dsh-vibe-math 2.4.0 → 2.5.0

package/docs/COMPAT-AUDIT-ROUND3.md

@@ -73,7 +73,22 @@ DSH 0.1.7 起 agent preset **只**由组合行声明；`$DSH_HOME/.agent-presets
 
 宿主的 `CommandResult` 联合是 `{kind:'success',text?} | {kind:'error',text}`；四套预设的 `/vibe`、`/v4`、`/v5`
 在**所有失败路径**上都返回 `{kind:'success', text:'{"ok":false,…}'}` → UI 永远显示不出"这条命令被拒绝了"。
-修复：按 dispatch 结果自身的 `ok:false` 返回 `kind:'error'`（该联合在 0.1.5 上同样存在，故旧线安全）。
+
+**更正（据实收窄）：这条修复不是一次"全仓"修复，而是分两批落地的，本节初稿把"打算做的"写成了"已经做完的"。**
+
+- **2.4.0（`cc0c220`）只改了 v2 与 v3**（`vibe-math-v2.js` / `vibe-math-v3.js` 的命令 handler）。当时 v4 与 v5 的
+  handler 仍然无条件 `return {kind:'success', text:JSON.stringify(r,null,2)}`（各自的"无 session"分支也返回
+  `kind:'success'`）——所以"四套都修了"在 2.4.0 这个提交上是不成立的。
+- **v4 与 v5 在 round-A（`8ec5a9c`）才各自补上同一形状**：v4 的命令 handler 改成
+  `const failed = !r || r.ok === false || (r.ok === undefined && !!r.error)` → `{kind: failed?'error':'success'}`；
+  v5 改成 `const failed = r !== null && typeof r === 'object' && r.ok === false` → 同样三元返回，并把"无 session"
+  分支一并改成 `kind:'error'`。判据：`git log -G "kind:\s*'error'" -- vibe-math-v4/vibe-math-v4.js`（及 v5 同）
+  **只命中 `8ec5a9c`**；round-C（`4eb3175`）与 round-D（`0dc6ee3`）都没有再碰这两个 handler（前者的 v4 hunk 在
+  1354/1854 行，后者的 v5 hunk 止于 4564 行，均在命令 handler 之外）。
+- **仓库内的回归证据是 round-C（`4eb3175`）补进来的**：`tests/host-failure-paths.test.mjs` 在该提交首次入库，
+  它断言 `/v4 set` 未知键、`/v4` 未知子命令与 `/v5` 未知子命令都返回 `kind:'error'`。round-D（`0dc6ee3`）只是
+  把"本节仍把 `/v4` 的修复说成全仓，需据实收窄"记进了待办，没有改代码。
+- 该联合在 0.1.5 上同样存在，故旧线安全。也就是说：**"四套最终一致"成立，"四套一次修完"不成立**。
 
