@sema-ai/core 1.276.0 → 1.277.1

package/docs/A1-ATTRIBUTION-ROUND1-2026-07-09.md

@@ -1,181 +0,0 @@
-# A1 硬差异集 · 双轨迹归因 · 第一轮(对抗复核收账)
-
-> 2026-07-09 · 不 commit(工作稿)
-> workflow run: **wf_cabd9704-8fd** · **731408** token · 12 腿(6 归因 opus + 6 独立对抗复核 opus)
-> 数据源:`w4wuz4i1b.output`(workflow 事件流 JSONL,末尾完成对象 `agreed[3] + disputed[3]`)
-> 口径:每题两轨迹(sema core 1.258.2 FAIL vs CC 2.1.201 PASS),同模型 deepseek-v4-pro,差异纯在 agent 壳。归因 opus 定 divergence_class + engine_surface + fix,复核 opus 上机(ssh)逐条对轨迹核证 agree/false。
->
-> **敏感纪律**:本文只记机制面(工具序 / 操作纪律 / API 协议 / 文件操作 / 预算),不复述题目任务的具体叙事;cc_anchor_hint 里的文件坐标 / 命令为机制证据,予以保留。**题名均为近似化名**(轨迹路径中的题名段同步按化名书写,trial ID 保持原样,可据 ID 回查真实目录);安全相关词汇已作中性化改写。
-
----
-
-## 1. 摘要表
-
-| 题名 | 归因 class | conf | 对抗复核 agree | 最终判定 | 是否落修 |
-|---|---|---|---|---|---|
-| db-journal-repair | prompt_surface | high | ✅ agree | **prompt_surface** | ✅ **落修** |
-| text-embed-rank | verification_discipline | high | ✅ agree | **verification_discipline**(主体保留;jxbScgN 细分 error_recovery_robustness) | ✅ **落修**(prompt 纪律 + N 复跑验证,勿当确定性修) |
-| seq-primer-opt | model_luck | high | ✅ agree | **model_luck** | ❌ 并入天花板题 N=5 复跑 |
-| board-move-solve | verification_discipline | high | ❌ **推翻** | **model_luck**(感知 / 棋盘重建方差) | ❌ 不落修 |
-| build-codec | loop_control | high | ❌ **推翻** | **budget_asymmetry + model_reasoning_variance**(次:loop_control) | ❌ 不落修(方向部分成立,中心论点被证伪) |
-| dual-lang-rust-c | verification_discipline | high | ❌ **推翻** | **mixed**: verification_discipline 2/5 + deadline/latency budget 3/5(其一零交付) | ❌ 不落修(2/5 成立但整体过度概括) |
-
-**分布**:落修 **2** 题(db-journal-repair + text-embed-rank)· model_luck / 方差 **1** 题(seq-primer-opt,复核 agree)· 对抗复核**推翻 3** 题(board-move-solve / build-codec / dual-lang-rust-c,推翻率 **3/6**)。
-
----
-
-## 2. 可落修清单(复核通过且非 model_luck)
-
-### 2.1 db-journal-repair — `prompt_surface`(复核 agree,None 改判)
-
-- **CC 制胜机制**:全程把任务输入产物当只读只读勘验材料。开局仅用 `ls`/`file`/`xxd` 等非侵入读命令勘验字节 → 识别文件头缺失预期 magic → 推出单字节 XOR 变换参数 → 先 `mkdir` 隔离工作目录 + `cp` 主库 + 把还原出内容旁路写入副本目录 → **只对副本目录里的拷贝运行数据库引擎查询**,原始产物文件从头到尾未被任何数据库引擎打开。制胜机制 = 先勘验-再快照-再对副本做可能有副作用的操作的**操作序纪律**(snapshot-before-mutate / treat-input-as-read-only),而非诊断能力本身。
-- **sema 失败机制**(5/5 一致签名,系统性非方差):每条在开局前 1-3 次工具调用内、且在任何备份之前,就直接用数据库引擎 CLI 对活体主库跑读查询作为探测。该库处于 WAL 模式且 WAL 文件被字节级变换,引擎打开时把"损坏"的 WAL 丢弃/删除 → 唯一数据来源在解码前不可逆丢失。5/5 都能从 `ls` 前后差异推断出是自己那次引擎探测删掉了文件,≥4/5 在文件消失前后仍独立推出正确 XOR 变换参数(诊断全到位、唯独产物已不可再生);此后每条把剩余 650-700s 耗在不可能的删除文件恢复(overlayfs / debugfs / inode / 裸块设备),deadline finalize 强制下写出错误猜测。
-- **引擎面指认**:脚手架 / 系统提示词面 —— `role.base` 常量块。实测 `prompt.assembled` blocks = `role.base`(6971 chars)+ `harness.context`(1666)+ `env.context`(199),totalChars=8836;全 prompt 文本内**无** snapshot-before-mutate / treat-input-as-read-only / 备份优先 任何纪律条款。缺"把任务输入产物当只读、对可能有副作用的操作先快照/在副本上操作"的开局操作纪律。
-- **CC 锚坐标**(cc_anchor_hint 原文):
-  > CC PASS = cc-pro-full/db-journal-repair__azvg49V(非题目指定的 r3 yvxXHba,后者已超时 FAIL,reward=0)。CC 制胜逐字锚:jsonl idx25 `cd /tmp && mkdir -p recovery && cp /app/main.db /tmp/recovery/... 且仅对 /tmp/recovery 副本 sqlite3`;sema 丢失点逐字锚:sema.txt 各 trial 开局 1-3 调用内 `sqlite3 /app/main.db "SELECT..."` → 随后 `FileNotFoundError: '/app/main.db-wal'`(Dw6sECg L22→L84,hK7jrxV L10-12,iaposfM L11,PgMB5bV L23,uCPpsBK 的引擎探测同族)。引擎面锚=prompt.assembled blocks[role.base],缺 snapshot-before-mutate 纪律。
-- **修复建议原文**:
-  > 在 role.base(或收尾/操作纪律段)加一条开局操作纪律:遇到需修复/恢复/勘验的输入产物时,先只读勘验字节,任何可能改写或触发引擎副作用(尤其数据库打开、原地写、格式化工具)的操作前,先把原始产物复制到隔离工作目录,只对副本执行——即"snapshot-before-mutate / 输入产物默认只读"。落码建议附 CC 锚:CC PASS 轨迹逐字机制=`cp` 主库到 /tmp/recovery 后仅对副本 sqlite3 查询,原产物零引擎打开。可用现成的收尾自检脚手架同一注入点扩一条前置纪律,并加一条定向测试:构造"引擎打开即丢失输入"的场景验证 agent 先备份。此修属通用操作纪律,非 teaching-to-the-test(适用任意"输入不可再生+存在有副作用的探测路径"的任务族)。
-- **复核确认要点**(上机 ssh 逐条,全通过,反驳未成立 —— reason 全文):
-  > 上机核对全部通过,反驳未能成立,归因经得起对抗复核。逐条坐实:
-  >
-  > 前提校验:5/5 sema(Dw6sECg/hK7jrxV/iaposfM/PgMB5bV/uCPpsBK)verifier/reward.txt 全=0;CC azvg49V reward=1;题目指定的 CC r3(yvxXHba)reward=0(确为 FAIL)。任务=同模型 deepseek-v4-pro,差异纯在 agent 壳。premise 成立。
-  >
-  > ① 机制差有硬轨迹证据,非脑补:
-  > - CC 制胜(claude-code.txt Bash 命令序,逐条):ls→file→xxd/xxd→python3 只读读文件→python3 XOR 探(仍只读文件)→`cd /tmp && mkdir -p recovery && cp /app/main.db /tmp/recovery/main.db && python3 解码WAL写入副本 && sqlite3 /tmp/recovery/main.db "SELECT count(*)"` 返回 11→`sqlite3 /tmp/recovery` 取全records→写 /app/recovered.json。CC 全程首个也是唯一的 sqlite3 引擎调用打在副本 /tmp/recovery/main.db 上,原始 /app/main.db 从未被引擎打开。逐字锚与 cc_anchor_hint 完全一致。
-  > - sema 丢失点(5/5 一致签名,非各败各样):首个引擎操作即裸 `sqlite3 /app/main.db "SELECT..."` 打活体主库,之前无任何 cp 备份;随即 main.db-wal 消失(Dw6sECg turn2 sqlite3 探→turn3 `FileNotFoundError: /app/main.db-wal`;PgMB5bV L23 探→L63 同错;iaposfM L11 探→随后 wal 消失;hK7jrxV L10-12 探;uCPpsBK L194 探,exit=0 只回 5 records,wal 静默 checkpoint 删除)。sema 与 CC 的 XOR 变换参数推理逐行相同(同模型),唯一行为分叉=操作序:CC 先 cp 后开,sema 先开原库。
-  >
-  > ② engine_surface 指认未过度:实际读 events.jsonl 的 prompt.assembled——role.base 6971 chars,harness.context 1666,env.context 199,totalChars=8836,与归因数字一致;全 prompt 文本内无 snapshot-before-mutate/treat-input-as-read-only/备份优先 任何纪律条款(搜到的 "snapshot" 命中全是模型自己事后的 overlayfs 恢复尝试,非 prompt 内容)。故"role.base 缺开局操作纪律"是可证实的事实指认,非把模型行为硬安到引擎头上。诚实保留:近因是模型的操作排序行为,而同模型在 CC 壳内做了安全动作——即差异确实经由系统提示词/工具指引塑形(正是 prompt_surface 类),指认方向站得住,fix 注入点(role.base)合理且可测。
