sillyspec 3.29.5 → 3.31.0

package/r7-test-env/demo-project/test.js

@@ -0,0 +1,10 @@
+import assert from 'node:assert/strict'
+import { add, sub, div } from './lib/calc.js'
+assert.equal(add(1, 2), 3)
+console.log('test ok: add(1,2)=3')
+assert.equal(sub(5, 3), 2)
+console.log('test ok: sub(5,3)=2')
+assert.equal(div(6, 3), 2)
+console.log('test ok: div(6,3)=2')
+assert.throws(() => div(1, 0), { message: 'div by zero' })
+console.log('test ok: div(1,0) throws div by zero')

package/r7-test-env/prompt-R7-SMOKE.md

@@ -0,0 +1,41 @@
+# R7 薄跑烟测提示词（贴给一个全新 agent 会话；30min 级小任务）
+
+你是一个开发会话，任务：在下面的演示项目里完成一个小功能。本项目接入了一套新的
+「2-调用」开发协议（flow），你是它的第一批真实用户——按协议干活即可，协议没让你做的事
+就不要做。
+
+【环境】
+- 工作目录：C:\Users\qinyi\IdeaProjects\sillyspec\r7-test-env\demo-project（所有命令在此执行）
+- CLI 入口（R7 版）：cmd //c ..\sillyspec-r7.cmd <命令...>
+  （Git Bash 形态；PowerShell/cmd 形态：..\sillyspec-r7.cmd <命令...>）
+- 会话标识：先执行 export SILLYSPEC_SESSION_ID=r7-smoke-1
+- 项目现状：lib/calc.js 有 add；test.js 用断言风格测试；测试命令 node test.js
+
+【任务】
+给 calc 库增加两个函数并配套测试：
+1. sub(a,b) 减法——成功标准：sub(5,3)=2 有测试
+2. div(a,b) 除法，除零抛 Error('div by zero')——成功标准：div(6,3)=2 与除零抛错都有测试
+既有 add 测试不得回归。
+
+【协议契约——只有 2 次协议调用】
+1. 第一次：cmd //c ..\sillyspec-r7.cmd flow start --change r7-smoke-add-sub-div --input "<把上面任务原话贴进去>"
+   ——它会告诉你材料在哪、怎么干活。治理文档（提案/需求/任务清单）由 CLI 自动起草，你不要手写。
+2. 中间：正常开发。改代码、写测试、git 提交（git add -A && git commit -m "..."）。
+   不要跑任何 sillyspec run <stage> 命令；progress show 等只读命令也不必用——保持最小。
+   如果你觉得自动起草的文档里机器写的部分说错了，唯一合法修改通道是 flow amend-draft
+   （命令形态在上面输出里找）；不想改就直接忽略，不影响验收。
+3. 第二次：干完并提交后 cmd //c ..\sillyspec-r7.cmd flow done --change r7-smoke-add-sub-div
+   ——它是唯一裁决点：会真跑测试，失败会整单 FAIL（修好重跑同一条命令即可，断点自动续）。
+
+【边界】
+- 全程协议类调用只许上述 2 次（这是被测量的数字）。
+- 不要读 sillyspec 的源码或它的变更文档（.sillyspec/changes/archive/**）——你是用户不是评审。
+- .sillyspec/ 目录里不要手写任何文件（这也是被测量的面）。
+- 测试必须真实通过；node test.js 自己先跑绿再 flow done。
+
+【完成后汇报（务必按此格式，这是测试数据）】
+1. 协议调用清单：每条 sillyspec 命令原文+次数
+2. .sillyspec 写入清单：你亲手写过的文件（应为零；若用了 amend-draft 如实列出）
+3. 摩擦记录：协议该给你而没给的信息/你想做但被拦的事，逐条列（没有写「无」）
+4. flow done 是否一次通过；若失败过，失败原因与重入体验
+5. 一句话：这个流程 compared 于你平时用的开发流程，最不习惯的一点是什么

package/r7-test-env/sillyspec-r7.cmd

@@ -0,0 +1,3 @@
+@echo off
+rem R7 test build of sillyspec - runs repo checkout directly (no global install, parallel sessions on 3.29.6 unaffected)
+node "C:\Users\qinyi\IdeaProjects\sillyspec\src\index.js" %*

package/round4/account.mjs

@@ -33,8 +33,11 @@ const rows = db.prepare(
 ).all(...titleKw.map(k => '%' + k + '%'));
 
