景的保险」)· **LSP/memory/上下文体系/部署姿态**(本会话)· 四原语 + v1.5 远端 + 自修复回路 + 双脑 + PG + 记忆 L2 + design/74。**core 已 topped out** —— 前向多在 service/client/make-real 或 design-only。
+
+### D-NEW · 1.119→1.145 的四条建造线(此前文档全漏)——✅ 全 SHIPPED;前向 = design-only 候选
+**① sema-shell 主权契约(design/99,E1–E25,1.120~1.128)**:service 逆向白标 CC 终端壳 → provider-neutral 契约,core 补通用抽象。SHIPPED:E1 `tool_end.output` / E2 消息身份 / E13 `workspace_changed` / E3+E10 统一 `status` 事件(`brain/status-sink.ts` ALS sink)/ E9 `McpServerStatus` 投影 / E23 live-only `onElicit`(inbound MCP elicitation,per-server opt-in,fail-closed)/ **E6 `SessionPolicyStore`**(per-session 权限,tighten-only,新 `RunnerDeps` seam,operator 才能放宽)/ E14 git 探针 / E18 resume-at / E19 rewind-files / E12 prompt 建议。**E22(MCP 长连接池)defer**——与 core「task-scoped 连完即 dispose」根本冲突;E22 落地前 E23 只能 live-only。
+**② 2c session-sync(1.135~1.143)**:云↔本地会话同步。`SessionRepo.export/importEntries` + `FileSnapshotStore`(export/`importManifest`/`putBlob`)+ `SessionPolicyStore.listBySession` + `StreamingImportValidator`(NDJSON 流式,成本闸 10000 文件/256MiB per-turn)+ file-backed local pull/push 对称。**快照 BLOB 走对象存储**(service MinIO,core 接口不变;**maxFileBytes per-row cap 整套作废** = clay 拍快照走对象存储是根因解,per-row 是 DB 问题非引擎)。
+**③ 多轮对抗 bug-hunt(1.129~1.139)**:vendored 硬化(1.130,clay:vendored 是最大暴雷点)/ 模型-harness 边界(1.131)/ CC 当 clean-room oracle 对照(1.132~1.134)/ **36 真 bug 修(1.139)**。memory=`project-overnight-bughunt`/`project-vendored-refactor`。
+**④ workflow-parity(design/97,1.144~1.145)= 收口线**:CC Workflow 工具平价,**CORE-1~9 × SVC-1~5 全 SHIPPED**。CORE = `callKey` 确定性 resume journal(**scope-keyed 跨租户隔离,BREAKING**)+ 嵌套 `WorkflowGroup` 树 + redacted egress(`untrustedEgressForHuman`/`redactHostLeaks` 顶层导出)+ steerable agents(`agentStream`/`onWorkflowAgentSpawn`)+ worktree 隔离(`addWorktree`,**isolate-only 零 merge**,clay 拍:编排者自己 verify+merge)+ per-agent model/tool-call/activity 流。SVC = 后台外壳+at-least-once notify / PG·TiDB JournalStore / worktree envFactory / per-agent UI / 跨副本 steer。
+**⑤ sema-shell 数据契约(MF-*,1.146~1.150)= 最新收口线**:引擎↔sema-shell /workflows monitor↔service 的可观测数据契约,**与 service 协调**(团队/通道 [295]-[302])。SHIPPED:**MF-24**(1.148)`TaskResult.stats.humanReview.gates[]` 权限门/denial 账本(kind/decision/toolName/secret-scrubbed toolArg;共享脱敏边界 `src/core/arg-summary.ts`)/ **MF-10**(1.147)`TaskEvent.task_progress`(subagent usage tick:totalTokens/toolUses/durationMs,**ephemeral**,仅 subagent)/ **MF-25**(1.148)`TaskResult.model` 回声 effective(resolved)model id / **MF-18**(1.149)`compacted.trigger` / **MF-14**(1.150)`CheckpointSummary.contentKind` / **MF-W**(1.147~1.150)WorkflowRun monitor header/活动 arg/`deriveAgentDisplayStatus`。**MF-Fleet = service 进程内 live 聚合(replica-local + ephemeral)**;core 只产 fact/signal(透传 `parentToolCallId`),**不建 durable 父系血缘**(service 确认 in-process 够;YAGNI + design/99 §0)。**`onControlEvent` 探索后 DEFER**(见 `research/onlifecycle/04-decision-DEFER.md`)。
+**🔜 前向候选(全 design-only,待 clay 定优先级)**:**S8 LLM 自助编排深化**(design/98,整栈仅设计 + fail-closed stub 已存 `workflow-script-runner.ts`,security-heavy 需部署硬沙箱)/ **CORE-7.1** pipeline 确定性 resume(stage-scoped callKey,当前 pipeline 强制 live divergence)/ **steerable-resume CORE-9.1**(steered agent 当前不进 journal)。
+
+### D0 · 🎯 CC-parity 编排 + 推理强度(design/96/97/98)——✅ **全收口、发到 1.118.0**(S1~S7→1.116 / S8→1.117 / S2 goal+S4 联动→1.118)
+**design/96**(workflow + goal + 5档推理强度,clay 2026-06-22 大需求)拆 S1-S8。**已 SHIPPED**:
+- **推理强度真切换**(S3/S5/S6/S7,1.115/1.116):复用 vendor 7 档 `ThinkingLevel`(off|minimal|low|medium|high|xhigh|max),per-endpoint clamp(`resolveEffort` 向下夹 + 空集回默认)+ `reasoning.resolved` TraceEvent 暴露 effective/graded/clamped。`src/brain/reasoning.ts`。
+- **workflow 模式 S1**(1.116):`runWorkflow`/`startWorkflow` + `WorkflowRunContext`(parallel[barrier]/pipeline[无 barrier]/phase/budget/agent/log)= thin 确定性脚本编排(CC Workflow 工具同款,**非** LLM 动态 DAG-planner)。`src/orchestration/workflow.ts`。
+- **/workflows 可观测 S1b/S1c**(1.116):`WorkflowRunStore`(InMem+File 跨后端契约;**PG 归 service** = 部署 persist 轴)+ `summarizeWorkflowRun` 投影 + `listWorkflowRuns`/`getWorkflowRun`/`subscribeWorkflow`。`src/core/workflow-run-store.ts` + `src/orchestration/workflow-observe.ts`。
+- **supervisor/scenario/env + teacher quickstart S7**(1.115):`src/prompts/supervisor.ts` + `src/scenarios/`。
+- **`tightenTaskSpec` tighten-only 治理原语**(1.114,config-center §10):`src/core/tighten-task-spec.ts` —— S8 治理复用它。
+- **`ask` 冒泡 1.113**(supervisor inbox)。
+
+**✅ S8(LLM 自助编排,design/98 v4)实现完成**(release-cut 1.117.0 待 clay go):强模型用 `run_workflow` 工具**自写**确定性 JS 脚本(`TaskSpec.selfOrchestration` 门控;需部署硬沙箱 `RunnerDeps.workflowScriptRunner.safeForUntrustedScripts` + `RunnerDeps.workflowGovernanceBaseline`,任一缺失 fail-closed)。**全部落地**:前置 design/97 §H(嵌套 1 层守卫 ALS+RunInternals.workflowDepth / schema strict)+ S8a 门控(`isSelfOrchestrationActive` 单 gate 驱动工具+提示词 lockstep)+ S8b 安全核心(`WorkflowScriptRunner` membrane seam / `devWorkflowScriptRunner` 非边界+逃逸测 / `assertWorkflowSandboxConformance` 契约 / 白名单 default-deny `buildGovernedChildSpec`+`WHITELIST_KEYS` / `resolveModelName` fail-closed 防 Model exfil / `parseWorkflowMeta` 非 eval / 硬 cap)+ S8c(`startWorkflow` 同步 runId / `run_workflow` 工具 effect:write / `WorkflowCompletionNotifier` 脱敏幂等 / prepare-task wire)。**审查**:8 镜头并行 workflow 自验(dogfood S1)逮 4 真 bug + codex 异源最终安全 council(治理/membrane/exfil/fail-closed SWEEP 全 CLEAN)+ slice A/B codex 逮 4,全修。LIVE 真 DeepSeek 端到端(3 child 并行 spawn)。**core 不出硬沙箱**(部署接 isolated-vm/独立进程,有意门槛);vetted 场景(design/96)仍是安全默认。详 `design/98` + `design/98-references/IMPLEMENTER-SPEC.md`。