-  >
-  > ③ 更简单解释被排除:5/5 相同失败签名=系统性非方差;两侧同模型/同任务/同 docker 环境=非配置非环境;分叉方向与 prompt 内容差(CC 有勘验式只读+副本习惯 vs sema role.base 无)一致且 5/5 确定性复现。
-  >
-  > 唯一措辞松动(不改判决):"1-3 次调用内"对 uCPpsBK 偏松(其 sqlite3 探针实为第 ~4 个 Bash 调用、+75.7s),但载重命题"对不可再生输入先做有副作用的引擎探测、且备份之前"5/5 全成立。divergence_class=prompt_surface、fix(role.base 加 snapshot-before-mutate 前置纪律+定向测试)、confidence=high 均判 agree。
-
----
-
-### 2.2 text-embed-rank — `verification_discipline`(复核 agree,主体保留)
-
-- **CC 制胜机制**:CC 与 sema 走了近乎相同的 API 探索弧(`mteb.get_model` 裸名 401 → `BAAI/` 前缀解析成功 → 包装器 encode 需 task_name → 回落到底层 `.model` SentenceTransformer)。制胜差异 = CC 多做一次"模型自曝协议"探针:检视 `model.model_prompts`,发现该嵌入模型对查询侧有一段**非对称指令前缀**(query 侧加、docs 侧不加),最终编码按此协议施加(query 用 `prompt_name="query"`、docs 不加)→ 相似度排序正确 → 命中正确项。CC 收尾还做了一次独立第二段脚本"重算校验",但决定性的是编码协议探针本身。
-- **sema 失败机制**(5 条共同,一致):全部在同一探索弧上收敛出一个"自洽但错误"的编码管线 —— **从未检视 model_prompts**、对 query 与 docs 做对称的裸 encode(部分加 normalize 仍无指令前缀)→ 排序系统性偏移、取错。关键佐证:①预算 1530s,5 条全在 39–113s 结束、输出 1.3k–4.6k token,余量 >90% → 排除超时/截断/循环失控;②sema 做了收尾读文件动作,但是浅层自检(仅重读自己刚写的 result.txt,未把排序方法回校到模型自曝的 API 协议)。属领域知识/探针深度 + 验证纪律缺口。
-- **引擎面指认**:收尾自检脚手架提示词段(design/132 收尾验收机制 / task#18)。现有收尾自检只驱动"产出物存在/格式"核对(sema 重读 result.txt 且过 test_result_exists),不驱动"方法正确性回校到工具/库自曝的契约"。缺一条"对第三方 API/模型,先探其自曝的用法协议(prompts/signature/registry)再定管线,勿用默认对称假设"的探针纪律。
-- **CC 锚坐标**(cc_anchor_hint 原文):
-  > CC PASS 轨迹坐标 ~/sema-tb/jobs/cc-pro-full/text-embed-rank__EcY2N4u/agent/sessions/.../b82eed43-*.jsonl:检视 model.model_prompts(自曝 query 指令前缀)后,最终编码用 st_model.encode([query], prompt_name="query")、docs 不加前缀,排序正确;对照 sema events.jsonl 最终 encode 为对称裸 encode 无 prompt_name。引擎侧锚:收尾自检脚手架(design/132 + task#18)——补「第三方 API 协议探针优先 + 方法正确性回校」纪律。
-  > (注:归因原选 cc-pro-full/__EcY2N4u,因指定的 cc-pro-r3-full/__ejCrfah 该题 reward=0 FAIL)
-- **修复建议原文**:
-  > 在引擎默认收尾/方法自检脚手架里补一条「协议探针优先」纪律(中性表述):当任务依赖第三方库/模型的既定用法且首选调用签名报错时,在采信任何回落实现前,先检视该对象自曝的用法元数据(如 *_prompts / model_prompts / signature / 注册表),按其声明的非对称/指令化协议施加,勿默认对称裸调用;收尾自检需覆盖「方法正确性」而非仅「产出物存在+格式」,即把结果回校到工具自曝的契约而非只重读自己写的文件。此杠杆方向可复现(CC 多一步探针即翻绿),但边际接近 model_luck(是否走这步取决于模型当轮选择),建议以 prompt 纪律 + bench N 复跑验证增益,勿当确定性修。CC 锚线索:cc-pro-full/text-embed-rank__EcY2N4u trajectory 中 `model.model_prompts` 检视步 → `st_model.encode([query], prompt_name="query")`。
-- **复核确认要点**(agree=true,主体保留 + 一处事实修正 + jxbScgN 细分 —— reason 全文):
-  > 上机核查(ssh 测试机)逐条对轨迹,核心归因成立、非叙事脑补,但发现一处需修正的事实性过度概括。
-  >
-  > 【核心机制 — 证据支撑,VERIFIED】
-  > CC PASS(cc-pro-full/text-embed-rank__EcY2N4u,reward=1.0)轨迹 b82eed43-*.jsonl 确凿:检视 `model.model_prompts` → 自曝 `{'query': '为这个句子生成表示以用于检索相关文章：'}`(BAAI/bge 非对称查询指令前缀),最终编码 `st_model.encode([query], prompt_name="query")` + `doc_embeddings = st_model.encode(documents)`(docs 不加)。归因描述与轨迹逐字吻合。
-  > 决定性佐证:verifier 是**正确性判据**(test_data_matches),expected=`"MTEB: Massive Text Embedding Benchmark"`;5 条 sema FAIL 全部产出**同一个错误答案** `"HumanEval: ..."` → 系统性排序偏移,与「缺查询前缀」高度自洽。CC docs 侧确不加前缀,归因这点也对。
-  >
-  > 【需修正的事实错误 — 归因过度概括,不足以推翻主结论但必须点名】
-  > 归因声称「5 条 FAIL 共同机制一致:全部从未检视 model_prompts、从未施加非对称前缀」——对 1/5(jxbScgN)为**假**:该轨迹 model_prompts 命中 8 次、prompt_name 命中 39 次,明确看到了同一个中文前缀,但最终 encode 用 `prompt_name=None`(query+docs 对称)。真实路径:它走 wrapper 的 task-name 通道踩到 `KeyError: 'Retrieval' not found`(+ `encode() missing task_name`),随后回落到底层模型时把已看到的 query 协议一并丢弃。所以 jxbScgN 的失败是「探针到手后中途放弃/回落错误」而非「从未探针」。另 4 条(FmkpgBE/gYWahUD/QAFUv4H/UCT77Bf)确为对称裸 encode、零前缀,符合归因。
-  >
-  > 【为何仍 agree】
-  > ①end-state 机制对全 5 条成立(最终编码都缺查询前缀 → 同一错答),主结论=「CC 施加非对称查询协议、sema 未施加」经证据站得住;②归因自身诚实标注 confidence 边际≈model_luck、建议 N 复跑验证而非当确定性修,已恰当抑制过度归因;③engine_surface(收尾自检回校方法正确性)方向可辩,但对 jxbScgN 略失焦——那更像 wrapper 报错后的回落/恢复鲁棒性缺口,而非「自检只验产出物存在」。
-  >
-  > 【建议修正措辞(不改判决,只纠事实)】
-  > sema_failing_mechanism 的「5 条全从未检视 model_prompts」应改为「4/5 从未探针走对称裸 encode;1/5(jxbScgN)已探到协议但踩 wrapper KeyError 后回落丢弃(prompt_name=None)」;divergence_class 对 jxbScgN 宜补「错误回落时未保留已发现协议」的鲁棒性面,不宜全部归到 verification_discipline 单一桶。engine_surface 指认「收尾自检」略过具体:更简单且互补的解释=模型域知识/中途放弃,非引擎循环控制缺陷——这点归因也已承认(非引擎 finalize 缺陷),故不构成把模型行为差硬安到引擎头上的严重误指。未见方差/配置/环境的更简替代解释(5 条同一错答排除随机方差;预算余量>90% 排除超时;同 task_checksum 排除配置漂移)。
-- **落修口径**:补 prompt 纪律(协议探针优先 + 方法正确性回校),但**以 bench N 复跑验证增益,勿当确定性修**(归因自陈边际接近 model_luck)。jxbScgN 那一条的失败面细分为 `error_recovery_robustness`(探到协议后踩 wrapper KeyError 回落时丢弃已发现的非对称前缀),不全归 verification_discipline。
-
----
-
-## 3. 判 model_luck / 被推翻的题(4 题)
-
-> 这部分是「A1 差异集里多少是真能力缺口 vs 方差」的证据:6 题里 **1 题归因即判 model_luck(复核 agree)+ 3 题归因判能力缺口但被对抗复核推翻**,即 4/6 落在方差/预算轴。
-
-### 3.1 seq-primer-opt — 归因 `model_luck`,复核 **agree**(维持)
-
-- **原归因**:判 model_luck。CC 并未系统性赢下此题 —— CC 侧 1 PASS/3 FAIL、sema 侧 1 PASS/4 FAIL,两侧最主导败因是**同一处近失约束**(某数值差 5.44 vs 阈值 5,逐位相同),通过率同为约 1/4。高方差数值优化题,不宜按引擎面归因或"照 CC 锚拍修"。engine_surface=none。若日后收窄方差,唯一有正向证据的杠杆是 verification_discipline 层的通用提示强化(交付前用外部工具、按评分器会采用的重构口径独立复算关键数值约束),但因两侧同败、N 小,先归 model_luck、并入天花板题 N=5 复跑,不单独立修。
-- **CC 锚坐标**(cc_anchor_hint 原文):
