@sema-ai/core 1.277.0 → 1.277.1

package/docs/CENTER-CONTROL-PLANE-SEAM.md

@@ -1,86 +0,0 @@
-# Center Control-Plane Seam — core's contribution to the sema-registry control plane
-
-> Status doc · 2026-06-27 · core/engine AI
-> **Scope**: what `@sema-ai/core` (the data-plane engine) owns and delivers for the **sema-registry "center control-plane"** (the升维 from config-as-code → an AI-fleet central control plane = manage-users + manage-clients + authz + config-distribution + governance + rollout, à la Okta + MDM + entitlements + feature-flags). This records the boundary decisions and the concrete core deliverable, so a future session / the center AI / the service AI can pick it up without re-deriving.
-
----
-
-## 0. Provenance (how we got here)
-
-- The **center AI** authored the control-plane design (`AI-Only/sema-registry` repo, `docs/design/CENTER-CONTROL-PLANE-DESIGN.md`), hardened by a codex 5-lens pass (18 BLOCKER + 28 MAJOR).
-- clay relayed it to the **core AI** for a domain review. Core ran a **4-lens parallel adversarial review** (core-boundary / authz-soundness / PDP-selection / config-sync-import), grounded in core's actual src.
-- The center AI **fully accepted** the review and integrated it into design **R2** (`AI-Only/sema-registry` commit `c3af07e`). That acceptance activated a real **core-side deliverable** (this seam).
-- The core deliverable (the conformance corpus) then got its own **dual-lens review** (completeness + contract-soundness), which caught real coverage gaps — fixed before commit.
-
-The boundary law throughout is **design/99 §0**: *engine semantics / safety / cross-replica → core; UI/UX, config truth-source, deployment state → center/service.*
-
----
-
-## 1. The boundary decisions (core review → center R2)
-
-The center-directed open questions resolved to one coherent split: **core owns the safety SEMANTICS + the safety-domain merge/validation; center owns config authority + the per-field mapping + the bundle/manifest format.** The three were *linked but inverted* from the design's first framing.
-
-| Q | Decision |
-|---|---|
-| **#13 workspace-override merger** | Core does **not** own a ConfigBundle merger. Core **exports the safety-domain merge predicate** it already ships (`loosenReasons` + the tighten-only/operator law + the `toolAxes` fold). The **center's ConfigBundle merger is a dispatcher**: for any field it classifies safety-critical (permissions / tool-policy), it MUST delegate to core's predicate; non-safety fields use center's plain override. The merge **direction is intrinsic to the field's semantics in core**, NOT looked up from a center field-class table. |
-| **#14 field classification** | Reject "core maintains the table". Core owns the **safety-AXIS vocabulary only** (`ToolEffect` = read/write/idempotent; `toolAxes` = effect/egress/irreversibility; `SafetyAxis`/`RiskDescriptor`; fail-closed defaults; precedence = caller-may-lower, server-may-only-tighten). Center maintains the **per-field mapping across all 12 config domains**; a field it marks safety-critical must **cite a core axis value**. Two artifacts, not one merged table. |
-| **#15 ImportManifest / ConfigBundle** | **Center-defined**, not core. Core never consumes a config bundle (it consumes the service-resolved `TaskSpec`). Core's only stake: the **safety-domain payloads** inside a bundle must validate against core's safety-domain schema + provenance-brand (so an import can't smuggle an unsafe policy). |
-| **#18 PDP selection** | **Cedar full-materialization, single graph.** Criterion = *materializability* (the entitlement is a pure function of attributes → freeze into self-contained token claims, matching verify-and-constrain's no-round-trip goal), not throughput. Flip to OpenFGA-under-Cedar (hierarchical, at token-mint time only, never on the worker hot path) **iff** transitive user-created sharing-graph access ships. |
-| **#10 per-RUN budget gate** | Closed: **per-RUN HARD pre-call gate = core** (existing `resourceLedger` + per-slice `min(maxCostUsd, remaining)` + `maxTurns`; center DECLARES the bound in the resolved spec). **per-period = service** (it aggregates a principal's runs; only ever SOFT or eventually-consistent-HARD since spend lives in the data plane). |
-| **Topology correction** | Core does **not** pull `/effective` — the **service** does, and the service is the **verify-and-constrain enforcement point**. Core receives an already-constrained spec and enforces it. `base ∩ ent` is resolved service-side and handed to core pre-narrowed; core never re-intersects against a center entitlement. |
-
-Cross-cutting MAJORs core's review added to R2 (now in the center design): token claim must be **value-equality** not presence (`(aud,resource,tenant) == request`); **bearer-theft is a v1 residual** mitigated by short TTL on high-risk caps; materialized claims must be **constraint-shaped** (floor-only) with monotone-narrowing intersection; `contentHash = canonicalize(zod-output)` + `globalRevision` the sole ordering authority (rollback also advances the consumer's applied revision).
-
----
-
-## 2. What core actually delivers
-
-**Already exported (center can import today, no new core work):**
-- `loosenReasons(prior, next)` — the safety-merge predicate. Returns the list of reasons `next` LOOSENS `prior` (removes a deny / widens an allowlist / removes-or-widens a path confinement). **Empty ⇒ tighten-only/safe; non-empty ⇒ a non-operator override MUST be rejected.** (`src/core/session-policy-store.ts`)
-- The safety-axis vocabulary types: `ToolEffect`, `SafetyAxis`, `RiskDescriptor`, `SessionPermissionRules`.
-
-**New deliverable (this seam):**
-- `SAFETY_MERGE_CONFORMANCE_CORPUS` + `SafetyMergeVector` — the **published golden conformance corpus** (`src/core/safety-merge-corpus.ts`, exported from the package index). 24 vectors covering every loosen path + the tighten/safe/no-op cases + the `lexWithin` path-BOUNDARY edges.
-
-There is **no new merger, no new schema, no new endpoint in core** — the predicate + vocabulary already existed; the corpus is the contract artifact that lets the two codebases share one safety law without forking it.
-
----
-
-## 3. The anti-drift contract (how the corpus is used)
-
-The corpus is the shared anchor (the design/87 gold-corpus discipline):
-
-- **CORE** regression-tests it (`test/safety-merge-corpus.test.ts`): every vector's pinned `reasons` MUST equal `loosenReasons(prior, next)`. If core ever changes the loosen law, this test fails and the corpus updates **in lockstep with the engine version** — the published contract can never silently drift from the implementation.
-- **CENTER** imports the corpus from `@sema-ai/core` and runs it as a **contract test** in its ConfigBundle-merger CI: for each vector, its merger's accept/reject of a **non-operator** workspace override on the permissions domain MUST be **reject iff `vector.loosens`**. That proves center's dispatcher actually routes through core's predicate rather than a forked re-implementation.
-
-**Center contract rule (important):** depend **only on `loosens`** (reject-iff-loosens). `reasons` is core's internal message wording, pinned for *core's* anti-drift only — a center CI that asserts on `reasons` would break on a core reword. On ACCEPT (`loosens === false`) the resolved safety-domain value is `next` (the tightened override applied).
-
-```ts
-// center merger CI (sketch)
-import { SAFETY_MERGE_CONFORMANCE_CORPUS, loosenReasons } from "@sema-ai/core";
-for (const v of SAFETY_MERGE_CONFORMANCE_CORPUS) {
-  const rejected = centerMergerRejectsNonOperatorOverride("permissions", v.prior, v.next);
-  expect(rejected).toBe(v.loosens);            // the contract: reject iff loosens
-  // and the dispatcher must call loosenReasons, not re-derive "deny>allow":
-  expect(loosenReasons(v.prior, v.next).length > 0).toBe(v.loosens);
-}
-```
-
----
-
-## 4. Review findings the corpus closed (dual-lens)
-
-The first corpus cut shipped real gaps; the dual-lens review caught them (the "single review misleads" lesson — these are exactly the safety-critical paths a single pass missed):
-- **MAJOR** — the `commandAllow` allowlist-removal branch was **unpinned** (masked by the `toolAllow` vector + a `tool|command` regex alternation). A forked center predicate could re-allow every command and its CI stayed green. Fixed: explicit `commandAllow-removed-all-allowed` vector + **field-specific** coverage assertions.
-- **MAJOR** — `allowDirs` **empty-array vs undefined** distinction unpinned (`loosenReasons` branches on `.length === 0`).
-- **MAJOR** — `lexWithin` **path-boundary** edges unpinned: `/repo` vs `/repository` LOOSENS (a naive `startsWith` would wrongly accept it), trailing-slash / root / relative-dir cases. These are where a re-implemented center predicate most commonly mis-accepts.
-- **MINOR** — multi-entry removal (center must accumulate reasons, not short-circuit); contract over-coupling (now: depend on `loosens` only).
-
----
-
-## 5. Status & next steps
-
-- **On main**: `455f655` (`feat(core): publish safety-merge conformance corpus`). 24 vectors, 26 tests green, tsc 0, export-surface re-baselined.
