universal-dev-standards 6.4.0 → 6.5.0

package/bundled/locales/zh-CN/core/model-selection.md

@@ -1,8 +1,9 @@
 ---
 source: ../../../core/model-selection.md
-source_version: 1.0.1
-translation_version: 1.0.1
-last_synced: 2026-06-10
+source_version: 2.1.0
+translation_version: 2.1.0
+last_synced: 2026-08-11
+source_hash: a843a9052a2d
 status: current
 ---
 
@@ -10,17 +11,21 @@ status: current
 
 # AI 模型选择策略
 
-**版本**: 1.0.1
-**最后更新**: 2026-06-10
-**适用范围**: 使用多层级模型的 AI 辅助开发
-**范围**: universal
+**版本**: 2.1.0
+**最后更新**: 2026-08-11
+**适用性**: 使用多模型分级的 AI 辅助开发
+**范围**: 通用 (Universal)
 **灵感来源**: [Superpowers](https://github.com/obra/superpowers) — subagent-driven-development (MIT)
 
+> **翻译范围（XSPEC-355）**：本翻译只涵盖**规范性（normative）**内容。
+> 说明性（informative）段落——成本优化建议、示例清单、参考资料、设计理由的叙述——
+> 请参阅[英文原文](../../../core/model-selection.md)。
+
 ---
 
 ## 目的
 
-定义基于任务复杂度的 AI 模型分级选择策略。使用能胜任的最便宜模型，仅在必要时升级。
+定义两个独立决策：**选哪个模型**与**要它想多深**。两者不可压成同一轴。使用能胜任的最便宜组合，失败时沿**正确的轴**升级。
 
 ---
 
@@ -28,103 +33,413 @@ status: current
 
 | 术语 | 定义 |
 |------|------|
-| 模型层级 | 代表模型能力和成本的分类级别 |
-| 复杂度信号 | 表明所需能力的任务可观察特征 |
-| 升级 | 在低层级模型失败后升级到更高层级模型 |
+| 模型分级 (Model Tier) | 代表模型**推理天花板**与成本的分类等级 |
+| 思考深度 (Effort Level) | **单次派工**所要求的推理深度；是请求参数，不是模型属性 |
+| 推理天花板 (Reasoning Ceiling) | 超过此限度后，再多的思考时间也得不到更好的答案 |
+| 规格明确度 (Specification Definiteness) | 步骤是否已定义，或仅知目标与约束 |
+| 硬边界 (Hard Boundary) | 模型**完全不具备**的能力（非「做得比较差」）——如 context 容量、是否支持 effort 参数 |
+| 拒绝标记 (Refusal Marker) | 在一则外观正常的回应中，表示请求被拒绝的字段 |
+| 升级 (Escalation) | 在 effort 轴用尽后，沿模型轴往上移动 |
+
+---
+
+## 版本栏语义
+
+> **本文档只有一个版本栏。** 文件头部的 `Version` 栏涵盖整份文件，包含所有章节。
+> **章节不得自带版本标记**；章节的变更历程一律记于[版本历史](#版本历史)表。
+>
+> `ai/standards/model-selection.ai.yaml` 的 `standard.meta.version` 对应**整份文件的版本**，
+> 绝不对应任何章节版本。
 
 ---
 
-## 核心原则 — 成本效率
+## 核心原则 — 两个正交轴
 
-> **始终使用与任务复杂度匹配的最便宜模型层级。**
+> **模型轴买的是「天花板与性格」，effort 轴买的是「这一次要它想多深」。在一轴上的选择，不决定另一轴。**
+
+```
+                        effort →   低         中          高        极高        极限
+模型层级 ↓
+  fast                             ·          ·           ·         ?           ?
+  standard                         ·          ·           ·         ?           ?
+  capable                          ·          ·           ·         ?           ?
+```
+
+每一格原则上都是合法派工：两个轴各自独立选择。
+
+`?` 标示的格子，**本标准无法断言其可用性**——某个模型接受哪些 effort 级距是**该模型的属性**，而此处的层级名称是与厂商无关的标签，所以答案在各平台自己的「层级 → 模型」映射里，不在这张表里。不支持的级距是**硬边界**，不是「较差的选择」——见 [R3a](#r3a-硬边界)。采用者**必须**逐模型登记它接受哪些级距。
 
