sillyspec 3.29.5 → 3.30.0

package/round4/optimization-plan.md

@@ -0,0 +1,165 @@
+# sillyspec 效率优化整体方案 v3（2026-09-21 整合版）
+
+> 靶子（R4 实测，账单当量口径 = 新入 1× / 缓存 ~0.1× / 输出 3–5× 折算）：
+> **大任务账单当量 2.4×（8.04 当量差）＝ 缓存体量差 55%（4.45）+ 扇出冷启动 26%（2.09）+ 输出差 19%（1.50，其中 77% 是子代理代码/测试产出＝交付厚度，不砍）**。
+> 墙钟：大 2×、小 1.3×，差距全在非模型时间（门禁循环 + 编排等待）。
+> 红线：**不动四道防线**（审查/门禁/核验/资产）；不砍交付厚度（输出差是产品）。所有优化只打三样：冗余重读、冷启动、等待。
+
+## 战线 A：已落地，待 R5 验收（不重规划）
+
+| 项 | 状态 |
+|---|---|
+| 门禁四项：模块粒度范围化 / fail-fast 前置 / lint 归属降档两门 / 超时帽 | 已提交（83d91cd4 / 2eba595c，模块粒度 v3.24 在场） |
+| ~~增量复用~~ | **正式摘出（2026-09-21 R5 准备核对）**：src/ROADMAP/终报/batch2 四处查无落码与定义，承办无着落；疑即 ROADMAP 延后项「探针增量缓存」（quick-4af1acc3 D②：失效面广需独立失效契约）——按延后项处理，不计入战线 A，R5 验收不背此项 |
+| gate verify lint parity / module-impact 引号+多map / Wave 并发帽 ≤3 | 已提交 61995a32 |
+| 缺陷 A/B（资产尾 export + --linked-changes 管道） | 已提交 954946ae |
+
+**R5 前置核对（2026-09-21 落盘）**：①对撞仓基线 50736b6ef / 53c67e02a 经 git cat-file 实证均在（multi-agent-platform 主树干净）；Temp 残留一批 prunable gate worktree——R5 跑前 `git worktree prune`。②account.mjs 已加三分+当量列（v2），基线钉死：R4-L 当量@3× 13.89M / R4-O-L 5.87M / **比值 2.37×**（@5× 口径 2.47×，复现终报 2.4×）；R5 判定一律用同脚本同口径复算，不比绝对值。③**B-④ 接线缺口**：材料包机制已落地但 execute 主链未主动生成（task-02 接线最小化，仅 options.materials 传入时渲染）——R5 的 B-④ on/off 对照前需补接线（小 quick 一项，或并入 batch2 M3 派发分组落点）。
+
+**R5 验收点**：门禁轮次 ≤2；模块粒度下真拦率不降（用 gate-value-audit 的 12 次真拦案例回归）；大任务墙钟无额度事故（并发帽生效）。前置对账（v3.2）：五项中四项已核已交（模块粒度 v3.24 在场 / fail-fast+lint 归属 83d91cd4 / 超时降档 2eba595c），「增量复用」src 与终报均无落码痕迹——详 v3.2 第 4 条，R5 前与承办会话对齐状态，勿按「已在办」默认计入。
+
+## 战线 B：扇出账单治理（打 55%+26% 的差额）
+
+### B-① 读取范围引导（打冷启动 + 重读体量）——**已验靶：不实，实现项砍（2026-09-21，详 round4/b1-b1-target-validation.md）**
+- **前置验证（先做，30min）**：读 task-08 的 transcript，判定 8.6M 是越界读还是任务规模相称——**靶子不实不立项**。
+- **验靶结论**：越界读零发生（62 次调用全在契约链内）；8.6M = 58 轮 × 148K 轮均上下文的缓存重发（新鲜输入仅 186K）；全扇出 19 子代理名义 41.77M 中新鲜仅 1.34M（3.2%）。读上界太小，读清单注入无钱可省——**第 2 批实现项下线**，allowed_paths 现状约束维持。
+- 杠杆换位到 **B-⑥ 轮数纪律**（见下）与 B-④。
+
+### B-② 调研摘要共享（打实现侧重读）
+- **做法**：调研产出追加一份 CLI 盖章 digest（两页，**每条契约事实带 file:line 锚点 + 「关键契约回源核对」条款**）；实现子代理读 digest 替代重读原始源码。
+- **红线**：digest 转错一处 = 内部版错键正典（我们刚批判完的模式）——**走完整流程**，设计决策落盘（锚点格式 / 失效时机 / 回源义务）。
+- 预期：实现侧重读降（调研段自身的 9.4M 压不动，靠 B-③ 摊）。
+
+### B-③ batch 默认前置到 plan（打重复重建）
+- **证据**：R4-S-F 5 任务 2 batch → execute 仅 6M/17min。
+- **做法**：batch 粒度决策放 **plan 阶段**（文件正交 + 无契约链的任务默认并批，2–4/批）；execute 不加推力——**保 Wave 内并发 ≥3 的墙钟亮点**，不拿墙钟换 token。
+- 属性：提示词级 + plan-postcheck 可加机械提醒。
+
+### B-④ 材料包机制扩展到 execute（打冷启动）
+- 复用 `assembleStageReviewMaterials` 基建：实现子代理拿 CLI 裁好的合同摘录（design 相关节 + 接口签名 + 目标文件锚点），不自行通读全量文档。
+- **加分机制**：统一材料包 = 统一前缀 → 缓存命中更稳（面值之外的真实账单收益）。
+- **装配顺序契约（v3.2）**：跨任务稳定内容（design 通摘 / 接口签名）在前、任务专属内容（任务卡 / 变更面摘录）在后——统一前缀的缓存命中依赖稳定段先行，混排则任务差异打断前缀、面值收益折半。
+- 可直接进（机制在，低风险）。
+
+### B-⑤ 子代理模型分级（打单价，不动 token）
+- **必须先 A/B**：同任务双档各跑——便宜档若多轮返工（turn↑→重发↑）token 反升，且核验行为可能弱化（错键正是核验拦的）。**审查/verify 保持旗舰档是红线**。
+- 只在 A/B 证实「实现档返工率不升」后启用。
+
+### B-⑥ 轮数纪律（打轮数乘数；B-① 验靶换位新增，2026-09-21）
+- **证据**：扇出名义体量 = Σ(轮数 × 轮均上下文)，新鲜内容仅 3.2%——轮数是另一半杠杆。task-08 的 58 轮里 Edit×7（相邻同文件逐个改）+ TodoWrite×4（每条占一轮重发全上下文）+ 测试 Bash 多次循环。
+- **做法**（提示词级，execute 派发 prompt 两三行）：① 相邻同文件的多个改动合并为一次 Edit 批量提交；② TodoWrite 降频（阶段边界用，不在实现中途连发）；③ 测试验证合并跑（一次 Bash 串行多查），不逐文件跑。
+- 属性：提示词级；R5 用子代理请求数验收（扇出 522req 基线）。
+
+### 战线 B 预期（保守）
+扇出段 42.3M → **28–32M**（上界 25M 需 ①②③ 全中且提示词被遵守）；账单当量比 2.4× → **~1.7–1.9×**。到不了 parity 也不该到——剩余差额 = 上下文保险 + 独立审查 + 交付厚度的价格。
+
+## 战线 C：编排会话上下文治理（打主会话 56.8M 的一部分）
+
+### C-1（P1，quick 可落）
+- **B1 子代理返回契约**：返回体 ≤25 行结构化摘要（verdict / 触碰文件数 / 测试一行 / 偏差），细节落盘按需 Read——真相由门禁对账，不靠返回体转述。
+- **B2 审查回收瘦身**：verdict 回一行 + blockers + review.json 路径（稳定路径已在），主代理按需 Read 工件。
+- **B3a prompt 审计先行**：只读脚本统计 R4 五份 transcript 各步 prompt 规则的「引用/遵守/从未触发」，产出瘦身候选——**测量完再删**（四律这轮刚实证有效，承重规则不动）。
+
+### C-2（P2，CLI 小刀）
+- **B4a `sillyspec handoff --change <名>`**：进度库机械生成 ≤80 行交接包（阶段/Wave 状态/blockers/决策 ID/下一步命令）——把「任务太大爆窗」从硬墙变成操作规程。零状态机改动。
+- B3b 依据 B3a 审计瘦身步骤 prompt。
+
+### C-3（P3，立项评估，勿直接开码）
+- B4b 编排自动分段：先让 B4a 人工规程跑两个真实超大变更，再决定自动化。
+- 目标：R4-L 量级任务主会话峰值 **377K → <250K**，>150K 请求占比 81% → <50%。
+
+## 执行顺序（依赖排序）
+
+```
+第 1 批（并行，本周）：
+  B-①前置验证(30min) ──不实则砍①
+  B-③ plan batch 默认（提示词+postcheck 提醒）
+  B-④ 材料包扩展（复用基建，含装配顺序契约）
+  C-1 B1/B2 返回契约+回收瘦身（提示词）
+  C-1 B3a prompt 审计（只读脚本）
+  R5 探针套件：错键类+审查钳用例（verify-probes 基建增量造）──防线回归硬门的判法依赖（v3.2）
+第 2 批（依据第 1 批）：
+  B-⑥ 轮数纪律（提示词，B-① 验靶换位顶替原「读清单注入」）
+  C-2 B4a handoff 命令
+  B-⑤ 模型分级 A/B
+第 3 批（完整流程立项）：