 ### G-9 文档、镜像与工具描述与实现不符
 

package/docs/release-notes/RELEASE-NOTES-2.4.1.md

@@ -0,0 +1,129 @@
+# dsh-vibe-math 2.4.1 — 发布说明（中文）
+
+> 上一版：2.4.0。本版是**修复与合规版本**：四套预设的提示词、工具面、组合声明与参数默认值均未改变（仅 v2 人设里一句措辞由「新架构」改为「经典」），DSH 支撑窗口不变。
+
+---
+
+## 概览
+
+- 本包现已被 **[awesome-ai-plugins](https://github.com/hashgraph-online/awesome-ai-plugins)** 收录
+  （条目位于其 `### DeepSeek Harness Plugins` 小节，按字母序排列）。
+- 为通过 `awesome-ai-plugins` 的**源仓库安全扫描**（要求评分 ≥80 且无 critical/high），移除了测试工具里的**动态代码执行**：
+  仓库里不再出现 `eval` / `new Function` / `node:vm`。该项此前是把收录 PR 拦下的唯一硬性原因。
+- 随后做的一轮独立复查修掉 13 处不一致，其中两处是**文档里的不实声明**（安全策略与发布门禁的描述），
+  一处是中文 README 比英文版**承诺得更宽**。本次修订也一并落进本版。
+
+## 变更
+
+### 1. 移除测试中的动态代码执行（收录扫描的硬性要求）
+
+- 两个审计套件过去把预设**源码文本**用 `new Function` 编译后执行；现在改为 `import()` 真实模块。
+- 四个预设把纯函数**原样**上移到模块作用域（`apply()` 继续闭包同一批函数对象），并新增一个仅供测试使用的导出 `__testHelpers`。
+- 结果：**行为不变**（独立复查做了逐 token 比对与数千次差分对照，结论完全一致；四个预设也已在真实 DSH 0.2.0-rc.2 上实测注册成功且零激活警告），
+  而安全扫描的该项由「不通过」变为「通过」。
+
+### 2. 架构表述统一：四者同级，v2/v3 为「经典」
+
+把此前只改到 README 的说法补齐到所有用户可见处：npm 包描述、v3 设计文档、**v2 的预设选择器描述与人设文本**
+（"NEW architecture" → "经典 / classic"）、安装段的预设列举顺序（与选择器一致为 v2、v3、v4、v5）。
+因涉及人设措辞，`prompt-corpus-persona` 语料随之更新；其余提示词与语料未变。
+
+### 3. 文档与安全策略如实化
+
+- `SECURITY.md`：明确安装器在旧目录线上使用 Node 自身 `fs` 写 `<DSH_HOME>/.agent-presets/`（含状态文件与备份副本），
+  不再声称"所有写入都经宿主 `fs` 服务"；并修正支持版本表的自相矛盾——2.3.x 的真正限制是**不能用于 DSH 0.2.x**，
+  而不是"只支持 ≤0.1.6"（2.4.x 同样支持 ≤0.1.6）。
+- `docs/AUDIT-CHECKLIST.md`：把 §9 的表格与同文件 §9.1/§9.2 对齐（本仓库**不配置** dependabot、**不引入**工作流），
+  并写明将来若确实需要 CI 时的前置条件（第三方 Action 必须钉 commit SHA 并保留版本注释）。
+- 修掉 v3 设计文档里"本包仅含 v2/v3/v4"的事实错误（v5 自 2.1.0 起即在包内），以及中文 README 升级段缺失的
+  「仅 DSH ≤ 0.1.6 目录形式」这一限定（英文版原本已有）。
+
+## 兼容性
+
+- 四套预设的**提示词（除 v2 人设那一句）、工具面、组合声明、参数默认值与数据格式**均未变；
+  DSH 支撑窗口不变：**0.1.2-alpha.4 … 0.2.0-rc.2**。
+- 无需迁移：`State/<研究所>.v5state.json`、项目目录结构、以及 DSH ≤ 0.1.6 的旧目录形式都照旧。
+- `SECURITY.md` 现在随包发布（`package.json` 的 `files` 已包含它）。
+
+## 升级
+
+```sh
+npm i dsh-vibe-math@latest
+```
+
+桌面版在「设置 → 插件」里更新；命令行 profile 用 `dsh plugin --profile <你的 profile> add dsh-vibe-math@latest`，
+随后重启 DSH 即可。
+
+---
+
+# dsh-vibe-math 2.4.1 — Release Notes (English)
+
+> Previous: 2.4.0. This is a **fix and compliance release**: the four presets' prompts, tool surface,
+> composition declarations and parameter defaults are unchanged (only one wording in v2's persona moved
+> from "new architecture" to "classic"), and the supported DSH window is unchanged.
+
+---
+
+## Overview
+
+- The package is now listed in **[awesome-ai-plugins](https://github.com/hashgraph-online/awesome-ai-plugins)**
+  (in its `### DeepSeek Harness Plugins` section, in alphabetical order).
+- To pass `awesome-ai-plugins`'s **source-repository security scan** (score ≥ 80 with no critical/high
+  finding), **dynamic code execution was removed from the test tooling**: the repository no longer
+  contains `eval` / `new Function` / `node:vm`. That rule was the one hard blocker on the listing PR.
+- A follow-up independent review fixed 13 inconsistencies, two of which were **false statements in the
+  documentation** (the security policy and the release-gate description) and one of which was the
+  Chinese README **promising more than the English one**. Those fixes are part of this release.
+
+## Changes
+
+### 1. Dynamic code execution removed from the tests (a hard requirement of the catalog scan)
+
+- Two audit harnesses used to compile extracted preset **source text** with `new Function`; they now
+  `import()` the real modules.
+- All four presets moved their pure helpers **verbatim** to module scope (`apply()` still closes over the
+  same function objects) and gained one test-only export, `__testHelpers`.
+- The behaviour is unchanged — an independent review compared the declarations token by token and ran
+  thousands of differential comparisons with identical results, and the four presets were verified to
+  register on a real DSH 0.2.0-rc.2 host with zero activation warnings — while the security rule that
+  used to fail now passes.
+
+### 2. One consistent framing: four peers, v2/v3 classic
+
+The wording that had only reached the READMEs was completed everywhere a user can see it: the npm
+package description, v3's design document, **v2's preset-picker description and persona text**
+("NEW architecture" → "classic"), and the order in which the presets are listed in the install section
+(now v2, v3, v4, v5, matching the picker). Because the persona wording changed, the
+`prompt-corpus-persona` corpus was regenerated; no other prompt or corpus changed.
+
+### 3. Documentation and security policy made truthful
+
+- `SECURITY.md`: the installer is described accurately — on the legacy directory line it writes
+  `<DSH_HOME>/.agent-presets/` (including its state file and backup copies) with Node's own `fs`, so it
+  no longer claims that "every write goes through the host's `fs` service". The supported-version table
+  was corrected too: 2.3.x's real limitation is that it **cannot run on DSH 0.2.x**, not that it only
+  serves ≤ 0.1.6 (2.4.x also covers ≤ 0.1.6).
+- `docs/AUDIT-CHECKLIST.md`: §9's table now agrees with §9.1/§9.2 in the same file (this repository
+  configures **no** Dependabot and **no** workflow), and it records the preconditions for ever adding CI
+  (third-party Actions must be pinned to a commit SHA with the version kept in the comment).
+- v3's design document no longer claims "this package contains only v2/v3/v4" (v5 has shipped since
+  2.1.0), and the Chinese README's upgrade note gained the "DSH ≤ 0.1.6 directory form only" qualifier
+  the English version already had.
+
+## Compatibility
+
+- The four presets' **prompts (apart from that one persona wording), tool surface, composition
+  declarations, parameter defaults and data formats** are unchanged, and the supported DSH window is the
+  same: **0.1.2-alpha.4 … 0.2.0-rc.2**.
+- No migration is needed: `State/<institute>.v5state.json`, the project directory layout, and the legacy
+  directory form on DSH ≤ 0.1.6 all behave as before.
+- `SECURITY.md` now ships with the package (`files` in `package.json` includes it).
+
+## Upgrade
+
+```sh
+npm i dsh-vibe-math@latest
+```
+
+Desktop updates through Settings → Plugins; a CLI profile uses
+`dsh plugin --profile <your profile> add dsh-vibe-math@latest`, then restart DSH.