 ---
 
-## 三层模型分类
+## 轴一 — 模型层级
+
+### 选择准则
+
+两个准则决定分层。**两者都不是「改几个文件」**。
+
+#### 准则 1 — 推理天花板需求
+
+这个任务是否存在**单靠更多思考时间也解决不了**的成分？
+
+- **否** → 较低层即可胜任；用 effort 买深度，而非用钱买天花板。
+- **是** → 需要更高天花板；在较低层加多少 effort 都到不了。
+
+#### 准则 2 — 规格明确度
+
+**这是双向准则，并非单调递增。**
+
+| 规格状态 | 偏好 | 反向使用时的失效模式 |
+|---|---|---|
+| 步骤已定义、路径已知 | 字面遵循型（较低层） | 把已写死的步骤喂给高天花板型会**降低**产出质量——它会重新诠释已经决定过的事 |
+| 仅知目标与约束、路径未知 | 模糊性导航型（较高层） | 把模糊任务给字面遵循型，会得到**「精确执行了错误的那句话」** |
+
+> **为何移除「修改文件数」**：3 个文件的模块边界重新设计，比 8 个文件的机械改名更难。
+> 文件数会**以固定方向**误判「深而窄」的工作——这是偏差，不是噪音。
+
+### 三个层级
+
+层级标识符（`fast` / `standard` / `capable`）维持不变，只有准则改变。
 
-### 第 1 层：快速层（Fast）
+#### Tier 1: Fast（快速层）
 
-**用途**: 机械性实现 — 单一文件、明确规格、无需判断。
+**用途**：无推理天花板需求、规格完全明确的工作。
 
-**复杂度信号**:
-- 修改单一文件
-- 规格完全明确
+**信号**：
+- 不存在「想更久也想不出来」的成分
+- 步骤已写出，无需寻路
 - 不需要设计判断
-- 重复性、基于模式的工作
+- 字面遵循正是想要的行为
+
+#### Tier 2: Standard（标准层）
+
+**用途**：需要一定推理天花板，规格大致明确但留有局部决策空间。
+
+**信号**：
+- 部分成分需要推理，但没有一项是「想更久也想不出来」
+- 目标与多数步骤已定义，剩下有限的局部选择
+- 需要理解模块间关系
+
+#### Tier 3: Capable（能力层）
+
+**用途**：需要高推理天花板，或规格仅有目标与约束、路径未知。
+
+**信号**：
+- 存在单靠更多思考时间解决不了的成分
+- 路径未知；答案要找出来，不是套用
+- 需要导航模糊性而非遵循文字
+
+> **关于「大型重构」**：目标结构**已定**的大型重构**不**自动属于 Tier 3——
+> 依准则 2 它是明确规格，高天花板模型的产出可能比字面遵循型更差。
+> 使它升到 Tier 3 的是「目标结构**未定**」。
+
+### 选择决策流程
+
+```
+这个任务是否存在单靠更多思考解决不了的成分？
+  ├── 是 → 需要高天花板 → Tier 3 (Capable)
+  └── 否 → 规格有多明确？
+            ├── 步骤完全定义、路径已知   → Tier 1 (Fast)
+            ├── 目标＋多数步骤、局部选择 → Tier 2 (Standard)
+            └── 仅有目标与约束           → Tier 3 (Capable)
+接着，独立地：选择 effort 级距（轴二）。
+```
+
+---
+
+## 轴二 — Effort（思考深度）
+
+Effort 是**单次派工的参数**，不是模型属性。同一个模型在 `low` 与在 `max` 不是同一个工作者。
+
+### 与厂商无关的 effort 级距
+
+各平台自行将这些标签映射至其参数。**标签是契约，映射是在地的。**
+
+| 级距 | 语义 | 典型用途 |
+|---|---|---|
+| `low`（低） | 最少斟酌，主要依模式作答 | 机械性编辑、查询、格式化 |
+| `medium`（中） | 一般斟酌；默认值 | 多数已定义的实作工作 |
+| `high`（高） | 延伸斟酌，作答前考虑替代方案 | 含局部决策的整合工作 |
+| `very-high`（极高） | 探索并淘汰候选方法 | 设计、审查、非显而易见的除错 |
+| `max`（极限） | 该模型可用的最大深度 | 升级模型轴前的最后一次尝试 |
+
+**并非每一层都支持每一个级距。** 是否支持 effort 参数是**硬边界**，不是质量梯度——见 [R3a](#r3a-硬边界)。平台的「层级 → 模型」映射**必须**登记每个模型接受哪些级距。
+
+### 失败诊断 — 深度不足或天花板不足？
 