 // 2) 每会话聚合（主会话 + 递归子会话），窗口=会话创建起 48h 防 spill
+//    v2（2026-09-21 R5 准备）：三分扩展——新鲜 input（=input−cache_read）、缓存读、输出，
+//    及账单当量两界（方案 v3.2 口径：新入 1× / 缓存 0.1× / 输出 3–5×，R5 验收判法依赖）
 const aggFor = (sid) => db.prepare(
   `SELECT COUNT(*) req, SUM(computed_total_tokens) tok, SUM(input_tokens) itok, SUM(output_tokens) otok,
+          SUM(cache_read_input_tokens) cr,
           SUM(duration_ms) dur, MIN(started_at) mn, MAX(started_at) mx, SUM(tool_call_count) tools
    FROM model_usage WHERE session_id = ? AND started_at >= ?`
 );
@@ -53,33 +56,43 @@ for (const s of rows) {
   const self = aggFor(s.id).get(winStart > 0 ? winStart : 0);
   // 请求窗口上界也钳（started_at < winEnd）
   const inWin = (r) => { const a = db.prepare(
-    `SELECT COUNT(*) req, SUM(computed_total_tokens) tok, SUM(duration_ms) dur FROM model_usage
+    `SELECT COUNT(*) req, SUM(computed_total_tokens) tok, SUM(duration_ms) dur,
+            SUM(input_tokens) itok, SUM(output_tokens) otok, SUM(cache_read_input_tokens) cr
+     FROM model_usage
      WHERE session_id = ? AND started_at >= ? AND started_at < ?`
   ).get(r, winStart, winEnd); return a; };
   const mainAgg = inWin(s.id);
-  let kidReq = 0, kidTok = 0, kidDur = 0;
+  let kidReq = 0, kidTok = 0, kidDur = 0, kidIt = 0, kidCr = 0, kidOt = 0;
   for (const k of kids) {
     const a = inWin(k.id); kidReq += a.req ?? 0; kidTok += a.tok ?? 0; kidDur += a.dur ?? 0;
+    kidIt += a.itok ?? 0; kidCr += a.cr ?? 0; kidOt += a.otok ?? 0;
   }
   const wall = mainAgg.req > 0 || kidReq > 0 ? null : null;
   const span = db.prepare(
     `SELECT MIN(started_at) mn, MAX(started_at) mx FROM model_usage WHERE session_id = ?`
   ).get(s.id);
   const spanMs = (toMs(span.mx) ?? 0) - (toMs(span.mn) ?? 0);
+  // 三分与当量（新鲜 = input − cache_read，钳 ≥0 防口径倒挂；当量两界 = 输出 3×/5×）
+  const mIt = mainAgg.itok ?? 0, mCr = mainAgg.cr ?? 0, mOt = mainAgg.otok ?? 0;
+  const tIt = mIt + kidIt, tCr = mCr + kidCr, tOt = mOt + kidOt;
+  const fresh = Math.max(0, tIt - tCr);
+  const eq3 = fresh + 0.1 * tCr + 3 * tOt;
+  const eq5 = fresh + 0.1 * tCr + 5 * tOt;
   results.push({
     id: s.id, title: s.title, kids: kids.length,
     mainReq: mainAgg.req ?? 0, mainTok: mainAgg.tok ?? 0, mainDur: mainAgg.dur ?? 0,
     kidReq, kidTok, kidDur,
     totReq: (mainAgg.req ?? 0) + kidReq, totTok: ((mainAgg.tok ?? 0) + kidTok),
     spanMin: spanMs / 60000,
+    fresh, cacheR: tCr, out: tOt, eq3, eq5,
   });
 }
 