-- **NOT released** — held at clay's instruction. When released it lands as **`@sema-ai/core` 1.152.0** (current published: 1.151.0); the center pins that version + imports the corpus.
-- **Pending**: release go (clay) → then notify the center AI (receipt: corpus in 1.152.0 + the consumption contract above).
-- **Not core's** (tracked here only so it isn't dropped): the center builds the ConfigBundle merger + the per-field classification table + the ImportManifest/ConfigBundle reversible contract; the service owns the verify-and-constrain enforcement point + per-period budget + `/effective?principal=` resolution.

package/docs/CLEANUP-CONTRACT-ANCHOR-2026-07-09.md

@@ -1,83 +0,0 @@
-# 「收尾清理中间产物契约」两轨锚证(2026-07-09)
-
-**任务**:判定 sema finalize/收尾帧要不要加"清理构建中间产物,只留 deliverable"指令是否**可锚**(CC 198 源码锚 + CC PASS 轨迹行为锚)。
-**触发档**:`docs/COREWARS-POLYGLOT-TRIAGE-2026-07-09.md` §题2·⑤次向(polyglot-rust-c 留 `cmain` 挂 `listdir==["main.rs"]` 验收)。
-**结论一句话**:**不可锚**——CC 无「清理中间产物」类系统提示帧;行为面 CC 的清理**全部由任务/验收显式要求驱动**(读题仔细),非收尾纪律。判据(自发清理跨题 ≥2 重复)**未达成**。
-
----
-
-## §1 源码锚结果:**verified-absent**
-
-唯一一手源 `claude-cli-2.1.198.pretty.js`(26.4MB)。搜遍以下关键词族,**未命中任何「收尾清理中间产物/临时文件/build artifacts/只留 deliverable」类系统提示或收尾指令帧**:
-`clean up` / `cleanup` / `temporary file` / `intermediate` / `artifacts` / `scratch` / `leave only` / `only the requested` / `deliverable` / `clean up.*(artifact|binaries)` / `remove.*(intermediate|build|temp)` / `compiled binaries` / `tidy` / `before you finish` / `task is complete`。
-
-命中项逐条排除(带行号,逐字转录关键片段):
-
-| 行号 | 逐字片段(截) | 作用面 | 是不是收尾清理帧 |
-|---|---|---|---|
-| 143381 | `Send files to the user. Use this when the file *is* the deliverable — a generated diagram, a report, a screenshot, a built artifact` | `SendUserFile` 工具描述 | **否**。"deliverable"=要推给用户的文件,与「删中间产物」无关 |
-| 240573 | `When you believe the task is complete. BEFORE this call, make your deliverable durable: write the file, save the result, commit the change.` | advisor/收尾建议帧 | **否**。方向相反——是「让交付物**持久化**」,不是「删中间产物」 |
-| 334485 | `If there are no changes to commit ... do not create an empty commit` | git commit 指引 | 否 |
-| 419977 | 子代 system prompt:`Complete the task fully—don't gold-plate ... NEVER create files unless they're absolutely necessary ... ALWAYS prefer editing an existing file to creating a new one.` | delegated-subagent prompt | **否**(最接近但仍不是)。这是「别**新建**多余文件」的**输入面**纪律,不是「收尾**删除**已产生的中间产物」;且无「只留 deliverable / 清理 build 产物」措辞 |
-| 224688 | `Scratchpad directory: ${t}\nWorkers can generally read and write here ... prefer plain data and markdown files.` | coordinator scratchpad 段(已 port) | **否**。只讲 scratchpad 用途,无清理指令 |
-| 149733 / 224635 / 236926(`post_compact_cleanup`) | scratchpad 启用判定 / 压缩后清理钩子 | 内部机制 | 否 |
-| 47960–48134 | `Failed to clean up temp file: ...` | 运行时日志字符串(CC 自己删自己临时文件的实现) | 否(实现细节,非给模型的指令) |
-
-**源码锚判定:absent。** CC 的 system prompt/finalize 帧里**没有**任何「清理编译产物/临时文件、只留要求交付物」类通用纪律。最接近的 419977 是「别新建多余文件」的反向表述,作用面不同,不能作本修向的锚。
-
----
-
-## §2 行为锚结果:题×命令矩阵 + 自发/要求判定
-
-海外机 `91.199.82.197:~/sema-tb/jobs/cc-pro-r3-full/`(89 题 CC PASS 轨迹,deepseek-v4-pro)。对全 89 题尾段(后 20%)扫 `rm -f/-rf`,并区分**删除位置**:`/app`(=被验收的 deliverable 工作区)vs `/tmp`(=agent 自建 scratch/测试夹具)。
-
-### 2.1 全库扫描:尾段删 deliverable 工作区(非 /tmp)的题 —— 仅 3 题
-
-| 题(PASS) | 尾段命令 | 删的是什么 | 任务/验收是否**显式要求**清理 |
-|---|---|---|---|
-| **polyglot-rust-c** | `rm -f /app/polyglot/main /app/polyglot/cmain /tmp/test_*` | 编译产物 `main`/`cmain`(在 `/app/polyglot`) | **是**。验收硬门 `os.listdir("/app/polyglot")==["main.rs"]`(见触发档 §题2①)。清 = 过关动作 |
-| **cobol-modernization** | `rm -f /app/program_cobol`(desc:`Remove compiled COBOL binary` / `Restore original data files and clean up`) | COBOL 编译二进制 + 恢复被改的原始数据文件 | **是(任务语义驱动)**。modernization 题要「还原被动过的输入/不留编译产物」,desc 明写 "Restore original files" |
-| **extract-moves-from-video** | `rm -f /app/zork_video.mp4 && rm -rf /app/frames && rm -f /app/ocr_frame_*.txt /app/all_ocr.txt`(desc:`Clean up video files and temporary OCR output`) | 自建的抽帧/OCR 中间产物 + 输入视频 | **倾向要求**。删的是「解题过程自建的中间态」,保输出洁净(video/frames/ocr 均非最终交付) |
-
-### 2.2 反证:build/compile 类 PASS 题**不做**收尾清理(留着 build 产物)
-
-| 题 | reward | 尾段最后命令 | 有无收尾清理 build 产物 |
-|---|---|---|---|
-| build-cython-ext | 1(PASS) | `pytest ... test_spacecurve.py` | **无**(留编译扩展) |
-| compile-compcert | 1(PASS) | `ln -s .../ccomp ...; ls -la` | **无**(留编译器二进制) |
-| sqlite-with-gcov | 1(PASS) | `ls -la /app/sqlite/*.gcno` | **无**(留 `.gcno` 覆盖产物) |
-| extract-elf | 1(PASS) | `node /app/extract.js /app/a.out > /app/out.json` | **无** |
-
-> compile-compcert 尾段虽有 `rm -rf /tmp/CompCert-build`,但那是**重新解压源码**(desc:"Re-extract clean source")的过程动作,非收尾清理。
-
-### 2.3 /tmp scratch 清理(reshard-c4-data 等)= 删自建测试夹具,不是收尾契约
-
-reshard-c4-data 尾段有 `rm -rf /tmp/test_input /tmp/test_resharded`、`rm -rf /tmp/c4_resharded /tmp/test_edge`(desc:"Clean up test fixtures" / "Clean up all test artifacts")。**全在 `/tmp`,删的是它自己为验证脚本造的测试夹具**;该题验收**不检查目录洁净度**。这是「收拾自己的测试草稿」,与「交卷前清 deliverable 目录中间产物」是两回事。