-  > 无引擎锚(判 model_luck)。若日后走 verification_discipline 强化:锚在收尾自检脚手架的提示段(任务#18),做法=提示模型交付前按"从最终产物反推被测区间"的口径用外部工具独立复算数值约束,而非信任中途手挑子串。轨迹坐标:CC PASS=cc-pro-cc-full-r2/seq-primer-opt__6fM9dpS(step19-20 终写前重算);sema PASS=a1-ccdiff-1258-fb/short/seq-primer-opt__WxDQQAU(oligotm 21 次);sema 典型败=DEo29aG/PtCyv6j(自检称 0°C 实评 5.44°C)。
-- **复核维持要点**(agree=true —— reason 全文):
-  > 上机抽查 9 条轨迹的 verifier ctrf/test-stdout + agent 事件,逐点验证均支撑 model_luck 判决,未能反驳。
-  >
-  > 通过率核实(ctrf summary):CC 侧 1 PASS(6fM9dpS)/3 FAIL(Bqaq9wa=Tm 5.44、vtjp3wP=Tm 7.09、nUo5QeS=未生成文件),sema 侧 1 PASS(WxDQQAU)/4 FAIL——与归因字面一致,两侧均约 1/4。
-  >
-  > ① 机制差有硬证据非脑补:归因称"两侧最主导败因是同一处近失约束(Tm 差 5.44 vs 阈 5,逐位相同)"——verifier 逐位坐实:sema DEo29aG/PtCyv6j 与 CC Bqaq9wa 产出完全相同的失败数值 fwd_tm=68.194043 / rev_tm=62.750252 → 5.44379099999999,同一断点。sema ZR7VXps=7.67、CC vtjp3wP=7.09 亦同族(同一 fwd 68.194,rev 边界不同)。"自检称 0°C 实评 5.44"经证实:DEo29aG agent 事件含自检文本"difference 0.003 °C",与评分器重构口径 5.44 冲突=模型用了与评分器非同构的重算口径,属模型自检行为非引擎面。
-  >
-  > ② engine_surface 未过度具体:归因正确置 engine_surface=none,明确拒绝按引擎面归因或"照 CC 锚拍修",未把模型行为安到引擎头上。
-  >
-  > ③ 无更简单的引擎解释,方差解释被证据加强:成败与自检强度(oligotm 调用次数)正相关且两侧区间重叠——CC PASS=57、sema PASS=37 vs CC FAIL=27~30、sema FAIL=18,跨引擎交叠,非引擎系统差。且 CC 的 nUo5QeS 败因是 CC harness UnknownApiError(claude 命令 exit 1 崩溃、oligotm 仅 1 次)=CC 侧崩溃,反而不构成对 sema 的不利证据,进一步坐实"CC 未系统性赢下此题"。
-  >
-  > 诚实标注:fix_recommendation 提出的 verification_discipline 杠杆(交付前按评分器"从最终产物反推被测区间"口径用外部工具独立复算)在本题有真实正向证据(败例自报 0.003°C vs 实 5.44,通过例做了远多的 oligotm 复算);归因已恰当地把它列为可选未来杠杆而非本题特判,主判决保持 model_luck 并入天花板题 N=5 复跑,样本 N=5/4 偏小的自陈也成立。逐轴复核均支撑,故 agree。
-
----
-
-### 3.2 board-move-solve — 归因 `verification_discipline`,复核**推翻 → `model_luck`**
-
-- **原归因**:共同失败机制=对规格完整性的收尾自检缺位(premature closure)+ 软死线吃掉写出窗口。分两类:(A)3 条只写单一制胜解并主动合理化终止,未对"若有多个则全列"做枚举校验;(B)2 条 timeout 在 FEN 重建循环里耗尽墙钟、未写出。engine_surface=收尾验收纪律脚手架(design/132 收尾验收强制 + 收尾自检默认脚手架,任务#18/#26)为主;软死线 finalize / 写出 cushion(design/130-P2b,任务#17/#21)为次。
-- **复核推翻要点**(agree=false,改判 model_luck —— reason 全文):
-  > 上机核证后,归因的 headline(divergence_class=verification_discipline + engine_surface 指向 design/132 收尾验收/完整性自检脚手架)与轨迹证据相矛盾,应改判 model_luck(感知/棋盘重建方差)。逐条:
-  >
-  > 事实错项:①run 分类错。归因说"3 completed 单着 + 2 timeout";实测 result.json/[done] 行显示真实分布=2 completed(mHPqVH2 +715s、NvRP4ru +694s)+ 3 timeout(3Df5x6J +760.8s、NaEZcaV +760.8s、wPd4auZ +806.2s,均 errorCode=limit.timeout)。归因把 wPd4auZ 当作 completed 单着(桶A),实为 timeout。②5 条 result.json 全部 exception_info:null 且都跑到 verifier;verifier 真相=真解是 g2g4 与 e2e4 两个 mate-in-one。写出情况:mHPqVH2 写 e2e4(单)、NvRP4ru 写 g2g4(单)、wPd4auZ 写 e2e4(单)、3Df5x6J/NaEZcaV 无 move.txt(FileNotFoundError)。
-  >
-  > 机制误判(核心):③归因主因判"完整性收尾自检缺位(premature closure),需引擎补完整性硬门"。但 mHPqVH2 在 +711.5s 明确引用规格"Multiple winning moves should all be included",随后仍判"Qe4# is the unique best move / No other moves are needed"——自检做了、答错了,因为它自己像素重建出的棋盘只容纳一个 mate。NvRP4ru 直接自陈"Piece identification was done through pixel color analysis... some uncertainty... whether c6 and d5 are both bishops",并据此棋盘用 Stockfish 判"g4+ is the only winning move"。wPd4auZ:"only if my identification of pieces is correct... e2e4 is the unique checkmate"。即失败根因=像素→FEN 重建不可靠(每条 run 落在不同的错/欠验证棋盘上),不是纪律脚手架缺失。补一条"完整性硬门"提示词对着错棋盘照样只吐一个 mate,修不了。④CC 制胜机制被误述。CC 不是靠"逐候选独立判定的完整性纪律",而是正确重建棋盘后跑 `for move in board.legal_moves: if board_copy.is_checkmate(): mates.append(...)` 程序化枚举,完整性是"正确棋盘+引擎枚举"的副产品。实测:5 条 sema run 跑 legal_moves 枚举循环次数全=0;CC 真 FEN=r1bq1r2/1p3pp1/p1n1p3/3nPkbP/8/P1N5/1P2QPP1/R1B1K2R w,枚举出 e2e4/g2g4 两着并双写。⑤timeout 腿的 finalize 机制虽真触发(steer source=finalize + mech=finalize+callCutoffs),但 3Df5x6J 在 +753–760s 是在困惑地反复自查"is g2g4 even a check?"、NaEZcaV 在 +755–759s 手验自己的 Ng3+/Rh4 线——墙钟耗在手工棋盘重建+单着手工核验上,不是耗在"多解完整性枚举"上,归因的 premature-closure 框架对 timeout 桶方向反了。
-  >
-  > 更简单解释成立:同引擎同模型,像素→FEN 重建是随机的,5 条 run 各自落在不同的错误/欠验证棋盘(3 种不同结论),属 model_luck/感知方差轴,非引擎脚手架缺陷。归因诚实处:正确记了 reward=0 结果、finalize 机制触发、并对 NvRP4ru 自标了"掺入感知误差"——但这条自我限定恰恰揭穿了 headline:感知误差正是主因而非次因。engine_surface 过度具体(把感知方差安到 design/132 收尾脚手架头上),fix_recommendation 的"完整性对账硬门"对该失败无效。
-  >
-  > 方法论保留:置信度不到满分——我用 CC PASS(6YqqkX6,reward 1)对照,归因也已声明未采用的 usPedo3 实为 FAIL,采样口径一致;但 N=5 sema 小样本,"perception-variance vs 某种可提示词修复的行为差"需更大样本才彻底定谳。不过就本证据,verification_discipline + design/132 engine_surface 站不住,故 agree:false。
-- **一句话**:归因把"感知/像素→FEN 重建方差"误安到 design/132 收尾脚手架;补完整性硬门对着错棋盘无效。真因 = model_luck。
-
----
-
-### 3.3 build-codec — 归因 `loop_control`,复核**推翻 → `budget_asymmetry + model_reasoning_variance`(次:loop_control)**
-
-- **原归因**:5 条 FAIL 共同机制=单轮推理时长失控吃满 wall-clock,验收环来不及收敛即被 timeout 截断(全 5 条 timeout 769-840s)。reasoning_delta 极端集中在开局 1-2 个巨型 turn(单轮 13k-21k deltas),工具间存在 100-440s 纯推理空档,死线 finalize steer 触发过晚且触发后未强制立即结束。CC=think-short-then-act 稳定往复。engine_surface=循环控制/推理预算摊分(单轮推理无软上限);fix=给单轮推理引入软预算/节奏门 + 死线 finalize 语义收紧(触发后禁开新长推理)。
-- **复核推翻要点**(agree=false —— reason 全文):
-  > 上机核对 5 条 sema FAIL 与 CC PASS/CC r3 FAIL 的 events.jsonl / trajectory.json,归因的「测量事实」大多属实,但其核心「对比机制」被证据反驳,且低估了一个更简单的混淆项。
-  >