+  B-② 调研 digest（锚点/失效/回源契约设计）
+  C-2 B3b prompt 瘦身（依据审计）
+  C-3 自动分段评估
+```
+
+## R5 验收协议（一等指标升级）
+
+| 指标 | R4 基线 | 目标 | 判法 | 依赖批次 |
+|---|---|---|---|---|
+| **账单当量比（大任务）** | 2.4× | ≤1.8×（拉伸） | account.mjs 加折算列（三分已有查询） | ④ 机制 + ①②③ 概率 |
+| 扇出段 tokens | 42.3M | ≤32M（硬门） | 子会话聚合 | ④ 机制 + ①③ 概率 |
+| 门禁轮次 | 9（S-F 病理）/ 2（稳态） | ≤2（硬门） | 进度库 | 战线 A |
+| 大任务墙钟·不劣化 | 156min | ≤156min（硬门） | 会话时间戳 | 全体——「不拿墙钟换 token」可检化 |
+| 大任务墙钟·进取 | 156min | ≤120min（拉伸） | 会话时间戳 + **阶段级拆账** | ①④+C-1，概率项无机制保票 |
+| 主会话峰值单请求 | 377K | <250K | MAX() 查询 | 第 3 批 B3b——R5 只记录不判罚 |
+| >150K 请求占比 | 81% | <50% | 计数查询 | 第 3 批 B3b——R5 只记录不判罚 |
+| 防线回归 | — | 错键类案例仍被拦；审查钳仍达标 | **探针套件（第 1 批交付）** + transcript | 第 1 批探针 |
+
+场景：50736b6ef / 53c67e02a 同基线重放（两 SHA 是对撞仓 multi-agent-platform 的基线、非本仓对象——跑前核那边基线与 worktree 卫生），小 ×2 + 大 ×1，版本钉死首步回显。**R5 时点 = 第 1+2 批完成后**；250K / 50% 两行押第 3 批 B3b，R5 只记录不判罚，第 3 批后复测。**2 跑取分布，不外推；提示词级项不达标即升级机制化（路径：CLI 截断注入/机械组装）。** 墙钟 ≤120min 无 per-item 机制预算——R5 必须落盘阶段级墙钟拆账（调研 / plan / execute 扇出 / verify / 归档 / 门禁等待），作为 R6 的预算基线，先测后诺（同 B3a 纪律）。
+
+## 诚实边界
+
+- B-①②③⑤ 全含概率性或前提验证，百分比是方向估计，唯一承诺是 R5 可测；
+- 55% 的缓存体量差不可能清零——隔离上下文的语义就是重读，治理目标是「去冗余」不是「去重读」；
+- 剩余 ~1.7× 账单差 + 墙钟差里，含交付厚度（输出 19% 差额）与独立审查的固定成本——这部分是定价，不是缺陷，对外口径已按此表述。
+
+---
+
+# 评审修订 v3.1（2026-09-21，外部评审采纳记录）
+
+## 采纳并修订的六处
+
+1. **B4a 改为 enrich handoff（已验证属实）**：`src/handoff.js` 已存在（113 行，`buildHandoff`/`nextStageSuggestion`），现产出为 session 导出 + 下一阶段建议的瘦包。C-2 第 2 批工作量修正为「进度库多抽几段进现有 buildHandoff」（Wave 状态 / 未决 blockers / 决策 ID / 下一步命令行，≤80 行封顶），**不是新命令立项**。
+2. **R5 验收拆硬门/拉伸**：
+   - **硬门**（不达标即失败）：扇出 ≤32M · 门禁轮次 ≤2 · 防线回归（错键类仍被拦 + 审查钳达标）· 大任务墙钟 ≤120min（稳态口径）
+   - **拉伸**（①②全中才承诺）：账单当量 ≤1.8×
+   - 对外口径维持 1.7–1.9×；不再把拉伸当硬门。
+3. **墙钟基线钉死**：比较一律用**稳态 156min**（门禁单轮重构口径），毛墙钟 185min 仅作背景。「额度事故不再发生」是并发帽的验收项（R5 零事故），不从基线剔除。
+4. **判定路径统一显式勾掉**：gate verify PASS vs verify --done FAIL 的口径矛盾**已修**（61995a32：runGate verify 补 verify-lint，与 --done 同引擎同归属降档）；tail 截断→失败明细稳定路径**已修**（794529e5）。两项归战线 A 待 R5 验收，第 1 批不重开。
+5. **B-③ 加并发护栏**：plan-postcheck 增机械提醒——**并批后单 Wave 在飞子代理数 ≥ min(3, 该 Wave 任务数)**；batch 决策只在 plan 定，execute 不加推力。外推边界写明：S-F 5→2 batch/6M 是小任务证据；大任务 12 实现代理并批**收益在 token、成本在墙钟**，R5 大任务跑单独归因。
+6. **B-④ 预期收窄 + 升第 1 批必达**：材料包只压「design/合同文档通读」，压不动「要改的源码本身」——与 B-① 互补但**不得双重算账**。
+
+## 优先级调换（接受）
+
+**第 1 批必达改为：B-④ 材料包扩面 + C-1（B1 返回契约 / B2 回收瘦身 / B3a 审计）+ B-③（plan 默认 + postcheck 护栏）**——机制确定收益优先于又一条 hint。**B-① 降级为仅保留 30min 验靶**，验证属实再排实现。
+
+## 新增纪律（三条，全部采纳）
+
+- **prompt 注入上限**：每加一段注入必须写明「替换哪段旧文」或配 CLI 截断上限——防优化文案自己吃掉 377K→250K 指标。
+- **互斥实验标签**：①②④ 都声称「少读」，R5 至少 B-④ on/off 同基线各一跑，归因可分。
+- **A 先于 B**：R5 小任务两跑**先判门禁 ≤2**，再谈扇出 tokens——门禁稳态前账单优化会被墙钟噪声淹没。
+
+## B-⑤ 验收补一维（采纳）
+
+A/B 双档除返工率外，加测**事实核验类工具调用密度**（联网搜真名 / 读 SDK d.ts 的次数）——错键故事里「会不会核验」比「会不会写完」更关键；便宜档核验密度显著下降即否决。
+
+## 对反馈的一处澄清（非驳回）
+
+反馈第 4 条「第 1 批缺确定 ROI 墙钟项」的时态已过：判定路径统一与 tail 稳定路径在评审前已提交（61995a32 / 794529e5），本次修订将其从隐含改为显式勾掉（见上第 4 条）。其余五处修订 + 优先级调换 + 三条纪律全部接受。
+
+---
+
+# 评审修订 v3.2（2026-09-21，第二外部评审采纳记录——验收协议三硬伤修复）
+
+前置：本轮评审先核事实后评方案，承重声明全部属实——handoff.js 113 行（buildHandoff/nextStageSuggestion，src/handoff.js:23/48）、assembleStageReviewMaterials 复用面（review-material-pack.js，plan/execute/brainstorm 三处引用）、account.mjs 三分查询 + db.model_usage 本有 cache_creation/cache_read 列（折算列是小改）、review.json 稳定路径（src/index.js:664）、gate-value-audit 12 真拦/36 超时 34%/227 门禁、42.3M/156min 在 r4-final-report.html 落盘、三提交号（61995a32/954946ae/794529e5）在。方案地基为实，三红线与三纪律不动。与 v3.1 的纯追加不同，本次对 R5 验收表与执行顺序**就地重写**（表是操作性章节，留旧表加补丁会迫使读者自行对账），修订记录在此。
+
+## 三处验收协议修复
+
+1. **墙钟 ≤120min 从硬门降为拉伸，换入「不劣化 ≤156min」硬门**。依据：基线 156 本是门禁单轮重构口径（v3.1 第 3 条），门禁收益已折入基线；B-③ 明确不拿墙钟换 token，B-①/④/C-1 全为概率项——120 无任何 per-item 机制保票，硬门失败时无法区分「方案失效」与「归一化基线乐观」。不劣化硬门把「不拿墙钟换 token」从口号变成可检承诺；R5 落盘阶段级墙钟拆账（六段），R6 才有真预算基线。**硬门集合相应改定：扇出 ≤32M · 门禁轮次 ≤2 · 防线回归 · 墙钟不劣化 ≤156min（另：并发帽 R5 零事故维持）；拉伸：账单当量 ≤1.8× + 墙钟进取 ≤120min。**对外口径同步。
+2. **防线探针套件排入第 1 批**。「探针 + transcript」判法依赖的用例集原先不在任何批次——12 次真拦来自两个月 227 次历史门禁，R5 三跑自然撞不到。基于 verify-probes 基建（src/verify-probes.js 在场）增量造错键类 + 审查钳用例，硬门才有可执行判法。错键形态以 r4-final-report「错键生产 no-op、测试全绿掩护」为准。
+3. **验收表增「依赖批次」列 + R5 时点钉死**。377K→<250K、81%→<50% 实押第 3 批 B3b（B3a 只审计不删）——R5 时点定为第 1+2 批完成后，此两行只记录不判罚，第 3 批后复测；消除「表行达标承诺」与「批次排期」的错位。
+
+## 两处状态对账（操作性，非方案缺陷）
+
+4. **战线 A「增量复用」状态存疑**：五项中四项已核已交（模块粒度 v3.24 在场 / fail-fast+lint 归属 83d91cd4 / 超时降档 2eba595c），唯「增量复用」在 src 与 r4-final-report 均无落码/定义痕迹，changes/ 亦无活跃变更；ROADMAP 登记的延后项「探针增量缓存」（quick-4af1acc3 D②：失效面广需独立失效契约）疑为同物——若同物则已延后，应从战线 A 摘出重归属。R5 前与承办会话对齐，勿按「已在办」默认计入（已同步批注到战线 A 验收点）。