-
-### 2.4 自发/要求判定
-
-- 删 **deliverable 工作区** 的 3 题(polyglot / cobol / extract-moves)**全部由任务或验收显式要求清理**(listdir 硬门 / 还原原文件 / 输出洁净语义)。
-- **不存在**「验收不要求、CC 却出于收尾纪律主动清 deliverable 中间产物」的题。
-- 反面(build/compile 类)**明确留着** build 产物 → 证 CC **没有**「交卷必清中间产物」的盲纪律,是**按验收要求行事**。
-- `/tmp` scratch 清理是「收自己草稿」,不构成 deliverable 清理契约。
-
-**判据(自发清理非任务要求、跨题 ≥2 重复 = 可锚)结果:0 题达成 → 未满足 → 行为面不可锚。** 与预设「只有 polyglot 一题且该题验收本身要求清理 = 不可锚」高度吻合(实际是 3 题,但 3 题全是验收/任务要求驱动)。
-
----
-
-## §3 终判
-
-**不可锚(源码 absent + 行为 0/N 自发)。** CC 之所以在 polyglot 收尾 `rm -f cmain main`,不是因为它有「清理中间产物」的收尾纪律帧,而是它**读到了验收要求「目录只留 main.rs」并照做**——同类现象(cobol 还原原文件、extract-moves 保输出洁净)全是读题/读验收仔细的结果。sema 在 polyglot 留 cmain 的真因是**根本没解出 polyglot(超时前 Rust 侧还编不过)**,清理是它够不到的第二重失败,而非「缺收尾清理帧」。
-
-### 替代解释(不给修向背书,给真因)
-sema polyglot 挂在 `['cmain','main.rs']` 断言 = **表层**;真死因是**解法效率**(选了 `/*`+`//*/` 双嵌套绕解陷调试,墙钟 cutoff 时 Rust 侧仍编不过)。给 finalize 帧补「清理中间产物」**救不回**——它连能被清理的正确 main.rs 都没产出。
-
-### 若仍想在 sema 端补此纪律的正确框法(非 CC 锚,是我方自主设计,须标注)
-- **不能**声称「CC 锚」。可作为 **sema 自有的读题纪律强化**:在解析验收/任务时,若发现「目录只允许含 X」「只留 deliverable」类隐性硬门,**在计划阶段登记为显式交付约束**,收尾前校验。
-- 这与 CC 行为**一致**(CC 也是读到要求才清),但**机制不同**:CC 靠模型读题能力,sema 若要补,应补在**验收解析/收尾校验**层(确定性),而非往 finalize prompt 塞一句盲清指令(盲清会误删 build 类题该保留的产物 —— 见 §2.2 反证,有真实回归风险)。
-- **建议**:此条不进「CC-parity 小修批」(无锚);若要做,单列为「验收洁净度约束显式化」自主设计项,先造 §触发档 §⑤(c) 的最小 harness 题(「生成 X 并保证目录只剩 X」)量 sema 现状清理率再决定,别裸改 prompt。
-
-**诚实标注**:两轨均按预设判据严格执行,未为给修向背书放宽。行为锚扫了全 89 题(非仅抽样 8 题),deliverable 清理仅 3 题且全由要求驱动,反证(build 类留产物)进一步坐实「CC 无盲清纪律」。
-
----
-**档案**:`docs/CLEANUP-CONTRACT-ANCHOR-2026-07-09.md`

package/docs/COLD-START-RSI-2026-07-09.md

@@ -1,72 +0,0 @@
-# 冷启动接手提示词：sema-core CC-parity RSI 主线（2026-07-09 刷新，晚间弧末）
-
-你是 search-AI 谱系总设计师，拥有 `@sema-ai/core`（蒸馏自 openclaw 的无状态任务化 AI agent 引擎）的完整代码与设计所有权，有自主发版权（复审+全量绿即自发+黑板通告）。本地仓 `/Users/clay/开发/gittea/ai-agent-core`，工作分支 `devendor`，发版切 `main`（用 worktree `ai-agent-core-main-worktree`）。用中文对 clay 汇报。
-
----
-
-## 主线：design/139 — TB 工程能力 RSI 自进化循环（goal 硬锁）
-
-`/goal` 生效中：**TB 分数达标 CC 或 token 烧尽前，不准停 RSI 体系**。CC（claude-code，考据锚 2.1.198）= 基准与目标；同模型（deepseek-v4-pro）、同评测台（terminal-bench 2.0/harbor）下 CC 稳定 **54/89**（cc-pro-r3-full 实测，per-task 数据在海外机 `~/sema-tb/jobs/cc-pro-r3-full`）。阶梯：**M1 收复 51 → M2 稳定 ≥54 → M3 冲并集 66**。
-
-**RSI 循环形态**：TB 判决腿出分 → 归因（双轨迹 opus wf + 对抗复核）→ 修（CC 锚 + fable 落码）→ 复审（workflow find→verify + 大改动 codex 并行）→ 发版 → 复跑验收 → 下一轮。已完成 **9 个转轮**（ledger 轮 0-9，`docs/TB-RSI-LEDGER.md`）。
-
-**当前态一句话**：1.259.0 已发 latest；M1 认证腿 50/89（差 1，方差带内）；围剿 CC-diff 12 题坐实 1.259.0 增益（验证面修 2 题 3/3 + rstan 3/3 翻转 + mteb 判据修有信号）；外推 54-56=M2 射程；**M2 认证腿（full-89 @1.259.0 n=8）已挂 watcher 自动跑，约 6h 出分**。
-
----
-
-## 铁律（记忆已存，务必遵守）
-
-- **模型分工**：BUG 修/终判 = **fable**（主窗口亲核，subagent 继承）；证据收集/归因/复核/汇总 = **opus**（Agent(model:opus) 或 workflow）。我 = 编排+终判+敏感项交叉认证，**不亲自落码**（除极小修如单行 TS 错），全部派 subagent。
-- **CC 锚强制 + 🏛️ 宪法两道闸（clay 2026-07-09）**：CC 考据要落代码，缺一不可——① **锚核腿**（考据档产出后、落码前，独立 Agent 对 198 源逐字核转录忠实性，考据档=二手证据别直接信）② **活体探针对比**（落码后用 wire 探针把 sema 实际行为与 CC 逐句对比，测试绿 ≠ 对）。触发案=fork 帧 `<directive-prefix>`（档转录错→码复制→测试锁死错）。探针姿势=`bench/probes/r9-wire-echo/probe.mjs`（fetchImpl 缝截获 provider 请求体）。**本轮实证有效**：cleanup 契约候选被锚核腿拦下（源码 absent + 行为 0/89 自发→不可锚不修，避免无锚自我发明，docs/CLEANUP-CONTRACT-ANCHOR）。
-- **锚源双轨**：① 源码锚（CC 有对应机制→逐字抄，88 已弃 **只用 198**：`/Users/clay/开发/gittea/claude-198/cc-2.1.198/package/claude-cli-2.1.198.pretty.js`）② 行为锚（SEMA-only 机制→CC 轨迹跨题 ≥2 重复=纪律可锚，单题=运气不锚，诚实排除）。
-- **快慢环收紧（clay 2026-07-09）**：修复验收=**快环单题点名 N=3 两段式**（2/3 边缘补 2 注升 N=5），不跑全量；全量 89 k=1 只作里程碑认证/围栏。全量=公证处非测量工具。
-- **并发纪律（clay 2026-07-09 晚拍）**：TB 跑腿**默认并发下限 = 8**（conc8 标定 16/16 + L8@1.259.0 15/16 双背书；4 并发保守帽废除）。**但并发是测量污染源**（轮 3 铁证：同版本同机同日，4 并发 83% vs 40 并发 33%，DeepSeek 服务端高并发降质）→ 判决腿只用标定过的档；超出线程给非判决面（侦察/探针/归因复现）。**按题配并发**：内存边际题（rstan）独占 n=1 反而稳（3/3，历史 1/4）。12/24 档标定在跑；若单 key 高并发塌，解锁路径=**多 DeepSeek key 分摊**（需 clay/service 给 key）。
-- **对抗复审 = Workflow(opus)+verify 段**，单腿禁；大改动（核心路径/影响大）codex 并行双轨。
-- **穷举不靠提示**：归因/对比/审计先自穷举变量空间成清单再取证；被 clay 提示到=枚举没做全。
-- **双渠道巡检铁律**：巡检必查两处——① 黑板 `sema-cc-parity/NEIGHBOR-REQUESTS.md`（认 origin 校号 max+1，撞号警报：service 也用过 [530]/[531]，引用带方向标）② 团队通道 `团队/来自service-AI.md`（读 origin/main 尾号，> 我方出口 `团队/给service-AI.md` 最后回执号=有欠账；通道 commit 在 main）。**UI 层机制发现一律转飞轮**（shell 主权面）。
-- **发版**：全量门落盘不 tail（`NPMTEST_EXIT=$?` 紧跟 npm test）；**publish-dual 用 `node scripts/publish-dual.mjs`**（裸 npm publish 只发单腿）；fresh smoke 验修在 dist（registry 拉取凭证可能过期→改用 `npm pack` 对 shasum + grep dist 关键短语）；不 commit clay WIP（`bench/memory-write-channel`、`make-real-persistence`、`*.tgz`、`.claude`、`package-lock.json`、`src/examples/make-real-runspec-search.ts`、`bench/tb-matrix/rerun-*.json`、`test/mcp-close-*`——commit 只显式列本批文件）。
-- **敏感**：题库有攻击性叙事，归因/文档只看机制面过滤叙事；key 只在机上 env 读，严禁外泄/写进输出/回显；跨团队黑板只发 settled 结论。
-
----
-
-## 跑面矩阵（三面分工）