-**示例**:
-- 更新 `package.json` 版本号
-- 添加新的 export 语句
-- 修复拼写错误
-- 在文件中重命名变量
+> **任务失败时，先判断是哪一轴不足。两者的补救方式不可互换。**
 
-### 第 2 层：标准层（Standard）
+| 观察到的现象 | 诊断 | 补救 | 用错补救的代价 |
+|---|---|---|---|
+| 产出浅、略过考量、提早收手，但它做过的推理本身是对的 | **深度不足** | 在**同一个**模型上提高 effort | 升级层级＝为一个从来不是瓶颈的天花板多付钱 |
+| 产出在种类上就错了——误解问题、提出不可行的方法——**且在 `max` effort 下仍如此** | **天花板不足** | 升级**模型**层级 | 再提高 effort 买不到任何东西；级距已用尽 |
 
-**用途**: 需要跨文件理解和适度判断的任务。
+**排序规则**：先调 effort，再升级层级。只有在当前层的**最高可用** effort 也失败之后，才升级层级。未用尽 effort 就升级层级，是对「哪一轴不足」的未经验证假设。
 
-**复杂度信号**:
-- 修改 2-5 个文件
-- 需要理解上下文
-- 需要适度的设计判断
-- 遵循已有模式
+**例外**：若[准则 1](#准则-1--推理天花板需求) 事前已标识出「想更久也想不出来」的成分，直接从较高层开始。排序规则是关于**诊断失败**，不是关于忽略事前准则。
 
-**示例**:
-- 实现新的 API 端点
-- 添加带有测试的新功能
-- 重构模块
+---
+
+## 反向排除规则
+
+层级准则说的是什么工作该**升到**某层。本节说的是什么工作**不该送给**某层。这是两个不同的问题，而第二个问题的答案无法从第一个推导出来。
+
+### R3a 硬边界
+
+> **硬边界是能力的「有无」，不是能力的「程度」。** 装不下输入的模型不是「把任务做得比较差」——它做不了这个任务。
+
+采用者**必须**在其「层级 → 模型」映射中登记硬边界，且**与能力分数并列而分开记录**：
+
+| 硬边界 | 它回答的问题 | 违反时的后果 |
+|---|---|---|
+| **Context 容量** | 输入装得下吗？ | 截断或报错——模型从未看过任务的一部分 |
+| **Effort 参数支持** | 这个模型接受 effort 级距吗？ | 请求被拒，或静默以模型固定深度执行 |
+| **Modality 支持** | 它接受这种输入型别吗（影像、语音）？ | 输入被丢弃或拒绝 |
+
+**规则**：不满足任一必要硬边界的模型，须在**成本比较之前**排除，而非在比较中排名较低。事后才排除，会让比较便宜但做不到的模型在价格上胜出。
+
+**登记格式**：硬边界对应能力登记表的 `declared`——布尔值，连接建立时即可取得，成本趋近零。分数 `1` **不是**硬边界，它是测量到的低质量（见 [R7a 四态表](#routing_rules--四态路由)）。
+
+### R3b 反向风险
 
-### 第 3 层：推理层（Reasoning）
+能力更高不是全面地更好。有两类风险的方向与层级准则相反：
 
-**用途**: 需要深度分析、架构决策或创造性问题解决的任务。
+#### 1. 规格敏感类工作遭安全分类器拒绝
 
-**复杂度信号**:
-- 修改 5 个以上文件
-- 需要架构决策
-- 涉及权衡取舍
-- 需要创新解决方案
+高能力层可能带有更严格的安全分类。合法但形似禁止类别的工作——资安加固、缓解措施实作、凭证处理代码、red-team 工具——可能被**拒绝**。
 