package/docs/release-notes/RELEASE-NOTES-2.5.0.md

@@ -0,0 +1,173 @@
+# dsh-vibe-math 2.5.0 — 发布说明（中文）
+
+> 上一版：2.4.1。本版是**深度审计后的修复版本**：四套预设的提示词、工具面、组合声明与数据格式未做破坏性变更，
+> 但修复了多处"看起来能跑、实际目标功能不成立"的缺陷（含三处会丢数据或让运行停摆的问题），并新增多项守卫。
+
+---
+
+## 概览
+
+- 本轮对 v2/v3/v4/v5 四套预设 + 安装器 + 全部守卫做了多轮独立审计与交叉证伪（审计结论：**所有宿主接口/工具/命令调用在 DSH 0.2.0-rc.2 上均存在且调用形状正确**；问题集中在目标功能与内部逻辑）。
+- 修复了 **3 处会造成实际损害的问题**：v5 的状态文件会被空研究所覆盖、v2 的验证日志文件名可越出项目目录、v4 的邮箱投递失败会让调度器永久停摆。
+- 还修掉 **v4 的"真实 /compact"从未生效**、**v3 空闲时每 tick 空转派生 planner**、**v3 单票即可写入 `Verified/`**、**v5 同 tick 并发提议会丢提案**等。
+- 在本机 DSH 0.2.0-rc.2 上做了**真实宿主端到端验证**：四个预设正常注册（order 20–23）、零激活警告、组合行线上不再写旧的 `.agent-presets` 目录。
+- 测试与守卫大幅加强：全仓 **38 套件 + 18 探针**全部纳入自动门禁（此前有若干探针未被收集），并修正了一处测试抖动与一处语料非确定性。
+
+## 变更
+
+### 1. 数据安全与"运行不卡死"
+
+- **v5 状态文件不再被覆盖**：状态后端改为**按路径锁存**，读取未成功即**拒绝写入**；对已存在的研究所改为**采纳**而非重置。此前会话里第一次工具调用会锁存默认路径，随后指定研究所的配置会把它覆盖成空研究所。
+- **v2 路径逃逸**：验证日志文件名改用 `safeId` 归一化，`q.id="x/../../../../pwn"` 这类输入不再能把文件写出项目目录。
+- **v4 调度器停摆**：邮箱投递失败的两条路径（立即投递失败、brainstorm 阶段无处重投）都会重排队并在后续 pass 重试，不再出现"心跳已清、永不重试"的静止状态。
+- **v5 队列竞态**：验证队列的追加与取头改为在事件折叠内完成，同一 tick 内两个成员同时提议不再丢提案。
+
+### 2. 目标功能真正可达
+
+- **v4 的 `/compact`**：按 `subagent/start` 载荷认领活动 Agent，真实压缩调用（`compactNow`）首次真正生效。
+- **v2 的"判断命题"链**：为判断问题补种可验证的解法入口，使"问题 → 判断问题 → 验证 → 收口"主线真正跑通。
+- **v3 的空转**：空闲时不再每个 tick 派生 planner（实测由 41 次降到 13 次，并首次出现正常终止）。
+- **v3 的项目锁**：改为**定时器续租**（此前的续租写在 tick 内，单次慢 tick 就会让别的会话无 override 夺锁）。
+- **v3 的最小票数**：要求达到承诺的验证者数量、且**至少 2 票**才裁决，单票不再能把命题写成"已验证·真"。
+
+### 3. 语义与表述对齐（含提示词面）
+
+- **v4 验证契约**：人设与工具描述明确"**只有精确的 1 / 0 是绝对真/绝对假**；介于 0 与 1 之间是模型认为的概率，只有全 1 或全 0 才算全体一致，否则取**平均概率**更新布尔估计"（代码分支未改，此前示例与说明不足）。
+- **v5 的 m-vote 表述**：文档/人设/README 改为与计票代码一致——"**至少 m 张布尔票且没有任何一张反对票**，默认名册下退化为全体一致"，并删除"比全体一致更易收敛"这一**不实**说法。
+- **四套同级**：v2/v3 改称"经典"、v4/v5 为"实验性"，npm 描述、选择器描述、人设文本、v3 设计文档、安装段顺序全部对齐（此前只有 README 改了）。
+- **v2 的侧信道**：推送汇报的消息来源由未声明的 `kind:'plugin'` 改为已声明的 `kind:'user'`；`solver/verifierMaxToolCalls` 改为如实标注为"仅提示、不强制"。
+- **v5 的调用者授权**：`isOffice` 不再把空身份当所办；无法识别身份的成员调用一律拒绝（此前一个幽灵身份可以改优先级、甚至删掉真实任务）。
+- **v5 的工具描述**：补齐会议 `kind` 枚举与 `target`、说明 `hire.term`。
+
+### 4. 安装器、声明与守卫
+
+- **形态判定改能力差**：旧线上"组合行 registry 包"根本不存在（已用 npm 元数据与包内容证实：0.1.6-alpha.2 无 `@deepseek-ai/dsh-agent-preset`，0.1.7-rc.2 才有），判定改用 `register` 能力，并新增可证伪守卫（把该行改回 `list` 只有新守卫会红）。
+- **声明行补宿主 group 标记**：8 处嵌套 `!!js` 现在以表达式形式保留给 preset 作用域，而不是在声明域被就地求值。
+- **安装器更安全**：preset 文件改**原子写**；删除 preset 前**先备份**用户改动过的文件；**读不出来**的文件不再被无备份删除；状态文件内容不变则跳过写、写失败会告警、`listBundles` 有超时兜底。
+- **守卫扩面**：`run-tests` 现在收集**全部**测试与探针（此前有 2 套红探针被静默漏收），修正了一处测试抖动（v4 会议用例）与一处语料非确定性（v3），并新增安装器/声明/命令失败路径/宿主失败路径等守卫。
+
+## 兼容性
+
+- **DSH 支撑窗口不变**：`0.1.2-alpha.4 … 0.2.0-rc.2`；组合行（≥0.1.7）与目录（≤0.1.6）两条线都保留，且新增能力差判定后旧线不会再被误判。
+- **数据与目录结构不变**：`State/<研究所>.v5state.json`、项目布局、镜像文件位置均照旧；无需迁移。
+- **提示词**：除"v4 验证契约/闭包规则说明、v5 m-vote 表述、v2/v3/v4 人设补一行一致的闭包规则、v5 工具描述补字段"之外未改动；语料已按当前四套重新生成。
+- **参数默认值**：未变（v2 每个待验证对象最多 `max(2, min(verifierCount, maxParallelThreshold-2))` 个验证者，默认配置下为 2；工具调用上限仍为提示性）。
+
+## 升级
+
+```sh
+npm i dsh-vibe-math@latest
+```
+
+桌面版在「设置 → 插件」里更新；命令行 profile 用 `dsh plugin --profile <你的 profile> add dsh-vibe-math@latest`，随后重启 DSH。
+
+---
+
+# dsh-vibe-math 2.5.0 — Release Notes (English)
+
+> Previous: 2.4.1. This release is the outcome of a deep, independently cross-checked audit: the four
+> presets' prompts, tool surface, composition declarations and data formats have no breaking change, but
+> several defects that "looked like they worked while the intended function did not" are fixed — three
+> of them could lose data or stall a run — and the guard suite is substantially stronger.
+
+---
+
+## Overview
+
+- Multiple audit rounds with independent falsification covered the four presets, the installer and every
+  guard. Verdict: **every host interface, tool, command and service call exists on DSH 0.2.0-rc.2 with
+  the correct call shape**; the defects were in goals and internal logic.
+- Three fixes prevent real damage: v5's state file being overwritten by an empty institute, v2's
+  verification-log filename escaping the project directory, and v4's scheduler stalling forever after a
+  failed mailbox delivery.
+- Also fixed: v4's "real /compact" never firing, v3 spawning a planner on every idle tick, v3 finalising
+  a proposition on a single vote, and v5 losing a proposal when two members proposed in the same tick.
+- Verified on a **real DSH 0.2.0-rc.2 host**: the four presets register (orders 20–23) with zero
+  activation warnings, and the row line no longer writes the legacy `.agent-presets` directory.
+- Guards grew from 30 to **38 suites + 18 probes**, all collected by the gate (several probes used to be
+  silently skipped); one flaky test and one non-deterministic corpus were fixed.
+
+## Changes
+
+### 1. Data safety and "no run can stall"
+
+- **v5 state file can no longer be overwritten**: the backend latches **per path** and **refuses to
+  write** when the read never succeeded; an existing institute is **adopted** instead of reset. The
+  first tool call of a session used to latch the default path, after which configuring a named institute