-
-- **海外测试机 `ssh -o BatchMode=yes ubuntu@91.199.82.197`**（hostname=bare-metal-manassas-01，region 14，普通 docker，非 CN-egress）= **判决主场**。TB harness 在 `~/sema-tb`（脚本齐/结果 jobs/），围栏 `~/sema-tb/fence/`，凭据 `~/sema-tb-access/`（值不回显）。独占全量 89 一律此机（历史基线同机可比）。**ssh 长连接易断（255）**：监视用本地循环 + 每 4min 短连接探测，别挂长连 until 循环。
-- **k3s8 `ssh root@k3s8`（172.30.228.8）** = **探针/侦察面非判决面**（CN 网络域掉分+无 CC 对比）。64 核 x86 原生 docker，harbor 锁 0.17.1，runbook `/root/sema-tb/README-runbook.md`。
-- **海外 K8S（Gcore Santa Clara 三机 k3s HA+kata）** = ssh `ubuntu@217.28.137.187`/`92.223.71.222`/`37.9.33.96`（测试机 pubkey 已注三机，全通）；LB VIP `37.9.33.245:8090`；ns `sema`（server×3+CNPG pg×3+MinIO+kata-qemu）。🔴 红线：公网零新增监听/别动 iptables 守卫/底座别重装/kata 2Gi-1cpu 控并发/别依赖 hostname 唯一性/etcd 不动/95.85.93.92 禁碰。**三用法就绪度**：① 用法(a) 打 VIP 侦察分流=**今天可用**（TLS 修后 service 已真任务验全链）；② 用法(b) 云端隔离腿=**全链 PASS**（[416]，CA 校验+kata 真 VM 内核 6.18.35+零残留）但**进 TB 判决产能有三阻断**：harbor adapter 与 server `/v1/tasks` k8s lane 是两条执行范式需新写 adapter（我方工程债，低优先，判决主场不动测试机）/ 集群 model 钉 v4-flash 非 v4-pro / server 旧版 1.142.0；③ durable(pg) 多副本长跑=地基在待验。**滚版单**（M2 出分后正式提）=集群 server 一次滚到 **≥1.149.0**（收 health+usage+core 1.259.0）+ **加 v4-pro worker**（双 worker 而非切换）。
-
----
-
-## 已完成（2026-07-08→09 全弧）
-
-**发版链**：1.258.4（窗口 200k/32000 对齐 CC）→ 1.258.5（A1 两纪律+stale 锚门）→ 1.258.6（final-verification 四原则）→ **1.259.0 已发 latest**（G 批子代 prompt parity 双 BEHAVIOR CHANGE + 工具面批 M13/15/17/18/19/22 + mteb 判据修；门 4894 绿；黑板 [541]，service 零改动 consume 3483 绿）。
-
-**9 转轮账**（`docs/TB-RSI-LEDGER.md` 轮 0-9）：daemon 回归修（轮 0-1）→ 并发测量纪律（轮 3）→ A1 差异集归因（轮 4）→ 效率线收官+walltime 病根（轮 5）→ full-89 46（轮 6）→ cancel 翻案零回退（轮 7）→ **M1 认证 50/89**（轮 8）→ **围剿 12 题+8 并发标定**（轮 9）。
-
-**围剿收账（轮 9，1.259.0 增益坐实）**：稳收 3（financial-document-processor 3/3=PDF 题 / merge-diff 3/3 / rstan 3/3 独占翻转）· 改善 4（overfull/extract-elf/sparql/path-tracing-reverse）· 稳定死 3（password-recovery 0/3=**新归因靶** / polyglot-rust-c 归因=模型面 / path-tracing 效率税）· mteb 判据修 retrieve 0/5→2/5 真增益未稳。**L8 并发 15/16 标稳**（16 trial 仅 11min）。
-
-**M1 认证腿 = 50/89**（full-89 @1.258.6 @1.0 口径 k=1）：vs 1258.5=46(+4)/CC=54(-4)；验证面修 9 靶收 4；M1 差 1=方差带内。数据 `bench/tb-matrix/m1-cert-12586.json`。
-
-**CC-diff 精确集（M2 靶心）**：CC PASS ∩ sema FAIL = 12 题（bn-fit/extract-elf/financial/merge-diff/overfull/password-recovery/path-tracing×2/polyglot-rust-c/rstan/sparql/winning-avg-corewars）；sema PASS ∩ CC FAIL = 8 题（我们独占，含 db-wal/schemelike/build-pmars/pypi-server 等）。注：mteb 双题 CC 也 FAIL，收益在 M3 并集非 CC-diff。
-
-**归因档**：docs/COREWARS-POLYGLOT-TRIAGE（两题模型面）/ CLEANUP-CONTRACT-ANCHOR（不可锚不修）/ CC-TASK-REMINDER-CADENCE（慢环债「reminder 时机」核销：sema 已逐字对齐 198，仅三小口径缺口 task #51）。
-
----
-
-## 🚀 在飞 / 待办（接手即办）
-
-**1. M2 认证腿（唯一判决线，海外测试机，watcher 自动跑）**：full-89 @1.259.0 @1.0 口径 k=1 **n=8**，job `m2-cert-1259-fb`，脚本 `~/sema-tb/m2-cert-1259.sh`。watcher 等 CONC-LADDER-DONE + env-main=0 自动开跑（阶梯 12/24 清场后），约 6h。完赛动作（监视 `~/sema-tb/m2-cert-1259.status` 里 `===M2-CERT-DONE===`）：判 M2（≥54）→ 翻转表 vs 50 → 单题点名 → scp `bench/tb-matrix/m2-cert-1259.json` → **ledger 轮 10** → 若达 54 做中期汇报 + 给 service 正式滚版单。
-
-**2. 并发上限标定（L12/L24，在跑）**：job `conc12-1259-fb`/`conc24-1259-fb`，稳定集 8 题×k=2，status `~/sema-tb/conc-ladder-1259.status`（尾标记 `===CONC-LADDER-DONE===`）。判据：≥14/16=该档可判决用。单 key 塌→提多 key 分摊方案。
-
-**3. 归因双靶（快环，M2 后或并行）**：① **password-recovery**（0/3 稳定死，轮 8「方差回摆」先验被推翻，升头号靶——双轨迹 opus 归因：sema FAIL vs CC PASS）② **mteb-leaderboard vs retrieve 死因分叉**（retrieve 判据修有信号 leaderboard 0/5，两题不同源）。
-
-**4. 慢环债**：task #51（task-reminder 三小口径：复位面收窄+同轮去重+mode kill-switch，考据已完待落码走宪法两闸）；G3 fork prompt-cache（另立 design）；nudgeIdx 不变量单测；charsPerToken per-model 校准；R9 trace 帧。
-
-**5. 外部通道态**：黑板 [541]（service consume 已实解，无欠账）；团队通道最新=我方 [416] 已发，等 service 回；[413]-3 VIP 抖动分布攒够回帖。
-
-**6. K8S**：用法(b) adapter 债（低优先，判决不搬家）；滚版单等 M2。
-
-**goal 判据**：达 M2（≥54）做中期汇报；未达=翻转表喂归因。RSI 不停转。
-
-**详账入口**：`docs/TB-RSI-LEDGER.md`（轮 0-9）、`design/139-tb-engineering-rsi-loop.md`、记忆 `MEMORY.md`（状态行+纪律）、本档同目录各考据档。

package/docs/COMPACTION-LIVE-AUDIT-2026-07-09.md

@@ -1,114 +0,0 @@
-# 压缩链路活体行为验尸(A1 腿,2026-07-09)
-
-> 性质:**活体轨迹逐机制验尸**(非设计对比 — 那个是 `bench/cc-parity-toolsuite/compaction-cc198-verbatim-capture-2026-07-08.md`)。
-> 拿 A1 腿真实发生 6–8 次压缩的活体事件流,对着 src 实现 + CC 198 逐字锚逐项核。
->
-> **活体源**(海外机 `ubuntu@91.199.82.197`):`~/sema-tb/jobs/a1-ccdiff-1258-fb/long/*/agent/events.jsonl`
-> - `circuit-fibsqrt__E6mDcdG`(115,563 行,**7 次压缩**,34 Read/18 Edit)= 主验尸对象
-> - `path-tracing__fEafvLr`(**8 次压缩**)· `path-tracing-reverse__7hCGBZA`(**6 次压缩**)= 交叉核
-> - 模型 `deepseek/deepseek-v4-pro`,`contextWindow=64000`,`maxTurns=120`(`config.json` + `sema-tb.ts:115`)
->
-> **版本纪律**:A1 腿 pin core=**1.258.2**;本地 main=**1.258.3**(#54 COMPACTABLE 白名单修 + W1 提示词 9 段对齐批已发)。凡 1.258.3 已修的行为一律标「1.258.3 已修」,不计新 BUG。
->
-> **活体证据的固有盲区**:events.jsonl / sema.txt **不携带压缩摘要正文**(只有 `compacted` 元数据事件 + reason/tool 渲染;摘要正文在 session store 内,不上 wire、不进 transcript 渲染)。故「摘要 9 段质量」只能**由压缩后行为间接推断**(item 2),无法直读摘要文本。