-**示例**:
-- 设计新的系统架构
-- 调试复杂的竞态条件
-- 大规模重构
+> **拒绝不是错误。** 调用返回的是**正常回应加上拒绝标记**。
+> 对只检查 exit code、或只检查有无抛出例外的调用方而言，**这是静默失效**：
+> 管线记录成功，而工作根本没做。
+
+**要求**：
+
+1. 调用方**必须检查回应中的拒绝标记**。没有错误不等于完成的证据。（见 `verification-evidence` 标准：「检查工具跑了但返回了无意义的内容」与「检查根本没跑」是两种不同的失效类型。）
+2. 规格敏感类工作在**批次派往**高能力层之前，**必须先验证可行性**——用一则廉价的探测请求，而非整份任务。
+3. 遇到拒绝时，**改派至其他层级或其他 provider**；不要以更高 effort 重试同一请求。**effort 移动不了分类器的判定。**
+
+#### 2. 过度详细的 prompt 会降低高天花板模型的质量
+
+把每一个步骤都写出来，对字面遵循型是正确做法，对高天花板型则是**错误**做法：后者会重新诠释已经决定过的事，产出反而变差。
+
+**规则**：prompt 粒度随层级走。若唯一可用的 prompt 是完整写出的步骤清单，[准则 2](#准则-2--规格明确度) 本来就要求把它送到较低层——送到高层是双重错误：付更多钱，得到更差的产出。
 
