oh-my-knowledge 0.53.0 → 1.0.0-beta.0

package/dist/assets/agent-skills/omk/references/commands.md

@@ -26,11 +26,11 @@ omk doctor [target] [flags]
 - `--executor` `option`:执行器名。Codex 任务内自动用 codex；也可用 OMK_EXECUTOR 设置环境偏好。指定为测试 fixture 路径可在测试里跑。
 - `--fix` `boolean`:交互式修复：根据 doctor 报告问题，用 LLM agent 修复 skill。
 - `--gate` `boolean`:静默模式，只在 fail 时输出 stderr 摘要，exit code 标识结果。
-- `--global` `boolean`:写全局 ~/.oh-my-knowledge/doctors，而非项目 .omk/doctors
+- `--global` `boolean`:写全局 ~/.oh-my-knowledge/doctor，而非项目 .omk/doctor
 - `--json` `boolean`:JSON 输出到 stdout，适合 CI / 外部脚本消费。
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
 - `--model` `option`:LLM model 名。Codex 自动读取本机配置；也可用 OMK_MODEL 设置环境偏好。
-- `--output-dir` `option`:报告输出目录，默认项目级 .omk/doctors（--global 写全局）。
+- `--output-dir` `option`:报告输出目录，默认项目级 .omk/doctor（--global 写全局）。
 - `--repeat` `option`:健康度体检重复采样次数（self-consistency）。默认 2：并行跑 2 遍、finding 取并集并用 LLM 聚类归并同根因、标注支持度 k/N，压低单次采样方差。设 1 = 单次快速体检（不采样、不归并，最省）。
 - `--static-only` `boolean`:只跑静态检测（不调 LLM、不读 samples.json）：skill 可读性 / frontmatter 合法性 / 正文引用的脚本·CLI·文件·env 是否存在。CI 无 LLM 凭证或断网时用。
 - `--timeout` `option`:单次 LLM 会话超时秒数，默认 600(10 分钟）。
@@ -86,7 +86,7 @@ omk eval [flags]
 - `--dry-run` `boolean`:只 plan 不实跑
 - `--effort` `option`:被测 LLM 扩展思考预算 low/medium/high/xhigh/max（默认 low；跨 effort 报告不严格可比）。
 - `--executor` `option`:执行器：claude / claude-sdk / codex / codex-sdk / anthropic-api / openai-api / 自定义命令。Codex 任务内自动用 codex；也可用 OMK_EXECUTOR 设置环境偏好。
-- `--global` `boolean`:报告写全局 ~/.oh-my-knowledge/reports，而非项目 .omk/
+- `--global` `boolean`:报告写全局 ~/.oh-my-knowledge/eval，而非项目 .omk/eval
 - `--gold-dir` `option`:gold dataset 目录
 - `--holdout-ratio` `option`:留出比例 0-1（如 0.3）；切出 holdout 子集，对比 train/holdout 综合分检测过拟合
 - `--judge-models` `option`:评委配置，格式 executor:model[,...]，例 claude:haiku 或 codex:<model>（≥ 2 个 = ensemble）。默认跟随所选执行器；Codex 沿用被测模型。
@@ -97,24 +97,24 @@ omk eval [flags]
 - `--model` `option`:被测模型
 - `--no-cache` `boolean`:跳过 executor cache
 - `--no-debias-length` `boolean`:关 length-debias（默认开）
-- `--no-diagnostic` `boolean`:关闭 diagnostic 诊断 LLM 调用（默认开，给 failed sample 出「哪错了 + 怎么改」建议）。
+- `--no-diagnostic` `boolean`:关闭基于 Core 失败、缺失、排除与稳定 reason code 的诊断投影。
 - `--no-evidence` `boolean`:不把本次评测写成证据追加进受管记录(默认会为已 install 的 skill 自动写)。
 - `--no-gate` `boolean`:关 verdict gate
 - `--no-judge` `boolean`:跳过 LLM judge
 - `--no-serve` `boolean`:不启 report server
 - `--no-strict-baseline` `boolean`:关闭 baseline 隔离
-- `--output-dir` `option`:报告输出目录（默认项目级 .omk/reports）
+- `--output-dir` `option`:报告输出目录（默认项目级 .omk/eval）
 - `--repeat` `option`:每个 sample 重复跑 N 次
 - `--report-only` `boolean`:生成报告并打印 verdict，但始终 exit 0(不参与 CI gate）。
-- `--resume` `option`:从契约兼容的报告恢复成功项；不兼容则从头运行
+- `--resume` `option`:复用经过完整契约校验的 Core runId；拒绝时失败关闭
 - `--retry` `option`:失败 sample 重试次数
-- `--samples` `option`:用例文件路径。默认项目级 eval-samples.json，也接受 .yaml/.yml；单 treatment 时可自动发现 <skill>/.omk/。
+- `--samples` `option`:用例路径。自动发现项目级或单 treatment 目录 skill 下的 eval-samples.json / eval-samples.yaml；显式路径可为 JSON / YAML 文件或分片目录。
 - `--skill-dir` `option`:skill 目录，默认 skills
 - `--skip-connectivity` `boolean`:跳 LLM 连通性预检
 - `--skip-doctor` `boolean`:escape hatch:跳 doctor 健康检查门禁（默认强制启用）。沙箱 mock 提供依赖时绕开 doctor 物理路径误报；garbage-in 风险自负。
 - `--strict-baseline` `boolean`:强制 baseline 隔离（default true）
 - `--threshold` `option`:verdict 阈值，默认 3.5
-- `--timeout` `option`:单用例超时秒，默认 600
+- `--timeout` `option`:单用例超时秒，默认 120
 - `--treatment` `option`:treatment variant 列表，逗号分隔（仅 artifact 身份）
 - `--treatment-cwd` `option`:treatment 的 runtime context 目录列表，逗号分隔、与 --treatment 按序对齐（空位 = 无 cwd）
 - `--trivial-diff` `option`:可忽略 diff 容差，0 表示不启用容差
@@ -150,26 +150,29 @@ omk eval gold [flags]
 