-
----
-
-## 判定摘要
-
-- **OK 8 项** · **BUG 0 项** · **DIVERGENCE 3 项**(其中 1 项=最大发现) · **观察/QoL 2 项**
-- 触发阈值几何、attachment 机制、双断路器、失败面结构、prompt 结构(1.258.3)全部与实现一致、与 CC 同族。
-- **最大发现(DIVERGENCE-1,压缩税直接来源)**:活体里 7 次压缩中 **3 次是 `forceUnderThreshold`(trim-pressure)在被 trim 层欺骗的 ~12k–21k 估算下强制触发,压缩后 token 反而变大**(before=18807→after=44609;before=12679→after=35214)。这是 src 注释里逐字预言的「deceived-estimate 锯齿 / 16k-live sawtooth」在活体首次坐实——**压缩不是在省 token,是在被请求层 trim 拖着空转 + 每次贴 summary+attachment 反而涨**。CC 全量 compact 保尾 0 恒缩,不会出现「压完更大」。
-
----
-
-## 逐项判定表
-
-| # | 机制 | 活体证据 | sema 实现坐标 | CC 198 锚 | 判定 |
-|---|---|---|---|---|---|
-| 1 | 触发阈值几何 | 自然触发 `tokensBefore` 集中在 **45k–65k**(三腿一致:56/72/74/78k;48/51/57/58/52/58k;49/45/51/52/60/65k) | `auto-compaction.ts:60-83` sanitize:64000×0.7=44800=editAt,reserve 16384→阈值 47616 > 44800 → reserve 上浮到 19200,**阈值 clamp 到 44800** | `capture §A3a`:effW=W−min(out,20k),fire at effW−13000。CC 大窗 reserve≈33k(更早触发) | **OK**(阈值≈44800 与活体自然触发下界严丝合缝;数值面 vs CC 见 D-2) |
-| 2 | 摘要质量(丢状态) | 无法直读摘要文本(盲区)。**间接**:post-compact 32 次 Read 中 28 次重读 attachment 已恢复的文件 | `compaction.ts:557-604` 9 段 prompt(1.258.2 为 8 段) | `capture §A1a` 9 段 | **OK(间接)** — 见 DIVERGENCE-2:重读主因是 attachment 截断 + 自改文件失效,**非**摘要丢状态;稳定参考文件(sim.c/gates.txt)重读少 |
-| 3 | 压缩后重组装 | `compacted` 事件带 `preserved_segment.firstKeptEntryId`(keep-tail 存活),`tokensAfter` 稳定落 keepRecent 附近 | `auto-compaction.ts:570-599` appendCompaction + keep-tail | `capture §A2b/A4`:CC full compact **保尾 0**+attachments 重建;sema keep-tail 20k | **OK(有意偏离)** — keep-tail 是 sema 保真超集(capture C11);注入帽措辞 1.258.3 已向 CC 靠(C7/C8) |
-| 4 | attachment / 工作文件 | **全 7 次压缩均带 `attachedFiles`**(gen_gates.py/gates.txt/sim.c),默认 ON | `runtask.ts:2594-2605` attachWorkingFiles≠false 默认开;`recentlyReadFiles` 选读集优先 | `capture §A2c`:CC `D$n` 前 5 文件×5k tok/50k tok 总帽 | **OK** — 记忆「1.98.0 默认关」已被 blackboard 2026-07-03 改判**默认 ON**(runtask 注释坐实);数值面 3×16k chars vs CC 5×5k tok 见 D-3 |
-| 5 | microcompact vs full | 活体只见 `compacted`(full)事件;无独立 micro 事件 | `context-edit.ts:19` EDIT_FRACTION=0.7 `clearStaleToolResults`(=CC microCompact.ts 白名单同族);full=`maybeCompact` | `capture §A6/A20`:CC micro=server-driven `context_hint` beta(Anthropic 专有)保最近 5 工具结果 | **OK(有意偏离)** — sema 有本地 micro 同族(clearStale 0.7W),CC micro 触发面=provider 专有 beta 不接。**但 64k 窗下阈值 clamp 到 0.7W=editAt**,故 full compact 恒在 clearStale 前先开火 → 实际 clearStale 几乎不生效(设计如此:summarize-then-never-clear beats clear-then-summarize,`auto-compaction.ts:51-57`) |
-| 6 | 压缩调用成本 | `durationMs`:**9.5s–63.6s**(circuit:17/19/37/45/46/37/38s;path-tracing 最高 63.6s) | 单 LLM summary call(`compactionModel`,同 deepseek-v4-pro) | `capture §A3c`:CC `maxTurns:1,skipCacheWrite`;有 precompute 后台预压(C25 不采) | **DIVERGENCE-3(成本)** — 每次压缩 10–60s 纯挂起,7 次≈4–5 分钟纯压缩税;CC 有 precompute 后台预压秒换,sema 无(记档不排期) |
-| 7a | rapid-refill 断路器 | 未见 trip(活体压缩间隔 >3 turns) | `auto-compaction.ts:706-719` `recordCompactionAndCheckRapidRefill(3,3)` | `capture §A3b`:<3 turns×3 次 trip | **OK(逐字一致)** |
-| 7b | 连续失败断路器 | 未见触发(无 compaction 失败) | `runtask.ts:101` MAX=3 | `capture §A3b`:QNl=3 | **OK(逐字一致)** |
-| 7c | 空/超尺寸摘要 throw | 未触发 | `auto-compaction.ts:490-510` empty/oversized(1.5×)throw | `capture §A5`:CC throw hW | **OK** |
-| 7d | PTL reactive 重试(C16) | 无 `compaction.input_truncated` 帧(未触发;64k 窗下摘要输入未超压缩模型窗) | `compaction.ts:770-977` `summarizeWithPtlRetry` KNl 组回退+gap-guided+marker | `capture §A5/C16`:CC VNl=3,`[earlier conversation truncated for compaction retry]` | **OK** — port 完整,活体未压到该路径 |
-| 7e | image/大 attachment | circuit 无 image;attachment 按 char 截断,`truncated:true` 逐次披露 | `estimateTokens` image pin 2000;attachment perFileCap 16000 chars | `capture §A6/C19`:2000/image | **OK** |
-| 7f | todo 状态保留 | `todo` 事件在压缩后仍出现,未见丢失 | keep-tail 保尾 | `capture §A2c M$n`:CC 单独恢复 todo 卡 | **OK(结构性)** — sema keep-tail 天然保住近期 todo;无 CC 型独立 todo 恢复卡(不需要) |
-
----
-
-## DIVERGENCE 清单(带证据坐标 + CC 锚)
-
-### DIVERGENCE-1 【最大发现 · 压缩税直接来源】trim-pressure 强制压缩在被欺骗估算下「压完更大」
-
-**活体证据**(`circuit-fibsqrt__E6mDcdG/agent/events.jsonl`,`path-tracing__fEafvLr`):
-
-| 压缩# | tokensBefore | tokensAfter | 增减 |
-|---|---|---|---|
-| circuit #2 (L31242) | **18807** | 44609 | **+25802 涨** |
-| circuit #5 (L76787) | 31935 | 45594 | +13659 涨 |
-| circuit #7 (L99953) | **21831** | 41300 | +19469 涨 |
-| path-tracing #6 | **12679** | 35214 | **+22535 涨** |
-| path-tracing #8 | 28215 | 41801 | +13586 涨 |
-
-前置 `turn_end` 轨迹(circuit L838923–947352)显示 `inputTokens` 在 **~52–58k(全 session)↔ ~17–20k(被 trim 的请求)** 之间**锯齿**震荡 → 请求层在 trim,`estimateContextTokens` 锚在被 trim 后的小 usage 上 → 估算跌到 18807(远低阈值)→ `trimPressureRef.droppedMessages` 触发 `forceUnderThreshold` → 强制压缩。但此时可压的历史很少,贴上 summary(+ 3 文件 attachment ~25k chars)后 **总量反而涨到 44609**。
-