 ---
 
 ## 升级规则
 
-| 条件 | 动作 |
+升级现在有两个轴；下表适用于**当前层级的 effort 已用尽之后**。
+
+| 当前层级 | 在最高可用 effort 下仍失败 | 动作 |
+|-------------|-----------|--------|
+| Fast | → Standard | 以 Standard 层重新派工 |
+| Standard | → Capable | 以 Capable 层重新派工 |
+| Capable | → 人工 | 标记为需要人工介入 |
+
+### 升级不是重试
+
+升级意味着改用更有能力的模型，不是重复同一个动作。更高层级的模型会收到：
+- 原始任务
+- 低层级模型的产出与失败原因
+- **已尝试过的 effort 级距**
+- 其他可用的上下文
+
+---
+
+## 规则
+
+| ID | 触发条件 | 动作 | 优先级 |
+|----|---------|--------|----------|
+| MS-001 | Fast 层 BLOCKED，effort 已用尽 | 升级至 Standard | High |
+| MS-002 | Standard 层 BLOCKED，effort 已用尽 | 升级至 Capable | High |
+| MS-003 | Capable 层 BLOCKED，effort 已用尽 | 标记为需要人工介入 | Critical |
+| MS-004 | 任务规格仅有目标与约束 | 从 Standard 或更高层级开始 | Medium |
+| MS-005 | 产出浅但推理健全，effort 尚未达 max | 在同一模型上提高 effort — **不要**升级层级 | High |
+| MS-006 | 产出在种类上就错了，且 effort 已达 max | 升级模型层级 — 再提高 effort 买不到任何东西 | High |
+| MS-007 | 候选模型不满足必要硬边界（context、effort 支持、modality） | 在成本比较**之前**排除 | Critical |
+| MS-008 | 将规格敏感类工作派往高能力层 | 先探测可行性；每一则回应都要检查拒绝标记 | Critical |
+| MS-009 | prompt 是完整写出的步骤清单 | 偏好字面遵循型；不要升到高天花板层 | Medium |
+| MS-010 | `pin_date` 或 `measured.at` 距今超过 90 天 | 发出 WARN 并排入重测队列（不阻挡发版） | Medium |
+
+---
+
+## LLM 能力管理（XSPEC-027）
+
+上述两轴回答「选哪个模型、想多深」。本节回答第三个独立问题：**这个模型究竟做不做得到这「种」事，以及做得多好**——用于多模型池环境。
+
+### capability_dimensions — 能力维度
+
+能力维度分为四大类，共 10 个子维度：
+
+| 大类 | 子维度 | 说明 | 基准测试 |
+|------|--------|------|---------|
+| modality | vision | 图片/截图理解（UI 分析、图表解读） | internal-vision-bench |
+| modality | audio | 语音理解能力 | future-audio-bench |
+| modality | image_generation | 图片生成能力 | provider-specific |
+| reasoning | code_reasoning | 代码理解与生成质量 | humaneval-plus |
+| reasoning | math_reasoning | 数学推理准确率 | gsm8k |
+| reasoning | instruction_following | 复杂多步骤指令遵循率 | internal-instruction-bench |
+| reasoning | long_context_quality | 长文档中间段信息存取 | needle-in-haystack |
+| output | structured_output | JSON/Schema 格式输出成功率 | internal-json-bench |
+| output | tool_use | Function Calling 正确率 | internal-tool-bench |
+| language | multilingual_zh_tw | 繁体中文质量（本系统优先语言） | internal-zh-tw-bench |
+
+#### 每个子维度有「两个」独立字段
+
+> **单一 1–5 分无法表达两件不同的事。**「支不支持」是二元、厂商宣告、连接时即可取得；
+> 「有多好」是连续、需要跑 benchmark。把两者编码进同一个数字，
+> 会让便宜的事实与昂贵的事实无从分辨——而昂贵的那个会静默胜出。
+
+| 字段 | 型别 | 来源 | 成本 | 意义 |
+|---|---|---|---|---|
+| `declared` | 布尔 | provider 的模型描述端点或设定宣告 | 趋近零，连接时可得 | **做不做得到这件事** |
+| `measured` | `{ score: 1–5, at: 日期, version_identifier: 字串 }` | benchmark 执行 | 高，离线 | **做得多好** |
+
+**规范性规则**：
+
+1. **`declared: false` 是硬边界。** 无论任何分数，该模型做不到这件事。它会被排除，且**不**排入校准队列——测量它没有意义。
+2. **`declared: true` 且 `measured` 缺失 = `UNKNOWN`。** 做得到，但不知道做得多好。这是**信息缺口**，不是结论。
+3. **`supported` 不得由 `score` 推导。** 任何以 `supported = score > 0`（或类似）计算的实作，都已把两个字段合并回单轴，重新制造了本规则存在所要防止的缺陷。
+4. **测量失败不得记为任何分数。** 必须记为缺失（`UNKNOWN`）。以默认值填补失败的测量——包括 `0`，而 `0` 不在 1–5 量表内——会让「我们量不到」与「我们量到了而且很差」无从分辨。
+
+**评分量表（1–5），仅适用于 `measured.score`**：
+
+| 分数 | 意义 |
 |------|------|
-| 低层级模型产出错误结果 | 升级到更高层级 |
-| 任务比预期更复杂 | 重新评估复杂度信号 |
-| 连续 2 次失败 | 直接升级到推理层 |
+| 5 | 生产就绪 — 高准确率，可直接使用 |
+| 4 | 良好 — 偶有遗漏，可接受 |
+| 3 | 基本可用 — 需人工补充 |
+| 2 | 部分可用 — 仅供参考 |
+| 1 | 不可靠 — 不建议使用 |
+
+**没有 0 分。** 测量缺失以「`measured` 物件不存在」表达，绝不以分数表达。
+
+### capability_registry — 模型能力登记表
+
+各专案依自己的实测，在自己的 `capability_registry` 中维护每个模型的分数。
+
+> **本标准依规则不登记任何具体厂商模型 ID。** 写进标准的模型 ID 是一个
+> **有到期日、却没有时钟**的引用端：它会过期，而过期的样子与正常的样子在页面上无从分辨。
+> 以下范例一律使用占位符。
+
+**格式**：
+```yaml