 ## omk eval gold compare
 
-把一份 evaluation report 跟 gold dataset 对比，计算 bootstrap CI 后的 agreement。
+把一组 Core run 观测跟 gold dataset 对比，计算 bootstrap CI 后的 agreement。
 
 **用法:**
 
 ```bash
-omk eval gold compare <reportId> [flags]
+omk eval gold compare <runId> [flags]
 ```
 
 **参数:**
 
-- `reportId`(必填):report ID。
+- `runId`(必填):Core run ID。
 
 **Flags:**
 
 - `--bootstrap-samples` `option`:bootstrap 重采样次数，默认 1000
+- `--evaluator` `option`:显式选择 Core evaluator ID。
 - `--gold-dir` `option`:gold dataset 目录，必填
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
-- `--reports-dir` `option`:报告目录，默认 ~/.oh-my-knowledge/reports
+- `--metric` `option`:显式选择 Core metric ID。
+- `--reports-dir` `option`:只读取指定 Core 报告目录（默认当前项目 + 全局）
 - `--seed` `option`:bootstrap seed，可复现
-- `--variant` `option`:只比对指定 variant，默认全比
+- `--target` `option`:显式选择 Core target ID。
+- `--trial-index` `option`:显式选择 trial index。
 
 ## omk eval gold init
 
@@ -221,32 +224,22 @@ omk evolve <skillPath> [flags]
 
 **Flags:**
 
-- `--auto-fix-samples` `boolean`:每轮先修 skill，再修 sample，随后一起评估候选结果
 - `--concurrency` `option` (默认 `1`):评测并发数，默认 1
 - `--edit-budget` `option` (默认 `0.2`):单轮最多改动的 skill 行占比（默认 0.2）。超预算的候选评测前直接判拒，省 eval 成本
 - `--effort` `option`:reasoning effort: low/medium/high/xhigh/max
 - `--executor` `option`:执行器名。Codex 任务内自动用 codex；也可用 OMK_EXECUTOR 设置环境偏好。
-- `--holdout-ratio` `option` (默认 `0`):留出验收集比例（0..1，默认 0=关）。> 0 时按 holdout 分接受候选、weak-sample 只取训练集，防 train-on-test
 - `--improve-mode` `agent|rewrite` (默认 `agent`):改写策略（默认：agent）
 - `--improve-model` `option`:负责重写 skill 的 LLM，默认沿用被测模型
 - `--judge-models` `option`:评委 model（单评委约束），格式 executor:model。默认跟随所选执行器；Codex 沿用被测模型。
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
 - `--model` `option`:被评测的 LLM。Codex 自动读取本机配置；无用例时也用作自动生成用例的出题模型。
-- `--no-diagnostic` `boolean`:关 LLM diagnostic 调用
 - `--no-edit-budget` `boolean`:关掉 edit budget 约束（允许任意大小的单轮改动）
 - `--no-reject-memory` `boolean`:关掉 rejected-edit 记忆（不把被拒改法回灌下一轮 prompt）
-- `--no-significance-gate` `boolean`:关掉显著性接受门，退回「候选分高一点点就收」的点估计判定（默认门开：只收统计显著的提升）
-- `--reuse-latest-eval` `boolean`:复用可比的最新 eval 报告作为 round-0
 - `--rounds` `option` (默认 `5`):最大迭代轮数，默认 5
-- `--sample-fix-max-attempts` `option` (默认 `2`):每条 sample 自动修复最多尝试次数（默认：2）
 - `--samples` `option` (默认 `eval-samples.json`):用例文件路径，默认 eval-samples.json
-- `--significance-alpha` `option` (默认 `0.05`):显著性门的 diff CI 显著性水平（默认 0.05 = 95% CI）
-- `--skip-connectivity` `boolean`:跳过 LLM 连通性预检
 - `--skip-doctor` `boolean`:跳过 doctor 门禁（escape hatch，自负 garbage-in 风险）
-- `--snapshot-only` `boolean`:只产候选、不写回 source：胜出版本留在 evolve/<skillName>.r{N}.md 供你挑选，再 omk promote 接受。受管 skill 默认会写回 source 并记证据（measurable）。
-- `--stop-on-assertions-pass` `boolean`:普通用例断言全过时提前停止
+- `--snapshot-only` `boolean`:只产候选、不写回 source：胜出版本留在 evolve/，再由你人工选择。受管 skill 默认会写回 source 并记 Core 证据。
 - `--target` `option`:目标 composite 分数，达到即停。不传则跑满 rounds
-- `--test-ratio` `option` (默认 `0`):锁定 test 集比例（0..1，默认 0=关），需配 --holdout-ratio。全程不参与选择，收尾读一次给无偏泛化分
 - `--timeout` `option` (默认 `600`):单用例超时秒，默认 600
 