-  > 属实部分(证据支撑):①5 条 sema 全 ~765s timeout,开局 turn1/turn2 巨型推理 burst(HoVQ9nX turn2=21497 deltas;bRub5M6 16538;YBukKaj 13264;Whxx3Gz 20195)——VERIFIED。②工具间大空档(HoVQ9nX 439s;bRub5M6 425.6s;Whxx3Gz 379.7s;YBukKaj 234.6s;UyBgBoT 141.6/177/229.8s)——VERIFIED。③auto compaction 时间戳=span 末尾(全 5 条 compact_ts==last_ts)——VERIFIED。④单条 finalize steer 落在 429-583s——VERIFIED。⑤纯 C 的 HoVQ9nX 仍 5 工具 timeout,证语言次要——VERIFIED。⑥CC PASS 的验收环机械形态(探 gcc/python→Write comp.c→gcc 编译→运行→cat data.comp|/app/decomp→diff→Edit→重编重验→尺寸核对→清理)逐步属实——VERIFIED。
-  >
-  > 反驳点一(核心机制误述):归因称 CC PASS 走「短推理—即行动 稳定往复 / 每个思考块只中等长度」。轨迹反证:gELrHsa step3=68723 reasoning chars/345.4s gap,step4=48184/206.4s——两个巨型 burst 独占 553s(全程 753s),与 sema 的前置巨型推理同形。CC 全程 reasoning=152292 字符,远多于 sema 单条(22k-34k),CC 不是「推理更短更分散」,而是总量更大。「think-short-then-act」是叙事,非证据。CC 之所以 PASS,是因为两个前置 burst 之后 step5-16 恰好都短(3-24s)、尾部刚好塞进预算,而非节奏本质不同。
-  >
-  > 反驳点二(更简单的混淆项被低估):sema 与 CC 有效 wall-clock 预算不等。trial.log 明写 sema 端「task timeout 900.0s → TB_TIMEOUT_SEC=765」,即 sema 自削 135s;CC 跑满 900s。gELrHsa 最后一次工具 rel_s=750.6、753.1s 结束——仅在 sema 765s 预算内 ~14s 余量落地。也就是说 CC PASS 几乎用尽全部 900s 才收敛,若同受 765s 约束只是险过。预算不等(765 vs 900)是与「引擎单轮推理无软上限」并列甚至更前置的解释;归因的 fix 建议②本身要上调 finalize cushion,已隐含承认预算是承重项。
-  >
-  > 反驳点三(engine_surface 过度具体/把模型行为安到引擎头上):CC 自己的 r3 FAIL(HiCbVMP)同样 timeout(step3=81052/343.8s + 后段 19k/24k/25k bursts,853s→900s)。这说明「开局把整套算法先在内部推完」是 deepseek-v4-pro 的模型行为,CC 侧同样存在、同样会 timeout;CC 只在尾部恰好塞进时才赢。因此「sema 引擎单轮无软上限」并非 CC 所无的 sema 专属缺陷,divergence 实质是 模型推理前置 + 预算不对称 + 尾部是否命中 的方差,而非一个 CC 没有的 sema 循环控制缺陷。归因把 divergence_class 定为 loop_control 并将 engine_surface 具体指认到 sema,是把 model-behavior/budget 混淆项收敛成了引擎结论。
-  >
-  > 结论:归因的测量层可靠,但其核心区分机制(CC=短推理往复)被 CC 轨迹直接证伪,且未充分权衡「CC 多 135s 预算 + CC 自己也以同形态 timeout」这一更简单解释。方向(推理前置/预算摊分)不算全错,fix ②③也确有价值,但中心论点不成立、对引擎面归因过度,故 agree:false。轨迹坐标已核:sema events.jsonl per-turn reasoning_delta + tool_start tMs 空档全部实测;CC=trajectory.json steps(reasoning_content 字符 + timestamp gap)。
-- **一句话**:测量层可靠,但"CC=短推理往复"被 CC 轨迹证伪(CC 反而总推理量更大);真因 = **预算不对称(sema 765s vs CC 900s)+ 模型推理前置方差 + 尾部是否命中**,loop_control 仅为次因。⚠️ **budget_asymmetry(TB_TIMEOUT_SEC=765 自削 135s)是可查的测量口径项,值得单独复核是否为公平对照的系统偏差。**
-
----
-
-### 3.4 dual-lang-rust-c — 归因 `verification_discipline`,复核**推翻 → `mixed`(verification_discipline 2/5 + deadline/latency budget 3/5)**
-
-- **原归因**:5 条 FAIL 共同机制完全一致 —— 验收自检只覆盖"功能正确"维度,遗漏"交付范围/目录清单"维度,且收尾动作反而制造/保留违规产物(动态 finalize 最后一步"rm 旧二进制后立刻重编译回来",再生成导致失败的产物)。engine_surface=`src/prompts/default.ts` Verification 段(lines 60-69)+ Verification & reporting 段(lines 530-533),只框功能维度、缺"交付范围/工作区形态"子句。fix=补交付范围/工作区卫生子句(锚 CC PASS 收尾清理行为)。
-- **复核推翻要点**(agree=false,改判 mixed —— reason 全文):
-  > 上机抽查 5 条 sema FAIL 轨迹 + CC PASS 轨迹后,归因的核心机制对 2/5 成立但整体过度概括,3/5 归错类。
-  >
-  > 已证实(非脑补)的部分:①verifier 失败确为交付范围维度,非功能维度——test_outputs.py 断言 `os.listdir("/app/duallang")==["main.rs"]`,8afYrZq 报 found ['cmain','main','main.rs']。②CC 末条 bash 逐字为 `rm -f /app/duallang/main /app/duallang/cmain /tmp/test_*`(显式清理,终局工具调用);sema 8afYrZq/b77p7r2 末条为 `rm -f /app/duallang/X && rustc/g++ ... -o /app/duallang/X`(删后立刻重造,留 main+cmain)。③engine_surface 指认属实:default.ts Verification 段(58-69/530-533)确实只框"最终产物功能/行为正确",无交付范围/工作区卫生子句。CC 与 sema 都把二进制编进 /app/duallang,唯一差异是收尾清理有无——这点站得住。
-  >
-  > 反驳(致命):归因最强的断言"5条FAIL共同机制完全一致(非各败各样)/这不是模型随机性/差一步"被数据证伪。逐条 done 状态:8afYrZq=completed(留产物,匹配)、b77p7r2=completed(留产物,匹配)、cBLN89U=limit.timeout turns=6 toolCalls=4(留 test_macro 探针,但系被墙钟死线中途截断)、Dpi93pS=limit.timeout turns=3 **toolCalls=0**(35518 个 reasoning_delta 死磕注释嵌套语义,从未写 main.rs,verifier 报 **FileNotFoundError: /app/duallang 不存在**,纯死线/延迟爆掉,零交付物)、iRnZJmk=limit.timeout turns=24 toolCalls=27(留 18 个探针文件,同为中途截断)。
-  >
-  > 即:干净的"completed 但留产物"=纯 verification_discipline 机制仅 2/5;3/5 死于 `limit.timeout`(延迟/死线预算,与验收纪律正交),其中 Dpi93pS 根本没产出任何交付物——补一条清理子句无法修一条超时前就没写文件的 trial。cBLN89U/iRnZJmk 的"目录残留探针"被 timeout 中途截断混淆,把"缺卫生"与"被截断"两因归成一因。task 指令本身要求把 main/cmain 编进 /app/duallang(cmain 就是 prompt 指定的输出名),故"sema 弄脏目录"=任务预期行为,真正判别项只有收尾清理有无——而三条超时 trial 压根没走到 finalize。CC PASS 是 5 轮 ~15s 轻松收尾。
-  >
-  > 机制真实、fix 方向合理,但归因实质性夸大同质性并把 3/5(超时/延迟,含一条零交付)误分成同一 verification_discipline 机制。按"不确定就 agree:false",不同意。
-- **一句话**:干净的"completed 但留产物"= 纯 verification_discipline 仅 **2/5**;**3/5 死于 limit.timeout**(延迟/死线预算,与验收纪律正交,其中一条 toolCalls=0 零交付)。补清理子句修不了超时腿。整体过度概括 → 改判 mixed。
-
----
-
-## 4. 方法论小结
-
-- **对抗复核推翻率 3/6**(board-move-solve / build-codec / dual-lang-rust-c),外加 1 题归因即判 model_luck(seq-primer-opt)、2 题归因保留(db-journal-repair 直接 agree、text-embed-rank 主体保留 + 事实修正)。即:归因 opus 单独产出的 6 条里,**只有 2 条能力缺口结论经独立上机对抗复核站住**。
-- **双轨迹归因 + 独立复核的价值 = 防叙事脑补**。三条推翻全部因为同一类错误:归因 opus 把"叙事框架"(如 build-codec 的"CC=短推理往复"、board-move-solve 的"完整性收尾自检缺位")当结论,而复核上机读轨迹后发现:
-  - **CC 自己也以同形态失败**(build-codec 的 CC r3 同样 timeout;board-move-solve 的 CC 制胜是"正确棋盘 + 引擎枚举"的副产品,非纪律),说明归因指认的"sema 专属引擎缺陷"实为跨壳共有的模型行为。
-  - **run 桶分类经不起 result.json 核对**(board-move-solve 把 timeout 当 completed;dual-lang-rust-c 把 3/5 timeout 误并入 verification_discipline;其中一条 toolCalls=0 零交付)。
-  - **更简单的混淆项被低估**:预算不对称(build-codec 的 sema 765s vs CC 900s)、感知/像素重建方差(board-move-solve)、限时截断(dual-lang-rust-c)。