+- model_id: "<provider>/<model-name>"        # 占位符 — 由采用者填入
+  version_pinned: "<version-identifier>"      # SHA、日期戳或 model_version
+  pin_date: "<YYYY-MM-DD>"
+  eol_date: "<YYYY-MM-DD>"                    # 可选
+  capabilities:
+    "modality.vision":
+      declared: true
+      measured:
+        score: 4
+        at: "<YYYY-MM-DD>"
+        version_identifier: "<测量时所用的版本标识>"
+    "modality.audio":
+      declared: false                          # 硬边界 — 无 measured 字段，也不需要
+    "output.tool_use":
+      declared: true                           # measured 缺失 → UNKNOWN → 排入校准队列
+```
+
+**版本锁定（DEC-031 D1）**：`version_pinned` 与 `pin_date` 为**必填**，以防模型静默升级而能力在无人察觉下改变。
+
+**逾期检查（WARN，非 BLOCK）**：`pin_date` 或 `measured.at` 距今超过 **90 天**时，**必须**发出 WARN，并指名受影响的 `model_id` 与子维度。它**不得**阻挡发版——纯档内不变量的误报率过高，不适合作为闸门。
+
+### routing_rules — 四态路由
+
+> **「没测过」与「测过且不可靠」不是同一个状态。** 压成同一态的后果是：
+> 新侦测到的模型在第一次评估时就被排除，而且再也回不到候选池——
+> **与「支持更多模型」的目标直接相反。**
+
+| 状态 | 条件 | 动作 |
+|---|---|---|
+| `SUPPORTED` | 所需能力的 `measured.score` 皆 ≥ `min_score` | 正常执行 |
+| `DEGRADED` | `measured.score` 存在、≥ 2、但低于 `min_score` | 降级执行；产出标记 `[DEGRADED]` |
+| `UNSUPPORTED` | **`measured` 存在**且 `score` ≤ 1 | 排除；**不**排入校准队列（已有结论） |
+| `UNKNOWN` | **`measured` 缺失**——未登记、测量失败或资料逾期——而 `declared: true` | **排入校准队列**；在校准完成前**不得**静默排除 |
+
+**`declared: false`** 在本表之前处理：它是硬边界（[R3a](#r3a-硬边界)），排除且**不**排入校准队列。
+
+**可观测性要求**：`UNKNOWN` 与 `UNSUPPORTED` **必须在返回结构上可分辨**，而不只是在 log 上可分辨。调用方必须能分辨「这个模型不行」与「我还不知道这个模型行不行」——两者导向不同的下一步动作。返回单一布尔值、或只返回三态的路由 API，表达不了这件事。
+
+**决策树**：
+
+```
+任务需要 capability X
+  ├── declared == false                    → 硬边界     — 排除，不校准
+  ├── measured 缺失／失败／逾期            → UNKNOWN     — 排入校准队列
+  ├── measured.score ≤ 1                   → UNSUPPORTED — 排除，不校准
+  ├── measured.score ≥ 2 且 < min_score    → DEGRADED    — 执行并标记 [DEGRADED]
+  └── measured.score ≥ min_score           → SUPPORTED   — 执行
+```
+
+### 重测触发 — 三条独立路径
+
+> **版本变更是充分条件，不是必要条件。** 降智侦测（DEC-033）之所以存在，
+> 正是因为**模型 ID 与版本字串不变而行为改变**。
+> 仅由版本变更触发的实作，会漏掉 DEC-033 整个要防的情境。
+
+| # | 触发 | 效果 |
+|---|---|---|
+| 1 | `version_identifier` 与 `measured` 中记录的不同 | 既有测量**立即失效** → 状态变为 `UNKNOWN` |
+| 2 | `measured.at` 距今超过 90 天 | 排入重测；发出 WARN（见 MS-010） |
+| 3 | 降智侦测告警（DEC-033，CAP-004／CAP-005） | 排入重测——**即使版本字串未变** |
+
+这三条**彼此独立**：各自单独触发，且没有任何一条是另一条的前提。
+
+### 能力规则
+
+| ID | 条件 | 动作 | 优先级 |
+|------|------|------|------|
+| CAP-001 | 所需 capability 的 `measured.score` ≥ `min_score` | SUPPORTED — 正常执行 | High |
+| CAP-002 | `measured.score` ≥ 2 但低于 `min_score` | DEGRADED — 降级流程，产出标记 `[DEGRADED]` | Medium |
+| CAP-003 | **`measured` 存在**且 `score` ≤ 1 | UNSUPPORTED — 替代流程或提示用户；不校准 | High |
+| CAP-004 | 降智侦测（DEC-033）触发 moderate 信号 | 启动金丝雀测试，记录降智警告，**并将受影响能力排入重测** | High |
+| CAP-005 | 降智侦测触发 critical 信号 | 切换备用模型，上报 P1 Issue，**并将受影响能力排入重测** | Critical |
+| CAP-006 | `declared: true` 且 `measured` 缺失、失败或逾期 | UNKNOWN — 排入校准队列；**不得**静默排除 | High |
+| CAP-007 | 所需 capability 的 `declared: false` | 硬边界 — 在成本比较之前排除；**不**排入校准队列 | Critical |
+| CAP-008 | `version_identifier` 与 `measured.version_identifier` 不同 | 立即失效该测量 → `UNKNOWN` | High |
+
+**选择策略**：`pareto_weighted` — 在**通过硬边界排除的候选之中**，优先选择所需维度得分最高、成本最低的模型。
+
+### 与两个轴的关系
+
+- **模型轴** — 推理天花板与性格（选哪个模型）
+- **Effort 轴** — 这次派工的思考深度（想多深）
+- **能力维度** — 选中的模型究竟做不做得到这「种」事，以及做得多好
+
+套用顺序：硬边界排除 → 依两个准则选层级 → 确认所需能力为 `SUPPORTED` 或可接受的 `DEGRADED` → 选择 effort 级距。
 