+  overwrote it with an empty one.
+- **v2 path escape**: the verification-log filename is normalised with `safeId`, so an id such as
+  `x/../../../../pwn` can no longer write outside the project directory.
+- **v4 scheduler stall**: both failed-mailbox paths (immediate delivery rejection, and the brainstorm
+  phase where nothing retried) now re-queue and retry on a later pass.
+- **v5 queue race**: queue append and head-take now happen inside the event fold, so two members
+  proposing in the same tick can no longer lose a proposal.
+
+### 2. The intended function actually happens
+
+- **v4 `/compact`**: the live Agent is claimed from the `subagent/start` payload, so the real
+  `compactNow` finally fires.
+- **v2's judge-problem chain**: the judge problem now carries a verifiable solution entry, so
+  problem → judge problem → verification → closure really runs.
+- **v3 idle spawning**: no planner is spawned on every idle tick any more (measured 41 → 13) and a
+  normal termination was observed for the first time.
+- **v3 project lock**: renewal moved to a timer (it used to live inside `tick()`, so one slow tick let
+  another session steal the lock without an override).
+- **v3 minimum votes**: the promised verifier count and at least two votes are now required before a
+  verdict; a single vote can no longer write `Verified/`.
+
+### 3. Semantics and wording aligned (including prompt-facing text)
+
+- **v4 verdict contract**: the persona and tool description now state that **only an exact 1 / 0 is
+  absolutely true/false**; anything strictly between is the model's probability of truth, only an all-1
+  or all-0 set is unanimity, and otherwise the **mean** updates the boolean estimate (the code path is
+  unchanged; the example and explanation were insufficient).
+- **v5 m-vote**: docs, persona and README now match the tally — "**at least m boolean votes with no
+  opposing vote**, which degenerates to unanimity on the default roster" — and the false claim that it
+  "converges more easily than unanimity" is gone.
+- **Four peers**: v2/v3 are "classic", v4/v5 "experimental" — the npm description, picker descriptions,
+  persona text, v3's design doc and the install-section order were all brought in line (previously only
+  the READMEs).
+- **v2 side channels**: the push report's message source is the declared `kind:'user'`; the
+  `solver/verifierMaxToolCalls` settings are now honestly described as advisory.
+- **v5 caller authorisation**: `isOffice` no longer treats an empty identity as the office, and tool
+  calls from an unidentifiable caller are refused (a ghost identity could previously change priorities
+  and even delete a real task).
+- **v5 tool descriptions**: the meeting `kind` enum plus `target`, and `hire.term`, are now documented.
+
+### 4. Installer, declarations and guards
+
+- **Mechanism detection by capability**: the row registry package does not exist on the old line
+  (proven from npm metadata and package contents: 0.1.6-alpha.2 has no
+  `@deepseek-ai/dsh-agent-preset`, 0.1.7-rc.2 adds it), so the decision now tests the `register`
+  capability, with a falsifiable guard (reverting that one line turns only the new guard red).
+- **Declaration rows carry the host group marker**: the eight nested `!!js` expressions are preserved
+  for the preset scope instead of being evaluated in the declaring realm.
+- **Safer installer**: preset files are written atomically; a user-edited file is backed up before its
+  preset is dropped; an unreadable file is no longer deleted without a backup; the state file is
+  skipped when unchanged, write failures warn, and `listBundles` has a timeout fallback.
+- **Wider guards**: `run-tests` now collects **every** test and probe (two red probes used to be
+  silently skipped), one flaky test (v4 meetings) and one non-deterministic corpus (v3) were fixed, and
+  new guards cover the installer, the declaration row, command failure paths and host failure paths.
+
+## Compatibility
+
+- **Supported DSH window unchanged**: `0.1.2-alpha.4 … 0.2.0-rc.2`; both the composition-row (≥ 0.1.7)
+  and directory (≤ 0.1.6) lines are kept, and the capability-based verdict means the old line can no
+  longer be misclassified.
+- **No data or layout change**: `State/<institute>.v5state.json`, the project layout and the mirror file
+  locations are unchanged; no migration needed.
+- **Prompts**: unchanged except the v4 verdict-contract/clojure-rule wording, the v5 m-vote wording, one
+  consistent closure-rule line added to the v2/v3/v4 personas, and the added v5 tool-description fields;
+  corpora were regenerated for the current four presets.
+- **Defaults**: unchanged (v2 caps reviewers per target at
+  `max(2, min(verifierCount, maxParallelThreshold-2))`, i.e. 2 on the default configuration; the tool-call
+  limits remain advisory).
+
+## Upgrade
+
+```sh
+npm i dsh-vibe-math@latest
+```
+
+Desktop updates through Settings → Plugins; a CLI profile uses
+`dsh plugin --profile <your profile> add dsh-vibe-math@latest`, then restart DSH.