 **示例:**
@@ -279,7 +272,9 @@ omk init [targetDir] [flags]
 
 **Flags:**
 
+- `--force` `boolean`:允许覆盖目标目录中已有的 omk 脚手架文件
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
+- `--samples` `3|20` (默认 `3`):官方起步用例数量：3 条用于快速跑通，20 条用于达到注册样本量下限
 
 **示例:**
 
@@ -295,6 +290,12 @@ omk init
 omk init my-project
 ```
 
+> 使用达到注册样本量下限的 20 条官方用例初始化
+
+```bash
+omk init my-project --samples 20
+```
+
 ## omk install
 
 安装 omk 官方 Agent Skill，或登记并分发用户自己的 skill（内置 id omk-agent-skill，本地路径，或 git:<ref>:<name> 取当前仓库某个 ref 的 skill）。默认写入本机已检测 agent 目标；安装用户 skill 时同时登记一条受管记录。
@@ -370,7 +371,7 @@ omk list [flags]
 
 **Flags:**
 
-- `--global` `boolean`:看全局受管目录（~/.oh-my-knowledge/managed）而非项目 .omk/managed
+- `--global` `boolean`:看全局受管目录（~/.oh-my-knowledge/governance/managed）而非项目 .omk/governance/managed
 - `--json` `boolean`:输出 JSON（含完整可比性 marker），供脚本消费
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
 
@@ -412,11 +413,11 @@ omk observe [sessionsDir] [flags]
 
 - `--feedback` `boolean`:把生产健康观测反哺已纳管的同名 skill（--no-feedback 关闭）
 - `--from` `option`:起始时间 ISO，优先级高于 --last
-- `--global` `boolean`:写全局 ~/.oh-my-knowledge/observe-health，而非项目 .omk/observe-health
+- `--global` `boolean`:写全局 ~/.oh-my-knowledge/observe/health，而非项目 .omk/observe/health
 - `--kb` `option`:知识库 root，启用 KB-aware 分析
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
 - `--last` `option`:时间窗(7d / 24h / 30m）
-- `--output-dir` `option`:健康报告输出目录，默认项目级 .omk/observe-health（--global 写全局）
+- `--output-dir` `option`:健康报告输出目录，默认项目级 .omk/observe/health（--global 写全局）
 - `--skills` `option`:只看指定 skill，逗号分隔
 - `--to` `option`:结束时间 ISO
 
@@ -443,9 +444,9 @@ omk observe inbox [flags]
 - `--by-skill` `boolean`:按 skill 聚合输出
 - `--executor` `option`:LLM 增强复盘使用的执行器。Codex 任务内自动用 codex；也可用 OMK_EXECUTOR 设置环境偏好。
 - `--explore` `option`:抽样 N 条 medium/low 长尾（replaces limit）
-- `--global` `boolean`:直接读取全局 ~/.oh-my-knowledge/observe-inbox（跳过项目级与兜底）。
+- `--global` `boolean`:直接读取全局 ~/.oh-my-knowledge/observe/inbox（跳过项目级与兜底）。
 - `--include-noise` `boolean`:explore 时也包含 noise 桶
-- `--input-dir` `option`:inbox 数据目录，默认 .omk/observe-inbox（项目级，相对于 cwd）；目录不存在时兜底读 ~/.oh-my-knowledge/observe-inbox。
+- `--input-dir` `option`:inbox 数据目录，默认 .omk/observe/inbox（项目级，相对于 cwd）；目录不存在时兜底读 ~/.oh-my-knowledge/observe/inbox。
 - `--json` `boolean`:JSON 格式输出
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
 - `--limit` `option`:限制条数，默认 20
@@ -470,10 +471,10 @@ omk observe ingest <traceDir> [flags]
 
 **Flags:**
 
-- `--global` `boolean`:写入全局 ~/.oh-my-knowledge/observe-inbox，而非项目 .omk/observe-inbox。
+- `--global` `boolean`:写入全局 ~/.oh-my-knowledge/observe/inbox，而非项目 .omk/observe/inbox。
 - `--json` `boolean`:把完整 observation inbox 报告输出到 stdout；默认只输出摘要。
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
-- `--output-dir` `option`:输出目录，默认 .omk/observe-inbox（项目级，相对于 cwd；--global 写全局）。
+- `--output-dir` `option`:输出目录，默认 .omk/observe/inbox（项目级，相对于 cwd；--global 写全局）。
 
 ## omk observe show
 
@@ -491,7 +492,7 @@ omk observe show <inboxId> [flags]
 
 **Flags:**
 
-- `--global` `boolean`:直接读取全局 ~/.oh-my-knowledge/observe-inbox（跳过项目级与兜底）。