 ---
 
 ## 与下一步建议整合
 
-[ai-response-navigation](ai-response-navigation.md) 标准（规则 R6，可选）允许每个「建议下一步」选项携带级别标注。本标准的复杂度信号即为判断依据。
+[ai-response-navigation](ai-response-navigation.md) 标准（规则 R6，选用）允许每个「建议下一步」选项携带等级标注。本标准的准则即为判断依据。
 
-**与厂商无关原则**：级别名称（Fast／Standard／Capable）是工具无关的泛称。各平台自行将级别映射到可用模型。
+> **2.1.0 的变更**：先前的标注是依文件数推导的。依旧准则做出的既有标注可能已不再准确。
+> 层级标识符未变，因此**不需要资料迁移**；下次编辑周边文字时顺手重新评估标注即可。
 
-| 级别 | 典型能力定位 |
-|------|-------------|
-| Fast | 轻量级 / 指令遵循 |
-| Standard | 均衡推理 + 代码生成 |
-| Capable | 高级推理、架构分析 |
+**与厂商无关原则**：等级名称（Fast／Standard／Capable）与 effort 标签（`low` … `max`）都是工具无关的泛称，不对应任何特定厂商的模型标识符或参数名称。各平台自行维护「等级 → 模型」映射、「effort 标签 → 参数」映射，以及自己的硬边界登记。
 
 ---
 
 ## 相关标准
 
-- [代理派遣与并行协调](agent-dispatch.md)
-- [验证证据](verification-evidence.md)
+- [代理派遣与并行协调](agent-dispatch.md) — **怎么派**：并行安全、独立域准则、状态协定、prompt 设计。本标准管的是**派给谁、想多深**；两者互补，且**不得互相重写**——并行安全规则属于该标准，不属于这里。
+- [验证证据](verification-evidence.md) — 为何「没有抛出错误」不是成功的证据；[R3b](#r3b-反向风险) 拒绝标记要求的依据
+- [系统化除错](systematic-debugging.md) — 先诊断再修改，在此适用于「深度不足 vs 天花板不足」的判断
 
 ---
 
 ## 版本历史
 
+> **关于排序**：各列依**版本序**排列，非日期序。版本 `2.0.0`（2026-04-13）早于
+> `1.0.1`（2026-06-10），因为当时能力管理章节自带一条独立的版本序。
+> 2.1.0 移除了章节版本，见[版本栏语义](#版本栏语义)。
+
 | 版本 | 日期 | 变更 |
 |------|------|------|
+| 2.1.0 | 2026-08-11 | **二轴重构（XSPEC-362）**。模型轴准则由文件数改为「推理天花板需求 × 规格明确度」（R1）。新增正交的 effort 轴，含与厂商无关的级距与「深度不足 vs 天花板不足」失败诊断（R2）。新增反向排除规则：硬边界，以及安全分类器拒绝作为静默失效（R3）。`capability_dimensions` 子维度拆为 `declared` / `measured`（R7b）；`routing_rules` 扩为四态，分离 `UNKNOWN` 与 `UNSUPPORTED`（R7a）；三条独立重测触发（R7c）。`capability_registry` examples 改为占位符，新增 90 天逾期 WARN（R4）。移除章节版本；明确规定 `.ai.yaml` 的 `meta.version` 对应全文件版本（R6a）。新增规则 MS-005–MS-010、CAP-006–CAP-008。 |
+| 2.0.0 | 2026-04-13 | 新增 LLM 能力管理章节（XSPEC-027 Phase 1）：`capability_dimensions`、`capability_registry`、`routing_rules`。*本列于 2.1.0 回溯补登——此变更当时从未进入版本历史。* |
 | 1.0.1 | 2026-06-10 | 新增「与下一步建议整合」节（R6 交叉引用；与厂商无关原则） |
 | 1.0.0 | 2026-03-20 | 初始版本 |
 