package/docs/test-timing.md

@@ -8,52 +8,77 @@
 ## 1. 怎么跑（并行是默认）
 
 ```bash
-node tests/run-tests.mjs                     # 全部 *.test.mjs（在 tests/ 下），并行（并发 = min(4, CPU 核数)；命令都从**仓库根**执行）
-node tests/run-tests.mjs --only formal       # 只跑名字含 formal 的套件
+node tests/run-tests.mjs                     # 全部套件 + 全部探针（tests/ 下每个 .mjs），并行（并发 = min(4, CPU 核数)；命令都从**仓库根**执行）
+node tests/run-tests.mjs --only formal       # 只跑名字含 formal 的项（套件与探针一起筛）
 node tests/run-tests.mjs --concurrency=6     # 手动指定并发
-node tests/audit-formal-sensitivity.mjs      # 49 条不变式探针，并行（--concurrency=N / --only=<preset> / --list）
-node tests/audit-persona-sensitivity.mjs     # 11 条提示词面探针（串行，本身只要几秒）
-node tests/audit-prompt-invariants.mjs       # 静态：四套的提示词/工具面不变式 + 扫描器自检（< 0.1s）
-node tests/audit-prompt-invariants.mjs --self-probe   # 证明上面那 157 条不变式真的会变红（5 个自探针）
-node tests/audit-spec-traceability.mjs       # 静态：规格/README ↔ 代码可追溯（< 0.1s）
-node tests/audit-v5-integrity.mjs            # 静态：v5 完整性/理念门禁 + 扫描器解析级自检（≈0.5 s）
+node tests/run-tests.mjs --json              # 机器可读汇总（含 skippedNeedsArgs / devCheckout）
 ```
 
-两个并行 runner 都会打印**每项耗时 + 汇总（wall / sum / speed-up / 最慢几项）**。跑完请读这几行。
+`run-tests.mjs` 的收集规则（Round B 起）：`tests/` 下**每个** `.mjs` 都会被跑——
 