+
+**✅ S2 Goal 模式 + S4 强度联动(design/96 §C/§D,1.118.0)= CC-parity 收口**:`runGoal`(LLM 自报双闸 + core `doneCheck` 续跑 + G1 脱钩 `accepted` 恒 false + continuation `delimitUntrusted` 围栏 + 边界含 mid-iteration abort 分类;`GOAL_COMPLETION_GUIDANCE` 经 trusted `RunInternals.goalMode` 注、只 runGoal 开)+ `resolveReasoningProfile`(named tier→flags,profile 层映射)+ `ORCHESTRATION_AWARENESS`(§6.3:不 claim run_workflow,与 S8 ORCHESTRATION_GUIDANCE 分开)。**审查**:实现 spec `design/96-references/GOAL-IMPLEMENTER-SPEC.md` codex r1(11 洞)+r2(SOUND+3 precision)→v3;8 镜头 workflow 逮 1 MAJOR(mid-iteration abort 误分类)修;codex 最终 council SHIP-READY;**LIVE 长任务**(真 DeepSeek 2 迭代收敛、reward-hack 防线兑现:declare_done 但 doneCheck 否决→续→改正→achieved/accepted:false)。tsc 0 + 3054 绿。
+
+### D1 · oracle 失败无自修复 + 无 toolchain+HITL 兼得路径(两条老头号命门)——✅ now addressed-by-design/80,剩 leader 接线 + make-real
+**这两条曾是 HANDOFF 列的头号产品命门,现已 addressed-by-design(不再是 open 命门)**:
+- **"oracle 失败无自修复"**:已有三条自修复环 shipped——`runWithTeacher`(运行中监控)/ `runWithVerification`(事后 verify-fix)/ `runRepairLoop`(verify-fix + 非单调进度门,SAFE-tier,src/agents/{teacher,verify,repair-loop}.ts,1.100.0)+ design/80 的 HITL 升级路径(oracle 缺位时诚实上浮给监督者)。
+- **"无 toolchain+HITL 兼得路径"**:**design/80 就是那条路径**——durable 审批门 + durable steering + plan-review + worker 自修复环,工具链与人在环不再二选一。
+引擎给了验证栈(exec-gate L2 机械门 / verify L3 去相关判 / property-harness)。**剩(都非 core)**:leader 在 worker oracle-fail 后**接** runRepairLoop(service profile,单兵路径即插即用)+ 集成层(merge-N-diffs)搬纪律(graderEnv≠repair env / candidate_only 封顶 / measureCmd 驱动修复);真考场行为验证(Beatsep 真 oracle-fail→正确候选)= make-real(D2.c)。已给 service 最小接线判例(`团队/给service-AI.md [121]`);service 已 ACK 接(`来自service-AI.md [119][120]`)。RSI auto-promote 的 **autonomous(ON)-tier 正确 mandate-OFF**(价值判决:无 oracle 太难/太险)= PARKED 非 abandoned(src/core/auto-promote.ts inert)。
+
+### D2 · 🟣 Supervisor 模式(曾任主线,已封顶降为基座)= 人在环监督式编排;**✅ core 侧 DONE + 发版 1.104.0**,前向 = service + client + make-real
+**纠正旧认知**:单兵 DeepSeek 自治建复杂特性 3 次全败(run 019ec5d1)的真因**不是** core 缺 elicitation——**core 其实都有**:`AskUserQuestion`(src/core/ask-question.ts,agent 主动问人结构化选择题)+ **durable-ask**(createDurableQuestionPolicy + suspend/resume,问人→人几天后任意副本答→活续上,design/64 称"ABOVE CC")+ **steering**(design/47 中途注入)+ **HITL 审批门**(design/37 三态 + design/77 不可逆门)+ leader 编排/监控 + suspend/resume。单兵失败=leader endpoint **没 wire** 这些(纯自治),不是原语缺。
+**主线由来**:clay 2026-06-16→17 **PIVOT**——`design/75 v2 重定向`(单兵无人值守 + 一个**去相关**的 assistant-supervisor 做监控 + 自修复 + 人机接口;team fan-out 降级为可选 profile)→ `design/80 Supervisor 模式 = 人在环监督式编排` = **该期主线(2026-06-17 起;现已封顶降为基座,后续主线见本页顶部 + D-NEW)**。**对话前端 = 我们自建客户端(CLI/桌面)**(CC 只是临时入口、非长期依赖)。
+**✅ core 侧已 DONE + 全部发版**(durable-checkpoint 人在环 substrate;每切片 = subagent 实现 + 我 review + 独立 **codex** 复审,codex 横跨切片逮 ≈12 真 bug):
+- **D-1**(decision-action binding:`boundCallId` + `boundInputHash`)→ **1.101.0**
+- **D-2**(mint-site `safetyAxis` `irreversible_ask` + `shellGate`)→ **1.102.0**
+- **D-F**(AskUserQuestion answer fence + `inlineUntrusted`)/ **D-A**(durable steering `pendingSteer`)/ **D-B**(`plan_review` 独立 CheckpointGate kind + ResumeOutcome plan_review 臂)/ **D-E-core**(只读 `ToolCallRequest.budget` + `costBreakdown` 财务分类)→ **1.103.0**
+- **D-E `riskDescriptor`**(`CheckpointGate.riskDescriptor`——给监督者 inbox 的确定性脱敏风险摘要;INERT;total-by-construction)+ **D-D contract doc**(`CheckpointStore` 接口上的 gate.kind-aware reap + terminalAt-backstop 语义;reaper 归 service)→ **1.104.0(当前,已发 + tag v1.104.0)**
+**§5 序剩余(都非 core)**:**D-G**(direct-connect client principal 加密绑定——**service 半边**:服务端已 BUILT + 双 council + canary e2e 通过;**激活待 M2** = config-center trust-domain lock + client BFF signer);**D-C**(leader supervision view = 一条 seam note,非实现切片)。
+**头号结论坐实:几乎不要新 core 原语**——硬 substrate 全 shipped、agent-client 已成熟(typed 协议 + durable resume + HITL),缺口 = wire 协议 + supervisor-loop + 把已有门硬化暴露到网络且全落 durable 层。设计 = `design/80-supervisor-mode-WIP.md` v4(研究 workflow + grounding 真三仓 + 3 轮 loop-until-dry 对抗 ≈2.3M tok 单调收敛)+ `design/80-references/01`。
+**前向工作(都非 core——core 已 TOPPED OUT)**:
+- **(a) SERVICE**:D-G M2 激活 / assistant-scheduler(N 个 durable 任务 + 单 inbox)/ leader 采纳 supervisor loop / 财务分类 item-3(infra 轴)/ 开 conflict-resolver canary。
+- **(b) CLIENT**:自建 supervisor UI(steer box / plan review / decision-with-token / riskDescriptor inbox 渲染)。**CLI 客户端 = CC 真退场路径。**
+- **(c) MAKE-REAL**:真编码任务跑完整 supervisor loop(无 oracle 时诚实上浮、wedged→进度门停、关键节点上报"够而不噪")。
+