+5. **重放基线在对撞仓**：50736b6ef / 53c67e02a 经 git cat-file 验证非本仓对象；worktree 路径实证基线在 multi-agent-platform 仓——R5 跑前核那边基线 SHA 与 worktree 卫生（防未来提交泄露规则沿用 R4 prompt 既有一套）。
+
+## 一处实现注记
+
+6. **B-④ 装配顺序契约**（已写入 B-④ 条目）：统一前缀的缓存命中依赖稳定段先行——跨任务稳定内容（design 通摘/接口签名）在前、任务专属内容（任务卡/变更面摘录）在后；混排则任务差异打断前缀，面值收益折半。

package/round4/r4-final-report.html

@@ -0,0 +1,347 @@
+<!DOCTYPE html>
+<html lang="zh-CN">
+<head>
+<meta charset="UTF-8">
+<meta name="viewport" content="width=device-width, initial-scale=1.0">
+<title>sillyspec × OpenSpec 对撞结果</title>
+<style>
+  :root {
+    --ink:#1a2233; --sub:#64708a; --line:#e4e8ef; --card:#fff;
+    --green:#16a34a; --green-bg:#f0fdf4; --green-bd:#bbe7c9;
+    --red:#dc2626; --red-bg:#fef2f2; --red-bd:#f5c2c2;
+    --amber:#d97706; --amber-bg:#fffbeb; --amber-bd:#f3ddad;
+    --blue:#2563eb; --blue-bg:#eff6ff;
+    --mono:"Cascadia Code",Consolas,monospace;
+  }
+  *{box-sizing:border-box;margin:0;padding:0}
+  body{font-family:"Microsoft YaHei UI","PingFang SC","Segoe UI",sans-serif;background:#f2f4f7;color:var(--ink);font-size:15px;line-height:1.6;padding:26px 18px 70px}
+  .wrap{max-width:1000px;margin:0 auto}
+  header{background:linear-gradient(135deg,#0f172a,#1e3a5f);color:#fff;border-radius:14px;padding:26px 30px;margin-bottom:16px;display:flex;justify-content:space-between;align-items:center;flex-wrap:wrap;gap:10px}
+  header h1{font-size:22px}
+  header p{color:#aebbd2;font-size:13px;margin-top:4px}
+  header .tags{font-size:12px;color:#8ea3c4;text-align:right}
+  /* 结论条 */
+  .verdict{display:grid;grid-template-columns:repeat(auto-fit,minmax(150px,1fr));gap:10px;margin-bottom:16px}
+  .chip{border-radius:10px;padding:12px 14px;font-size:13.5px;font-weight:600;border:1px solid;text-align:center}
+  .chip small{display:block;font-weight:400;font-size:11.5px;color:var(--sub);margin-top:2px}
+  .chip.g{background:var(--green-bg);border-color:var(--green-bd);color:#14532d}
+  .chip.r{background:var(--red-bg);border-color:var(--red-bd);color:#7f1d1d}
+  .chip.a{background:var(--amber-bg);border-color:var(--amber-bd);color:#78350f}
+  section{background:var(--card);border:1px solid var(--line);border-radius:12px;padding:20px 24px;margin-bottom:16px}
+  h2{font-size:17px;margin-bottom:14px;display:flex;align-items:center;gap:8px}
+  h2 .n{background:var(--ink);color:#fff;border-radius:7px;font-size:12px;padding:1px 8px}
+  h2.win{color:#14532d} h2.gap{color:#7f1d1d}
+  /* 数字对比 */
+  .duel{display:grid;grid-template-columns:1fr 1fr;gap:12px}
+  .duel .col{border:1px solid var(--line);border-radius:10px;overflow:hidden}
+  .duel .col .hd{padding:8px;text-align:center;font-weight:700;font-size:14px;color:#fff}
+  .col.silly .hd{background:#1d4ed8} .col.open .hd{background:#b45309}
+  .duel .row{display:flex;justify-content:space-between;padding:8px 14px;border-top:1px solid var(--line);font-size:13.5px}
+  .duel .row b{font-family:var(--mono);font-size:15px}
+  .duel .row.hl b{color:var(--blue)} .col.open .row.hl b{color:var(--amber)}
+  .duel .foot{padding:6px 14px 10px;font-size:11.5px;color:var(--sub);border-top:1px dashed var(--line)}
+  .cols2{display:grid;grid-template-columns:1fr 1fr;gap:12px}
+  @media(max-width:720px){.duel,.cols2{grid-template-columns:1fr}}
+  /* 亮点/差距卡 */
+  .cards{display:grid;grid-template-columns:1fr 1fr;gap:12px}
+  @media(max-width:720px){.cards{grid-template-columns:1fr}}
+  .card{border-radius:10px;padding:14px 16px;border:1px solid}
+  .card h3{font-size:15px;margin-bottom:6px}
+  .card p{font-size:13px;color:#3a465c}
+  .card .big{font-size:26px;font-weight:800;font-family:var(--mono);line-height:1.2;margin-bottom:4px}
+  .card.win{background:linear-gradient(180deg,#f4fdf6,#fff);border-color:var(--green-bd)}
+  .card.win h3{color:#14532d} .card.win .big{color:var(--green)}
+  .card.gap{background:linear-gradient(180deg,#fef5f5,#fff);border-color:var(--red-bd)}
+  .card.gap h3{color:#7f1d1d} .card.gap .big{color:var(--red)}
+  code{font-family:var(--mono);background:#eef1f6;border-radius:4px;padding:0 5px;font-size:12px;color:#b3244a}
+  /* 错键对比 */
+  .vs{display:grid;grid-template-columns:1fr 1fr;gap:12px;margin-top:10px}
+  .vs .box{border-radius:10px;padding:12px 14px;font-size:13px;border:1px solid var(--line)}