-## 2. 基线（本机：4 核 / 8 GB，Windows，实测）
+- `*.test.mjs` 是**套件**；其余 `.mjs` 是**探针/审计**（灵敏度变异、注册面、自驱动守卫）；
+- 只有登记在 runner 的 `NEEDS_ARGS` 里的脚本才会被跳过（当前只有 `audit-tool-exec.mjs`：它必须带
+  `<preset-js> <tool-name>` 才能跑）。跳过项**每次运行都会打印出来**；在开发检出（存在 `.git`）里
+  该登记失效会**直接报错退出**，所以改名不可能悄悄把一条守卫踢出发布门禁；
+- 需要参数的变体登记在 `VARIANTS`：`audit-registration.mjs` 四个预设各跑一次（裸跑只查 v3）、
+  `audit-prompt-invariants.mjs --self-probe`、以及 `audit-v3-registration-parity.mjs --self-probe`
+  （这条**成功 = 退出码 1**：它注入真实变异并要求守卫变红，runner 用 `expectExit` 表达）。
+
+### 1.1 随包发布 vs 仅仓库（`npm pack --dry-run --json`）
+
+`package.json` 的 `files` 只发 `tests/` 的一个**子集**（发布物共 102 个文件，其中 `tests/` 18 项），
+所以安装用户跑 `node tests/run-tests.mjs` 得到的是子集的结果——runner 会把缺失的跳过项打印出来，
+不会静默少跑：
+
+- **随包（18 项）**：`run-tests.mjs`、`audit-formal-sensitivity.mjs`、`audit-persona-sensitivity.mjs`、
+  `audit-prompt-invariants.mjs`、`audit-spec-traceability.mjs`、`audit-v5-integrity.mjs`、
+  `audit-v5-sensitivity.mjs`、`selfdrive-v5.mjs`；套件 **10** 个：`audit-installer-compat`、
+  `audit-installer-policy`、`audit-persona-surface`、`audit-preset-rows`、`e2e-v5-round2`、
+  `formal-verify-v2`、`formal-verify-v3`、`formal-verify-v4`、`formal-verify-v5`、`prompt-v5-integrity`。
+- **仅仓库（不发）**：其余 28 个套件（v2/v3/v4 的 e2e、`selfdrive-v3`/`v4`、v2/v3 修复探针、
+  `audit-fuzz-helpers` 之外的若干 `audit-*`……）与 7 个脚本（`audit-fuzz-helpers`、
+  `audit-registration`、`audit-roundtrip-idempotence`、`audit-tool-exec`、
+  `audit-v3-registration-parity`、`selfdrive-v3`、`selfdrive-v4`）。
+- 因此**完整门禁只能在开发检出里跑**；发布物里的子集是"用户可自查"的一部分，不是全部证据。
+  （`audit-fuzz-helpers.mjs` 在 2.3.13 时曾随包发布；现在不在 `files` 里。）
+
+## 2. 基线（本机：4 核 / Windows，实测）
 
 | 脚本 | 串行（sum） | 并行（wall） | 实测输出 |
 |---|---|---|---|
-| `tests/run-tests.mjs`（29 个套件） | ≈ 230 s | **≈ 110 s**（并发 4） | 关键路径 = `e2e-v4-fixes` ≈ 96 s |
-| `tests/audit-installer-policy.test.mjs` | ≈ 1 s | — | 在临时 DSH_HOME 里驱动真实安装器（复制 4 套预设 × 2 个版本） |
-| `tests/audit-preset-rows.test.mjs` | ≈ 0.2 s | — | 四个 preset 的声明行（cordis.patch.yml 与生成器逐字节一致、bundle.patch 必须是字符串、行不得用 `ctx.get` 的 `!!js` 门、组合里必须有 present/command-goal/isolate/workflow-ptc；纯静态） |
-| `tests/audit-readme-bilingual.test.mjs` | ≈ 0.2 s | — | 中英 README 的结构/链接/图片/锚点一致性（英文版架构图按 `-en` 变体配对；纯静态） |
-| `tests/audit-diagram-assets.test.mjs` | ≈ 1 s | — | 四张架构图 PNG 必须装得下它自己的画面、四张英文版 SVG 必须存在且正文为英文（解 PNG 与 SVG，纯静态） |
-| `audit-formal-sensitivity.mjs`（49 探针） | 612.0 s | **154.6 s**（并发 4，speed-up x3.96） | 关键路径 = 12 个 v2 探针（每个 ≈32 s） |
-| `audit-persona-sensitivity.mjs`（11 探针） | ≈ 5 s | — | 本身很快，不需要并行 |
-| `audit-prompt-invariants.mjs`（157 条，含 X5–X8b 扫描器自检） | 0.4 s | — | 静态 |
-| `audit-prompt-invariants.mjs --self-probe`（5 探针） | 1.5 s | — | 每个探针 = 一次自我重跑（0.3 s） |
-| `audit-spec-traceability.mjs`（94 条） | 0.3 s | — | 静态 |
-| `audit-v5-integrity.mjs` | ≈ 0.5 s | — | 静态审计（含扫描器自检） |
-| `prompt-v5-integrity.test.mjs` | 1.6 s | — | 虚拟时钟下生成 v5 语料（语料字节稳定；**stdout 里的会议成员顺序仍是运行间随机的**，只有落盘语料是逐字节确定的） |
-
-> 优化前：全量回归 ≈ 5.5 min（串行，`formal-verify-v2` 单独 186 s）；
-> 探针脚本 ≈ **38 min**（49 条串行，其中 12 条 × `formal-verify-v2` 162 s）。
-> 现在：**1.9 min / 2.6 min**。
+| `tests/run-tests.mjs`（**56 项** = 38 套件 + 18 探针/变体） | ≈ 629 s | **≈ 208 s**（并发 4，speed-up x3.02） | `TOTAL 56  PASS 56  FAIL 0  (suites 38 · probes 18)`；关键路径 = `audit-formal-sensitivity` 208 s |
+| `tests/audit-formal-sensitivity.mjs`（49 探针，自带并发 4） | 803 s | **≈ 208 s** | 关键路径 = 12 个 v2 探针（每个 ≈42–60 s） |
+| `tests/audit-v5-sensitivity.mjs`（39 探针，串行） | ≈ 101 s | — | 每条 = 一次被测套件重跑 |
+| `tests/audit-persona-sensitivity.mjs`（11 探针） | ≈ 4.4 s | — | 本身很快，不需要并行 |
+| `tests/audit-prompt-invariants.mjs`（157 条） | ≈ 1.9 s | — | 静态 |
+| `tests/audit-prompt-invariants.mjs --self-probe`（5 探针） | ≈ 7.4 s | — | 每个探针 = 一次自我重跑 |
+| `tests/audit-spec-traceability.mjs`（94 条） | ≈ 0.2 s | — | 静态 |
+| `tests/audit-v5-integrity.mjs` | ≈ 0.6 s | — | 静态审计（含扫描器自检） |
+| `tests/audit-registration.mjs`（4 个预设各一次） | ≈ 1.0 s | — | 裸跑只查 v3，所以 runner 跑四个变体 |
+| `tests/audit-v3-registration-parity.mjs`（+ `--self-probe`） | ≈ 0.3 s | — | 自探针**成功 = exit 1**（变异后守卫必须变红） |
+| `tests/prompt-v5-integrity.test.mjs` | ≈ 2.2 s | — | 虚拟时钟下生成 v5 语料（语料字节稳定；**stdout 里的会议成员顺序仍是运行间随机的**，只有落盘语料是逐字节确定的） |
+| `tests/e2e-v5-round2.test.mjs` | ≈ 3.2 s | — | v5 e2e（含本轮新增的"预置快照不被覆盖""命名研究所被读取""失败轮次"三节） |
+| `tests/host-failure-paths.test.mjs` | ≈ 6.3 s | — | 真实宿主的失败路径（`kind:'error'`、`/v4 set` 键校验、失败轮次不算进展） |
+| `tests/v4-mailbox-stall.test.mjs` | ≈ 7.1 s | — | `sendMessage` 拒绝后必须重投并唤醒（control + treatment 各一个 host） |
+| `tests/v2-fix-probes.test.mjs` | ≈ 8.6 s | — | v2 的 flat 等权均值 / ≥2 名验证者 / runShell 失败分支（26 条） |
+| `tests/v2-path-escape.test.mjs` | ≈ 2.2 s | — | 验证日志路径逃逸（7 条） |
+| `tests/v2-tool-cap.test.mjs` | ≈ 0.4 s | — | 能力表来自真实组合、*MaxToolCalls 只是提示（10 条） |
 