 // 3) 输出
-console.log(`| 会话 | 标题 | 子代 | 主会话 req/tok/model-time | 子代 req/tok | 合计 req | 合计 tok | 活动跨度 |`);
-console.log(`|---|---|---|---|---|---|---|---|`);
+console.log(`| 会话 | 标题 | 子代 | 主会话 req/tok/model-time | 子代 req/tok | 合计 req | 合计 tok | 活动跨度 | 新鲜in | 缓存R | 输出 | 当量@3× | 当量@5× |`);
+console.log(`|---|---|---|---|---|---|---|---|---|---|---|---|---|`);
 for (const r of results) {
-  console.log(`| ${r.id} | ${(r.title ?? '').slice(0, 40).replace(/\|/g, '/')} | ${r.kids} | ${r.mainReq} / ${fmtTok(r.mainTok)} / ${fmtMin(r.mainDur)} | ${r.kidReq} / ${fmtTok(r.kidTok)} | ${r.totReq} | ${fmtTok(r.totTok)} | ${fmtMin(r.spanMs ?? r.spanMin * 60000)} |`);
+  console.log(`| ${r.id} | ${(r.title ?? '').slice(0, 40).replace(/\|/g, '/')} | ${r.kids} | ${r.mainReq} / ${fmtTok(r.mainTok)} / ${fmtMin(r.mainDur)} | ${r.kidReq} / ${fmtTok(r.kidTok)} | ${r.totReq} | ${fmtTok(r.totTok)} | ${fmtMin(r.spanMs ?? r.spanMin * 60000)} | ${fmtTok(r.fresh)} | ${fmtTok(r.cacheR)} | ${fmtTok(r.out)} | ${fmtTok(r.eq3)} | ${fmtTok(r.eq5)} |`);
 }
 if (results.length === 0) console.log('(无匹配会话——检查标题关键词或 --since');
 db.close();

package/round4/b1-analyze-task08.mjs

@@ -0,0 +1,40 @@
+#!/usr/bin/env node
+// B-① 靶点验证：解剖 R4-L 的 8.6M 实现子代理——读了什么、多大、是否越界
+// 用法：node b1-analyze-task08.mjs
+import { DatabaseSync } from 'node:sqlite';
+const db = new DatabaseSync('C:/Users/qinyi/.zcode/cli/db/db.sqlite', { readOnly: true });
+const sid = 'sess_subagent_agent_d60364e3-c378-49b8-a715-6ac5b9d9aa4f';
+const WT = 'C:\\Users\\qinyi\\IdeaProjects\\multi-agent-platform\\.sillyspec\\.runtime\\worktrees\\2026-09-20-r4-session-replay';
+
+const parts = db.prepare(
+  'SELECT data, time_created tc FROM part WHERE session_id=? ORDER BY time_created ASC, sequence ASC'
+).all(sid);
+const t0 = Number(parts[0].tc);
+const rows = [];
+for (const row of parts) {
+  const d = JSON.parse(row.data);
+  if (d.type !== 'tool') continue;
+  const rel = ((Number(d.time?.created ?? row.tc) - t0) / 60000).toFixed(0);
+  const inp = d.state?.input ?? {};
+  const out = String(d.state?.output ?? '');
+  const kb = Math.round(out.length / 1024);
+  const short = (p) => String(p).split(WT + '\\').pop()?.replaceAll('\\', '/') ?? p;
+  let detail = '';
+  if (d.tool === 'Read') detail = short(inp.file_path ?? '?');
+  else if (d.tool === 'Grep') detail = 'q=' + String(inp.pattern ?? inp.query ?? '').slice(0, 40);
+  else if (d.tool === 'Bash') detail = String(inp.command ?? '').slice(0, 70);
+  else detail = JSON.stringify(inp).slice(0, 60);
+  rows.push({ rel, tool: d.tool, detail, kb, status: d.state?.status });
+}
+const byTool = {};
+for (const r of rows) byTool[r.tool] = (byTool[r.tool] ?? 0) + r.kb;
+console.log('tool calls:', rows.length, '| 按工具 KB:', JSON.stringify(byTool));
+console.log('--- 全部调用（时间 | 工具 | 输出KB | 详情）---');
+for (const r of rows) console.log(`${r.rel}m ${r.tool.padEnd(7)} ${String(r.kb).padStart(6)}KB ${r.detail}`);
+console.log('--- Read 同文件累计 ---');
+const byPath = {};
+for (const r of rows) if (r.tool === 'Read') (byPath[r.detail] ??= []).push(r.kb);
+const s = (a) => a.reduce((x, y) => x + y, 0);
+for (const [p, arr] of Object.entries(byPath).sort((a, b) => s(b[1]) - s(a[1])))
+  console.log(`${String(s(arr)).padStart(6)}KB ×${arr.length} ${p}`);
+db.close();