+  .vs .box b{display:block;font-size:13.5px;margin-bottom:4px}
+  .vs .ok{background:var(--green-bg);border-color:var(--green-bd)} .vs .bad{background:var(--red-bg);border-color:var(--red-bd)}
+  /* 条形图 */
+  .bar-row{margin:12px 0}
+  .bar-row .lbl{font-size:12.5px;font-weight:600;display:flex;justify-content:space-between;margin-bottom:3px}
+  .bar-row .lbl span:last-child{color:var(--sub);font-family:var(--mono)}
+  .bar{display:flex;height:26px;border-radius:6px;overflow:hidden;color:#fff;font-size:10.5px;font-family:var(--mono)}
+  .seg{display:flex;align-items:center;justify-content:center;min-width:0;white-space:nowrap;overflow:hidden}
+  .s1{background:#3b82f6}.s2{background:#8b5cf6}.s3{background:#f59e0b}.s4{background:#ef4444}.s5{background:#0ea5e9}.s6{background:#10b981}
+  .legend{display:flex;flex-wrap:wrap;gap:8px 16px;font-size:11.5px;color:var(--sub);margin:4px 0 8px}
+  .legend i{display:inline-block;width:10px;height:10px;border-radius:3px;margin-right:4px;vertical-align:-1px}
+  .note{font-size:12px;color:var(--sub);margin-top:6px}
+  .tok{font-size:11.5px;color:var(--sub);font-family:var(--mono);margin:2px 0 3px}
+  .tok b{color:var(--ink);font-weight:600}
+  .sample{border:1px solid var(--line);border-radius:10px;padding:12px 14px;background:#fafbfd}
+  .sample .cap{font-size:12.5px;font-weight:700;margin-bottom:2px}
+  .sample .cap small{font-weight:400;color:var(--sub)}
+  .sample pre{font-family:var(--mono);font-size:11.5px;line-height:1.6;color:#333d52;white-space:pre-wrap;word-break:break-all;margin-top:6px}
+  .sample pre em{color:#b3244a;font-style:normal}
+  .tbl{width:100%;border-collapse:collapse;font-size:13px;margin:10px 0 4px}
+  .tbl th,.tbl td{border:1px solid var(--line);padding:7px 12px;text-align:left}
+  .tbl th.cat{background:#f0f3f8;width:88px;font-size:12.5px}
+  .tbl th.a{background:#1d4ed8;color:#fff} .tbl th.b{background:#b45309;color:#fff}
+  .tbl td.a{background:#f8faff;width:41%} .tbl td.b{background:#fffdf5;width:41%}
+  .tbl .y{color:var(--green);font-weight:700} .tbl .n{color:#b6bfce} .tbl .w{color:var(--red);font-weight:700}
+  .side-hd{padding:6px;text-align:center;font-weight:700;font-size:13px;color:#fff;border-radius:8px}
+  .side-hd.a{background:#1d4ed8} .side-hd.b{background:#b45309}
+  .stack{display:flex;flex-direction:column;gap:10px;margin-top:10px}
+  .one{background:var(--blue-bg);border:1px solid #c3d7fb;border-radius:10px;padding:14px 18px;font-size:15px;font-weight:600;text-align:center}
+  .small{font-size:11.5px;color:var(--sub)}
+  footer{text-align:center;color:var(--sub);font-size:11.5px;margin-top:22px}
+</style>
+</head>
+<body>
+<div class="wrap">
+
+<header>
+  <div>
+    <h1>sillyspec × OpenSpec 对撞结果</h1>
+    <p>同任务 · 同基线 · 全新会话 · 同机同模型 —— 受控对照</p>
+  </div>
+  <div class="tags">2026-09-20/21<br>大任务 + 小任务 · 5 会话<br>db 硬账 + 全量记录深读</div>
+</header>
+
+<!-- 一页结论 -->
+<div class="verdict">
+  <div class="chip g">小任务成本真持平<small>tokens 8.97 vs 9.33M · 账单当量 ~1.0×</small></div>
+  <div class="chip g">全场唯一硬缺陷在对方<small>错键生产 no-op，测试全绿掩护</small></div>
+  <div class="chip g">交付厚度 2.4×<small>2,909 vs 1,193 行测试</small></div>
+  <div class="chip r">墙钟慢 1.3× / 2×<small>差距全在非模型时间</small></div>
+  <div class="chip r">子代理扇出贵<small>43% tokens / 68% 请求</small></div>
+  <div class="chip a">定位：用等待换防线<small>砍仪式＝砍防线</small></div>
+</div>
+
+<!-- ① 数据 -->
+<section>
+  <h2><span class="n">1</span>核心数据对比</h2>
+  <div class="cols2">
+    <div>
+      <p style="font-size:13px;color:var(--sub);margin-bottom:6px"><b style="color:var(--ink)">小任务</b> —— 给 Claude 的自动压缩加三个界面开关<span class="small">（autocompact 三键 · sillyspec 走 quick 轻通道）</span></p>
+      <div class="duel">
+        <div class="col silly"><div class="hd">sillyspec</div>
+          <div class="row hl"><span>墙钟</span><b>28min＊</b></div>
+          <div class="row"><span>tokens 新入/缓存/输出</span><b>0.2M / 8.7M / 0.05M</b></div>
+          <div class="row"><span>请求</span><b>87</b></div>
+          <div class="row"><span>代码量</span><b>+516 行</b></div>
+          <div class="row"><span>新增测试</span><b>22</b></div>
+        </div>
+        <div class="col open"><div class="hd">OpenSpec</div>
+          <div class="row hl"><span>墙钟</span><b>21.5min</b></div>
+          <div class="row"><span>tokens 新入/缓存/输出</span><b>0.1M / 9.2M / 0.05M</b></div>