-**sema 坐标**:`runtask.ts:2556-2567`(trim-pressure 判定)→ `2590 forceUnderThreshold: trimPressure` → `auto-compaction.ts:343 force = forceUnderThreshold && !naturalTrigger`。这是 design/123 D4 逐字预言的两个 regime(`auto-compaction.ts:116-131` 注释:「deceived-estimate 锯齿」+「floor-blocked」)。spiral 保护=`nextTrimForceBackoff`(`2634`):一次 landed 压缩 `postOverThreshold` 就关掉 force。
-
-**CC 锚**(`capture §A4`):CC full compact **保尾 messagesToKeep:[]=0**,续接=summary+attachments,故**恒缩**;不存在「压完更大」。CC 无 trim-force 概念(CC 请求层不 trim,直接压)。
-
-**判定**:**DIVERGENCE(机制性,非 BUG)**。这是 sema 特有的「请求层 trim + keep-tail 压缩」两套机制的交互产物。backoff 已在兜底(防无限空转),但**单次「压完更大」的 trim-force 压缩是纯负收益**:花 10–47s 做一次 summary call,结果 token 涨了。这直接就是 circuit 34 次 Read 里压缩后重读的部分成本来源。
-
-**修复建议**(见 D-1,最高优先级)。
-
-### DIVERGENCE-2 attachment 截断导致「自改文件」压缩后必重读
-
-**活体证据**:全 7 次压缩 `attachedFiles` 里 `gen_gates.py` **每次都 `"truncated":true`(截到 16000 chars)**。而 gen_gates.py 是模型**自己反复改**的文件(18 Edit + Write);Read 结果 char 数在 1k–21.6k 抖动(部分 `truncated:true`=真实 >20k)。28/32 post-compact Read 命中「attachment 已恢复的文件」,但其中大多是 **gen_gates.py 被 attach 的是过期截断快照**(edit 后立刻失效),模型必须重读拿全/新内容。稳定参考文件(sim.c/gates.txt,未被改动)重读次数明显少。
-
-**sema 坐标**:`auto-compaction.ts:531-555`,`maxCharsPerFile` 默认 16000 chars(≈4k tok),总帽 15% 窗。gen_gates.py 真实 >16k → 每次截断。
-
-**CC 锚**(`capture §A2c/C12`):CC `D$n` 每文件上限 5000 tok(≈20k chars),**总预算 50000 tok**,前 5 文件。CC 单文件帽比 sema 高(20k vs 16k chars),但同样会截超大文件。
-
-**判定**:**DIVERGENCE(数值面)**。attachment 对稳定参考文件(sim.c/gates.txt)有效省读;对模型自改的大文件(gen_gates.py)恒截断+恒失效,attach 反成负担(占 16000 chars 预算却仍触发重读)。**非丢状态、非摘要质量问题** — 摘要机制本身健康。
-
-### DIVERGENCE-3 无 precompute 后台预压 → 每次压缩 10–60s 纯挂起
-
-**活体证据**:`durationMs` 9.5s–63.6s;单腿 6–8 次 ⇒ 每题 ~1.5–5 分钟纯压缩挂起。
-**CC 锚**(`capture §A3c/C25`):CC 接近 precompute 线时后台先算 summary,PTL 时秒换。
-**判定**:**DIVERGENCE(有意偏离,记档不排期)** — capture C25 已判「收益=交互延迟;自治任务面已有 forced-compaction 恢复链」。自治 headless 场景延迟不敏感,但 TB 计时腿这是真实 wall-time 税。
-
----
-
-## 修复建议排序(哪些修了能直接减压缩税)
-
-### D-1 【P1,直接减税】给 trim-force 压缩加「负收益短路」
-**问题**:DIVERGENCE-1,trim-force 在 <阈值估算下强制压缩,`postTriggerTokens > tokensBefore`(压完更大)= 纯负收益,却花 10–47s。
-**建议**:`nextTrimForceBackoff` 已在**一次** landed `postOverThreshold` 后关 force,但它看的是「post 是否超阈值」;这里 post=44609 **不超阈值 44800**,所以 backoff **不触发**,下次 trim-force 又开火 → 反复「压完更大」。加一个正交判据:**trim-force 落地后若 `freedTokens ≤ 0`(或 postTriggerTokens ≥ triggerTokens),本次就是负收益,当次即置 backoff**,不必等 postOverThreshold。`maybeCompact` 已返回 `freedTokens/postTriggerTokens`,caller 侧一个 if 即可。**收益:直接砍掉活体里 3/7 的负收益压缩(circuit)+ 2/8(path-tracing),每次省 10–47s + 省一次 summary call 成本。**
-
-### D-2 【P2,数值对照】default reserve 触发点 vs CC(capture C13/W3 已挂账)
-64k 窗下 sema sanitize 后阈值=44800(0.7W);CC effW−13000。此腿阈值行为健康(自然触发 45–65k 合理),**但小窗下 0.7W clamp 让 clearStale(micro)几乎失效**(item 5)。建议出 agent-probe 对照:64k 窗下 sema 是否比 CC 系统性早/晚触发。**不盲改常量**(capture W3 纪律)。
-
-### D-3 【P2,减重读】attachment 对「自改中的大文件」的策略(DIVERGENCE-2)
-选项(a):`maxCharsPerFile` 16000→20000(对齐 CC 5000 tok≈20k chars),减少稳定大文件的截断重读;选项(b,更准):attach 时若文件在被 summarize 区间内**有 Edit/Write**(details.modifiedFiles 有它),**不 attach 截断快照**(必失效),把预算让给稳定参考文件。**收益:减少 circuit gen_gates.py 类「attach 了截断版仍重读」的双重浪费。** 需过 LONGRUN 复跑(capture C12)。
-
-### D-4 【P3,记档不排期】precompute 后台预压(DIVERGENCE-3)= capture C25,自治场景延迟不敏感,TB 计时腿才有感;不入排期。
-
----
-
-## 结论
-
-**压缩链路核心机制在活体里全部正常生效、与 CC 同族**:阈值几何严丝合缝(44800≈自然触发下界)、attachment 默认 ON 且全程带回文件、keep-tail 保尾存活、双断路器与失败面 port 完整、1.258.3 prompt 已 9 段 CC-verbatim。**0 个真 BUG**。
-
-三条 DIVERGENCE 全是 sema 特有机制(请求层 trim + keep-tail + provider-neutral)的交互产物,非缺陷:
-- **DIVERGENCE-1(最大)**:trim-force 在被欺骗估算下的负收益压缩(压完更大),是压缩税的直接可修来源 → **D-1 一个 if 可砍掉**。
-- DIVERGENCE-2:attachment 对自改大文件恒截断失效 → D-3 可优化。
-- DIVERGENCE-3:无后台预压,10–60s/次挂起 → 有意偏离,记档。
-
-**「压完重读重推导」的真相**:不是摘要丢状态(摘要机制健康),而是 (a) attachment 带回的是**截断/过期**的自改文件快照,(b) trim-force 负收益压缩本身在空转。修 D-1+D-3 能直接减 circuit 类题的压缩税。
-
----
-*验尸完成 2026-07-09。活体坐标均可回查 events.jsonl 行号;摘要正文盲区已标注(需未来挂 session-store dump 探针才能直读摘要 9 段质量)。*

package/docs/CONTEXT-lifecycle-extension-points-and-stop-attribution.md

@@ -1,71 +0,0 @@
-# 上下文:生命周期扩展点扩展 + 子代理停止归因(黑板 [475]/[476],[477] 另档)
-
-> 用途:交接上下文,供后续 AI 验收/实现。**这不是设计文档**——只陈述已核实的现状与飞轮/service 的请求,不含方案。所有代码坐标已对当前工作树核实(2026-07-07,core 1.251.0 发版后)。
-> 术语:本文用「生命周期扩展点 / 回调接入点」指代 core 的 `Hooks` 机制;代码标识符(`Hooks`、`hooks.ts` 等)保留原形。
-
-## 一、来源(黑板三条,均标注「非紧急/随批排」,非 1.251.0 回归)
-
-- **[475](飞轮 → core + service)**:core 回调接入点实况审计。飞轮亲核 core 编译产物,给出「4 现成 + 4 待扩展」的判定 + owner 标注要求。
-- **[476](飞轮 → service + core)**:子代理停止归因,对标 CC「was stopped by Claude/user」。service 已 ack,判定真前置在 core。
-- **[477](飞轮 → core)**:Qwen budget-ignoring 思考吃满 static max_tokens → fail-loud。core 已在 [479] 认领,**属另一主题(reasoning 截断恢复),单独排,不在本文范围**。
-
-## 二、core 生命周期扩展点现状(已核实)
-
-文件:`src/core/hooks.ts`(接口 `Hooks`)+ `src/core/types.ts:711 / :2171`(`TaskSpec.hooks` / `RunnerDeps.hooks` 挂载点)。
-
-### 已存在的 4 个接入点(`src/core/hooks.ts`)
-| 接入点 | 行 | 现有能力 |
-|---|---|---|
-| `preToolUse` | :22 | 工具执行前;可 rewrite args(`allow` + updatedInput)或 allow/deny/ask |