package/round4/b1-b1-target-validation.md

@@ -0,0 +1,32 @@
+# B-① 靶点验证报告（2026-09-21，第 1 批执行产物）
+
+> 预设判定规则（optimization-plan.md B-①）：「靶子不实不立项」。
+> 数据源：zcode db（C:/Users/qinyi/.zcode/cli/db/db.sqlite）sess_5cb66a7e（R4-L 主会话）及其 19 个子会话；工具 b1-analyze-task08.mjs。
+
+## 判定：靶子不实——「越界读」零发生，B-① 实现项按预案砍掉
+
+### 证据一：8.6M 的构成不是「读了 8.6M 新内容」
+
+task-08 子代理（sess_subagent_agent_d60364e3，58 请求）账面：名义输入 8.57M / 缓存读 8.39M（98%）/ 输出 0.07M / **新鲜输入（名义−缓存）仅 186K**。
+
+全部 62 次工具调用的输出总量 ≈335KB（Read 297KB + Bash 34KB）——与 186K 新鲜输入同量级自洽。8.6M 名义体量 = **58 轮 × 轮均 148K 上下文的累积重发**，是轮数乘上下文的机械积，不是读取行为。
+
+### 证据二：读取内容全部在任务契约链内，无一次越界
+
+62 次调用的读取对象逐条核过：task-08.md 任务卡、CLAUDE.md、turn-timeline.tsx（被适配组件）/ agent-log-card / turn-segment-views / session-log-assembler / runtime-session-helpers（契约链组件）、agent-log-card.test.tsx（测试先例）、session-panel-page（接线单点）、api-types / query-keys / agent-logs / round-divider（类型与工具链）、design.md + prototype-agent-replay.html（变更文档）。**没有一次读声明面之外的源码**，没有 node_modules / daemon / backend 深潜。重复读是「首次全读 + 后续定向切片」模式（如 turn-timeline 62KB 全读 + 16KB 切片），本身是省 token 的正确行为。
+
+### 证据三：全扇出面同构——新鲜内容只占 3.2%
+
+19 个子代理合计：名义输入 41.77M，**新鲜输入 1.34M（3.2%）**，输出 0.49M。各角色轮均上下文 35K–92K，唯 task-08 达 148K（契约链文件大：组件 78KB + 测试先例 37KB + design 15KB + prototype 14KB 全量进上下文）。
+
+## 处置（按预案预设规则）
+
+1. **砍掉第 2 批的「B-① 读清单注入」实现项**。读上界就是 1.34M 新鲜内容，其中「本可不读」的部分即使砍半也只有 ~0.7M 名义，对 42.3M 扇出是零头；allowed_paths 工作目录约束（子代理 prompt 已有）维持现状即够。B-① 前置验证本身完成使命。
+2. **真正杠杆换位：轮数 × 上下文双乘数**。42.3M ≈ Σ(轮数 × 轮均上下文)，两个乘数各有对策：
+   - **上下文**：B-④ 材料包治这个——task-08 型大契约链任务（design/prototype 通读 + 大组件全量进上下文）正是材料包的靶子，且比原估计更实（148K vs 同侪 45–92K 的差额就是可压空间）。
+   - **轮数**：**新增候选 B-⑥ 轮数纪律**（提示词级）——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 148K）+ 测试 Bash 循环多次；合并相邻 Edit、TodoWrite 降频、测试合并跑，砍 1/3 轮 ≈ 砍 1/3 名义体量。此项原方案未覆盖，性价比高于已砍的 B-①。
+3. **R5 预期路径修正**：扇出 42.3M → 28–32M 的驱动从「①②③④ 并用」改为「**B-④ 上下文压缩 + B-⑥ 轮数纪律**」双轮驱动；账单当量口径下缓存重发本就计 0.1×，硬门（扇出 ≤32M）以名义口径计不受影响。
+
+## 复核方式
+
+`node round4/b1-analyze-task08.mjs` 重跑可复现证据一/二；证据三的聚合查询见本报告数据源行（account.mjs 同库同表 model_usage，input−cache_read 即新鲜口径）。