 单套件耗时（并行时的关键路径按此排序）：
 
 | 套件 | 耗时 | 备注 |
 |---|---|---|
-| `e2e-v4-fixes.test.mjs` | **≈ 98 s** | 9 个用例是**轮次采样**型（如 T13 采样 400 轮、T19/T25 多轮）；时间 ≈ 轮数 × 框架自身的 40 ms 计时粒度 |
-| `formal-verify-v2.test.mjs` | **≈ 38 s** | 曾为 186 s：见 §3 |
+| `e2e-v4-fixes.test.mjs` | **≈ 104 s** | 9 个用例是**轮次采样**型（如 T13 采样 400 轮、T19/T25 多轮）；时间 ≈ 轮数 × 框架自身的 40 ms 计时粒度 |
+| `formal-verify-v2.test.mjs` | **≈ 43 s** | 曾为 186 s：见 §3 |
+| `e2e-v3.test.mjs` | ≈ 21 s | |
 | `e2e-regression.test.mjs` | ≈ 14 s | |
-| `e2e-business.test.mjs` | ≈ 13 s | |
-| `e2e-d9-d13.test.mjs` | ≈ 13 s | |
-| `e2e-v3.test.mjs` | ≈ 12 s | |
-| `formal-verify-v3.test.mjs` | ≈ 12 s | |
-| 其余 21 个 | ≤ 6 s | 其中绝大多数 < 1 s |
+| `formal-verify-v3.test.mjs` | ≈ 13 s | |
+| `e2e-business.test.mjs` / `e2e-d9-d13.test.mjs` | ≈ 13 s | |
+| 其余套件 | ≤ 10 s | 其中绝大多数 < 2 s |
+
+> 优化前：全量回归 ≈ 5.5 min（串行，`formal-verify-v2` 单独 186 s）；
+> 探针脚本 ≈ **38 min**（49 条串行，其中 12 条 × `formal-verify-v2` 162 s）。
+> 现在：**一套 `node tests/run-tests.mjs` ≈ 3.5 min 覆盖套件 + 探针**（探针单独跑仍是 ≈2.6 min）。
 