+          <div class="row"><span>请求</span><b>85</b></div>
+          <div class="row"><span>代码量</span><b>+539 行</b></div>
+          <div class="row"><span>新增测试</span><b>15</b></div>
+        </div>
+      </div>
+    </div>
+    <div>
+      <p style="font-size:13px;color:var(--sub);margin-bottom:6px"><b style="color:var(--ink)">大任务</b> —— 把 AI 干活的日志变成可回放的聊天记录<span class="small">（会话回放 · 跨三端 · sillyspec 走全流程）</span></p>
+      <div class="duel">
+        <div class="col silly"><div class="hd">sillyspec</div>
+          <div class="row hl"><span>墙钟</span><b>156min＊</b></div>
+          <div class="row"><span>tokens 新入/缓存/输出</span><b>2.4M / 96.1M / 0.64M</b></div>
+          <div class="row"><span>请求</span><b>767</b></div>
+          <div class="row"><span>代码（源码+测试）</span><b>7.2K 行</b></div>
+          <div class="row"><span>流程文档</span><b>10.9K 行<span style="font-size:11px;color:var(--sub)">（84% CLI 生成）</span></b></div>
+          <div class="row"><span>子代理 / 测试行</span><b>19 / 2,909</b></div>
+        </div>
+        <div class="col open"><div class="hd">OpenSpec</div>
+          <div class="row hl"><span>墙钟</span><b>80min</b></div>
+          <div class="row"><span>tokens 新入/缓存/输出</span><b>0.3M / 51.6M / 0.14M</b></div>
+          <div class="row"><span>请求</span><b>251</b></div>
+          <div class="row"><span>代码（源码+测试）</span><b>3.3K 行</b></div>
+          <div class="row"><span>流程文档</span><b>0.6K 行<span style="font-size:11px;color:var(--sub)">（全 agent 写）</span></b></div>
+          <div class="row"><span>子代理 / 测试行</span><b>0 / 1,193</b></div>
+        </div>
+      </div>
+    </div>
+  </div>
+  <p class="small">＊ sillyspec 墙钟为稳态口径（门禁单轮）；tokens / 请求 / 代码量两侧均实测。模型时间两侧同量级（13.3 vs 13.1min）——<b>差距不在模型，在流程</b>。<b>tokens 三分（新输入 / 缓存读 / 输出）</b>：大任务 2.4/96.1/0.64M vs 0.3/51.6/0.14M。按计价折算（新入 1× / 缓存 ~0.1× / 输出 3–5×）：<b>大任务账单当量比 ≈ 2.4×（区间 2.1–2.8×），略高于面值 1.9×</b>——两侧命中率都 97%+，缓存救不了比值，且输出差恰好落在最贵计价档。差额构成：<b>缓存体量差 55% + 冷启动新输入 26%（扇出签名，子代理新鲜上下文首读打不中缓存）+ 输出差 19%</b>；输出 4.6× 中 77%（0.49M）是子代理代码/测试产出（交付厚度），主会话编排输出仅 0.14M。小任务账单当量 ~1.0×（三段 0.2/8.7/0.05 vs 0.1/9.2/0.05，真持平）。<br>大任务构成拆解：手写源码 4.3K vs 2.1K（功能对齐，我们组件更厚）· 测试 2.9K vs 1.2K · 流程文档 10.9K vs 0.6K——但其中 <b>84%（8.8K）是 CLI 机械生成的 diff 快照（scope-audit.patch，零 token）</b>，agent 实写文档仅 ~1.75K vs 0.6K（2.9×，与代码 2× 同量级）；写作窗口 token 4.2M vs 1.5M，<b>只占大任务 token 差的 ~6%</b>——token 差主因是执行段子代理扇出，不是写文档；小任务两侧基本持平。</p>
+  <p class="small"><b>任务画像</b>：小任务＝照既有先例加三键的局部修补（简单，轻通道的适用对象）；大任务＝三端五层契约对齐（daemon→RPC→backend→生成类型→前端），<b>难度在广度与一致性、不在单点深度</b>——每条字段映射都是一次「错键型」失败的机会，防线价值随接缝数放大。</p>
+</section>
+
+<!-- ② 亮点 -->
+<section>
+  <h2 class="win"><span class="n">2</span>我们的亮点</h2>
+  <div class="cards">
+    <div class="card win">
+      <div class="big">1 vs 0</div>
+      <h3>全场唯一硬缺陷，出现在对方侧</h3>
+      <p>对方把第三键写错（<code>autoCompactPreCompute</code>）：<b>27/27 测试全绿 → 干净归档 → 错键进规格库</b> → 预计算开关生产 no-op。我们的 agent 联网核验官方文档后落码，多花 2.5 分钟拦下静默缺陷。</p>
+    </div>
+    <div class="card win">
+      <div class="big">同一个错误</div>
+      <h3>两边 agent 都猜了错键名——差别只在验证步</h3>
+      <p>深读记录实证：我们的 agent <b>最初猜的也是那个错名</b>，但先搜官方文档、拿到真名才写码。<b>错误生成是确定性的，拦截是结构性的</b>——这是流程属性，不是运气。</p>
+    </div>
+    <div class="card win">
+      <div class="big">写码之前</div>
+      <h3>独立设计审查拦下架构级错误（B1）</h3>
+      <p>初版设计与 registry 源码契约矛盾，审查员独立核对源码后首轮打回、强制改设计。<b>零代码浪费</b>。对方流程无任何独立审查环节。</p>
+    </div>
+    <div class="card win">
+      <div class="big">4 道防线</div>
+      <h3>缺陷类覆盖：结构化 vs 全靠自觉</h3>
+      <p>域事实核验 · 设计-源码一致性 · 声明-实测对账 · 资产正典校验，四类各有机制；对方四类全押 agent 自觉。历史数据：测试门两个月 <b>12 次真拦「声称完成但测试挂」</b>。</p>
+    </div>
+    <div class="card win">
+      <div class="big">可检索资产</div>
+      <h3>做完即沉淀</h3>
+      <p>4 条决策 + 7 条 FR 索引 + ROADMAP + 模块文档 + 归档 15 件——<b>下次变更直接复用</b>。对方的规格库同样留资产，但本轮把错键典藏成了「正典」。</p>
+    </div>
+    <div class="card win">
+      <div class="big">真并发</div>
+      <h3>机制不是纸面</h3>
+      <p>Wave 内 4 个子代理同窗并行（时间戳实证）；审查请求钳 3/3 阶段达标（11/6/6 ≤ 12/10/15）；进度库 / 边界审计 / 防作弊全程有效，<b>双方 agent 零违反</b>。</p>
+    </div>
+  </div>
+  <div class="callout" style="background:var(--blue-bg);border:1px solid #c3d7fb;border-radius:10px;padding:12px 16px;margin-top:12px;font-size:13px">
+    <b style="display:block;margin-bottom:4px">测试逻辑对比：两边测试都是 agent 写的，差在依据链与强制面</b>
+    🅰 <b>测试＝契约的执行形态</b>：requirements 的 GWT 场景直接翻译成断言（如「230000 成功标准场景」用例）· 任务卡写死 verify 命令 · 存量测试当契约（改契约必须显式）；五层执行：子代理自跑 → 主代理复跑 → <b>QA 独立复跑全量</b> → <b>verify 门禁机器实测</b> → 相邻面回归。<br>