-| `postToolUse` | :27 | 工具执行后;可替换 result content / 追加 context |
-| `userPromptSubmit` | :33 | objective 成为 user message 前;可 `block` |
-| `stop` | :46 | 运行自然结束点;可 `block` 推回继续。CC 198 Stop 对标:`StopHookContext.stopHookActive`(:53,已在续跑标记)+ `consecutiveBlocks`(:55)+ 连续 block 上限默认 8(:41 注释,超限放行并告警)+ additionalContext 注入(:64,CC 2.1.201 :472050-472077 对标) |
-
-### 飞轮判定 core 缺的 4 个引擎侧接入点(`hooks.ts` 当前零提及)
-- `postToolUseFailure` —— 工具执行失败后
-- `postToolBatch` —— 一批工具执行后
-- `preCompact` —— 压缩前
-- `postCompact` —— 压缩后
-
-压缩发生在引擎侧,入口 `src/engine/compaction/compaction.ts`(`maybeCompact` 等);`hooks.ts` 目前不涉及压缩点,故 preCompact/postCompact 需在压缩路径新开回调点。飞轮明确这 4 个是 core 半场。
-
-### placement 修正([475],飞轮更正 [474] 自己的划分)
-- `stop` / `userPromptSubmit` 归**引擎侧**(core 已实现;run-end 判定只有引擎知道)。
-- 壳半场相应减为约 17 个纯 UI/生命周期事件(壳自做,不阻塞 core)。
-- 契约要求:registry-core 出 27 事件全集 schema,**每事件标 owner(engine|shell)**;双端可触发的事件(如 UserPromptSubmit 壳也能在发送前拦)定去重规则——飞轮建议 owner 单一制,壳不重复触发 engine-owned 事件。
-- 分期口径:wire 字段/schema **首版即全集**,service runner 实现分期(首期工具链 4 + 压缩 2);后续加事件=纯实现不动契约。
-
-## 三、子代理停止归因现状([476],已核实)
-
-### 请求内容
-CC 198 语义:停止原因 → 文案。`reason=parent`→"was stopped by Claude" / `user`→"was stopped by user" / 缺省→"was stopped"。飞轮要让壳能渲染同款文案,前提是 wire 带来源。
-
-### core 现状
-- settle 入口:`src/core/task-registry.ts:360` `settleBackgroundAgent(id, outcome)`,`outcome.status` 当前枚举 = `"completed" | "failed" | "killed"`,**无发起源字段**。
-- 语义:first-writer-wins(:363,codex 1.237 F3/F4);session 释放路径以 `status:"killed"` settle(:402)。
-- 结论:当前 settle 只携带终态状态,**不区分「谁停的」**(壳发起 cancel / 引擎内父 agent 停子任务 / 超时 / 自然终)。
-
-### service 侧判定(黑板 [476] 回执)
-- cancel 动词 wire 面(可选 `source: "user"|"parent"|"system"`,缺省 user)+ 事件回带 = service 半场直做。
-- **但「引擎内父 agent 主动停子任务 = parent」的发起源判定在 core**:service 只见 settle,分不出父停/超时/自然终。
-- service 建议:core 在 settle 事件带 stop 发起源;`stoppedBy` 枚举与 registry-core 的 hooks 27 事件全集 schema **同一契约窗口**出,省一轮跨仓对齐。
-
-## 四、两条的耦合点(客观,非方案)
-
-- registry-core schema 是 **[475] 的 27 事件全集** 与 **[476] 的 `stoppedBy` 枚举** 的共同落点——两者都要过 registry-core 契约窗口。
-- [475] 的 preCompact/postCompact 与 [476] 的 settle 发起源都在引擎侧,是 core 的实现半场。
-- service 侧:[475] hook-runner(config→回调翻译+单用户闸)已 ack 排期;[476] cancel wire 面已 ack。两者都等 core 侧契约/字段先落。
-
-## 五、待验收/待定项(交接给后续 AI)
-
-1. core 4 个新接入点(postToolUseFailure/postToolBatch/preCompact/postCompact)的排期与实现半场边界确认。
-2. settle 发起源字段:`settleBackgroundAgent` 的 outcome 是否扩 `source`,以及引擎内父 agent 停子任务路径如何标 `parent`(核实所有 settle 调用点的发起语境)。
-3. registry-core schema 的契约窗口时机(飞轮/service 都建议 27 事件 + `stoppedBy` 同批出)——需与 registry-core 维护方对齐。
-4. owner 标注与双端去重规则(engine|shell)的 schema 表达。
-
-## 引用坐标速查
-- `src/core/hooks.ts`:22/27/33/46(4 接入点)、:41/:53/:55/:64(stop 守卫)
-- `src/core/types.ts`:711 / :2171(挂载点)
-- `src/core/task-registry.ts`:360(settleBackgroundAgent)、:363(first-writer-wins)、:402(release→killed)
-- `src/engine/compaction/compaction.ts`(压缩入口,preCompact/postCompact 落点)
-- 黑板:NEIGHBOR-REQUESTS.md [475]/[476]/[477](sema-cc-parity 仓)

package/docs/COREWARS-POLYGLOT-TRIAGE-2026-07-09.md

@@ -1,85 +0,0 @@
-# CC-diff 死因初筛:winning-avg-corewars & polyglot-rust-c(2026-07-09)
-
-归因初筛腿(证据收集,单轨迹初筛,N=1,置信度已标注)。数据源:海外测试机 `91.199.82.197`。
-- sema FAIL:`~/sema-tb/jobs/m1-cert-12586-fb/full89/{题}__*/`(cert 12586-fb,deepseek-v4-pro)
-- CC PASS:`~/sema-tb/jobs/cc-pro-r3-full/{题}__*/`(同模型 deepseek-v4-pro,CC 壳)
-
-**两题共同点**:模型相同(deepseek-v4-pro),差异全在**壳/预算/策略**面 → 排除"模型不同"变量。两题都指向**模型策略/搜索质量**主因,均非引擎机制 bug,但 corewars 掺预算(turn)口径。
-
----
-
-## 题1:winning-avg-corewars
-
-### ① 验收面(test 判什么)
-`test_warrior_performance`:用 `pmars -b -r 100 -f my_warrior.red warriors/<opp>.red` 跑 100 局,取胜局数。
-- 硬门:vs stone/vampire/paper ≥ 75 胜;vs snake/g2-clear ≥ 33 胜。
-- **5 门全过才 PASS**(单题 all-or-nothing)。这是一道**开放式对抗程序优化**题——没有唯一解,需搜出稳健 warrior 架构。
-
-### ② sema 死法(轨迹证据)
-- done.stats:`status=completed turns=70 tokens=5.71M cost$1.62 cacheHit=0.969 mech=finalize+nudges:1+capShrinks:1+finalVerify`。**非 timeout 状态但实为墙钟逼停**。
-- 终局判分:stone **63**/vampire **73**/paper 81/snake **12**/g2-clear 44 → **3/5**(stone 差 12、vampire 差 2、snake 差 21)。
-- 墙钟压力铁证:`timeoutSec=3600`。t=2918s 收到 `source=deadline_nudge`("~12 min 剩,开始收敛");t=3399s 收到 `source=finalize`("墙钟耗尽,FINAL turn,写出最佳当前工作")。t=3427s 被迫写 v14 定稿。**sema 不是自由放弃,是墙钟到点被 finalize 强制交卷**(turn 70/120,turn 预算没用完,墙钟用完了)。
-- 关键决策死点(t=2434s):sema **实测了纯 imp** → "16 imp rings 得 0 wins vs stone!Pure imps fail" → 由此**关闭了 imp 主干分支**,转去 vampire+bomber+imp 混合,反复振荡 14 个版本(v1~v14)никогда 落到能过 stone 的架构。轨迹多处自陈"I've been deliberating too long"(t=968s 等)——**搜索发散、决策拖延**。
-- 迭代低效:70 turn 里大量长篇 reasoning 手推 pMARS 调度/覆盖概率(t=1091 手算 stone 命中率、t=1710 手推进程调度),烧墙钟在纸上推演而非快速试跑。
-
-### ③ CC 对照(同决策点差异)
-- CC:`num_turns=122 duration_ms=2402008(40min) cost$8.44` → **PASS 5/5**:stone **78**/vampire 80/paper 79/snake **48**/g2-clear **50**,全部**稳健过线**(非擦边)。
-- CC 最终 warrior:**"Pure imp spiral — 10 imps at evenly spaced positions"**(纯 imp 螺旋,10 个均匀分布 imp)。