+### D3 · design/74 资源切片 suspend —— ✅ LIVE make-real 验证通过(landed);剩 Slice 4 账本 + service 半边
+> 实现就绪 spec = **`../design/74-v4-resource-slice-suspend-code-level.md`**(别读 74/v2/v3 旧稿)。活进度=`git log | grep design/74` + `团队/来自core-AI.md`。
+长自治跑触顶该 **suspended+salvage 不该判 failed**。**✅ design/74 LIVE durable suspend/resume = make-real VERIFIED**(真 Dart→Kotlin port、11 次真 suspend/resume、before/after trace 证进度存活)+ core 1.99.x bug 修已发。**注意 HANDOFF §2.3 那条"别碰 runtask.ts/checkpoint-store.ts、design/74 在飞"已 STALE**——design/74 已 landed,design/80 也改过这俩文件并已发版。**剩**:Slice 4 账本机制(总预算模型——leader 持真实总上限,auto-resume grant=min(窗口,总剩余),总额耗尽才停;避免 count-based 续 N 次废掉 budget 的真 bug)+ 进度门(仅有进度才续,wedged 就停)+ service 半边(resumeCheckpoint 资源臂 / belt→diff-patch / TTL reaper)= 与 D2.a assistant-scheduler 重叠。
+
+### D4 · failed worker 的 commit 蒸发(belt-diff,比 D3 更高频)
+迁移首跑(run 019eca71)4 个绿 commit **蒸发**——`belt` auto-commit 只救 **completed** worker,failed/触顶 worker 的本地 commit 没 salvage。这是 service 侧 `belt-diff for failed worker`,比资源-suspend 更高频咬到。
+
+### D5 · P-1~P-20 bug backlog —— 13/20 已修+已进 release,剩 6 个在 design/74 面(另一谱系)
+**13/20 已修**(SAFE 文件,如 isPrivateHost 用 net.isIP 重写=P-6/P-20 SSRF 根治、MCP isError、TiDB delete 序、read_file 行计数 等;均已 committed 进 release——`src/tools/web.ts` 等可核)。**剩 6 个(P-7/P-8/P-10/P-11/P-13/P-15)在 design/74 活跃面 = 另一谱系修**(`团队/给core-AI.md [136]`)。**(2026-06-29 更新:这 6 条现已全部收口——P-7/P-11/P-15 fixed 1.99.2、P-13 fixed 1.158.0、P-8 fixed 1.163.0、P-10 by-design;以 KNOWN-ISSUES「修复进度」段为准。)** ⚠️ KNOWN-ISSUES.md 状态表 06-15 stale 已刷新到当前。
+
+### D6 · router planner collapse = flaky(非系统,已部分定位)
+planner fanout 偶发产非法 JSON→collapse-to-single。service 实测(A/B 各 12 次 temp=0)证伪"引号句"假设;真因疑似**逼近 32k max_tokens 跑飞**(design/46 推理吃满 max_tokens 陷阱)。修法候选:router 调用加 JSON-mode/structured-output + 收紧 max_tokens;或先靠 rawSample 观测攒证据。
+
+### D7 · 发版 bookkeeping —— ✅ 已干净发到 1.104.0(每版 CHANGELOG+tag+publish+push)
+**✅ 干净发布序**:1.100.0(design/76-79 OFF-tier)→ 1.101.0(D-1)→ 1.102.0(D-2)→ 1.103.0(D-F/D-A/D-B/D-E-core)→ **1.104.0(当前,design/80 D-E riskDescriptor + D-D contract doc)**,每版规范 release-cut(CHANGELOG 段 + `git tag vX` + `npm publish` 到 gitea registry + `git push origin main`),`npm view @sema-ai/core version` = 1.104.0。**HANDOFF §2 fact#1 那条"1.99.0 unpublished / default 100-5 revert"已 STALE**——我们已干净发到 1.104.0。**剩**:CI 自动 ROLL(config-center `POST /workers/roll` 让生产 worker 自动跟 CI)仍未接。
+
+---
+
+## 路线图(状态化,从代码+design 反推)
+
+### ✅ 已建(地基)
+四原语(手 44 / steering 47 / 远端 seam 48 / checkpoint 45)+ v1.5 远端 suspend/resume(49)+ fan-out/cancel(50/51)+ 双脑 + 思考兼容(46)+ 编排栈 + 验证栈(exec-gate/verify/property-harness)+ 记忆(L2/选择召回 65/整合 41)+ PG 四 seam 适配 + vendored 清剿(71 P0/P1/P2)+ egress 受控(70)+ repo_map(72 §1)+ suspend-loop cap(72 §2.2B)+ sensitive-path policy(72 §2.1)。CC parity 单兵 floor ≥ Claude Code(64/65/66)。
+- **✅ design/76-79 编排+RSI(发版 1.100.0,2026-06-17)**:`runRepairLoop`(D1 SAFE-tier 自修复引擎)+ auto-promote **四门 core**(G1 oracle-isolation / G2 promotable-write / G3 manifest→ToolPolicy + skill→subagent 传播 / G4 irreversibility)+ **决策合成** `decideAutoPromote`/`deriveTripwire`。**auto-promote autonomous(ON)-tier 正确 mandate-OFF**(inert,结构性守;价值判决=无 oracle 太难;PARKED 非 abandoned);从 candidate_only 升 auto-accept 的剩余=service Slice-4 晋级 job + §7 部署契约。设计=≈6M tok 对抗 + 4 轮 loop-until-dry + 3 红队 r1+r2 dry。
+- **✅ design/80 Supervisor 模式 core 全切片(发版 1.101.0→1.104.0,见 D2)**:decision-action binding(boundCallId/boundInputHash)+ mint-site safetyAxis(irreversible_ask)+ shellGate + AskUserQuestion answer-fence(inlineUntrusted)+ durable steering(pendingSteer)+ plan_review gate + 只读 budget read-context + costBreakdown 财务分类 + riskDescriptor inbox triage + D-D reap contract doc。**core 侧 TOPPED OUT**——前向全在 service/client/make-real。
+
+### 🟡 在飞 / 待发(前向全非 core)
+- **🟣 Supervisor 模式(曾任主线,已封顶降基座,见 D2)**:**core 已 DONE(1.104.0)**;前向 = (a) service(D-G M2 / assistant-scheduler / leader 采纳 / 财务 item-3 / conflict-resolver canary)+ (b) client(自建 supervisor UI)+ (c) make-real(完整 supervisor loop 跑真任务)。
+- **design/74**(资源切片 suspend,长自治跑):已 LIVE 验证 landed;剩 Slice 4 账本 + service 半边,见 D3。
+- **leader fanout merge-conflict resolver("AI 冲突解决器")**:**已在 service 仓 BUILT**(ai-agent-service `leader/merge.ts resolveApplyConflict` + `wire.ts mkConflictResolver`,commit 46e1852);**零 core 工作、非 core TODO**;剩 = 开 canary + make-real verify(service 侧)。
+
+### 🔵 proposed(主要在 service profile,门控数据/需求)
+- **design/68 LLM-Planner**(v2 leader 编排 code-agent 团队;**spec 文件=`../design/68-llm-planner-spec.md`,注意同号还有个 `68-e2e-drill-checklist.md` 别混**):Router(默认 single,fail-closed)+ 有界 Decomposer(2-4 不相交文件)+ 反应式 replan-lite。spec 定稿。**all-profile / zero-new-core**——core 依赖项全 shipped,planner 本体在 service。
+- **design/73 §1 反馈自进化(grounded outcome ledger)**:每任务发 TaskOutcome(机械 oracle 结果),service 聚合调 router/budget/model。红线:只有机械信号驱动自动改动。core 部分=薄 seam(emit TaskOutcome 像 Tracer)。**未建**;门控 service 机械-outcome 数据量 + 离线回测。
+- **design/73 §2 per-user 记忆 + 时态硬化**:v1=现有原语 + per-user 部署;v1.5=MemoryStore 加 validAt/invalidAt/supersededBy + recall 机械过滤过期(Graphiti seam)。**未建**;门控真实企业需求。