+- `--global` `boolean`:直接读取全局 ~/.oh-my-knowledge/observe/inbox（跳过项目级与兜底）。
 - `--input-dir` `option`:inbox 数据目录
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
 
@@ -514,7 +515,7 @@ omk promote <name> [flags]
 - `--accept-cautious` `boolean`:把 CAUTIOUS 也算可接受（默认仅 PROGRESS）
 - `--actor` `option`:决定的 actor（默认取 git config user.name）
 - `--force` `boolean`:越过可越门拦截强制 promote，记为人工 override 决定（无当前证据或源 hash 已变时仍拒）
-- `--global` `boolean`:操作全局受管目录而非项目 .omk/managed
+- `--global` `boolean`:操作全局受管目录而非项目 .omk/governance/managed
 - `--json` `boolean`:输出 JSON（版本化信封）供脚本消费
 - `--kind` `option` (默认 `skill`):artifact 类型（当前仅 skill）
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
@@ -557,7 +558,7 @@ omk rollback <name> [flags]
 **Flags:**
 
 - `--actor` `option`:决定的 actor（默认取 git config user.name）
-- `--global` `boolean`:操作全局受管目录而非项目 .omk/managed
+- `--global` `boolean`:操作全局受管目录而非项目 .omk/governance/managed
 - `--json` `boolean`:输出 JSON（版本化信封）供脚本消费
 - `--kind` `option` (默认 `skill`):artifact 类型（当前仅 skill）
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
@@ -579,7 +580,7 @@ omk rollback review --reason "线上发现回归"
 
 ## omk sample
 
-为指定 skill 生成评测用例（eval-samples），支持 batch / single / fix / from-traces 四种模式。
+为指定 skill 生成评测用例，支持 batch、single 与 from-traces 模式。
 
 **用法:**
 
@@ -589,25 +590,22 @@ omk sample [skillPath] [flags]
 
 **参数:**
 
-- `skillPath`(可选):skill 文件路径或 SKILL.md 路径。batch 模式不需要；single / fix 模式必填。
+- `skillPath`(可选):skill 文件路径或 SKILL.md 路径。batch 模式不需要；single 模式必填。
 
 **Flags:**
 
-- `--append` `boolean`:在已有用例文件上追加新生成的用例（撞 sample_id 自动加后缀去重，保留原 json/yaml 格式）。仅单 skill 模式，不支持 --batch / --from-traces / --fix。不传则已有文件时报错保护。常配 --focus 补特定场景。
+- `--append` `boolean`:在已有用例文件上追加新生成的用例（撞 sample_id 自动加后缀去重，保留原 json/yaml 格式）。仅单 skill 模式，不支持 --batch / --from-traces。不传则已有文件时报错保护。常配 --focus 补特定场景。
 - `--batch` `boolean`:批量模式：扫 --skill-dir 下所有缺 samples 的 skill，逐个生成。
 - `--count` `option`:生成用例条数。不传由 LLM 按 skill 类型自动决定。
 - `--executor` `option`:执行器名。Codex 任务内自动用 codex；也可用 OMK_EXECUTOR 设置环境偏好。
-- `--fix` `boolean`:fix 模式：基于最近评测报告自动修复 sample_design 类型失败。
 - `--focus` `option`:生成焦点（自然语言提示）。控制 LLM 偏向哪类用例。
 - `--from-traces` `boolean`:from-traces 模式：从 observe inbox 的失败信号回流生成评测用例草稿（provenance: production-trace），落草稿待人工 review。
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
 - `--model` `option`:生成 LLM model 名。Codex 自动读取本机配置；也可用 OMK_MODEL 设置环境偏好。
 - `--no-mock` `boolean`:不生成 mocks。执行器不支持工具拦截时会自动启用，避免产生必然失败的 mock_hit。
-- `--observations-dir` `option`:observe inbox 目录（from-traces 模式用），默认项目 .omk/observe-inbox。
-- `--reports-dir` `option`:报告目录（fix 模式用），默认 ~/.oh-my-knowledge/reports。
+- `--observations-dir` `option`:observe inbox 目录（from-traces 模式用），默认项目 .omk/observe/inbox。
 - `--skill` `option`:仅从指定 skill 的 observe inbox 信号生成草稿（仅 from-traces 模式用）。
 - `--skill-dir` `option` (默认 `skills`):skill 根目录，默认 skills。batch 模式扫此目录。
-- `--treatment` `option`:指定 treatment 名（fix 模式用），默认推断自 skill 路径。
 
 **示例:**
 
@@ -623,12 +621,6 @@ omk sample skills/my-skill/SKILL.md
 omk sample --batch --skill-dir skills
 ```
 