package/round4/b3a-prompt-audit-result.md

@@ -0,0 +1,66 @@
+# B3a prompt 审计——db 全量口径（2026-09-21，v3 修正版）
+
+## A. CLI 渲染体量（R4-L 主会话，129 次 sillyspec Bash，合计 204KB ≈ 60K tokens）
+
+| 子命令 | 次数 | 累计KB | 最大单次KB |
+|---|---|---|---|
+| run | 53 | 98.4 | 6.7 |
+| ? | 45 | 70.8 | 5.2 |
+| verify-probes | 4 | 10.2 | 7.9 |
+| show | 1 | 9.9 | 9.9 |
+| register-stage-review | 5 | 3.1 | 1.8 |
+| review | 7 | 2.8 | 0.6 |
+| taskcard | 1 | 2.7 | 2.7 |
+| progress | 3 | 2.4 | 1.5 |
+| gate | 2 | 1.7 | 1.2 |
+| module-docs-sync | 2 | 0.5 | 0.3 |
+| endpoints | 1 | 0.4 | 0.4 |
+| design-init | 1 | 0.3 | 0.3 |
+| brainstorm | 1 | 0.3 | 0.3 |
+| git | 1 | 0.2 | 0.2 |
+| module-impact | 1 | 0.1 | 0.1 |
+| worktree | 1 | 0.0 | 0.0 |
+
+## B. 近重复渲染（头部签名相同出现 >1 次——重复注入的直接瘦身候选）
+
+| 次数 | 单次体量 | 头部签名 |
+|---|---|---|
+| ×2 | ~2.6KB | --- stage: brainstorm step: 7/8 stepName: Design Grill 交叉审查 project: project change: 2026- |
+| ×2 | ~0.3KB | ⚠ 未匹配模块的文件 24 个（不入 sidecar）: backend/app/modules/platform_sync/router.py, backend/app/modu |
+| ×2 | ~0.0KB | (Bash completed with no output) |
+
+近重复渲染累计 ≈6KB（占 CLI 渲染总量 3%）。
+
+## C. 实跑措辞规则转发率（execute.js buildWavePrompt 口径 → 编排者组装的子代理 prompt）
+
+| 规则（实跑措辞） | CLI 渲染 | 转发进子代理 prompt |
+|---|---|---|
+| workdir 参数是强制必传 | 2 | 0 |
+| 破坏隔离 | 2 | 0 |
+| 调度者 + 审查者 | 2 | 0 |
+| 你不要自己写代码 | 4 | 0 |
+| 禁止读 | 0 | 16 |
+| 禁止 push | 0 | 12 |
+| 工作目录（强制 | 0 | 12 |
+| allowed_paths | 30 | 0 |
+| TDD | 0 | 0 |
+| 先读后写 | 0 | 0 |
+
+Agent 派发 19 次，prompt 合计 49.8KB（均值 2.6KB，最大 5KB）。
+
+## D. 解读与瘦身候选（B3a 结论，2026-09-21）
+
+**总口径**：R4-L 主会话 CLI 渲染 204KB ≈ 60K tokens（占主会话名义 56.8M 的 ~0.1%，占峰值的次要面）——CLI 渲染不是 377K 峰值的主因（主因是会话累积），但每次渲染常驻上下文参与后续所有轮次的重发，瘦身仍有正收益。
+
+**证据性发现**：
+1. **近重复渲染只占 3%（~6KB）**——「同一指令反复整体重渲染」不是成本大头，各步渲染因进度态不同而不同。去重渲染**不是**瘦身抓手，预期收益上限低。
+2. **run 子命令是渲染大头**：53 次 / 98.4KB（步骤指令渲染，单次最大 6.7KB）。同一阶段的步骤指令在 --done 循环中被多次近似重渲染（内容 90% 相同、状态行不同）。
+3. **编排者对派发规则是「提取规范、丢弃论述」模式**：CLI 渲染的 workdir 论述段（强制必传 + 破坏隔离后果 + json 范例）转发进子代理 prompt 的字面率为 0，编排者自写成紧凑隔离块（工作目录（强制 ×12 / 禁止读 ×16 / 禁止 push ×12，每条 ~50 字）。行为合规（worktree 隔离全程成立），说明**论述段被读过但未被复述**——其价值存疑但不能仅凭字面率为 0 判死（合规可能正来自读过论述）。
+4. allowed_paths 渲染 30 次、转发 0——但审查环节逐 task 对照 allowed_paths 检查（行为消费），属「CLI ↔ 门禁」消费而非 prompt 转发，保留。
+
+**瘦身候选（供 B3b 依审计删减，全部低风险渐进）**：
+- **C1（首选）run 步骤渲染增量化**：同阶段同步骤的重复渲染只出「状态 delta + 指令不变声明」，首渲染出全量。预计砍 run 渲染体量 30–50%（≈30–50KB/大任务）。机制级（CLI 渲染器小改），不是删规则——**不动规则内容**。
+- **C2（次选，低置信）派发指令论述段压缩**：workdir/隔离的后果论述段压成一行规范 + 一行后果（保留 json 范例与 workdir 值）。省 ~1–2KB/次渲染。风险：论述可能支撑合规——R5 若有隔离事故即回滚。
+- **不建议动**：四律请求钳（H3 实证 PASS 承重）、隔离规范行、allowed_paths、testcase-design 段（TDD 引导，taskcard 证据链）。
+
+**方法论修正记录**：v1 transcript 口径因提取稿 700 字截断致规则渲染面全盲（17 签名 15 个零命中假象）；v2 分类正则漏多 flag 前缀；v3 修正后数据可信。B3b 删任何规则前须按本 v3 口径复跑 + 行为级合规核查（字面转发率 ≠ 遵守率，本审计已实证两者背离）。