 ## 3. 已经做过的优化（别再重复踩）
 
@@ -68,9 +93,9 @@ node tests/audit-v5-integrity.mjs            # 静态：v5 完整性/理念门
    现在连续 100 次无待答 followup 就停（`V4_IDLE_POLLS` 可调）。
    **再往下压就要砍采样深度了**——那 9 个慢用例（T13/T19/T22/T23/T25/T27/T2/T9/T20）是在
    观察"多轮之后某个指令**没有**泄漏/重复"，轮数是它们的不变式本体，不要再动。
-3. **两个 runner 并行**（本轮新增）：探针 38 min → 2.6 min（sum 612 s，wall 154.6 s，x3.96）；
+3. **两个 runner 并行**（Round A）：探针 38 min → 2.6 min（sum 612 s，wall 154.6 s，x3.96）；
    全量回归 5.5 min → 1.9 min（sum 221.5 s，wall 111.5 s，x1.99）。
-4. **虚拟时钟**（`prompt-v5-integrity.test.mjs`，本轮新增）：v5 研究所由 `ctx.timeout` + `Date.now()`
+4. **虚拟时钟**（`prompt-v5-integrity.test.mjs`）：v5 研究所由 `ctx.timeout` + `Date.now()`
    驱动，真实时钟下"哪个成员被心跳/会议唤醒"取决于负载与毫秒差 → **随包语料每跑一次都变**（无法 diff，
    真实缺陷会被淹没）。套件现在把 `ctx.timeout` 接到**虚拟时钟**、`sleep(n)` 推进虚拟时间：
    套件 **7–9 s → 1.7 s**，且语料连续 6 次运行**字节一致**。语料写入端另加**全序排序**
@@ -79,13 +104,21 @@ node tests/audit-v5-integrity.mjs            # 静态：v5 完整性/理念门
    > 想给别的套件套用同一手法前请注意：若套件的等待助手用 `Date.now()` 做**超时判据**、又用
    > `setInterval` 轮询（例如 `e2e-v4-fixes.test.mjs` 的 `waitFor`），冻结时钟会让判据永不超时；
    > 那种情况必须连**轮询定时器**一起虚拟化，不能只改 `sleep`。
+5. **语料里的随机 id 也要归一化**（Round B，`formal-verify-v4.test.mjs`）：v4 的
+   `propose_task` 用 `Math.random` 造 `t-<8 位 hex>`，语料把 `[YOU CLAIMED TASK t-…]` 逐字写盘，
+   于是**每次跑测试都会改写随包语料**（`git status` 永远有 `prompt-corpus-v4/*`，且违反
+   `AUDIT-CHECKLIST` §2.4"连续两次哈希相同"）。`scrub()` 现在把它归一化成 `<TASKID>`，并断言
+   "语料里既没有裸 id、也真的有 `<TASKID>`"。连续两次运行哈希相同（`d3381886…` / `e6c4e445…`）。
 
 ## 4. 并行安全（为什么可以并发）
 
 - 每个套件/探针都自建 `mkdtempSync` 工作区，互不共享状态；
 - **会写语料的套件必须给不同的语料目录**：`V2_CORPUS_DIR` / `V3_CORPUS_DIR` / `V4_CORPUS_DIR` /
   `V5_CORPUS_DIR`。探针 runner 为**每个探针**分配独立目录，否则同一套件的并发实例会互相覆盖语料；
+- `audit-v5-sensitivity.mjs` 现在**自己**把 `V5_CORPUS_DIR` 指向临时目录：被变异的插件绝不能把
+  自己的提示词倒进随包语料；
 - `audit-persona-sensitivity.mjs` 用 `PERSONA_ROOT` 指向变异副本，且在覆盖模式下**不写**语料；
+- `audit-formal-sensitivity.mjs` 同样给每个探针独立的 `V{2,3,4,5}_CORPUS_DIR`；
 - `audit-prompt-invariants.mjs --self-probe` 用 `PROMPT_INVARIANTS_MUTATE`（JSON `[rel, from, to]`）
   在**内存里**变异一个文件并自我重跑，**不碰磁盘**，因此可与任何东西并发；
   变异串里不要用 NUL 分隔（环境变量不允许 NUL 字节）。
@@ -94,11 +127,11 @@ node tests/audit-v5-integrity.mjs            # 静态：v5 完整性/理念门
 
 | 目的 | 跑什么 | 预期 |
 |---|---|---|
-| 改了某个架构的插件 | `node tests/run-tests.mjs --only <vN>` + `node tests/audit-formal-sensitivity.mjs --only=vN` | 30 s – 2 min |
-| 改了提示词/人设 | `node tests/run-tests.mjs --only persona --only prompt` + `node tests/audit-persona-sensitivity.mjs` | ≈ 15 s |
-| **改了任何工具的参数 schema / 参数处理** | `node tests/audit-prompt-invariants.mjs --self-probe` + `node tests/run-tests.mjs --only formal` | ≈ 40 s（v2 套件占大头） |
-| 改了共享契约 / 发版前 | `node tests/run-tests.mjs` + `node tests/audit-formal-sensitivity.mjs` + `node tests/audit-persona-sensitivity.mjs` + `node tests/audit-prompt-invariants.mjs --self-probe` + `node tests/audit-spec-traceability.mjs` + `node tests/audit-v5-integrity.mjs` | ≈ 4.5 min |
-| 只想快速看提示词/文档有没有漂移 | `node tests/audit-prompt-invariants.mjs && node tests/audit-spec-traceability.mjs` | **< 0.5 s** |
+| 改了某个架构的插件 | `node tests/run-tests.mjs --only <vN>` + `node tests/audit-formal-sensitivity.mjs --only=vN` | 30 s – 3.5 min |
+| 改了提示词/人设 | `node tests/run-tests.mjs --only persona --only prompt` + `node tests/audit-persona-sensitivity.mjs` | ≈ 20 s |
+| **改了任何工具的参数 schema / 参数处理** | `node tests/run-tests.mjs --only audit-prompt-invariants --only formal` | ≈ 60 s（v2 套件占大头） |
+| 改了 `tests/` 下的 runner/守卫 | `node tests/run-tests.mjs`（**必须**：它现在同时跑套件与探针，任何一条守卫变红都会让门禁失败） | **≈ 3.5 min** |
+| 只想快速看提示词/文档有没有漂移 | `node tests/audit-prompt-invariants.mjs && node tests/audit-spec-traceability.mjs` | **< 3 s** |
 | 只想知道"快不快" | `node tests/run-tests.mjs --json` | 读 `wallSeconds` / `slowest` |
 
 **每次跑完都要看那几行 timing**：如果某个套件突然比基线慢很多，先怀疑新增的固定等待，