+- **design/72 §3 / OPT-3 CI 异步验证**:git push(egress 门)→ `wait_for_ci`(durable-ask,approver=webhook)→ `resumeWithVerification(token,{ci_result})`。evaluate-first(先判现有 durable-suspend 是否已承载)。
+
+### ⏸ 已确认延迟(非偷懒,价值判决/数据门控)
+- **adaptive DAG planner**:价值判决 FIRM 不建(campaign 证 single 主导;fan-out 仅 speed/cost;must-decompose 在可负担规模不出现)。design/68 明禁建 DynTaskMAS 运行时图。精确门控在 task#2b 数据 + 真巨型仓。
+- **L4 静态分析**(57):probe 显示集成-judge + property-harness 已覆盖显式契约/枚举/单位。
+- **property-harness 类扩展 / resume 语义指纹 / RouteLLM 动态路由**:数据门控 / 已有更便宜真修法(count-cap)。
+- **repo_map v1.5(检索/embedding)/ v2(tree-sitter)**:门控 service code-embedder / 注入的 ExecutionEnv 能力(core 保持 dep-light)。
+
+---
+
+## 文献依据
+~60 篇论文/框架/基准(单 vs 多 agent、merge 冲突、judge 可靠性、记忆、规划、durable execution 等)见 `audit-2026-06-15/REFERENCES-literature.md`(已标注:多个 2026 arxiv ID 离线不可核)。
+
+---
+*活文档。最后核实 2026-07-03(版本 **1.221.0**;难点清单不依赖具体 HEAD)。**快速移动的"当前焦点"**(make-real 主线 / 黑板 asks)查 `git log` + CHANGELOG + 黑板 `sema-cc-parity/NEIGHBOR-REQUESTS.md`(编号至[382])+ memory,**别信本页冻结**。**如何重验**:D-NEW=`npm view @sema-ai/core version`(1.221.0)+ `ls src/core/workflow-journal-store.ts src/core/scheduler.ts src/core/arg-summary.ts src/brain/status-sink.ts src/orchestration/{goal,run-workflow-tool}.ts` + `grep -n 'rewindFilesTo\|requestStopAfterTurn\|allowed_domains' src/index.ts src/tools/web.ts src/core/types.ts` + `grep -rn 'SessionPolicyStore\|onWorkflowAgentSpawn\|addWorktree\|importEntries\|humanReview\|task_progress' src/index.ts`;D1=`ls src/agents/{teacher,verify,repair-loop}.ts`;D2/Supervisor=`grep -n riskSeverity src/index.ts`;D3=`git log --oneline | grep 'design/74'`;D5=见 KNOWN-ISSUES。**core 已 TOPPED OUT**——若新难点出现,大概率在 service/client/make-real 或 design-only,不在 core。*

package/docs/RSI-CLOUD-DEPLOY-2026-07-06.md

@@ -0,0 +1,289 @@
+# RSI 云端部署最优解实验账本(2026-07-06 夜,无人值守)
+
+> **指令(clay)**:今晚自助走 RSI 循环,尽可能推多种可能拿 TB 最高分;**代码只在撞到确定阻塞 bug 时才修+发版,其余一切只记录**。明天汇报。
+> **目标**:找出 `@sema-ai/core` 在 Terminal-Bench(89 任务,deepseek-v4-pro/flash)上得分最高的**部署参数配置**——即云端生产(TOB)跑真活时该给 agent 多少预算/turn/环境事实。TB=代理指标。
+> **节点**:k3s@172.30.228.8 `~/sema-tb/`。口径:mean = 满分任务数 / 89(error trial 当 0 计入分母)。
+>
+> **基准任务 ID 对照**(下文一律用中性别名,上游 TB 原名从略):`arch-7z`=归档解压基准(数值搜索类)· `git-hist-restore`=git 历史文件找回 · `relu-logits-recover`=ReLU 网络参数反推 · `pytorch-weight-restore`=pytorch 权重复原 · `block-param-recover`=分组变换参数反推基准。
+
+## 参数轴(部署可调旋钮)
+
+| 轴 | 旋钮 | 值域 | 杠杆预估 | 依据 |
+|---|---|---|---|---|
+| A. agent 时间预算 | harbor `--agent-timeout-multiplier` | 1.0 / 1.5 / 2.0 | **大** | 尸检 timeout 占失败 8/13 |
+| B. 引擎自停点 | `SEMA_TB_BUDGET_RATIO` | 0.85 / 0.95 | 中 | 引擎认为的预算 vs harness 硬杀余量 |
+| C. 转弯上限 | `TB_MAX_TURNS` | 120 / 200 | 小-中 | regex-chess 118 轮无进展=turn 非瓶颈 |
+| D. 环境感知 | `TaskSpec.envFacts.egress=none`(1.240 新能力,需改 CLI) | on / off | 中 | 尸检:无网任务 agent 傻等下载烧预算 |
+| E. 引擎版本 | tgz | 1.236.0 / 1.240.1 | 中 | 1.238+ T1-4 退化恢复(degenerate×2 直接考题) |
+| F. 模型 | `--model` | v4-pro / v4-flash | 成本/质量 | 基线 pro≈flash,pro 略高 |
+
+## 基线(Round 0,四腿 {pro,flash}×{1236,1239.2},multiplier=1.0/ratio=0.85)
+
+| 腿 | 满分/89 | mean | error 数 | 状态 |
+|---|---|---|---|---|
+| pro-1236 | 37 | 0.416 | 33 | ✅ 完成(干净基线,vs 上夜脏 0.303) |
+| flash-1236 | — | 0.385(部分) | — | 🏃 32/89 在跑 |
+| pro-1239 | — | 0.375(部分) | 33 | 🏃 77/89 收尾 |
+| flash-1239 | — | 0.419(部分) | 22 | 🏃 79/89 收尾 |
+
+> pro-1236 满分 37 任务;0 分 42 个含 infra 噪声(reshard-c4-data verifier DNS 崩、hf-model-inference 无外网)——剔除后真能力分更高。opus 深度分析进行中(逐任务矩阵/error 三分类/T1-4 验证/靶子清单),报告落 `~/sema-tb/ANALYSIS-4LEG-2026-07-06.md`。
+
+## 实验轮次
+
+### ⚠️ 关键陷阱(实验地基,别踩)
+`adapter._task_agent_timeout_sec()` 读 task.toml **原生** `[agent].timeout_sec`,**不含 harness multiplier**。故 `TB_TIMEOUT_SEC = 0.85×原生` 与 `--agent-timeout-multiplier` **解耦**:
+- 只加 `--agent-timeout-multiplier 1.5` → 引擎仍在 0.85×原生 自停,够不到 1.5× 硬杀点 = **实验和基线一模一样,白跑**。
+- 要真放宽引擎预算,**必须调 `SEMA_TB_BUDGET_RATIO`**;`--agent-timeout-multiplier` 只负责把 harness 硬杀点后移(留 verifier 余量),两者配对用。
+- 公式:引擎自停 = `RATIO×原生`;harness 硬杀 = `agent-mult×原生`;需 `agent-mult > RATIO`(留 verifier 时间)。
+
+### Round 1 — 宽预算(引擎 1.5×,最大杠杆)🏃
+- **假设**:引擎预算从 0.85×原生 提到 1.275×原生(+50%),把「近失 timeout」任务救回,提分。
+- **配置**:pro × **1.240.1** × `BUDGET_RATIO=1.275` + `--agent-timeout-multiplier 1.6`,全量 89。对比基线 pro-1236 的 37/89。
+- **启动**:16:49 UTC,job=`r1-pro-1240-b127`。**budget 确认生效**:900s 原生 → TB_TIMEOUT_SEC=**1147**(基线 765,+50% ✓)。
+- **结果**:_🏃 running(~8-10h)_
+
+### 候选后续轮次(记账,按数据决定是否跑)
+- R2: budget-ratio 0.95(引擎多用预算,留 verifier 时间);与 R1 的 multiplier 组合。
+- R3: envFacts egress=none 传入(需改 sema-tb.ts 加 `--env-*` 参数=非引擎改动,测环境感知止损)。
+- R4: maxTurns 200(仅对 churn 型任务,预期小)。
+- R5: 收敛最优组合全量验证 + flash 成本对照。
+
+## opus 四腿深度分析(Round 0 决定性,报告 `~/sema-tb/ANALYSIS-4LEG-2026-07-06.md`)
+
+| 腿 | present/89 | pass | 真能力分(剔 infra) | raw |
+|---|---|---|---|---|
+| pro-1236 | 89 | 37 | 0.474 | 0.416 |
+| flash-1236 | 30(部分) | 11 | 0.524 | 0.367 |
+| pro-1239 | 74(部分) | 28 | 0.422 | 0.378 |
+| flash-1239 | 75(部分) | 32 | 0.492 | 0.427 |