package/round4/b3a-prompt-audit.mjs

@@ -0,0 +1,89 @@
+#!/usr/bin/env node
+// B3a prompt 审计 v3（只读，db 全量口径）：
+//   A. R4-L 主会话 CLI 渲染体量按子命令归因（修正 v2 分类正则）
+//   B. 近重复渲染检测（同头签名多次渲染 = 瘦身/缓存首要候选）
+//   C. 实跑措辞的规则转发率（execute.js buildWavePrompt 口径）
+// 用法：node b3a-prompt-audit.mjs
+import { DatabaseSync } from 'node:sqlite';
+import { writeFileSync } from 'node:fs';
+
+const db = new DatabaseSync('C:/Users/qinyi/.zcode/cli/db/db.sqlite', { readOnly: true });
+const sid = 'sess_5cb66a7e-2ba6-44f9-9916-226fc553778b';
+const parts = db.prepare(
+  'SELECT data, time_created tc FROM part WHERE session_id=? ORDER BY time_created ASC, sequence ASC'
+).all(sid);
+const t0 = Number(parts[0].tc);
+
+const calls = [];
+const agentPrompts = [];
+for (const row of parts) {
+  const d = JSON.parse(row.data);
+  if (d.type !== 'tool') continue;
+  const rel = ((Number(d.time?.created ?? row.tc) - t0) / 60000).toFixed(0);
+  const inp = d.state?.input ?? {};
+  if (d.tool === 'Bash') {
+    const cmd = String(inp.command ?? '');
+    if (!/sillyspec/.test(cmd)) continue;
+    // 子命令 = sillyspec 后跳过所有 --flag（含带引号值）后的第一个词
+    const m = cmd.match(/sillyspec\s+(?:--[\w-]+(?:\s+(?:"[^"]*"|\S+))?\s+)*([\w-]+)/);
+    calls.push({ rel, sub: m ? m[1] : '?', chars: String(d.state?.output ?? '').length, out: String(d.state?.output ?? '') });
+  }
+  if (d.tool === 'Agent' || d.tool === 'Task')
+    agentPrompts.push({ rel, prompt: String(inp.prompt ?? '') });
+}
+
+const by = {};
+for (const c of calls) {
+  by[c.sub] ??= { n: 0, chars: 0, max: 0 };
+  by[c.sub].n++; by[c.sub].chars += c.chars; by[c.sub].max = Math.max(by[c.sub].max, c.chars);
+}
+const total = Object.values(by).reduce((s, v) => s + v.chars, 0);
+
+// 近重复：输出头部 200 字（压缩空白）做签名
+const sig = {};
+for (const c of calls) {
+  const s = c.out.slice(0, 200).replace(/\s+/g, ' ').replace(/\|/g, '/');
+  (sig[s] ??= []).push(c);
+}
+const dups = Object.entries(sig).filter(([, v]) => v.length > 1).sort((a, b) => b[1].length - a[1].length);
+
+// 实跑措辞规则转发率
+const SIGS = [