+    🅱 <b>测试＝agent 自觉</b>：specs 与测试无强制映射（validate 只查格式），写多少凭理解、跑不跑无人拦——全绿可能是<b>自指测试</b>（断言自己写的实现，错键照样 27/27）。<br>
+    <span class="small">诚实边界：测试防「实现与声明不符」，不防「声明与事实不符」——若我们写错键名，13 个用例同样全绿。拦错键的是<b>联网核验</b>不是测试：测试管一致性，核验管事实性。</span>
+  </div>
+</section>
+
+<!-- ③ 产物与资产 -->
+<section>
+  <h2 class="win"><span class="n">3</span>执行完成后，你拿到什么（产物与项目资产）</h2>
+  <table class="tbl">
+    <tr><th class="cat">资产</th><th class="a">🅰 sillyspec</th><th class="b">🅱 OpenSpec</th></tr>
+    <tr><td class="cat">决策知识</td><td class="a"><span class="y">✓</span> 决策 <b>4 条</b>（含理由 / 故障面 / 退役判据）</td><td class="b"><span class="n">—</span></td></tr>
+    <tr><td class="cat">特性索引</td><td class="a"><span class="y">✓</span> FR <b>7 条</b>（承接链可回溯）</td><td class="b"><span class="n">—</span></td></tr>
+    <tr><td class="cat">行为规格</td><td class="a"><span class="y">✓ 替代形态</span> FR 索引 + 模块卡（GWT 场景体，台账式承接链）</td><td class="b"><span class="y">✓</span> 活规格 <b>3 capability · 215 行</b> WHEN/SHALL</td></tr>
+    <tr><td class="cat">路线 / 文档</td><td class="a"><span class="y">✓</span> ROADMAP 里程碑 + 模块文档 ×2</td><td class="b"><span class="n">—</span></td></tr>
+    <tr><td class="cat">变更账目</td><td class="a"><span class="y">✓</span> 四字段账目 + <b>sha256</b> 范围快照</td><td class="b">git 提交历史</td></tr>
+    <tr><td class="cat">过程留痕</td><td class="a"><span class="y">✓</span> 归档 <b>15 件</b> + verify 双证 + 审查 verdict</td><td class="b">归档变更夹</td></tr>
+    <tr><td class="cat">下次消费</td><td class="a"><span class="y">✓</span> 自动注入下一次变更的上下文</td><td class="b">靠 agent 主动读</td></tr>
+    <tr><td class="cat">正确性</td><td class="a"><span class="y">✓</span> 来源经实证核验</td><td class="b"><span class="w">⚠</span> 本轮错键写入 5 条 requirement</td></tr>
+  </table>
+  <p class="small">形态差异：OpenSpec 活规格＝<b>改写式正典</b>（后续变更直接改文本，像 API 文档好读，但改错即正典错）；sillyspec FR 索引＝<b>台账式承接链</b>（追加+取代，演进史可见，当前态靠 active 过滤）。</p>
+  <h3 style="font-size:14px;margin:14px 0 0">实物抽样（两条任务的真实产物原文摘录）</h3>
+  <div class="vs" style="margin-top:0">
+    <div class="stack">
+      <div class="side-hd a">🅰 sillyspec 实物</div>
+      <div class="sample"><div class="cap">📐 决策库条目 <small>· 大任务 D-001，归档自动提炼</small></div>
+<pre>## D-001@v1 回放形态=前端适配器复用 TurnTimeline 真组件（方案 A）
+状态：implemented ｜ 变更：2026-09-20-r4-session-replay ｜ 最近确认：66636108c
+理由：任务书点名「适配器 → TurnTimeline 真组件复用」，用户已定案
+故障面：适配器与 TurnTimeline 契约耦合；靠既有测试族守护
+退役判据：多 harness 形态差异大到 SessionTurnView 表达不下 → 复议方案 B</pre></div>
+      <div class="sample"><div class="cap">🔢 FR 索引条目 <small>· 大任务 FR-host-fs-handler-002（GWT 行为场景）</small></div>
+<pre>## FR-host-fs-handler-002 轮次与 token 可见
+状态：active ｜ 最近确认：66636108c（归档时 HEAD）
+场景：Given 数据源含 usage/turn_id（zcode/claude-code）——
+Then 每轮轮尾显示输入/输出 token 徽标，头部显示会话累计；
+无 token 数据源（cursor-agent/老 daemon）→ 显示「未知」
+全文回链：changes/archive/…/requirements.md#FR-02（承接链可翻旧账）</pre></div>
+      <div class="sample"><div class="cap">📒 quick 结构化账目 <small>· 小任务 ql-20260920-007-ec47</small></div>
+<pre>## ql-20260920-007-ec47 | claude 引擎 autocompact 三键 provider 级配置
+状态：已完成 ｜ 文件：8 行括注
+需求：三键 provider 级配置（白名单透传 + 前端表单 + 文档）
+根因：settings_config→白名单→settings.json 链路不含 autocompact 键，
+配置写了也不生效；用户只能手改数据库 JSON
+方案：TOP_LEVEL_KEYS 加三键 + AUTO_COMPACT_VALIDATORS 值守护…
+结果：门禁实测 test 545.5s + lint 双 PASS；定向 31/31 + 相邻 93/93
+＋ 范围快照 ql-*.patch（sha256 锚定，可回放当时 diff）</pre></div>
+    </div>
+    <div class="stack">
+      <div class="side-hd b">🅱 OpenSpec 实物</div>
+      <div class="sample"><div class="cap">📘 活规格条目（正面）<small>· 大任务 agent-log-parsers</small></div>
+<pre>openspec/specs/agent-log-parsers/spec.md
+### Requirement: 归一化消息携带轮次与用量元数据
+每条消息 SHALL 携带 turn_id / usage（五项）/ model / duration_ms /
+sender，全部可缺省，缺失按「未知」呈现，不影响既有九字段
+#### Scenario: 数据源无用量时元字段为 null
+WHEN 数据源不含 token（如 cursor-agent transcript）
+THEN 全部段 usage=null，RPC totalUsage=null</pre></div>
+      <div class="sample"><div class="cap">🚫 活规格条目（反例）<small>· 小任务 spec.md 原文，4 处错键</small></div>
+<pre>openspec/specs/claude-autocompact-config/spec.md
+- `autoCompactPreCompute`：布尔（压缩摘要预计算开关） ← <em>键名错误</em>
+- WHEN 配 {"autoCompactPreCompute": true}
+  THEN settings.json 含该键        ← <em>正确键：precomputeCompactionEnabled</em>
+5 条 requirement 把错键记为系统行为契约——
+后续变更将信任并传播它（错误被典藏为「正典」）</pre></div>
+    </div>
+  </div>
+  <div class="one" style="margin-top:12px">都真资产：<b>sillyspec 沉淀「为什么 + 下次注意什么」并自动注入</b> · OpenSpec 沉淀「系统该怎么表现」 · 行为规格两边都有（台账式 vs 正典式）——但<b>资产带错，复利变负</b>（见右侧实物 ⚠）</div>