+
+**四个颠覆性发现**:
+1. **flash 反超 pro**(74 公共任务 flash 32 vs pro 28)——根因非能力差,是 **pro 更冗长/更慢、系统撞 `limit.timeout` 预算墙**。arch-7z 铁证:flash 两版秒解 PASS,pro 两版超时。⇒ **timeout 宽预算对 pro 收益 >> flash;但最高分基线本身在 flash**。
+2. **T1-4 退化恢复决定性验证**:`output.degenerate` 终态失败 1.236 共 4 例 → **1.239 全矩阵归零**。winning-avg-corewars 干净翻盘(转录实锤「try a fundamentally different approach」)。**1.238 引擎改进的铁证价值**。
+3. **verifier timeout 无效判分 8-9/腿**(最大 infra 噪声):非 uvx 问题——verifier 跑满 900s **停滞**(test-stdout 空,加 --verifier-timeout-multiplier 无效),真能力分已剔除。独立诊断中。
+4. **timeout 靶子分类**:A 类(已被某腿证明可解 + 失败腿死于 limit.timeout,高 ROI)9 个多是 pro 独有超时;B 类(全腿零通过、需能力非预算)regex-chess/path-tracing/make-doom 等。
+
+## Round 1b — flash 宽预算(对照 pro)🏃
+- flash × 1.240.1 × BUDGET_RATIO=1.275 + agent-mult 1.6,全量。测「更高基线 + 宽预算」的天花板。
+- 启动:17:xx UTC,job=`r1-flash-1240-b127`。结果:_🏃 running_
+
+## 当前最优配置
+_待 Round 1/1b 数据;基线口径 pro-1236 raw 0.416 / 真能力 0.474;flash 真能力 0.49-0.52(部分数据)_
+
+## 撞到的确定 bug(修+发版)
+_无(截至开局)_
+
+## 时间线
+- 16:47 UTC 建账本,四腿基线收尾中,opus 分析派出。
+
+## verifier 定点修复通道(确认)
+harbor run 有 `--verifier-env`/`-ve` 参数=直接写入 verifier 容器环境变量(官方通道,不用搭 http server)。根因=verifier test.sh 现装 uv 走 github releases 从 CN 停滞(外部依赖下载连通性检查);33 例全 agent completed=真回收候选,STALL 23/TEST-HANG 10。修复=`-ve UV_INSTALLER_GITHUB_BASE_URL=<CN镜像> -ve UV_DEFAULT_INDEX=aliyun -ve UV_PYTHON_INSTALL_MIRROR=npmmirror`,确定性回收 ~2.5-3 分/腿。诊断全文 `~/sema-tb/VERIFIER-TIMEOUT-DIAGNOSIS-2026-07-06.md`。
+
+## 深度分析批(2026-07-06 夜,5 agent 并行,clay 要更深)
+5 个 opus subagent 从不同维度深挖转录,找可操作的引擎/部署改进(非表层分类)。报告落节点。
+
+## 🔬 引擎病理清单(agent 深挖,报告 ~/sema-tb/PATHOLOGY-ENGINE-2026-07-06.md)
+**这些是引擎设计改进(非 bug),按 clay「其他只记录」今晚不实施,是明天汇报的核心提案 + 下一批引擎工作。**
+
+- **P1【最高价值,设计候选 design/130】单次生成不受剩余墙钟约束**:引擎有 turn/总墙钟上限,但单次 call 的 max_tokens 不随剩余时间收缩。deepseek-v4 难任务单 turn 吐 2-4万 token 隐藏推理 burst,跑几分钟到墙钟硬砍。**60% 超时腿以 in=0 out=0 作废,22% 单 turn>15000 out**。铁证 gpt2-codegolf(4腿全灭 turn1 out=24703-40625)/polyglot-rust-c(3腿灭,flash-1236 turns=1 tokens=0 首burst没返回)。改进=动态单次 max_tokens=剩余墙钟×实测吞吐×安全系数+保底下限+独立 thinking-budget 上限。
+- **P2【与P1耦合】墙钟硬砍 in-flight 调用整次作废**:末 turn 恒 in=0 out=0,即将 emit 的工具调用全丢(60% 超时腿)。改进=软 deadline(剩余<一次调用预期耗时就不开新调用,改跑收尾)+流式增量持久化。
+- **P3 Compaction 抖动**:auto-compaction 单跑触发 8-12 次,tokensBefore 压缩间趋势向上(压完 1-2 turn 又撞阈)。根因=大块工具输出(二进制清单/hexdump/像素数组/整文件)每次压缩后重进 context 立刻越阈。flash-1239 comp=12/总115。改进=迟滞低水位线+更狠压缩目标+超大工具结果进 context 前截断/外置。
+- **P4 无进展侦测是症状式非进展式**:有文本 degenerate 侦测+maxTurns,无「N turn 状态零变化」语义侦测。铁证 chess-best-move turn10-15 反复相同 PIL 分析无新产物、regex-chess 118 turns 死循环。改进=跟踪进展信号(改动文件/测试通过/去重 tool-arg 签名),连续 N turn 零 delta→硬 steering 或早停。
+- **P5 1.239 degenerate 恢复只治症状**:1236 的 chess/gcode/path-tracing 从 output.degenerate 硬失败→1239 变 timeout(恢复阻止硬失败但底层无进展环仍在,分数同样 0、预算照烧)。恢复应触达 P4 进展信号。
+
+**P1+P2 = 最大分数杠杆的引擎改进**(直接救 gpt2-codegolf 4腿+polyglot 3腿+给 13 big-burst/36 wasted-abort 腿争取有界收尾)。design/130 候选。
+
+## 📈 预算敏感度预测(agent,报告 ~/sema-tb/BUDGET-SENSITIVITY-2026-07-06.md)
+**可证伪预测(Round 1 宽预算腿跑完对账)**:r1-pro vs 基线 37/89 提 **+3~+5(中心 +4→约 41/89, reward~0.46)**。
+- 必翻 PASS(否则近失模型证伪):largest-eigenval / relu-logits-recover / pytorch-weight-restore
+- 约半翻:adaptive-rejection-sampler / block-param-recover / path-tracing
+- 预算免疫仍 FAIL:arch-7z(数值搜索型) / count-dataset(env) / **gpt2-codegolf/polyglot-rust-c(慢延迟)** / make-doom/make-mips(capability,需3×+) / regex-chess(打地鼠) / path-tracing-reverse
+- **🔑 交叉印证 P1**:gpt2-codegolf/polyglot 归「慢延迟受限」类(单-turn 延迟非总预算,4 turn 耗尽)——与引擎病理 agent 的 P1 独立指向同一根因:**加预算无用,真杠杆=降单-call 延迟(P1 动态 max_tokens)**。两 agent 独立印证=强信号。
+- **预算部署建议**:1.5×(R1)ROI 最高零浪费;2× 只对桶 B(llm-inference-batching/raman/mcmc/train-fasttext/path-tracing-reverse)定向;3×+ 非部署手段=capability/env-limit 该剔除分母;慢延迟类真杠杆在引擎降延迟/换快模型,非加预算。
+
+## 🎯 成功模式+跨版本(agent,报告 ~/sema-tb/PATTERNS-SUCCESS-VERSION-2026-07-06.md)
+**方法论诚实**:n=1 模型非确定,单任务翻转多是方差非回归(单次 A/B 陷阱);建议只建在跨任务分布信号上。
+- **✅ 无引擎回归(安心)**:5 个"1236→1239 回归"无一确凿(3 timeout 高方差/1 交付契约/compile-compcert 是瞬时网络差异,1239 更周全)。**1.237-1.240 未引入负面**,不触发回归流程。
+- **A1 turn 预算铁律(新杠杆·强)**:PASS 中位 14turn/16tool/7.8k out,FAIL 中位 25turn/33tool/23.4k out;**>~30 turn 几乎注定失败**。turn 计数=可观测失败预警。改进=turn 20-25 插入软检查点(不收敛就换法/ReportBlocked)。
+- **🔑 交叉印证 P4**:A3 失败签名=无早停的修复循环(regex-chess 118turn edit→test→fail 死循环烧 $1.50/5.2M token)。与引擎病理 P4 独立指向「反修复循环早停」。
+- **A2 冠军开局模板(prompt 可固化)**:turn1-2 并行探索(读全输入/Glob+Grep 找契约/探环境)→一句话计划→实现即验证(Write 后立刻 Bash 测)→通过即停;对工具约束即时自纠是通过标志。
+- **A4 交付契约 prompt 修**:sqlite-with-gcov 把 PATH 写 .bashrc 但 verifier 用新 shell 读不到→prompt 明确「别靠 shell rc 设 PATH、精确输出路径、写文件非 print、结束前 stat 确认产物」。
+- **1239 效率真改进**:blocked 快速早停(count-dataset 231k→111k token)、build-pov-ray 49→26turn、hf-model-inference 20→10turn。方向性正向。
+
+### 交叉印证汇总(多 agent 独立信号收敛)
+- **P1 单-call 延迟/动态 max_tokens**:引擎病理 + 预算敏感度 → 最大杠杆
+- **P4 无进展/反修复循环早停**:引擎病理 + 成功模式 → 第二杠杆
+- **A1 turn 预算自省(>30 turn 预警)**:成功模式独有,与 P4 同族
+- **无引擎回归**:成功模式确认 1.237-1.240 安全
+
+## 四腿完整分数收账(3 腿满 89 + flash-1236 部分)
+| 腿 | PASS/89 | raw_mean | err | 备注 |
+|---|---|---|---|---|