-> 根据最近评测报告自动修复 sample_design 类型失败
-
-```bash
-omk sample skills/my-skill/SKILL.md --fix
-```
-
 > 从 observe inbox 的失败信号回流生成评测用例草稿
 
 ```bash
@@ -647,16 +639,16 @@ omk studio [flags]
 
 **Flags:**
 
-- `--analyses-dir` `option`:观测健康报告目录（可选，默认项目级 .omk/observe-health，空则全局兜底）
+- `--analyses-dir` `option`:观测健康报告目录（可选，默认项目级 .omk/observe/health，空则全局兜底）
 - `--dev` `boolean`:dev 模式：子进程启动 + 热更新
-- `--doctors-dir` `option`:体检报告目录（可选，默认项目级 .omk/doctors，空则全局兜底）
-- `--global` `boolean`:只看全局 reports / observe-health / doctors / observe-inbox 目录（~/.oh-my-knowledge/*），而非机器级聚合 / 项目优先；managed 不受影响
+- `--doctors-dir` `option`:体检报告目录（可选，默认项目级 .omk/doctor，空则全局兜底）
+- `--global` `boolean`:只看全局 eval / observe/health / doctor / observe/inbox 目录（~/.oh-my-knowledge/），而非机器级聚合 / 项目优先；governance/managed 不受影响
 - `--host` `option`:监听 host，默认 localhost。改为 0.0.0.0 暴露给局域网
 - `--lang` `option` (默认 `zh`):输出语言 zh|en，优先级 CLI > OMK_LANG env > zh。
 - `--no-open` `boolean`:不自动打开浏览器
-- `--observations-dir` `option`:观测收件箱数据目录（可选，默认 .omk/observe-inbox）
+- `--observations-dir` `option`:观测收件箱数据目录（可选，默认 .omk/observe/inbox）
 - `--port` `option` (默认 `7799`):监听端口，默认 7799。传 0 让 OS 分配
-- `--reports-dir` `option`:只看指定报告目录（可选；默认机器级聚合：当前项目 + 全局 + 别项目索引）
+- `--reports-dir` `option`:只看指定 Core 报告目录（可选；默认聚合当前项目 + 全局）
 
 **示例:**
 
@@ -690,6 +682,6 @@ omk studio --port 8080 --no-open
 | `provenance` | 否 | 用例来源（`omk sample` 自动打） |
 | `mocks` | 否 | 工具调用 mock 返回（sandbox 评测） |
 | `environment` | 否 | 题设环境声明（仅注入 prompt，不物化） |
-| `tripwire` | 否 | 标记为「故意诱错」样本，failed 时 diagnostic 不建议改 skill |
+| `tripwire` | 否 | 标记为「故意诱错」用例并作为 Core Sample annotation 保留；不改变评分或 Decision |
 
 完整 schema 见 [docs/specs/sample-design-spec.md](https://github.com/lizhiyao/oh-my-knowledge/blob/main/docs/specs/sample-design-spec.md)。

package/dist/cli/commands/doctor.js

@@ -1,5 +1,5 @@
-import { mkdirSync, readFileSync, readdirSync, unlinkSync } from 'node:fs';
-import { join, resolve } from 'node:path';
+import { readFileSync, rmSync } from 'node:fs';
+import { dirname, resolve } from 'node:path';
 import { Args, Flags } from '@oclif/core';
 import { LANG_FLAG, bilingual } from '../oclif/i18n.js';
 import { BaseCommand } from '../oclif/base-command.js';
@@ -8,14 +8,13 @@ import { CliExit } from '../lib/cli-exit.js';
 import { tCli } from '../lib/i18n.js';
 import { makeDoctorProgress } from '../lib/progress.js';
 import { resolveCliExecutor, resolveRuntimeSelection } from '../lib/runtime-defaults.js';
-import { DEFAULT_DOCTORS_DIR } from '../../eval-core/default-dirs.js';
-import { indexDoctorWrite, removeDoctorCard } from '../../eval-core/artifact-index.js';
-import { doctorReportFileStem, isReportFileName, reportFilePath, reportFileStem } from '../../eval-core/artifact-file-names.js';
-import { migrateLegacyReportFiles } from '../../eval-core/report-file-migration.js';
-import { projectDoctorsDir, globalDoctorsDir } from '../../eval-core/measurement-dirs.js';
-import { persistDoctorGraphSidecars, removeDoctorGraphSidecars } from '../../artifact-graph/doctor.js';
-import { parseDoctorReport } from '../../shared/doctor-report.js';
-import { writeJsonFileAtomic } from '../../shared/atomic-json.js';
+import { DEFAULT_DOCTORS_DIR } from '../../evidence/storage/default-dirs.js';
+import { indexDoctorWrite, removeDoctorCard } from '../../evidence/storage/discovery-index.js';
+import { doctorReportFileStem } from '../../evidence/storage/file-names.js';
+import { listMeasurementReportPaths, measurementRecordIdFromReportPath, writeMeasurementReportBundle, } from '../../evidence/storage/report-bundle.js';
+import { projectDoctorsDir, globalDoctorsDir } from '../../evidence/storage/directories.js';
+import { persistDoctorGraphSidecars, removeDoctorGraphSidecars } from '../../evidence/graph/doctor.js';
+import { parseDoctorReport } from '../../knowledge-artifacts/doctor/report-parser.js';
 export default class Doctor extends BaseCommand {
     static description = bilingual({
         zh: '体检 omk 工作目录：先跑静态规则，再对 skill 做多维度 LLM 健康度审计（默认 --repeat 2 采样 + 共识归并）。',
@@ -97,14 +96,14 @@ export default class Doctor extends BaseCommand {
         }),
         'output-dir': Flags.string({
             description: bilingual({
-                zh: '报告输出目录，默认项目级 .omk/doctors（--global 写全局）。',
-                en: 'Report output dir, default project-level .omk/doctors (--global for global).',
+                zh: '报告输出目录，默认项目级 .omk/doctor（--global 写全局）。',
+                en: 'Report output dir, default project-level .omk/doctor (--global for global).',
             }),
         }),
         global: Flags.boolean({
             description: bilingual({
-                zh: '写全局 ~/.oh-my-knowledge/doctors，而非项目 .omk/doctors',
-                en: 'Write to global ~/.oh-my-knowledge/doctors instead of project .omk/doctors',
+                zh: '写全局 ~/.oh-my-knowledge/doctor，而非项目 .omk/doctor',
+                en: 'Write to global ~/.oh-my-knowledge/doctor instead of project .omk/doctor',
             }),
         }),
         dimensions: Flags.string({
@@ -179,18 +178,18 @@ export default class Doctor extends BaseCommand {
             const timeoutMs = Math.max(1000, Math.floor((Number.isFinite(timeoutSec) ? timeoutSec : defaultTimeoutSec) * 1000));
             const cwd = process.cwd();