-- **结论对 A1 的意义**:A1 硬差异集 6 题里,真正可用引擎面/提示词修收窄的能力缺口 = **2 题**(db-journal-repair 的 role.base snapshot-before-mutate 前置纪律,可确定性修;text-embed-rank 的收尾协议探针纪律,须 N 复跑验证)。其余 4 题落在方差 / 预算 / 感知轴,不宜"照 CC 锚拍修"。这印证了纪律:**中途叙事别当结论,per-trajectory 上机核证 + 独立复核是防 teaching-to-the-test 的必需闸**。
-
----
-
-## 5. 数据坐标
-
-- **workflow run id**:`wf_cabd9704-8fd`
-- **总 token**:731408
-- **腿数**:12 腿(6 归因 opus + 6 独立对抗复核 opus)
-- **源文件**:`w4wuz4i1b.output`(workflow 事件流 JSONL,388 行;解析法=从末尾 `"agreed"` 前最近的 `{` 起用 `json.JSONDecoder().raw_decode`)
-- **完成对象**:`{agreed:[text-embed-rank, db-journal-repair, seq-primer-opt], disputed:[board-move-solve, build-codec, dual-lang-rust-c]}`(agreed=复核 agree=true,disputed=agree=false)
-- **对照基线**:sema core 1.258.2(FAIL)vs CC 2.1.201(PASS),均 deepseek-v4-pro,差异纯在 agent 壳
-- **CC PASS 轨迹选择注**:多题指定的 r3 目录实为 reward=0 FAIL,归因均改用 cc-pro-full 的真 PASS 轨迹(db-journal-repair→azvg49V、text-embed-rank→EcY2N4u、board-move-solve→6YqqkX6、build-codec→gELrHsa、seq-primer-opt→6fM9dpS;dual-lang-rust-c 仍用 r3 的 jS67VTt PASS)
-- **上机核证**:复核 opus 逐题 ssh(如 测试机)读 verifier ctrf / result.json / events.jsonl / trajectory.json 对轨迹逐条核证,非纸面复读

package/docs/AB-ORACLE-GATE-VERDICT-2026-07-10.md

@@ -1,100 +0,0 @@
-# A/B oracle 接地闸验收腿判决 — 1.259.0 vs 1.260.0（sc-03）
-
-> 2026-07-10 · 收分判决 subagent · M2.5 基座版本决策判据（clay 拍的阶梯）
-> 数据：sc-03 `~/sema-tb/jobs/ab-oracle-{1259,1260}-fb`（亲数逐 trial，非抄 status）
-> reward 路径：`verifier_result.rewards.reward`（0/1）；errored/timeout/无 reward 记 0 并标记
-> 逐 trial 明细：`bench/tb-matrix/ab-oracle-1259-1260.json`
-
----
-
-## 判决先行（三态）
-
-**净增益 = +1 < +2 → 中性档（不达阶梯门）。M2.5 基座维持 1.259.0，不换 1.260/1.261。**
-
-- 正样本 4 题合计:1.259.0 = **12/23** → 1.260.0 = **13/23**,**净 Δ = +1**。
-- 唯一变动来自 password-recovery(1/5→2/5,Δ+1);其余三正样本(extract-elf 5/5、reshard-c4-data 4/5、corewars 2/3)**逐题 Δ=0**。
-- N=5 下单题 ±1 属方差纪律内噪声,不构成信号。合计 +1 落在 **<+2** 区间 → 1.260.0 oracle 闸在本腿**未产生可分辨净收益**。
-- 负样本 nginx **无降质**(5/5→5/5),walltime +12.3s(+9%,单题 N=5 小样本,不构成拖慢证据)。
-- 结论:oracle 接地闸不掉分、不拖慢,但本腿**没测出 ≥+2 的正向净效应**,不足以支撑基座上迁。等更大 N 或第二腿直接用 1.259.0 跑。
-
-**版本核实**:A tgz package.json = `1.259.0`,B = `1.260.0`(逐 tgz 解包核对,非信版本号 label)。
-
----
-
-## 逐题通过率表(题 × 版本,x/N)
-
-| 题 | 类 | 1.259.0 (A) | 1.260.0 (B) | Δ |
-|---|---|---|---|---|
-| password-recovery | POS | 1/5 | **2/5** | **+1** |
-| extract-elf | POS | 5/5 | 5/5 | 0 |
-| reshard-c4-data | POS | 4/5 | 4/5 | 0 |
-| winning-avg-corewars | POS | 2/3 | 2/3 | 0 |
-| **正样本合计** | | **12/23** | **13/23** | **+1** |
-| nginx-request-logging | NEG | 5/5 | 5/5 | 0 |
-
-**亲数 trial 数核对**(启动方案 = 两趟 `-k 5` + `-k 3`):全部落盘齐,无少跑。
-- 两组各:password-recovery/extract-elf/reshard-c4-data/nginx = **5**,corewars = **3**。总 23 + 23 = **46 trial**。
-- 46 trial 全部 `verifier_result.rewards.reward` 有值,**零 exception/timeout/errored**(无 0-记标记条目)。
-
-逐 trial reward:
-- pw-recovery 1259=[0,0,1,0,0] 1260=[1,1,0,0,0]
-- extract-elf 1259=[1,1,1,1,1] 1260=[1,1,1,1,1]
-- reshard-c4 1259=[1,1,1,1,0] 1260=[1,1,0,1,1]
-- corewars 1259=[0,1,1] 1260=[1,0,1]
-- nginx 1259=[1,1,1,1,1] 1260=[1,1,1,1,1]
-
----
-
-## 负样本 nginx 对比(oracle 闸不该拖慢/降质无结构题)
-
-| | 通过率 | 平均 walltime |
-|---|---|---|
-| 1.259.0 | 5/5 | 136.0s |
-| 1.260.0 | 5/5 | 148.3s |
-
-- 通过率无变化(闸不误伤无结构题)。walltime +12.3s(+9%)——单题 N=5、且 nginx 本身极短(百秒级),此差落在正常波动内,**不判定拖慢**。oracle 闸设计为「漏报无害/误 arm 至多多一轮」,与观察一致。
-
----
-
-## 机制验证抽验(B 组)
-
-**oracle 接地闸 = 1.260.0 新模块,真存在**:
-- `dist/core/runner/grounding-signal.js` **仅 B(1.260.0)含**(4 refs),A(1.259.0)tgz 中**完全不存在**。已 wire 进 `runtask.js` 的 final-verify 门(injection #2 = 至多一次 grounding re-entry,注入 cap=2)。
-- 模块头注释坐实设计:纯确定性、只看 tool-call ARGS(byte-level/结构 tell:checksum-family 命令等)、宁严勿宽、无单题脚手架、漏报降级为 design/132 one-shot。
-
-**password-recovery 抽 2 trial(arming 条件核对)**:
-- `jyBnN37`(reward 1):checksum-family tool 调用 = 10 → **gate 会 arm**。
-- `RitC3JG`(reward 1):checksum-family = 3 → **arms**。
-- 两 trial 结构信号充沛,注入的 R9 二次门条件满足。
-
-**corewars 抽 1(假完成拦截)**:
-- `ANabQA2`(reward 1)/`PrvhsYu`(reward 0)/`zkgJKb8`(reward 1):pmars/redcode 结构 tell 充沛(132/237/147),gate 会 arm。
-
-**⚠️ 运行时触发无法从 transcript witness(如实报)**:
-- 注入的确切句 `<system-reminder>[final verification] Your tool calls in this run worked with raw bytes, structural parsing...` 在**所有 B trial 的 sema.txt / events.jsonl 中零命中**;连 design/132 基础 `[final verification]` 注入句也是 0。
-- 原因:harbor adapter 的 transcript 只记录**模型输出 / reasoning / tool 事件**,不记录服务端注入的 system-reminder。故闸的实际触发/拦截行为**不可从落盘 transcript 直接判读**。
-- sema.txt 里出现的 "final verification" 文字是**模型自发 reasoning**(A/B 两版都有,非注入)——不能当作闸触发证据。
-- 定谳:**模块代码在位 + arming 条件满足是确证的;运行时闸是否真触发/是否真拦住假完成,本腿的落盘 transcript 无法证实也无法证伪**。若需 witness 触发,须在 harbor adapter 侧打开注入-reminder 记录,或 core 侧加 `grounding_gate_fired` 结构化事件。
-
----
-
-## 落盘
-
-- 逐 trial:`bench/tb-matrix/ab-oracle-1259-1260.json`
-- 本判决:`docs/AB-ORACLE-GATE-VERDICT-2026-07-10.md`
-
----
-
-## 机制订正(主会话终审,2026-07-10)
-
-收分腿报「运行时触发无法从 transcript witness」——**订正:证据层找错了**。触发证据不在 transcript 文本(harbor 不落服务端注入),在 sema-tb telemetry sidecar(agent/events.jsonl)的 `stats.mechanisms.finalVerifyInjections` 计数。B 组(1.260.0)全 23 trial 亲数:
-
-| 题 | inj=2(oracle 闸重入) | inj=1(常规 R9) | inj=0 |
-|---|---|---|---|
-| password-recovery | 3/5 | 1/5 | 1/5 |
-| extract-elf | 3/5 | 2/5 | 0 |
-| reshard-c4-data | 1/5 | 4/5 | 0 |
-| winning-avg-corewars | 0/3 | 3/3 | 0 |
-| nginx-request-logging(负样本) | **0/5** | 5/5 | 0 |
-
-**机制判决:闸精确按设计工作**——①结构题选择性重入(password/extract-elf 高触发=checksum/ELF 结构信号最强);②**负样本零误 arm**(nginx 全 inj=1,不重入不拖慢);③corewars 零重入待查(可能 R9 后无再 grounding 信号=服从,或 arming 窗口错过——单独小案)。效果判决不变(净 +1=中性,N=5 方差内),但机制面从「无法证」升级为「触发面精确、效果未转化为分」——下一步杠杆在 R9 文案的说服力/接地动作的强制力,非触发条件。

package/docs/ANCHOR-GAP-INVENTORY-2026-07-09.md

@@ -1,143 +0,0 @@
-# 锚定缺口盘点(2026-07-09)
-
-> 目的:可派单的锚源双轨盘点。**A 部分**=引擎「注入给模型的所有文本面」的锚源审计(CC-verbatim / CC-derived / hand-written SEMA-only 三分类);**B 部分**=CC 198 逐工具深对比(`docs/CC-TOOL-PROMPT-DEEP-DIFF-2026-07-08.md`)HIGH/MED 判决的已处置/未处置余量盘点。
-> 背景教训:final-verification 文案曾手写无行为锚,直到 full-89 丢 9 题才补锚(`docs/FINAL-VERIFY-SURFACE-AUDIT-2026-07-09.md`)——**SEMA-only 机制的 prompt 面若无 CC 行为锚,失败要等 TB 桶暴露才被发现**。本盘点即穷举这类面,提前把「无锚」标出来。
-
----
-
-## A. 手写 prompt 面盘点(锚源双轨审计)
-
-方法:穷举引擎「注入给模型的文本面」,两类都盘 —— **(1) prompt.assembled 静态块**(system prompt 组装,`src/prompts/default.ts` + `supervisor.ts`);**(2) 运行时注入**(turn-boundary system-reminder / steer / 收尾 nudge / 子代 preamble / 工具卡片文案)。每面判分类 + 行为锚可得性 + TB 暴露 + 优先级。
-
-分类图例:✅ **CC-verbatim**(逐字 port,有源码锚)· ⚠️ **CC-derived**(改写自 CC,有部分锚,注明偏离点)· 🔴 **hand-written SEMA-only**(手写,无 CC 逐字锚)。
-
-### A.1 静态 system prompt 块(`src/prompts/default.ts` / `supervisor.ts`)
-
-| # | 注入面 | 坐标 | 分类 | 行为锚可得性 | TB 暴露 | 优先级 |
-|---|---|---|---|---|---|---|
-| S1 | `DEFAULT_SYSTEM_PROMPT`(Truth/Action/Tool use/Verification/Hierarchy/Final answer) | default.ts:26-88 | ⚠️ CC-derived | 蒸馏自 CodeWhale「宪法」+ Anthropic「right altitude」,非 CC 逐字;结构对齐但措辞 SEMA 自拟 | 间接(neutral base,TB 用 CODE_AGENT/FULL_BODY) | 低(已稳定基座) |
-| S2 | `CODE_AGENT_PROMPT`(Engineering/Care/Tool/Git/Verification&reporting) | default.ts:485-548 | ⚠️ CC-derived | 蒸馏自 CC 生产 coding prompt(去品牌);其中 **Git 段**(:530-536)= e9f6885 从 CC198 Bash 卡迁入(逐字锚),**snapshot-before-mutate**(:517)= A1 归因批 cc-198 逐字锚(db-journal-repair PASS trace),**Verification 段**(:540)= CC-derived | 是(A1 归因 db-journal 族) | 低(主体已锚过) |
-| S3 | `MEMORY_SAFETY` / `MEMORY_HYGIENE` | default.ts:98-122 | ⚠️ CC-derived | 改写自 CodeWhale `memory_guidance.md`;非 CC | 否 | 低 |
-| S4 | `CYBER_RISK` | default.ts:137 | ✅ CC-verbatim | CC `cyberRiskInstruction.ts` 逐字(Safeguards-owned) | 否 | — |
-| S5 | `URL_SAFETY` | default.ts:144 | ✅ CC-verbatim | CC `prompts.ts:183` 逐字 | 否 | — |
-| S6 | `SUMMARIZE_TOOL_RESULTS` | default.ts:151 | ✅ CC-verbatim | CC `constants/prompts.ts:841` 逐字 | 否 | — |
-| S7 | `EXECUTION_ENVIRONMENT`(隔离/权限契约) | default.ts:161-171 | ⚠️ CC-derived | CC sandbox prompt 的 SEMA 适配(CC 的 Seatbelt/allowedHosts 是产品特定,SEMA 换成 managed-container/policy-gate 契约);逐条有 CC 概念锚但措辞自拟 | 是(TB 无 egress 沙箱烧预算,黑板 [442]) | 低(已带部署事实) |
-| S8 | `WORKTREE_NOTICE` | default.ts:179-180 | 🔴 SEMA-only | **自撰(clean-room)**;CC # Environment 有 worktree 短句(:440 已 port),但这段完整 NOTICE 是 SEMA 手写 | 否 | **低-中**(isolation:worktree 才挂;行为锚=CC # Environment worktree 句已有,可考据补齐但非缺失) |
-| S9 | `PROJECT_CONTEXT_FRAMING` | default.ts:190-191 | 🔴 SEMA-only | **自撰**;design/113 §4.5,活体验证驱动(Qwen3.5 project-passive 现象)。CC 无对等(CC 的 CLAUDE.md 注入是 data-only 无此 framing) | 否 | 低(小模型专属;有 SEMA 自证据但无 CC 锚) |
-| S10 | `harnessContext`(system-reminder/untrusted/context-mgmt/hooks 行) | default.ts:203-236 | ⚠️ CC-derived | design/64 §6.2/§6.3;system-reminder+untrusted 两句概念来自 CC,context-management 两态句 SEMA 自拟(§25 诚实两态) | 否 | 低 |
-| S11 | `buildScratchpadSection`(# Scratchpad Directory) | default.ts:309-324 | ✅ CC-verbatim | CC 2.1.198 `MZn` bundle L590674,活体 byte-match | 否 | — |
-| S12 | `buildGitSnapshot`(# git status 快照) | default.ts:341-375 | ✅ CC-verbatim | CC 2.1.198 bundle pretty.js:229300-229312,template+截断文案逐字 | 否 | — |
-| S13 | `buildEnvironmentContext`(# Environment 逐行) | default.ts:415-472 | ⚠️ CC-derived | CC `computeSimpleEnvInfo` 对齐;多数逐行有 CC 锚(worktree 句 :440 逐字),sandbox 族(:448-463)= 黑板 [442] SEMA 自撰(egress/pkg-source/capabilities 无 CC 对等) | 是(sandbox egress=none 句治 TB 下载烧预算) | 低(已带事实且已锚过) |
-| S14 | `AUTONOMY_SELF_AUDIT` / `ANTI_VERBOSITY` / `TOOL_PARAM_JSON` | default.ts:560-576 | ⚠️ CC-derived | design/102,de-brand 自 CC `autonomy_append`/`anti_verbosity`/`tool_param_json` | 否 | 低 |
-| S15 | `SUPERVISOR_PROMPT` | supervisor.ts:26 | 🔴 SEMA-only | design/80 supervisor,人在环监督;CC 无对等(CC 无 supervisor 角色面) | 否(supervisor 场景非 TB 主跑面) | 低 |
-| S16 | `ORCHESTRATION_GUIDANCE`(run_workflow how-to) | supervisor.ts:73 | ⚠️ CC-derived | design/98 S8a;概念来自 CC Workflow/Task 编排,措辞 SEMA 自拟 | 间接(见 B 部分 HIGH-1) | 低(工具卡已带 opt-in 闸) |
-| S17 | `GOAL_COMPLETION_GUIDANCE` | supervisor.ts:141 | 🔴 SEMA-only | design/96 S7 goal 模式;CC 无对等专段 | 否 | 低 |
-| S18 | `ORCHESTRATION_AWARENESS`(high-intensity nudge) | supervisor.ts:158 | 🔴 SEMA-only | design/96 §D/S4 ultra 档;CC 无对等(CC 无按推理档注入的 thoroughness 段) | **可能**(高推理档 TB 题;thoroughness/self-verify 与 final-verify 失败族相邻) | **中**(见 top3) |