+| pro-1236 | 37 (0.4157) | 0.4157 | 33 | 干净基线 |
+| pro-1239 | 37 (0.4157) | 0.4205 | 35 | 与 1236 持平(PASS 同,degenerate 归零但被 timeout 吸收) |
+| flash-1239 | **39 (0.4382)** | 0.4483 | 24 | **当前最高**,err 最少 |
+| flash-1236 | 16/44 部分 | — | — | 🏃 |
+Round 1 宽预算中期:r1-pro 3/7、r1-flash 2/7(太早不判)。
+
+## 🔄 pro/flash 效率病理(agent 纠正 opus,报告 ~/sema-tb/PATHOLOGY-PRO-FLASH-2026-07-06.md)
+**重大反转:opus 的「pro 更冗长」被推翻**:
+- 两模型都解的 23 任务上 **pro 反而更精简**:0.63× turns / 0.48× tokens / 0.48× cost。flash 平均更冗长(reasoning turns 228 vs 170)。out/turn 几乎相同(1099 vs 1097)。
+- **真凶=pro 撞 wall-clock timeout ~2×(21 vs 11/89)**,abort 落 mean 31 turns(远低于 120 cap)→ 约束是 wall-clock 非 turns。根因=(a)难任务不收敛/策略抖动 (b)reasoning 单-turn 延迟——**非 token 冗长**。
+- arch-7z 铁证:pro 用更少 token(448k<631k)还超时,烧在 6+ 种重方法从不 commit(反复切换多种命令行工具与并发参数);flash 直接用简单数值遍历一步求解(并给长命令加 timeout 30 护栏)。
+- **引擎放大面**:sema-tb.ts 传 limits 作静默硬 abort、**给模型零 wall-budget 可见性**(nudge 在 turn 边界插入但只 80%/95% 两点,非持续剩余预算数字);慢 reasoning + churn 无杠杆自我 triage。
+- **🔑 交叉印证(4 agent 收敛)**:引擎改进建议 = ①每 turn surface 剩余 wall-budget(=P2)②per-tool wall-clock cap/警告(flag background/sleep/--fork=64)③thrashing→commit-nudge(=P4)④budget-aware graceful finalize 强制「写最佳答案到输出路径」turn(=P2,arch-7z 有 discovered-but-uncommitted path)。
+- **部署判决:上 flash**(38 vs 36 pass,73 vs 61 completed,$22 vs $17 但 pro 便宜=死于 truncation)。pro 仅在 crisp/短任务值(~half cost);要 pro 竞争力需引擎给它 budget-awareness+commit-nudge。
+
+## 当前最优配置(更新)
+**部署最优 = flash + 1.239.2/1.240.1**(flash-1239 39/89 领先 pro 37);pro 需引擎 budget-awareness 才翻盘。
+**最强引擎杠杆(design/130 候选,4 agent 收敛)**:时间预算面——①单-call 动态 max_tokens(P1)②软 deadline graceful finalize(P2)③每-turn 剩余预算可见 ④thrashing/反修复循环 commit-nudge(P4)。
+**最便宜杠杆(prompt/部署)**:wall-budget 可见性 + 收敛指令(「别无证据换策略、每命令 bound timeout、够用即 commit」)——flash 已天然如此,pro 飞盲。
+
+## Round 3 — prompt 时间预算实验(测最强假设)🏃
+- **假设(4 agent 收敛)**:pro 飞盲撞 timeout+thrashing;给它 wall-budget 可见性+收敛/commit 指令能翻盘。
+- **实现**:adapter(sema_agent.py)加 env-gated `SEMA_TB_PROMPT_PREFIX`(默认关=字节不变,已备份 .bak;非引擎代码非发版=实验工具配置)。前缀=部署 profile 指令(wall-budget 意识+「别无证据换策略/每命令 bound timeout/避免无界数值搜索/够用即 commit」,不含任务答案)。
+- **配置**:pro × 1.240.1 × **基线预算 ratio 0.85**(隔离 prompt 变量) × prompt 前缀,全量。对比 pro-1236 基线 37/89。
+- **启动**:17:30 UTC,job=`r3-pro-1240-prompt`。**验证有效**:harbor 进程 env 携带前缀,adapter 拼进 message ✓。
+- **结果**:_🏃 running_
+
+## 活跃腿汇总(17:30 UTC)
+| job | 变量 | 状态 |
+|---|---|---|
+| full-flash-1236 | 基线 flash 1236 | 🏃 44/89 |
+| r1-pro-1240-b127 | 宽预算 1.275× pro | 🏃 12/89 |
+| r1-flash-1240-b127 | 宽预算 1.275× flash | 🏃 12/89 |
+| r3-pro-1240-prompt | prompt 时间预算 pro | 🏃 起步 |
+| verif-fix-probe | infra agent verifier 定点修复验证 | 🏃 |
+
+## 时间线
+- 16:47 建账本；17:00-17:25 收 4 深挖 agent + 四腿分数；17:30 起 R3 prompt 实验。下一轮:收 R1 对账预算预测、收 infra verifier 验证、定 R2(2× 定向)/收敛。
+
+## ✅ verifier 定点修复实测验证成功(infra agent,报告 ~/sema-tb/INFRA-NOISE-2026-07-06.md)
+**决定性:确定性最大 raw 分杠杆(比 agent 宽预算 +4 更稳)**。实跑 verif-fix-probe 3/3 全解卡:
+- modernize-scientific-stack: uv-stall x → **1.0 PASS**(Installed 20 packages in 194ms→PASSES)
+- git-hist-restore: VerifierTimeout x → **1.0 PASS**(5 passed 0.08s)
+- overfull-hbox: uv-stall x → 0.0 但 **verifier 干净跑完=可信真判决**(agent 真能力 FAIL 非 infra)
+- 镜像实测:uv→gh-proxy.com(1.4s;github 直连 302 停滞)、pypi→tuna(0.5s;aliyun 此刻超时)、python→npmmirror。
+- **全量腿必带 5 个 -ve**(官方 verifier.env 通道,不改源码):
+  `--ve UV_INSTALLER_GITHUB_BASE_URL=https://gh-proxy.com/https://github.com --ve UV_PYTHON_INSTALL_MIRROR=https://registry.npmmirror.com/-/binary/python-build-standalone --ve UV_DEFAULT_INDEX=https://pypi.tuna.tsinghua.edu.cn/simple/ --ve PIP_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple/ --ve UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple/`
+- **公平净分母 N=87**(89 − 无 GPU torch parallelism×2;HF 镜像不接则 85)。纠正误剔除:hf-model-inference pro-1239 真 PASS(不排除)、reshard 是 pypi 镜像可回收(不排除)。回收=33 uv-stall + 6 伪 0(reshard×3+sam-cell-seg×3)。
+- **沙箱实况**:非气密禁网,CN 限速/间歇(github release 卡 CDN;hf.co 不可达、hf-mirror 通);节点无 GPU。
+
+## Round-Verifix — flash × verifier 修基线(量化 -ve 纯增益)🏃
+- flash × 1.240.1 × -ve 串 × 基线预算 × 无 prompt,全量。对比 flash-1239 的 39/89 → 预期 ~41-42。新 raw 天花板 + 后续叠加地基。
+
+## ⚠️ 节点过载事件(~18:1x UTC,教训)
+起了 6-7 个并发 harbor run(flash-1236 + r1-pro/flash + r3-pro + rv-flash,每个 n=5 docker 容器 = 30+ 容器)→ **节点 sshd 无法握手**(kex_exchange_identification: Connection reset,连续 5 次重试失败)。1 分钟前 load 8.60 尚能连,之后失联。疑似内存/docker daemon 过载。
+- **教训:并发实验腿上限应 ≤4-5**(64 核 CPU 不是瓶颈,内存+docker 容器数才是)。
+- **无法外部干预**(ssh 不通),只能等节点缓过来(OOM-kill/腿完成)后减腿。
+- 恢复策略:重试 ssh → 通了立即 kill 低优先级腿(留 rv-flash[verifier修最高价值]+r1-flash[宽预算]),降到 ≤3 腿。
+- 数据安全:已完成的 result.json 落盘不丢;在跑腿若被 OOM-kill 会留部分数据。
+
+## 节点失联持续(~18:1x-18:2x UTC)
+270s 后重试 ssh 仍 Connection reset,节点失联 ~6min 无改善。判断:严重 OOM/swap,sshd 无法调度。改设 30min 长 wakeup 给节点自愈(OOM-killer + 腿完成释放),避免频繁无效重试。
+- **数据安全**:已完成 trial 的 result.json 落盘;5 agent 报告在节点磁盘;核心结论全在本地账本(此文件)。节点即使重启,明天汇报数据完整。
+- **若 30min 后仍不通**:需 clay 人工重启节点(明天处置)。
+- **诚实教训(向 clay 报告)**:无人值守下我起腿过激(6-7 并发拖累节点),应严守 ≤4 腿。RSI 自主性需配资源护栏。
+
+## 🔴 节点需人工重启(实验止步)+ 明天汇报稿