             // 副作用 import: 注册 7 内置维度 spec + skill_health composer rule。
-            await import('../../doctor/health/register.js');
+            await import('../../knowledge-artifacts/doctor/health/register.js');
             if (flags.dimensions) {
-                const { loadAndRegisterCustomDimensions } = await import('../../doctor/health/load-custom-dimensions.js');
+                const { loadAndRegisterCustomDimensions } = await import('../../knowledge-artifacts/doctor/health/load-custom-dimensions.js');
                 const count = loadAndRegisterCustomDimensions(resolve(flags.dimensions));
                 if (count > 0) {
                     process.stderr.write(lang === 'zh' ? `已加载 ${count} 个自定义维度\n` : `Loaded ${count} custom dimension(s)\n`);
                 }
             }
-            const { runDoctor } = await import('../../doctor/index.js');
-            const { renderDoctorReportText, renderDoctorReportJson, renderDoctorActionPlanText } = await import('../../doctor/renderer.js');
-            const { getRegisteredRules } = await import('../../doctor/rules.js');
-            const { isComposerRule } = await import('../../types/doctor.js');
+            const { runDoctor } = await import('../../knowledge-artifacts/doctor/index.js');
+            const { renderDoctorReportText, renderDoctorReportJson, renderDoctorActionPlanText } = await import('../../knowledge-artifacts/doctor/renderer.js');
+            const { getRegisteredRules } = await import('../../knowledge-artifacts/doctor/rules.js');
+            const { isComposerRule } = await import('../../knowledge-artifacts/doctor/rule-kind.js');
             // 默认:静态规则 + 在线检查(LLM health composer + endpoint 自定义维度 external=true)。
             // --static-only:只跑静态检测(纯静态内置 rule),但排除 samples_contract_aligned
             // (那条要 samples.json,与离线解耦) → 且不加载 samples,依赖检查只扫 skill 正文。
@@ -260,7 +259,7 @@ export default class Doctor extends BaseCommand {
                     process.stderr.write(lang === 'zh' ? '✅ 没有需要修复的问题\n' : '✅ Nothing to fix\n');
                     throw new CliExit(0);
                 }
-                const { runDoctorFix } = await import('../../doctor/fixer.js');
+                const { runDoctorFix } = await import('../../knowledge-artifacts/doctor/fixer.js');
                 const changed = await runDoctorFix({ report: existing, executorName, model, timeoutMs, effort });
                 throw new CliExit(changed ? 0 : (existing.outcome === 'failed' ? 1 : 0));
             }
@@ -273,8 +272,6 @@ export default class Doctor extends BaseCommand {
 const DOCTOR_HISTORY_MAX_PER_SKILL = 50;
 function persistDoctorReport(report, outputDir, lang = 'zh') {
     const dir = outputDir ?? DEFAULT_DOCTORS_DIR;
-    mkdirSync(dir, { recursive: true });
-    migrateLegacyReportFiles(dir, 'doctor');
     for (const skill of report.skills) {
         const counts = {
             pass: 0,
@@ -306,11 +303,17 @@ function persistDoctorReport(report, outputDir, lang = 'zh') {
             outcome,
         };
         const cardId = doctorReportFileStem(skill.skillName, report.id);
-        const filePath = reportFilePath(dir, cardId);
         const parsed = parseDoctorReport(perSkill);
         if (!parsed)
             throw new Error('invalid doctor report');
-        writeJsonFileAtomic(filePath, parsed);
+        const { reportPath: filePath } = writeMeasurementReportBundle({
+            rootDir: dir,
+            measurementDomain: 'doctor',
+            recordId: cardId,
+            reportId: report.id,
+            createdAt: report.timestamp,
+            report: parsed,
+        });
         // 产物发现索引:per-skill 报告落项目本地后,best-effort 追加全局轻卡片,让 studio 跨项目聚合。
         indexDoctorWrite({
             id: cardId, path: filePath, skillName: skill.skillName, reportId: report.id, timestamp: report.timestamp,
@@ -343,36 +346,36 @@ export function pruneDoctorHistory(dir, skillName, maxKeep) {
     if (!Number.isSafeInteger(maxKeep) || maxKeep < 0) {
         throw new TypeError('maxKeep must be a non-negative safe integer');
     }
-    migrateLegacyReportFiles(dir, 'doctor');
     const candidates = [];
-    for (const file of readdirSync(dir)) {
-        if (!isReportFileName(file))
-            continue;
+    for (const path of listMeasurementReportPaths(dir, 'doctor')) {
         try {
-            const data = parseDoctorReport(JSON.parse(readFileSync(join(dir, file), 'utf-8')));
+            const data = parseDoctorReport(JSON.parse(readFileSync(path, 'utf-8')));
             if (!data || data.skills.length !== 1)
                 continue;
             if (data.skills[0].skillName !== skillName)
                 continue;
             const expectedStem = doctorReportFileStem(skillName, data.id);
-            if (reportFileStem(file) !== expectedStem)
+            if (measurementRecordIdFromReportPath(path) !== expectedStem)
                 continue;
-            candidates.push({ file, graphStem: expectedStem, timestamp: data.timestamp });
+            candidates.push({
+                path,
+                graphStem: expectedStem,
+                timestamp: data.timestamp,
+            });
         }
         catch { /* skip corrupt / unrelated json */ }
     }
     if (candidates.length <= maxKeep)
         return;