+</section>
+
+<!-- ④ 差距 -->
+<section>
+  <h2 class="gap"><span class="n">4</span>目前的差距（不回避）</h2>
+  <div class="cards">
+    <div class="card gap">
+      <div class="big">1.3× / 2×</div>
+      <h3>墙钟落后（小 / 大任务）</h3>
+      <p>28 vs 21.5min；156 vs 80min。模型算力同量级，<b>差距全部在非模型时间</b>——门禁 + 编排等待，见下节拆解。</p>
+    </div>
+    <div class="card gap">
+      <div class="big">43% / 68%</div>
+      <h3>子代理扇出的成本倍增</h3>
+      <p>19 个子代理各自重建上下文，吃掉 42.3M tokens（43%）+ 522 请求（68%）。但这笔钱同时是<b>上下文保险</b>：每个子代理新鲜窗口（峰值 219K、用完即释），实现体量不进主会话——对方单会话上下文线性涨，爆了靠 auto-compact 硬扛（压缩丢细节）。<br><b>诚实注</b>：我们的主会话峰值 377K 反高于对方 317K——编排侧自己也会胖，超大任务需派发瘦身。</p>
+    </div>
+    <div class="card gap">
+      <div class="big">~60%</div>
+      <h3>大任务时间在等待</h3>
+      <p>子代理执行 / 门禁运行 / 审查回收占六成墙钟，主代理生成不足三分之一。<b>慢＝编排深度</b>，但对外表现就是慢。</p>
+    </div>
+    <div class="card gap">
+      <div class="big">40% 假拦</div>
+      <h3>门禁噪声真实存在（历史）</h3>
+      <p>两个月 106 次门禁失败中：真拦 12、超时 36、环境 6。治理方向已定：<b>按触碰模块收敛范围</b>（文件级会漏真拦，有实证）+ 超时帽。</p>
+    </div>
+  </div>
+  <div class="one" style="margin-top:12px">差距定性：等待与假拦是<b>优化项</b>；审查与扇出是<b>防线的价格</b>——砍掉它＝砍掉第 2 节的亮点。当前策略：保防线，砍等待。</div>
+  <div class="callout" style="background:var(--blue-bg);border:1px solid #c3d7fb;border-radius:10px;padding:12px 16px;margin-top:10px;font-size:13px">
+    <b style="display:block;margin-bottom:4px">扇出优化路线（砍冗余读取，不砍隔离与独立审查）</b>
+    ① 读取范围约束——allowed_paths 兼作读范围 + symbol-impact 符号锚点注入（直打 task-08 型 8.6M over-reading）<br>
+    ② 调研消化物共享——探索摘要落盘，实现子代理读两页 digest 替代重读源码（调研段 9.4M → ~5M）<br>
+    ③ batch 激进化——R4-S-F 实证 5 任务 2 batch 仅 6M：文件正交即并批，摊平 design/plan 重复重建<br>
+    ④ 派发材料包扩展——复用审查侧 assembleStageReviewMaterials 有界组装基建<br>
+    ⑤ 子代理模型分级——实现跑便宜档、审查保持旗舰（砍账单不砍 token）<br>
+    <span class="small">预期 ①+②+③ 把子代理段 42M → 20-25M，大任务 99M → ~78M（差距 1.9×→~1.5×）；剩余差额＝上下文保险 + 独立审查的价格。</span>
+  </div>
+</section>
+
+<!-- ④ 时间去哪了 -->
+<section>
+  <h2><span class="n">5</span>时间去哪了（时间戳级分解）</h2>
+  <div class="legend">
+    <span><i class="s1"></i>探索</span><span><i class="s2"></i>实现+定向测试</span><span><i class="s3"></i>编排/子代理</span><span><i class="s4"></i>门禁</span><span><i class="s5"></i>独立审查</span><span><i class="s6"></i>收尾</span>
+  </div>
+  <div class="bar-row"><div class="lbl"><span>小任务 · OpenSpec</span><span>21.5min</span></div>
+    <div class="tok">⚡ 探索 <b>2.0M</b> · 四件套 <b>1.3M</b> · 实现 <b>4.9M</b> · 归档 <b>1.0M</b></div>
+    <div class="bar" style="width:77%"><div class="seg s1" style="width:28%">探索 6</div><div class="seg s2" style="width:14%">四件套 3</div><div class="seg s3" style="width:38%">实现 8</div><div class="seg s6" style="width:20%">归档 4.5</div></div></div>
+  <div class="bar-row"><div class="lbl"><span>小任务 · sillyspec quick</span><span>28min</span></div>
+    <div class="tok">⚡ 引导+核验 <b>2.1M</b> · 实现 <b>4.4M</b> · 门禁期 <b>1.3M</b> · 收尾 <b>1.2M</b></div>
+    <div class="bar"><div class="seg s1" style="width:22%">核验 6</div><div class="seg s2" style="width:32%">实现 9</div><div class="seg s4" style="width:36%">门禁 10</div><div class="seg s6" style="width:10%">收尾 3</div></div></div>
+  <p class="note">小任务差 6.5min ≈ <b>一轮门禁 + 域事实核验</b>——正是两道防线的价格。<b>quick 无四件套＝轻通道设计</b>：无落盘设计决策的小修补不写流程文档，代之以 CLI 合成的四字段账目（近零写作成本，含在收尾段）；对方无论任务多小都写四件套（3min / 1.3M）。（组内同尺度，条长∝墙钟；⚡为各阶段实测 tokens）</p>
+  <div class="bar-row"><div class="lbl"><span>大任务 · OpenSpec</span><span>80min</span></div>
+    <div class="tok">⚡ 探查 <b>5.6M</b> · 四件套 <b>1.5M</b> · 单会话实现 <b>42.6M</b> · 归档 <b>2.2M</b></div>
+    <div class="bar" style="width:51%"><div class="seg s1" style="width:24%">探查 19</div><div class="seg s2" style="width:4%">3</div><div class="seg s3" style="width:68%">单会话实现+回归 55</div><div class="seg s6" style="width:4%">3</div></div></div>
+  <div class="bar-row"><div class="lbl"><span>大任务 · sillyspec</span><span>156min</span></div>
+    <div class="tok">⚡ 调研 <b>10.6M</b> · 四件套 <b>4.2M</b> · 审查 <b>7.8M</b> · 六波执行（含子代理）<b>56.6M</b> · verify+收尾 <b>19.9M</b></div>
+    <div class="bar"><div class="seg s1" style="width:13%">调研 20</div><div class="seg s2" style="width:13%">四件套 20</div><div class="seg s5" style="width:11%">审查 17</div><div class="seg s3" style="width:46%">六波执行 73</div><div class="seg s4" style="width:11%">门禁 17</div><div class="seg s6" style="width:13%">收尾 20</div></div></div>