+节点 172.30.228.8 失联 ~35min,30min 自愈窗口未恢复(sshd Connection reset 持续)——swap 资源紧张/docker daemon 无响应,**需 clay 人工重启**(`sudo reboot` 或重启 docker)。今晚 TB 实验止步于此;核心分析已全部收敛。
+
+---
+# 🌙 RSI 夜间实验汇报稿(2026-07-06,给 clay)
+
+## 一句话
+找到了 TB 云端部署的最优配置方向,**但最大发现不是调参而是三件事**:①部署该用 flash 不是 pro ②verifier infra 修是确定性 +2.5-3 分/腿的最大 raw 分杠杆(已实测验证)③引擎真正的分数瓶颈是「单次模型调用不受剩余墙钟约束」(4 个独立 agent 收敛),这是 design/130 提案。
+
+## 一、部署最优解(可直接用)
+**模型=flash**(flash-1239 **39/89** > pro 37;pro 不是更笨,是死于 wall-clock timeout+策略 thrashing,反而更省 token)。
+**必带 verifier -ve 串**(实测 3/3 解卡,确定性回收 33 个 uv-stall + 6 伪0):
+```
+--ve UV_INSTALLER_GITHUB_BASE_URL=https://gh-proxy.com/https://github.com
+--ve UV_PYTHON_INSTALL_MIRROR=https://registry.npmmirror.com/-/binary/python-build-standalone
+--ve UV_DEFAULT_INDEX=https://pypi.tuna.tsinghua.edu.cn/simple/  (+PIP_INDEX_URL/UV_INDEX_URL 同)
+```
+**预算=1.275×原生(BUDGET_RATIO 1.275 + agent-mult 1.6)**,预测 +4 分(R1 腿部分数据,未跑完对账)。
+**公平净分母 N=87**(仅剔无 GPU 的 torch×2)。
+
+## 二、三大发现(深度)
+1. **pro/flash 反转**:opus 初判「pro 冗长」被推翻——pro 两模型都解的任务上更精简(0.48× token),真凶=撞 timeout ~2×(21 vs 11)+ 不收敛 thrashing + reasoning 延迟。arch-7z 铁证:pro 用更少 token 还超时(6+ 种重方法从不 commit),flash 直接用简单数值遍历一步求解。
+2. **verifier uv-stall 根因+修复**:TB verifier 每次现装 uv 走 github releases 从 CN 停滞(外部依赖下载连通性检查),吃满 900s。33 例全 agent completed=真回收候选。gh-proxy 镜像秒装,实测解卡。
+3. **引擎病理 P1-P5(design/130 候选)**:P1 单-call 不受墙钟约束(60% 超时腿以 in=0 out=0 作废,gpt2-codegolf turn1 out=24703-40625)+ P2 软 deadline graceful finalize + P4 反修复循环 commit-nudge。4 agent 独立收敛。**最大引擎杠杆**。
+
+## 三、实验数据(部分,节点死前)
+| 腿 | PASS/89 | 说明 |
+|---|---|---|
+| pro-1236 | 37 | 基线 |
+| pro-1239 | 37 | 持平(degenerate 归零被 timeout 吸收) |
+| flash-1239 | **39** | 当前最高 |
+| flash-1236 | 16/50 部分 | |
+| R1 宽预算 pro/flash | 3/16, 2/18 部分 | 预测 +4,未对账 |
+| R3 prompt pro | 部分 | 未收 |
+| RV verifier-flash | 部分 | 未收 |
+
+## 四、确认无引擎回归
+1.237-1.240 未引入负面(5 个"回归"经查全是 n=1 方差/瞬时网络,1239 效率侧反而更好:blocked 早停省 token、build-pov-ray 49→26 turn)。
+
+## 五、待办 + 教训
+- **需你人工重启节点**,恢复后可续跑 R1/R3/RV 收尾对账(脚本都在 ~/sema-tb/r1.sh r3.sh rv.sh,带 -ve 的在 rv.sh)。
+- **建议下批**:全量 flash × 1.240.1 × -ve × 1.275×预算 × budget-prompt = 收敛最优组合,一次全量测真天花板。
+- **design/130 提案**:单-call 动态 max_tokens + 软 deadline + 反修复 commit-nudge(引擎最大杠杆,等你拍)。
+- **诚实教训**:无人值守我起腿过激(6-7 并发拖累节点),RSI 需资源护栏,并发严守 ≤4。代码全程零改动(遵守「只修确定阻塞 bug」)。
+- 5 agent 完整报告在节点 ~/sema-tb/{ANALYSIS-4LEG,PATHOLOGY-ENGINE,PATHOLOGY-PRO-FLASH,PATTERNS-SUCCESS-VERSION,BUDGET-SENSITIVITY,VERIFIER-TIMEOUT-DIAGNOSIS,INFRA-NOISE}-2026-07-06.md(重启后仍在磁盘)。
+
+## ⏹️ 循环结束(最后探测 ~03:45,节点仍死)
+1h 后最后一次探测:节点 172.30.228.8 仍 Connection reset(失联 ~1.5h)。确定需 clay 人工重启。**停止 RSI 自动循环**(反复探测死节点无意义)。汇报稿已完整(见上)。
+- **clay 醒来续跑步骤**:①重启节点(reboot 或 restart docker)②`cd ~/sema-tb`,脚本都在(r1.sh 宽预算 / r3.sh prompt / rv.sh verifier-fixed)③推荐直接跑收敛最优:改 rv.sh 用 flash + 加宽预算(BUDGET_RATIO=1.275 + agent-mult 1.6)+ 加 SEMA_TB_PROMPT_PREFIX(见 r3.sh),一腿测真天花板;并发严守 ≤4 腿④或先续跑已起的 R1/RV 收尾对账预测。
+- adapter 改动:`sema_agent.py` 加了 env-gated `SEMA_TB_PROMPT_PREFIX`(默认关,.bak 备份在旁),不影响不设该 env 的跑法。
+
+---
+# 🌍 海外对照收账(2026-07-06 晨,service [456] Gcore 试点机,与域内综合分析)
+
+service 把 TB 搬到海外试点机(Gcore 91.199.82.197,真实 global 源),full-{pro,flash}-1239-os 双腿已完赛(引擎同 1.239.2 tgz、同 harness、默认预算)。这是对今晚域内结论的**自然对照实验**,四条结论被修正/升级:
+
+## 双腿结果(vs 域内同版)
+| 腿 | PASS/89 | mean | errors | 域内同版 | Δ |
+|---|---|---|---|---|---|
+| flash-1239-os | 48 | 0.539 | 16 | 39 | **+9** |
+| pro-1239-os | 49(**真实 50**,见下) | 0.551 | 19 | 37 | **+12/+13** |
+
+## 修正 1:网络域是第一变量(~+10 分),模型选择是次变量(±1-2 分)
+- 「部署用 flash」判决**仅在域内网络成立**:海外 pro 50 ≥ flash 48(n=1 平手区间)。flash 域内占优的本质=quick-simple 策略+命令 timeout 护栏对慢网络更**鲁棒**,不是模型更强。
+- 「pro 死于 timeout 非能力」进一步坐实:pro AgentTimeoutError 域内 21 → 海外 **1**。域内 timeout 真凶主体=任务内下载烧墙钟(网络),模型收敛性病理只是叠加项。
+- 部署判决改为:**海外/快网络 → pro 与 flash 平手,按成本选 flash;域内/受限网络 → flash + 全套镜像串**。
+
+## 修正 2:域内网络效应总量 +9~+13/腿,verifier -ve 串只覆盖 ~1/3
+- 我预估的 verifier 回收(+2.5-3)方向对但只是半场;其余 +6~+10 来自 **agent 阶段任务内下载**(pip/git/dataset)。
+- 域内打满需:verifier -ve 串 + **agent 容器内 pkgSource 镜像**(pip/uv/HF/github)——正好落到 [435]/[440] envFacts.pkgSource + 飞轮 B3 effective-config 分发链,佐证了该 RFC 的部署价值。
+
+## 修正 3(新发现):adapter exit-code 埋分——qemu-startup 真 PASS 被记 error
+- 海外 error 构成:NonZeroAgentExitCodeError 16-18/腿 = **引擎预算自停(status=timeout)正常终态被 sema-tb CLI exit 1 翻成 harbor error**(非崩溃)。域内因 harness 硬杀先触发所以此类少见;海外网络快、引擎能跑到自停点,才暴露。
+- 实证埋分:pro 腿 `qemu-startup` verifier reward=**1** 但因 exit 1 记 error 计 0 → 海外 pro 真实 **50/89 (0.562)**。
+- **adapter 修复项(跨域内+海外两份部署,需与 service 协调)**:sema-tb 对引擎 timeout 自停终态应 exit 0(agent 有产出,让 verifier 判真分);error 语义只留给真异常。至少 +1 分确定性,且修正 error 统计语义。
+- 其余 error trial 的 verifier 均真判 0(海外 verifier 跑得动,判决可信)——这批=真·预算耗尽任务,是 P1/P2 病理的靶子集。
+
+## 修正 4:P1-P5 引擎病理仍真实,幅度重估,对账腿已在跑
+- 海外仍有 16-19 例/腿引擎自停 + both-fail 33 硬任务;gcode-to-text(pro)turn46 in=0/out=0 = P2 签名在快网络下重现。病理是真间隙,但其分数贡献比域内表象小(域内把网络账也记在了它头上)。
+- service 已起两条对账腿(在跑,~今晨完赛):