     candidates.sort((a, b) => b.timestamp.localeCompare(a.timestamp));
-    for (const { file, graphStem } of candidates.slice(maxKeep)) {
+    for (const { path, graphStem } of candidates.slice(maxKeep)) {
         try {
-            unlinkSync(join(dir, file));
+            rmSync(dirname(path), { recursive: true, force: true });
         }
         catch { /* ignore */ }
         // 连带删卡片:否则被 prune 掉的报告会经 listDoctorCards 合并在本项目 studio「复活」(正文已删、卡片还在)。
         // 卡片 id = 文件 stem(`{name}-{id}`),与 indexDoctorWrite 写入口径一致。
-        const doctorStem = file.replace(/\.report\.json$/, '');
-        removeDoctorCard(doctorStem);
+        removeDoctorCard(graphStem);
         removeDoctorGraphSidecars(dir, graphStem);
     }
 }

package/dist/cli/commands/eval/gold/compare.d.ts

@@ -2,12 +2,15 @@ import { BaseCommand } from '../../../oclif/base-command.js';
 export default class EvalGoldCompare extends BaseCommand {
     static description: string;
     static args: {
-        reportId: import("@oclif/core/interfaces").Arg<string, Record<string, unknown>>;
+        runId: import("@oclif/core/interfaces").Arg<string, Record<string, unknown>>;
     };
     static flags: {
         lang: import("@oclif/core/interfaces").OptionFlag<string, import("@oclif/core/interfaces").CustomOptions>;
         'gold-dir': import("@oclif/core/interfaces").OptionFlag<string | undefined, import("@oclif/core/interfaces").CustomOptions>;
-        variant: import("@oclif/core/interfaces").OptionFlag<string | undefined, import("@oclif/core/interfaces").CustomOptions>;
+        target: import("@oclif/core/interfaces").OptionFlag<string | undefined, import("@oclif/core/interfaces").CustomOptions>;
+        evaluator: import("@oclif/core/interfaces").OptionFlag<string | undefined, import("@oclif/core/interfaces").CustomOptions>;
+        metric: import("@oclif/core/interfaces").OptionFlag<string | undefined, import("@oclif/core/interfaces").CustomOptions>;
+        'trial-index': import("@oclif/core/interfaces").OptionFlag<string | undefined, import("@oclif/core/interfaces").CustomOptions>;
         'reports-dir': import("@oclif/core/interfaces").OptionFlag<string | undefined, import("@oclif/core/interfaces").CustomOptions>;
         'bootstrap-samples': import("@oclif/core/interfaces").OptionFlag<string | undefined, import("@oclif/core/interfaces").CustomOptions>;
         seed: import("@oclif/core/interfaces").OptionFlag<string | undefined, import("@oclif/core/interfaces").CustomOptions>;

package/dist/cli/commands/eval/gold/compare.js

@@ -4,16 +4,15 @@ import { BaseCommand } from '../../../oclif/base-command.js';
 import { LANG_FLAG, bilingual } from '../../../oclif/i18n.js';
 import { integerStringParser } from '../../../oclif/parsers.js';
 import { CliExit } from '../../../lib/cli-exit.js';
-import { projectReportsDir, globalReportsDir } from '../../../../eval-core/measurement-dirs.js';
-import { requireEvaluationReport } from '../../../lib/shared.js';
+import { projectReportsDir, globalReportsDir } from '../../../../evidence/storage/directories.js';
 export default class EvalGoldCompare extends BaseCommand {
     static description = bilingual({
-        zh: '把一份 evaluation report 跟 gold dataset 对比，计算 bootstrap CI 后的 agreement。',
-        en: 'Compare an evaluation report against gold dataset, output bootstrap-CI agreement.',
+        zh: '把一组 Core run 观测跟 gold dataset 对比，计算 bootstrap CI 后的 agreement。',
+        en: 'Compare Core run observations against a gold dataset with bootstrap-CI agreement.',
     });
     static args = {
-        reportId: Args.string({
-            description: bilingual({ zh: 'report ID。', en: 'Report ID.' }),
+        runId: Args.string({
+            description: bilingual({ zh: 'Core run ID。', en: 'Core run ID.' }),
             required: true,
         }),
     };
@@ -22,16 +21,26 @@ export default class EvalGoldCompare extends BaseCommand {
         'gold-dir': Flags.string({
             description: bilingual({ zh: 'gold dataset 目录，必填', en: 'Gold dataset dir (required)' }),
         }),
-        variant: Flags.string({
+        target: Flags.string({
             description: bilingual({
-                zh: '只比对指定 variant，默认全比',
-                en: 'Compare only specified variant',
+                zh: '显式选择 Core target ID。',
+                en: 'Explicit Core target ID.',
             }),
         }),
+        evaluator: Flags.string({
+            description: bilingual({ zh: '显式选择 Core evaluator ID。', en: 'Explicit Core evaluator ID.' }),
+        }),
+        metric: Flags.string({
+            description: bilingual({ zh: '显式选择 Core metric ID。', en: 'Explicit Core metric ID.' }),
+        }),
+        'trial-index': Flags.string({
+            description: bilingual({ zh: '显式选择 trial index。', en: 'Explicit trial index.' }),
+            parse: integerStringParser('--trial-index', { min: 0 }),
+        }),
         'reports-dir': Flags.string({
             description: bilingual({
-                zh: '报告目录，默认 ~/.oh-my-knowledge/reports',
-                en: 'Reports dir, default ~/.oh-my-knowledge/reports',
+                zh: '只读取指定 Core 报告目录（默认当前项目 + 全局）',
+                en: 'Read only this Core reports dir (default: current project + global)',
             }),