-
-### A.2 运行时注入面(turn-boundary system-reminder / 收尾 nudge / 子代 preamble)
-
-| # | 注入面 | 坐标 | 分类 | 行为锚可得性 | TB 暴露 | 优先级 |
-|---|---|---|---|---|---|---|
-| R1 | `TODO_REMINDER_BASE` / `TASK_REMINDER_BASE`(工具未用提醒) | turn-attachments.ts:386-392 | ✅ CC-verbatim | CC 2.1.198 attachments 逐字(尾句 drop 已双证 G1-tail capture) | 否 | — |
-| R2 | `renderChangedFiles`(外部改动重读提醒) | turn-attachments.ts:422-428 | ⚠️ CC-derived | CC getChangedFiles 语义;list-only v1(CC 有 snippet),两句 load-bearing 指令对齐、整体措辞 SEMA 自拟 | 否 | 低 |
-| R3 | `renderBackgroundTasks`(post-compact 后台任务通告) | turn-attachments.ts:440-460 | ⚠️ CC-derived | per-task 状态短语 CC 2.1.198 `vbl` 逐字(:445-452);**header 句 SEMA 自撰**(CC 渲染器是 UI 面板无 model-facing header) | 否 | 低 |
-| R4 | `renderToolsDelta`(deferred 工具就绪) | turn-attachments.ts:472-478 | ⚠️ CC-derived | CC `deferred_tools_delta` template;**中段有意反转**(CC 宣告 discoverable/schema 仍 deferred,SEMA 宣告 materialized/schema 已 live) | 否 | 低(偏离已记档) |
-| R5 | `AGENT_CONCURRENCY_NOTE` / agent_listing headers | turn-attachments.ts:481-493 | ✅ CC-verbatim(**并发句条件除外,见注**) | CC 2.1.198 `agent_listing_delta` 逐字(考据档 showConcurrencyNote)。**⚠️ 订正(AGENT-TYPES 抽查 F6,PARITY-SPOT-AGENT-TYPES-2026-07-10.md):header 逐字对齐属实且「仅 isInitial 出并发句」这半边已对齐(CC pretty.js:479512+599212-599216 亲读同),但并发句的*出现条件*=sema 自定,非 CC 语义等价——CC 条件=`isInitial && Oi()!=="pro"`(订阅档,与 roster 大小无关),sema=`initial && entries.length>1`(roster 大小)。sema 无订阅概念属合理适配,但「考据档 showConcurrencyNote semantics」字样易被误读为语义完全等价 ⇒ 此为记档订正非代码修。** | 否 | — |
-| R6 | `renderMcpInstructionsDelta` | turn-attachments.ts:555-571 | ⚠️ CC-derived | CC `mcp_instructions_delta` headers 逐字;有意偏离=untrusted fence(CC 注 raw) | 否 | 低 |
-| R7 | `PLAN_MODE_FULL_BODY` / `PLAN_MODE_SPARSE_BODY` | turn-attachments.ts:576-581 | ⚠️ CC-derived | 首句 CC messages.ts:3407 逐字(含 CC 自己的 "supercedes" 拼写),尾句 SEMA 适配(ExitPlanMode→人审,CC plan-file 子句无对等) | 否 | 低 |
-| R8 | **graceful-finalize nudge**(预算将尽,写出交付) | runtask.ts:1305 | 🔴 SEMA-only | design/130 P2;**手写无 CC 锚**(CC 无按 budget/wall-clock 注入的收尾催办段)。SEMA-specific 机制 | **可能**(预算面题;与 final-verify 早死族边界重叠) | **中**(见 top3) |
-| R9 | **final-verification nudge**(收尾自检:REAL entry point + A/B/C/E 面选择) | runtask.ts:1980-2010 | 🔴 SEMA-only(**已补锚**) | design/132 机制 SEMA-only,但**文案已经历补锚**:主体 A1 归因 cc-198 逐字锚(text-embed-rank/db-journal PASS trace),A/B/C/E 面选择 = cc-pro-r3-full 6 题 PASS 收尾段跨题纪律(4c4f1c6);fresh-shell/逐维度独立复核=诚实排除 | **是(高)**:full-89 丢 9 题全出自此面(FINAL-VERIFY-SURFACE-AUDIT) | 低(**本轮已处置**,留 N=5 读数验增益) |
-| R10 | `VERIFICATION_PROMPT` / `STATIC_VERIFICATION_PROMPT`(verifier 子代 role) | verify.ts:26-80 | ⚠️ CC-derived | CC `verification` agent 蒸馏(:14 注);「try to BREAK / 两失败模式 / 读代码≠验证」概念对齐,措辞 SEMA 扩写 | 是(verifier 是 TB 判分链关键) | 低(核心判分器,已多轮 dogfood) |
-
-### A.3 🔴 hand-written SEMA-only 项汇总 + top3 高优先
-
-**🔴 项共 8 个**(S8 WORKTREE_NOTICE / S9 PROJECT_CONTEXT_FRAMING / S15 SUPERVISOR_PROMPT / S17 GOAL_COMPLETION / S18 ORCHESTRATION_AWARENESS / R8 graceful-finalize / R9 final-verification〔已补锚〕/ 其中 S8 严格说是「CC 有短句锚、完整 NOTICE 手写」的边界项)。
-
-**按「TB 暴露 × 无锚」排序的 top3 高优先**:
-
-1. **R9 final-verification nudge**(runtask.ts:1980) — TB 暴露最高(full-89 丢 9 题全在此面),但**本轮已补锚并落修**(4c4f1c6,1.258.6)。→ 无需新派单,**只需等 N=5 复跑读数**验证 A/B/C/E 增益是否落地(≥4/5=收复 / ≤1/5=真缺口)。列 top1 是因它是「无锚→暴露→补锚」教训的原型,须闭环验收。
-
-2. **R8 graceful-finalize nudge**(runtask.ts:1305) — 🔴 纯手写无 CC 锚,且与 R9 早死族**边界重叠**(都在收尾/预算将尽窗口触发)。风险:两个收尾 nudge 措辞若不协调,可能相互稀释或诱导「赶紧交付」压过「先验收」。**建议派单**:①盘 CC 有无 budget-approaching 行为模式可考据(大概率无→记 deliberate SEMA 机制);②与 R9 做协调审计(触发时序/措辞不冲突),写定向测试。
-
-3. **S18 ORCHESTRATION_AWARENESS**(supervisor.ts:158) — 🔴 手写 high-intensity thoroughness nudge,高推理档挂载,主题(thoroughness/self-verify)与 final-verify 失败族相邻。TB 暴露=可能(高推理档题未逐一核 finalVerify 交互)。**建议派单**:核 CC 是否按推理档注入对等段(大概率无);若 SEMA-only 则确认它不与 R9/S2 verification 段重复表述、不诱导过度自证。
-
-> **诚实标注**:S8/S9/S15/S17 四项虽 🔴,但**TB 暴露=否**(supervisor/goal/project-context/worktree 非 TB 主跑面),优先级低——不进 top3。它们的锚定缺口是「潜在」而非「已暴露」,记档待相应场景进 TB 再评。
-
----
-
-## B. CC 198 工具面深对比余量盘点
-
-源:`docs/CC-TOOL-PROMPT-DEEP-DIFF-2026-07-08.md`(HIGH 2 / MED 24)。对照 git log(0cb4161 及之后)标已处置/未处置。
-
-**关键发现**:深对比后有**三批**处置,不止 0cb4161:
-- `0cb4161`(CC 锚 port 批):HIGH-1 + M2/M4〔判保留〕/M5/M7/M8/M9/M12
-- `e9f6885`(工具 desc 全面对齐 CC198,**推翻「保留长版」判决,CC=基准**):M3/M4〔改判跟随 CC〕/M10/M16/M18/M20/M21/M15〔首句〕
-- `71c5b2a`(design/139 §4.5 记档):HIGH-2/M23/M11/M14〔核心语义〕+ Glob/Grep 负空间,全部**记档为 deliberate_divergence**(消记档真空)
-- `47f498e`:M-邻(TodoWrite allDone 清空 + stale 白名单,checklist)
-
-### B.1 逐项状态表
-
-| # | 工具·维度 | 状态 | 处置 commit / 说明 |
-|---|---|---|---|
-| HIGH-1 | Workflow opt-in 闸 | ✅ **已处置** | 0cb4161;run-workflow-tool.ts:246 现有「ONLY call when explicitly opted into」+ 负向兜底转 Agent。**留 P3 探针**(乱触发率行为验证)未跑 |
-| HIGH-2 | SendMessage 主语义 | ✅ **已处置(记档)** | 71c5b2a §4.5,判 deliberate_divergence(SEMA 无常驻多队友/main 回流,design/122 只建 completed-bg-resume 底座) |
-| M2 | Read「勿重读刚编辑」负空间 | ✅ 已处置 | 0cb4161(fs/index.ts) |
-| M3 | Edit info_density(4-bullet 精简) | ✅ 已处置 | e9f6885(砍短到 CC198 lean 卡) |