+  <p class="note">大任务差 76min ＝ 审查 17 + 门禁 17（<b>质量溢价</b>）+ 编排开销 ~42（<b>扇出成本，优化候选</b>）。（组内同尺度，条长∝墙钟；⚡为各阶段实测 tokens——sillyspec 执行段 56.6M 里约 42M 是 19 个子代理的上下文重建，见差距卡 43%）</p>
+</section>
+
+<!-- ⑤ 一句话 -->
+<section>
+  <h2><span class="n">6</span>一句话总结与选型</h2>
+  <div class="vs">
+    <div class="box ok"><b>🅰 sillyspec ＝ 机器侧验证</b>声称完成必须过实测对账；四类缺陷有结构化防线。代价：等待与仪式。</div>
+    <div class="box bad"><b>🅱 OpenSpec ＝ 模型侧自觉</b>快、轻、零等待；防线全靠 agent 自觉——格式校验不校验事实。</div>
+  </div>
+  <ul style="margin-top:12px;font-size:14px">
+    <li><b>小任务 → sillyspec quick</b>：28min、token 持平略优、一次过 + 资产落盘</li>
+    <li><b>大任务 → 按缺陷成本选</b>：生产平台（错一次贵）选全流程；原型快跑选轻流程</li>
+    <li><b>互相借鉴</b>：轻流程补「外部契约事实来源强制」；重流程做门禁模块粒度收敛</li>
+  </ul>
+</section>
+
+<p class="small" style="text-align:center">口径：sillyspec 墙钟为稳态（门禁单轮），OpenSpec 实测；tokens/请求均实测硬账 · n=1 对撞，墙钟按量级解读 · 底稿 sillyspec 仓 round4/</p>
+<footer>2026-09-21</footer>
+</div>
+</body>
+</html>

package/round4/r5-scenario-matrix.md

@@ -0,0 +1,46 @@
+# R5 场景矩阵与执行协议（2026-09-21 落盘，依据 optimization-plan.md v3.2 + 第 1 批交付态）
+
+## 场景与臂
+
+| 场景 | 基线（对撞仓 multi-agent-platform） | 跑法 | 备注 |
+|---|---|---|---|
+| 大任务（session-replay 同款） | 53c67e02a | ×2 跑 | 一跑 B-④ 材料包 OFF（缺省）、一跑 ON——互斥归因标签（v3.2 纪律二） |
+| 小任务全流程（autocompact 同款） | 50736b6ef | ×2 跑 | |
+| 小任务 quick（同款） | 50736b6ef | ×1 跑 | 门禁轮次 ≤2 判定主力场景（A 先于 B 纪律） |
+| （可选）B-⑤ A/B | 50736b6ef | 小任务便宜档 ×1 | 与旗舰档同任务对照；返工率+核验密度双维否决线；审慎起见可推迟 R6 |
+
+版本钉死首步回显：受试会话第一步输出回显 sillyspec 版本 + 已落地批次（batch1 e49a7ce0 前序 / batch2 若已入库记录其 HEAD）——**M3（派发分组预计算）若在 R5 前落地，B-③ 归因必须与 M3 分开记**（提示词级 vs 机制化，v3.2 换位说明）。
+
+## 跑前清单（按序）
+
+1. `git -C multi-agent-platform worktree prune`（Temp 残留 prunable gate worktree 清理；基线 SHA 50736b6ef/53c67e02a 已 2026-09-21 cat-file 实证在场，主树干净）。
+2. **B-④ 接线补齐**：execute 主链材料包生成未接（batch1 task-02 接线最小化）——小 quick 一项（assembleExecuteTaskMaterials 调用点 + options.materials 装配）或并入 batch2 M3；不接则 ON 臂无法跑，矩阵降级为 OFF-only。
+3. R4 prompt 卫生沿用：受试会话任务书钉死「禁捞未来提交/版本首步回显/全流程勿降级」三律（prompt-R4-*.md 直接复用改版本号）。
+4. 探针套件预跑：`node --test test/probe-suite/wrong-key.test.mjs` 在受试 sillyspec 版本上绿——防线敏感性前置自证。
+
+## 指标判法（account.mjs v2 同口径，只比比值不比绝对值）
+
+| 硬门 | 判法 | R4 基线（2026-09-21 钉死） |
+|---|---|---|
+| 扇出 tokens ≤32M | account.mjs 子会话聚合 totTok（子代列） | 42.26M |
+| 门禁轮次 ≤2 | 进度库 gate 记录计数 | 9（S-F 病理）/ 2（稳态） |
+| 防线回归 | probe-suite 绿 + 受试 transcript 错键类仍被拦 | — |
+| 墙钟不劣化 ≤156min | 会话时间戳（跨度列） | 184.5min 毛口径 / 156min 稳态重构口径 |
+| 额度零事故 | 受试过程无整 Wave 中断 | R4-L 有（并发帽前） |
+
+拉伸（不判罚）：账单当量比 ≤1.8× —— `node round4/account.mjs --title R5-<臂> --since <日>` 的 当量@3× 列对同名对照臂取比；基线 2.37×（@3×）/2.47×（@5×），R4-L 13.89M / R4-O-L 5.87M。记录不判罚行：主会话峰值单请求 <250K（MAX 查询）、>150K 占比 <50%（计数查询）——依赖第 3 批 B3b，R5 只落基线。
+
+**阶段级墙钟拆账（每跑必落）**：用 round4/extract-timeline.mjs 抽受试主会话时间线，按 CLI 阶段标记切六段（调研/plan/execute 扇出/verify/归档/门禁等待），落 r5-wall-accounting 表——R6 per-item 时间预算的唯一数据源（v3.2 先测后诺）。
+
+## 归因标签（防混账）
+
+- B-④ ON/OFF 臂差 = 材料包贡献（上下文乘数）。
+- 门禁轮次改善归战线 A（已提交四项），**不记 B-③ 提示词**；M3 若在场单列。
+- 轮数纪律（B-⑥）效果看子代理请求数列（基线大任务 522req），与扇出 tokens 分列记录。
+- batch2 M1（指令指纹增量）若在场：主会话 CLI 渲染体量单列（B3a 口径复跑），不并入扇出账。
+
+## 诚实边界
+
+- 2 跑取分布不外推；提示词级项不达标即升级机制化（路径：CLI 截断注入/机械组装）。
+- B-⑤ 若推迟，对外口径维持「模型分级未启用」。
+- 墙钟 156min 为重构口径，毛口径 184.5min 一并记录防口径混用。

package/src/change-list.js

@@ -316,6 +316,15 @@ function _parseFileListDetailed(designMdPath, { keepSillyspecDocs = false, repoK
           const head = rawItem.slice(0, colonIdx).trim()
           if (looksLikePath(head)) rawItem = head
         }
+        // 「路径 ——尾注」同族（坑 thin-flow-freeze-foreign-declared-hijack 建议1，2026-09-25
+        // 实测：`- path ——说明` 整行 looksLikePath 不过被丢弃 → 自声明缺失 → 冻结面被他侧
+        // 陈旧声明劫持）。同冒号剥的口径：仅列表分支、前段须 looksLikePath（合法路径不含
+        // 双 em-dash，误伤面为零）。
+        const dashIdx = rawItem.search(/——/)
+        if (dashIdx > 0) {
+          const head = rawItem.slice(0, dashIdx).trim()
+          if (looksLikePath(head)) rawItem = head
+        }
       }
       const itemNorm = normalizePath(rawItem)
       const itemCross = preCross || splitCrossRepoPrefix(itemNorm, repoKeys)

package/src/classify-change.js

@@ -26,6 +26,12 @@ const FORCE_QUICK_PATTERNS = [
   /更新文案|改文案|文案修改/i,
   /样式调整|style.*tweak/i,
   /修复.*\s*\bbug\b.*\bfix\b/i,
+  // R16 减负批次（2026-09-24，R5R 对撞实证 quick≈OS：8.3M vs 6.4M——判规模选道倾向 quick）：
+  // 补充明确无设计决策密度的常规任务面
+  /补注释|加注释|注释补充/i,
+  /重命名|rename\s+(变量|函数|文件|目录)/i,
+  /升级依赖|依赖升级|bump\s+(版本|deps|dependencies)/i,
+  /配置微调|配置小改|改配置项/i,
 ]
 
 /**