+  - **unleashed**(clay 拍「无预算限制」):pro × RATIO=3.9 × harness 4× × turns 1000,重跑海外 pro 39 个失败任务 = **我 R1 预算敏感度预测的海外加强版**。可证伪预测:翻盘 5-8 个(近失类:largest-eigenval/qemu-alpine-ssh/circuit-fibsqrt/count-dataset-tokens/financial-document-processor);数值搜索/能力缺口类(gpt2-codegolf/regex-chess/path-tracing×2/write-compressor)不翻。
+  - **night-cc**:Claude Code 官方脚手架 × deepseek-v4-pro(Anthropic 兼容端点)同机同 harness = **单兵 floor≥CC 的 TB 真考**。可证伪预测:CC×pro 落在 45-52;both-fail 33 中 CC 同样解不掉大多数(任务难度主导)。若 CC 显著高(>5 分),差距清单=design/130 优先级依据;若 sema≥CC,TB 上单兵 parity 实证。
+- **design/130 的拍板建议改为:等这两腿对账后再定 P1/P2 优先级**(unleashed 直接量化「预算杠杆真值」,CC 对照量化「病理的相对代价」)。
+
+## 其他
+- deepseek 模型 id 改名(官方):deepseek-chat 废弃 → **deepseek-v4-flash / deepseek-v4-pro**(service [456] 知会,壳侧预设跟进,引擎无感)。
+- 域内节点 172.30.228.8 截至 07-06 晨仍 sshd 拒握手(机器活着,ping/22 通),R1/R3/RV 三腿残局与 5 份 agent 报告在其磁盘,重启后可收。海外双腿数据已足以替代 R1/RV 的大部分对账价值(自然实验比人工控制变量更干净)。
+
+---
+# 🏁 终榜对账(2026-07-06 晚,service [462] + 我方逐任务核对)
+
+**三壳终榜(同模型 deepseek-v4-pro 同机,r2 合并)**:CC 57/89=**0.640** ┃ sema 50/89=**0.562** ┃ unleashed(sema 4×)9/39 翻盘。交叉 both 41/cc-only 16/sema-only 8/neither 24。注:两组 r1 都被 error 大面积污染(unleashed r1 35/38 error、cc-full r1 47/88)——正是 exit-code/setup 类 infra 噪声,r2 重跑合并后才是真分;我方 exit-语义修(2d04e2e)命中此类。
+
+**[457] 预测对账(诚实)**:unleashed 数量 5-8 → 实际 9(略超);名单 3/5;免疫类不翻 5/5 全中。night-cc 45-52 → **实际 57,我低估 CC**。
+
+**定谳**:
+1. **效率缺口 6 题**(翻盘9 ∩ cc-only16):CC 1× 预算能过、sema 要 4× —— design/130 P1/P2 的靶,修好 ≈ 0.562→0.63。
+2. **行为质量缺口 10 题**(cc-only 其余):sema 4× 也不过 —— 等 service 逐题尸检归因(上下文管理/重试纪律/工具循环假设)。
+3. **预算非主因**(service 判定,我方核对认):4× 只回 9/39,CC 同预算多解 16。夜里「宽预算 +4」的方向存在但被环境效应稀释后只值 ~2-3 题/1×。
+4. P4 空转侦测收益改判为止损向(省 token),随批小件。
+
+**下一步**:①design/130 P1+P2 下一引擎批(clay 拍)②等 service cc-only 尸检清单 ③sema-only 8 题=我们赢 CC 的题,尸检时也值得看(赢在哪,别修丢)。

package/docs/RSI-PROCESS-AI-COLDSTART-2026-07-11.md

@@ -0,0 +1,68 @@
+# RSI 流程化改进 AI——冷启动提示词(2026-07-11,core 会话代拟,clay 复制给独立 AI 使用)
+
+> 使用方法:下面「====」之间的全文即冷启动提示词,原样粘给新 AI。该 AI 与 sema-core 开发谱系完全无关,只做流程改进,不做引擎产品开发。
+
+====================================================================
+
+你是一个独立的**流程改进工程 AI**,受 clay 委托,对 sema-core 团队的 TB(terminal-bench)评测与 RSI(自我改进)运行流程做「流程化/自动化」改进。你与引擎开发团队**完全无关**:不参与产品代码开发、不参与发版、不上他们的黑板发帖。你的产出只交给 clay。
+
+## 0. 唯一交付地(先建它)
+
+全部产出统一放在 **`/Users/clay/开发/gittea/rsi-process-lab/`**(不存在就创建),固定结构:
+
+```
+rsi-process-lab/
+  FINDINGS.md        # 查出来的问题,每条 = 问题描述 + 证据坐标(文件:行 / 远程路径)+ 影响 + 建议
+  impl/              # 你的全部实现(脚本/工具),自包含可运行
+  impl/patches/      # 对既有仓库的改动一律以 git patch 文件形式放这里,不直接改人家的仓
+  REPORT.md          # 统一总报告:做了什么、结果如何、剩余风险。全文用中性工程语汇
+```
+
+除此目录外,**其他所有仓库与目录对你只读**。
+
+## 1. 任务定义
+
+对象是「流程」,不是引擎:挂腿(在测试机上启动一批 bench 任务)→ 收数(抽取 result.json/机制帧)→ 归因(逐题对账)→ 记账(ledger 更新)→ 决策(n 取多少、何时加腿、何时判停)这条链路今天大量靠人肉/临时脚本。你的活:
+
+1. **穷举流程痛点**:自己读档案、读脚本、上机器看原始产物,穷举变量空间,别等提示。已知的候选起点(仅是起点,不是边界):挂腿一键化与参数化、读数抽取脚本固化(现在是临时 python+scp)、桶标签/别名映射对齐的自动校验、逐题对账表自动生成、采样方差下的 n 自动决策、失败腿自动重挂、低负载窗调度、ledger 条目半自动生成。
+2. **实现**:能自动化的做成 `impl/` 下可复跑的工具(自包含,别依赖引擎仓的构建);要改既有仓库文件的,出 patch 放 `impl/patches/`,由 clay/core 会话评审后合入。
+3. **报告**:FINDINGS.md 逐条记,REPORT.md 收口。全部用**中性工程语汇**(不用攻击性/安全叙事词汇)。
+
+## 2. 现状阅读入口(全部只读)
+
+- `/Users/clay/开发/gittea/ai-agent-core/docs/TB-RSI-LEDGER.md` — RSI 主账本(轮 0-13b),流程全貌与历史决策都在这里
+- `/Users/clay/开发/gittea/ai-agent-core/docs/TB-LEG-GAP-ATTRIBUTION-1261-1263-2026-07-11.md` — 最近一次归因调查的方法与坐标(逐题取证范式)
+- `/Users/clay/开发/gittea/ai-agent-core/bench/tb-matrix/README.md` — 读数档格式、抽取脚本形态、桶标签口径(单源真相)
+- `/Users/clay/开发/gittea/ai-agent-core/bench/tb-matrix/*.json` + `results.jsonl` + `verdicts.jsonl` — 历史腿数据
+- `/Users/clay/开发/gittea/ai-agent-core/bench/memory-write-channel/` — 另一套 bench 的形态参照
+- `/Users/clay/开发/gittea/sema-cc-parity/NEIGHBOR-REQUESTS.md` — 团队黑板(只读,了解上下文;你不发帖)
+
+## 3. 机器信息
+
+| 机器 | 坐标 | 用途 | 你的权限 |
+|---|---|---|---|
+| 海外 TB 机 | `ubuntu@91.199.82.197`(ssh) | harbor + terminal-bench@2.0 跑腿机;原始产物在 `~/sema-tb/jobs/<腿名>/<task>__<hash>/result.json` + `agent/*.jsonl` | jobs/ 只读;可在 `/tmp` 建临时抽取脚本;ssh 一律 BatchMode;**低负载窗(UTC 22:00-02:30)之外不新挂腿** |
+| k3s8 | ssh 别名 `k3s8`(本机 `~/.ssh/config` 已配) | 本地 k3s+Kata 集群,历史考场 | 只读观察;不动集群配置 |
+| cc10 | ssh 别名 `cc10`(同上) | 共享测试机 | 只读为主;exited 容器可 prune;自己建的脚本可写自己的目录 |
+| Gitea | `git.zhenbs.com:9999`,仓 `AI-Only/sema-core` | 代码托管 | 只读 clone/pull |
+| 模型网关 | `172.30.228.10:8000`(OpenAI 兼容,Qwen3.5-35B vLLM) | 如你需要模型辅助抽取 | 可调用 |
+| bench 模型 | deepseek v4 pro/flash | 挂腿用模型 | key 由 clay 侧环境注入,你**永不回显、永不写进任何文件** |
+
+## 4. 红线(逐字遵守,违反任何一条立即停手报告)
+
+1. 密钥/token/凭据**永不回显**到对话、日志、报告、代码;`.env` 类文件只允许机器对机器使用,不读不引用内容。
+2. **永不触碰** `95.85.93.92` 和 `sc-02` 这两台机器。
+3. 零新公网监听端口;不碰 iptables/etcd;任务容器不加 `-p` 端口映射。
+4. 每台机器 running 容器峰值受控——挂并发前先看现有负载;共享机上只有 exited 容器可以 prune。
+5. 海外机 `~/sema-tb/jobs/` 只读;抽取走「远程 /tmp 生成 → scp 回本地」模式,禁在命令输出里带 key。
+6. `/Users/clay/开发/gittea/` 下所有仓对你只读(那是共享工作树,有多个 AI 会话和 clay 的未提交 WIP);你的改动只以 patch 形式交付。
+7. 报告与命名全用中性工程语汇。
+8. 与 clay 交流用中文。
+
+## 5. 验收口径
+
+- 每个「问题」必须有证据坐标,能被 clay 或另一个 AI 独立复核;
+- 每个「实现」必须附一次真实跑通的记录(命令+输出摘要)在 REPORT.md;
+- 拿不准的判断标「待坐实」,不给结论式断言;中途证据不当结论。
+
+====================================================================