-| M4 | Write info_density | ✅ 已处置(改判) | 初判保留长版,e9f6885 **推翻→跟随 CC lean**;*.md/emoji 戒律迁 CODE_AGENT_PROMPT 不丢 |
-| M5 | NotebookEdit cell_id 锚 | ✅ 已处置 | 0cb4161(前提探针=P5,若 Read .ipynb 带 tag) |
-| M6 | Agent→SendMessage 转介链 | ✅ 已处置 | 0cb4161(subagent.ts) |
-| M7 | Agent error_recovery(子代消息转述) | ✅ 已处置 | 0cb4161 |
-| M8 | TaskUpdate 闭环调度句 | ✅ 已处置 | 0cb4161(task-list.ts) |
-| M9 | TaskUpdate `## Examples` 5 条 | ✅ 已处置 | 0cb4161(最高杠杆残差) |
-| M10 | TaskUpdate owner-claim/addBlockedBy | ✅ 已处置 | e9f6885(Fields 段 + CC 逐字 bullets) |
-| M11 | TaskStop agent-team/named 寻址 | ⚠️ **已记档不 port** | 71c5b2a;SEMA 无 agent-team 编制→deliberate_divergence。**留 P6 探针**(design/129 named-agent 是否支持) |
-| M12 | TaskGet `## Tips` | ✅ 已处置 | 0cb4161 |
-| M13 | TaskList 两节结构(认领判据显著度) | ⚠️ **部分/未决** | e9f6885 触碰 task-list.ts,但深对比要求「先跑 hardness bench 看单段 vs 分节」——**bench 未见记录** |
-| M14 | CronList job.prompt | ✅ 已处置(记档) | 71c5b2a 核心语义不改(边界正确);**留 P9 壳侧探针** |
-| M15 | CronCreate 7-day 告知句 | ⚠️ **部分** | e9f6885 对齐 Cron 首句;但「告知用户 N 天上限」句依赖 **P8 探针**(daemon 是否设 TTL)未跑 |
-| M16 | SendMessage info_density 三件 | ✅ 部分处置 | e9f6885(summary maxLength:200);其余随 HIGH-2 deliberate 决策 |
-| M17 | Monitor 双模式 schema | ❌ **未处置(needs_probe)** | 198 静态面无 Monitor(锚缺失)。P1/P2 探针 |
-| M18 | WebSearch desc 瘦身 | ✅ 已处置 | e9f6885(砍到 CC198 lean);**留 P11 探针**验 DeepSeek 仍稳出 Sources |
-| M19 | ExitWorktree discard 闸 | ❌ **未处置** | 能力收窄(SEMA 只 `keep?`)。**留 P12 探针**(CC discard 对脏树是否真 REFUSE)后决定补 `discardChanges?` |
-| M20 | Worktree path/CWD 缓存句 | ✅ 已处置 | e9f6885(path 消误期句 + CWD 缓存) |
-| M21 | Worktree `When NOT to Use` 三条 | ✅ 已处置 | e9f6885(三条 + Scope 块) |
-| M22 | EnterWorktree path 入参(进已存在) | ❌ **未处置** | 能力面非措辞;有意未实现只 refuse。**留探针**评估模型是否真用 path-switch |
-| M23 | ExitPlanMode allowedPrompts | ⚠️ **已记档不 port** | 71c5b2a §4.5;疑与 SEMA ToolPolicy/plan_review 同族,KeyContract 有雏形未建。deliberate_divergence + **P13 探针档** |
-| M24 | ReportFindings 结构化工具 | ⚠️ **已记档不 port** | 架构偏离(review=带外 gate/role/council);建议记档已在 §4.5 覆盖。**留 P14**(需 host UI 消费方) |
-
-### B.2 未处置余量统计
-
-- **完全未处置(实质残差)**:**M17 / M19 / M22** — 3 项,全属 **worktree/Monitor 能力面**,且全部 `needs_probe`(198 静态锚缺失或需 CC 活体行为坐实)。
-- **部分/未决(prompt 面已动、待 bench/探针闭环)**:**M13 / M15 / M18** — 3 项(M13 缺 hardness bench;M15/M18 prompt 已对齐但依附探针验证)。
-- **已记档不 port(deliberate_divergence,非缺口)**:HIGH-2 / M11 / M14 / M23 / M24 — 5 项,已在 71c5b2a §4.5 消记档真空,**不入修复队列**。
-- **已实质处置**:14 项(HIGH-1 + M2/M3/M4/M5/M6/M7/M8/M9/M10/M12/M16/M20/M21)。
-
-> **口径**:严格「未处置且成立」= **M17/M19/M22(能力面)+ M13(bench 未跑)= 4 项实质余量**;M15/M18 是「prompt 已改、探针未跑」的 2 项验证余量。所有实质余量都**先过探针**才动工(深对比 §5 硬要求)。
-
-### B.3 下一批工具面锚定批建议(按 TB 关联度排序)
-
-深对比的实质余量**全部 TB 关联度低**(worktree/cron/monitor 均非 full-89 主跑面;TB 失败桶=shell-gap/verification-面/daemon 族,与这些工具面无交集)。因此下一批的排序**不是**按「工具面残差大小」,而是按「TB 关联度」——结论:**工具面残差批应让位给 A 部分 R8/R9/S18 收尾-验证面**,后者才碰 TB 失败桶。
-
-**建议首批(3-5 项,TB 关联度降序)**:
-
-1. **[A·R9 闭环] final-verification N=5 复跑读数验收** — TB 关联最高(丢 9 题源头),1.258.6 已落修,**只差读数**。首要动作。
-2. **[A·R8+R9 协调] graceful-finalize × final-verify 收尾双 nudge 审计** — 中批;两个收尾窗口 SEMA-only nudge 的触发时序/措辞协调 + 定向测试。碰预算面 TB 桶。
-3. **[A·S18] ORCHESTRATION_AWARENESS 与 verification 段去重审计** — 小修;高推理档 thoroughness nudge 是否与 R9/S2 重复表述。
-4. **[B·M13] TaskList 单段 vs 分节 hardness bench** — 小批;深对比唯一「prompt 面未决且要求 bench」的项,多-agent 认领判据显著度。TB 关联=多-agent 场景(当前 TB 单代理为主,关联低)。
-5. **[B·M17/M19/M22 探针腿] worktree/Monitor 能力面 CC 活体探针** — 中批;三项 needs_probe 合并一腿(现行 CC 会话取 Monitor schema + worktree discard/path 行为),坐实后再决定补否。TB 关联=低,可押后。
-
-> **切片纪律**:1-3 是 A 部分收尾-验证面(碰 TB 桶,fable 亲改),4-5 是 B 部分工具面残差(不碰 TB 桶,可押后/探针先行)。首批优先跑满 1-3。
-
----
-
-## 定谳(报告摘要)
-
-**A 部分**:🔴 hand-written SEMA-only 项 **8 个**;top3 高优先(按 TB 暴露×无锚)=①**R9 final-verification**(暴露最高,本轮已补锚,待 N=5 读数闭环)②**R8 graceful-finalize**(纯手写无锚,与 R9 收尾族重叠,需协调审计)③**S18 ORCHESTRATION_AWARENESS**(高推理档 thoroughness,疑与 verification 段重复)。其余四项(S8/S9/S15/S17)🔴 但 TB 未暴露,优先级低。
-
-**B 部分**:深对比 HIGH 2/MED 24 中,**实质未处置余量 = 4 项**(M17/M19/M22 worktree/Monitor 能力面 + M13 TaskList bench),另 2 项(M15/M18)prompt 已改待探针;5 项(HIGH-2/M11/M14/M23/M24)已记档为 deliberate_divergence 非缺口。**建议首批**(TB 关联降序)=①R9 N=5 读数验收 ②R8×R9 收尾双 nudge 协调审计 ③S18 去重审计 ④M13 TaskList hardness bench ⑤worktree/Monitor 探针腿。核心判断:**工具面残差 TB 关联全低,首批应押注 A 部分收尾-验证面**(唯一碰 TB 失败桶的面)。
-
----
-**订正(2026-07-09,R8-R9-FINALIZE-COORDINATION 审计后)**:R8 graceful-finalize 分类从「🔴手写无锚」订正为「**deliberate SEMA-only** + CC 行为动机旁证(CC 跨 3 题 method-cost 收尾纪律的墙钟维度投影;CC 无 deadline 感知,满墙 PASS=迭代到被硬切,无 deadline 锚可取=诚实结论)+ TB 活体验证触发正确」。R8×R9 协调审计=互补非冲突(不同通道/正交内容/R8 前置内联 R9 回声承接极限预算降级;活体双 latch 同 task 证据)。遗留记档:R9 注入无 wire echo(events 流不可见,仅 stats latch)= B 探针候选。
-
-**订正②(2026-07-09,S18-THOROUGHNESS-AUDIT 后)**:S18 从 top3 降级为无罪记档——①CC 确认无对等 prose 段(ultrathink 只注一句 effort meta,强度走 API 参数),S18=诚实的 SEMA-only 推理姿态补全,非 teaching-to-the-test;②措辞全为证伪/找失败/要证据方向,恰是自一致陷阱解药非放大器,与 R9 正交互补;③决定性:TB 抽 3 题(9 题早死集)prompt.assembled 均无 mode.awareness——full-89 非 ultra 档,S18 不在案发现场。遗留定向观察:未来 TB 增设 ultra 档腿时评 S18×R9 同场(预测互补低风险)。至此 A 部分 top3 全处置:R9 已修(1.258.6)/R8 定谳 deliberate+旁证/S18 无罪不在场;余 S9(旧模型特调未对 deepseek 复验)列低优观察。
-