+  'workdir 参数是强制必传', '破坏隔离', '调度者 + 审查者', '你不要自己写代码',
+  '禁止读', '禁止 push', '工作目录（强制', 'allowed_paths', 'TDD', '先读后写',
+];
+const cliAll = calls.map(c => c.out).join('\n');
+const agentAll = agentPrompts.map(a => a.prompt).join('\n');
+
+const L = [];
+L.push('# B3a prompt 审计——db 全量口径（2026-09-21，v3 修正版）');
+L.push('');
+L.push(`## A. CLI 渲染体量（R4-L 主会话，${calls.length} 次 sillyspec Bash，合计 ${(total / 1024).toFixed(0)}KB ≈ ${Math.round(total / 3.5 / 1000)}K tokens）`);
+L.push('');
+L.push('| 子命令 | 次数 | 累计KB | 最大单次KB |');
+L.push('|---|---|---|---|');
+for (const [k, v] of Object.entries(by).sort((a, b) => b[1].chars - a[1].chars))
+  L.push(`| ${k} | ${v.n} | ${(v.chars / 1024).toFixed(1)} | ${(v.max / 1024).toFixed(1)} |`);
+L.push('');
+L.push('## B. 近重复渲染（头部签名相同出现 >1 次——重复注入的直接瘦身候选）');
+L.push('');
+L.push('| 次数 | 单次体量 | 头部签名 |');
+L.push('|---|---|---|');
+for (const [k, v] of dups.slice(0, 10))
+  L.push(`| ×${v.length} | ~${(v[0].chars / 1024).toFixed(1)}KB | ${k.slice(0, 90)} |`);
+const dupChars = dups.reduce((s, [, v]) => s + v.length * v[0].chars, 0);
+L.push('');
+L.push(`近重复渲染累计 ≈${(dupChars / 1024).toFixed(0)}KB（占 CLI 渲染总量 ${((dupChars / total) * 100).toFixed(0)}%）。`);
+L.push('');
+L.push('## C. 实跑措辞规则转发率（execute.js buildWavePrompt 口径 → 编排者组装的子代理 prompt）');
+L.push('');
+L.push('| 规则（实跑措辞） | CLI 渲染 | 转发进子代理 prompt |');
+L.push('|---|---|---|');
+for (const s of SIGS)
+  L.push(`| ${s} | ${cliAll.split(s).length - 1} | ${agentAll.split(s).length - 1} |`);
+L.push('');
+L.push(`Agent 派发 ${agentPrompts.length} 次，prompt 合计 ${(agentPrompts.reduce((s, a) => s + a.prompt.length, 0) / 1024).toFixed(1)}KB（均值 ${(agentPrompts.reduce((s, a) => s + a.prompt.length, 0) / agentPrompts.length / 1024).toFixed(1)}KB，最大 ${Math.max(...agentPrompts.map(a => a.prompt.length)) / 1024 | 0}KB）。`);
+const outPath = new URL('b3a-prompt-audit-result.md', import.meta.url).pathname.replace(/^\/([A-Z]:)/, '$1');
+writeFileSync(outPath, L.join('\n') + '\n', 'utf8');
+console.log(L.join('\n'));
+db.close();

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。