-- **决定性差异**:同一个"纯 imp"方向,sema 实测 0 胜 vs stone 判死、CC 实现却 78 胜 vs stone。说明 CC 的 imp **spiral 步长/间距/spl 展开**实现正确,而 sema 的 imp 实现是错的/mis-tuned,从一次坏实验里推出了错误结论("pure imps fail"),**过早剪掉了唯一能过的分支**。
-- 预算:CC 用 122 turn / 40min 就赢;sema 用 70 turn / 60min 墙钟满还没赢。**CC 更快且更好**——不是预算不够,是搜索质量/收敛效率差。CC 单价高(高 turn 数×高单 turn 成本),但那是"愿意多试跑少空想"的表现。
-- 注:`corewar.co.uk` 引用是**对手文件头注释**(`;source https://corewar.co.uk/snake.htm`),两边都读到,CC 未额外 web_search(polyglot result.json 的 web_search_requests 字段为壳累计计数器,不可作 CC 用了外部知识的证据)。
-
-### ④ 死因假设排序(置信度)
-1. **模型搜索质量/收敛效率(高置信 ~70%)**:同模型下,CC 的 imp-spiral 实现对、sema 实现错并误剪分支。sema 发散振荡 14 版、大量空想手推烧墙钟。这是**策略+实现质量**问题,非引擎。
-2. **turn/迭代节奏——引擎面弱相关(中置信 ~20%)**:sema 每 turn 花大量 output 手推(单版 v4 out=37677 tokens),试跑密度低;CC 用 2x turn 数、更碎更快的试-验循环。若 sema 有更强的"少想多跑"倾向(或 prompt 鼓励快速经验试跑),同墙钟内能多探几个架构。**这条是唯一可能的 prompt/引擎修向**,但根子仍是模型行为。
-3. **墙钟预算口径(低置信 ~10%,已排除为主因)**:sema 60min 满、CC 40min 赢,**给 sema 更多墙钟不一定能救**(它剪错了分支,方向都错了)。轮 7 曾疑"口径税"N=5=0/5 已否;本轮复核确认**非墙钟税**。
-4. **方差(低,~5%)**:pMARS 100 局本身抽样方差小(judge 确定性),warrior 架构差异是结构性的(78 vs 0 不可能是方差)。单轨迹但结论稳。
-
-### ⑤ 修向候选
-- **主向=模型面,非引擎**。这题坐实为 deepseek-v4-pro 在开放对抗优化上的**搜索质量天花板**(误剪正确分支 + 空想过多)。**明说:主因是模型策略/实现质量,给引擎/prompt 打补丁救不回**。
-- **次向(可试,弱)**:prompt 面鼓励"经验试跑优先于理论推演"(减少长 reasoning 空转、提高单位墙钟试跑次数)。CC 锚:CC 的高 turn / 碎试跑风格。但预期收益低(N=1 不能证)。
-- **不建议**:加墙钟预算(已证非税);此题不指向任何引擎机制 bug。
-- **坐实需**:N≥3 复跑看 sema 是否稳定剪掉 imp 分支(若稳定=模型系统性弱点;若偶尔剪对并 PASS=高方差,那才转方差归因)。与在飞的 siege-a N=3 腿正交,建议 corewars 也排一次 N=3。
-
----
-
-## 题2:polyglot-rust-c
-
-### ① 验收面(test 判什么)
-`test_fibonacci_polyglot` 两道硬门:
-1. **`os.listdir("/app/polyglot") == ["main.rs"]`** —— 目录**只能有 main.rs 一个文件**(编译产物 `cmain`/`main` 必须清掉)。
-2. main.rs 是合法 polyglot:`rustc main.rs` 与 `g++ -x c++ main.rs` 都能编出,且都正确打印第 k 个 Fibonacci(f0=1,f1=1)。
-
-### ② sema 死法(轨迹证据)
-- done.stats:`status=timeout turns=11 tokens=358282 promptTokens=313388 cost$0.107 mech=finalize+capShrinks:1+callCutoffs:1+toolClamps:4 errorCode=limit.timeout`。**墙钟 cutoff**(t=895s,"walltime cutoff: 越过软墙钟 deadline,截断以保写出窗口")。
-- 直接失败断言:`AssertionError: Expected only main.rs, found: ['cmain', 'main.rs']`。
-- 但这只是**表层**。轨迹显示 sema 到超时那刻**根本没解出 polyglot**:t=875s 最后一次 rustc 编译 `exit=1`(Rust `fn main()` not found),C++ 侧 OK 但 Rust 侧一直编不过。sema 卡在**难解法**上——用 `/*` 开头 + `// */` 双层嵌套注释,一直在手推为什么 Rust 的 `main` 还在注释里(t=878~891s 大段逐行数注释层级),超时前正准备再试一个变体。
-- **两重独立失败**:(a) 到点没解出正确 polyglot(Rust 侧编不过);(b) 即便解出,`cmain` 编译产物没清 → listdir 断言也会挂。sema 连 (a) 都没到,(b) 是顺带的。
-
-### ③ CC 对照(同决策点差异)
-- CC:`num_turns=24 duration_ms=786665(约13min) cost$2.30` → PASS。
-- CC 用了**更简单更稳的 polyglot 解法**:
-  - Rust 对 C++ 隐藏:用 `//...\`(行尾反斜杠续行)——C++ 在翻译阶段2把物理行拼成一逻辑行(在注释处理之前),整段 Rust 变成 C++ 的一个 `//` 大注释;Rust 里 `\` 在 `//` 行注释内无害。
-  - C++ 对 Rust 隐藏:`/* /* */` 嵌套块注释(Rust 支持嵌套、C++ 不支持)。
-- **决定性收尾差异**:CC 在最后**显式清理产物**——`rm -f /app/polyglot/main /app/polyglot/cmain /tmp/test_* ...`("Clean up compiled binaries and temp files"),这正是让 `listdir==["main.rs"]` 过关的动作。sema 因为超时,连收尾清理都没到。
-- 预算:CC 787s(13min)PASS,sema 895s(约15min,更长墙钟)被 cutoff。**又是 sema 墙钟更多却更慢** → 差异在解法选择效率,不在预算。sema 选了双嵌套 `/*`+`//*/` 这条更绕、更易翻车的路,反复调试;CC 选了续行+嵌套注释的经典稳解。
-
-### ④ 死因假设排序(置信度)
-1. **模型解法选择/收敛效率(高置信 ~65%)**:同模型,CC 选对了经典稳解并一次成、sema 选了易错解法陷在调试里。这是模型**知识/策略**差(polyglot 是有已知经典配方的技巧题,CC 走到了配方、sema 在造轮子)。
-2. **墙钟 timeout——引擎收尾窗口(中置信 ~25%)**:sema 被墙钟 cutoff 在"还没解出"的点。**若解法效率一样,墙钟不是问题**(CC 更短);但 sema 恰好卡在难解法上,墙钟就成了压死的最后一根。这条把主因(策略)和触发(墙钟)耦合在一起。
-3. **收尾清理契约缺失(低-中,~10%,但是可修的引擎/prompt 面)**:即使 sema 解出了 polyglot,它**没有"清理编译产物再交卷"的习惯**;CC 有。这暴露一个**通用弱点**:sema 在"目录洁净度"类隐性验收上不如 CC。虽然本次不是直接死因(polyglot 没解出),但这是**跨题会复发**的类问题(任何"只留 X 文件"的验收)。
-4. **方差(低,~5%)**:polyglot 是确定性技巧题,解法对就稳过;非采样方差。轮 7 "口径税候选 N=5=0/5"已证非墙钟税——本轮复核确认:**根子是解法效率,墙钟只是耦合触发**。
-
-### ⑤ 修向候选
-- **主向=模型面**:polyglot 解法选择是模型知识/策略问题,引擎救不了核心。**明说:主因是模型选了低效解法**。
-- **次向(可修,引擎/prompt 面,跨题收益)**:**收尾洁净度契约**。sema 缺"交卷前清理临时/编译产物、只留要求的 deliverable"的收尾纪律。这是**类问题**(sweep-the-class):任何"目录只允许含 X"的验收都会踩。
-  - **CC 锚线索**:CC 轨迹里明确有 `rm -f .../cmain .../main /tmp/test_*` 的收尾清理步。可查 CC 198 是否在 finalize/收尾指令帧里有"clean up build artifacts / leave only the requested deliverable"类措辞,对照 sema 的 finalize 注入文案(sema 现有 finalize 只说"写出最佳工作",没说"清理干净")。若 CC 有此帧而 sema 无 → 可在 sema 收尾指令帧补一句"删除中间产物/临时文件,只保留要求的交付物"。这条**可测、跨题、低风险**,值得进小修批。
-- **不建议**:加墙钟预算(CC 更短就赢,非税)。
-- **坐实需**:(a) N≥3 复跑看 sema 是否稳定卡在难解法(若偶尔选对稳解→高方差);(b) 独立核 CC 198 收尾帧是否含"清理产物"措辞(定 §⑤次向是否有 CC 锚支撑);(c) 造一道最小 harness 题("生成 X 并保证目录只剩 X")验 sema 收尾清理率。
-
----
-
-## 两题横向小结
-- **共因**:同模型(deepseek-v4-pro)下,CC 用**更少墙钟**赢、sema 用**更多墙钟**输 → 两题都**排除墙钟预算税**(否定轮 7 口径税假设,复核落定)。差异在**解法/架构选择质量**与**收敛效率**,主因落**模型面**。
-- **唯一引擎/prompt 可修点**:polyglot 暴露的**收尾洁净度契约缺失**(留 cmain)——跨题类问题,有潜在 CC 锚(收尾清理帧),建议进小修批 + 核 198 坐实。corewars 无引擎可修点,纯模型天花板。
-- **纪律标注**:均 N=1 初筛,结构性差异(78 vs 0 胜、解出 vs 没解出)可支撑高置信,但复跑稳定性(是否每次都剪错分支/选错解法)需 N≥3 坐实,建议与 siege-a N=3 腿并排一次 corewars+polyglot 的 N=3。