         }),
         'bootstrap-samples': Flags.string({
@@ -50,9 +59,9 @@ export default class EvalGoldCompare extends BaseCommand {
         const { args, flags } = await this.parse(EvalGoldCompare);
         const lang = this.lang;
         await this.runWithCliExit(async () => {
-            const reportId = args.reportId;
-            if (!reportId) {
-                console.error('Usage: omk eval gold compare <reportId> --gold-dir <dir>');
+            const runId = args.runId;
+            if (!runId) {
+                console.error('Usage: omk eval gold compare <runId> --gold-dir <dir> --target <id> --evaluator <id> --metric <id>');
                 throw new CliExit(1);
             }
             const goldDir = flags['gold-dir'];
@@ -60,9 +69,9 @@ export default class EvalGoldCompare extends BaseCommand {
                 console.error('--gold-dir is required');
                 throw new CliExit(1);
             }
-            const { loadGoldDataset } = await import('../../../../grading/gold-dataset.js');
-            const { compareGoldToReport, formatGoldCompare } = await import('../../../../grading/gold-cli.js');
-            const { createFileStore, createOverlayReportStore } = await import('../../../../server/report-store.js');
+            const { loadGoldDataset } = await import('../../../../eval-workflows/gold/dataset.js');
+            const { createNodeCoreContentStore, createNodeCoreRunArtifactStore, createOverlayCoreRunArtifactStore, } = await import('../../../../eval-workflows/artifact-store/index.js');
+            const { compareGoldToCoreRun } = await import('../../../../eval-workflows/projections/gold.js');
             const { dataset, issues } = loadGoldDataset(goldDir);
             if (!dataset) {
                 console.error('Cannot load gold dataset:');
@@ -72,22 +81,42 @@ export default class EvalGoldCompare extends BaseCommand {
             }
             for (const i of issues)
                 console.error(`warn: ${i.message}`);
-            // 显式 --reports-dir 固定该目录;默认 overlay(项目 .omk/reports 盖全局),get(reportId) 项目→全局兜底,
-            // 不因 eval 写默认翻项目而对比落空。
+            const storeOf = (directory) => createNodeCoreRunArtifactStore(directory, {
+                contentResolver: createNodeCoreContentStore(resolve(directory, 'content')),
+            });
             const store = flags['reports-dir']
-                ? createFileStore(resolve(flags['reports-dir']))
-                : createOverlayReportStore(projectReportsDir(), globalReportsDir());
-            const report = requireEvaluationReport(await store.get(reportId), reportId, lang);
+                ? storeOf(resolve(flags['reports-dir']))
+                : createOverlayCoreRunArtifactStore(storeOf(projectReportsDir()), [storeOf(globalReportsDir())]);
+            const source = await store.get(runId);
+            if (source === undefined) {
+                console.error(lang === 'zh'
+                    ? `找不到 Core run「${runId}」；旧 evaluation report 不再支持 gold compare。`
+                    : `Core run "${runId}" was not found; legacy evaluation reports are no longer supported.`);
+                throw new CliExit(1);
+            }
+            if (!flags.target || !flags.evaluator || !flags.metric) {
+                console.error(lang === 'zh'
+                    ? '--target、--evaluator、--metric 均为必填；Core 不会隐式合并多个观测。'
+                    : '--target, --evaluator, and --metric are required; Core never pools observations implicitly.');
+                throw new CliExit(1);
+            }
             const samples = Math.max(100, Number(flags['bootstrap-samples'] ?? 1000) || 1000);
             const seedVal = flags.seed != null ? Number(flags.seed) : undefined;
-            const result = compareGoldToReport({
-                report,
+            const result = compareGoldToCoreRun({
+                source,
                 gold: dataset,
-                variant: flags.variant,
-                samples,
-                seed: Number.isFinite(seedVal) ? seedVal : undefined,
+                selector: {
+                    targetId: flags.target,
+                    evaluatorId: flags.evaluator,
+                    metricId: flags.metric,
+                    ...(flags['trial-index'] === undefined ? {} : {
+                        trialIndex: Number(flags['trial-index']),
+                    }),
+                },
+                bootstrapSamples: samples,
+                ...(Number.isFinite(seedVal) ? { bootstrapSeed: seedVal } : {}),
             });
-            console.log(formatGoldCompare(result, dataset));
+            console.log(JSON.stringify(result, null, 2));
         });
     }
 }

package/dist/cli/commands/eval/gold/init.js

@@ -27,7 +27,7 @@ export default class EvalGoldInit extends BaseCommand {
         const { flags } = await this.parse(EvalGoldInit);
         const lang = this.lang;
         await this.runWithCliExit(async () => {
-            const { initGoldDataset } = await import('../../../../grading/gold-cli.js');
+            const { initGoldDataset } = await import('../../../../eval-workflows/gold/cli.js');
             try {
                 const written = initGoldDataset(flags.out, {
                     annotator: flags.annotator,