package/bundled/locales/zh-CN/core/mutation-testing.md

@@ -4,7 +4,7 @@ source_version: 1.0.0
 translation_version: 1.0.0
 last_synced: 2026-06-10
 source_hash: 6a5286d76274
-status: current
+status: stale
 ---
 
 # 变异测试标准

package/bundled/locales/zh-CN/core/test-governance.md

@@ -3,7 +3,7 @@ source: ../../../core/test-governance.md
 source_version: 1.1.0
 translation_version: 1.1.0
 last_synced: 2026-04-20
-status: current
+status: stale
 ---
 
 > **语言**: [English](../../../core/test-governance.md) | 简体中文

package/bundled/locales/zh-CN/core/translation-lifecycle-standards.md

@@ -3,7 +3,7 @@ source: ../../../core/translation-lifecycle-standards.md
 source_version: 1.0.0
 translation_version: 1.0.0
 last_synced: 2026-04-20
-status: current
+status: stale
 ---
 
 # 翻译生命周期标准

package/bundled/locales/zh-CN/core/verification-evidence.md

@@ -3,7 +3,7 @@ source: ../../../core/verification-evidence.md
 source_version: 1.2.0
 translation_version: 1.2.0
 last_synced: 2026-07-17
-status: current
+status: stale
 ---
 
 > **语言**: [English](../../../core/verification-evidence.md) | 简体中文

package/bundled/locales/zh-CN/docs/CHEATSHEET.md

@@ -1,6 +1,6 @@
 # UDS 速查表
 
-> Quick reference for all UDS features | Last updated: 2026-08-10
+> Quick reference for all UDS features | Last updated: 2026-08-12
 
 **Language**: [English](../../../docs/user/CHEATSHEET.md) | [繁體中文](../../zh-TW/docs/CHEATSHEET.md) | 简体中文
 
@@ -240,7 +240,7 @@
 | `logging-standards` | Logging Standards |
 | `mock-boundary` | This document defines rules for what can and canno |
 | `model-provenance` | Model Provenance Policy Standards |
-| `model-selection` | Define a cost-effective strategy for selecting AI  |
+| `model-selection` | Define how to choose **which model** and **how dee |
 | `multi-environment-e2e-testing` | Multi-Environment E2E Testing Standards |
 | `mutation-testing` | Mutation testing evaluates test suite effectivenes |
 | `no-cicd-deployment` | No-CI/CD Deployment Strategy |
@@ -319,27 +319,22 @@
 | `aggregate-effectiveness.mjs` | Aggregate Standards Effectiveness Reports |
 | `analyze-hook-stats.mjs` | Hook Statistics Analyzer (SPEC-SELFDIAG-001 REQ-7, |
 | `bump-version.mjs` | Build a platform-aware shell command for a .sh scr |
-| `bump-version.sh` | DEPRECATED: Use 'node scripts/bump-version.mjs <ve |
+| `bump-version.sh` | Thin wrapper — scripts/bump-version.mjs is the onl |
 | `check-ai-agent-sync.ps1` | Check Ai Agent Sync |
 | `check-ai-agent-sync.sh` | AI Agent Sync Checker |
-| `check-ai-behavior-sync.sh` | DEPRECATED: Use 'npx tsx scripts/check-ai-behavior |
 | `check-ai-yaml-parses.mjs` | Every shipped .ai.yaml must parse, and must parse  |
 | `check-cli-docs-sync.ps1` | Check Cli Docs Sync |
 | `check-cli-docs-sync.sh` | CLI-to-Documentation Sync Checker |
 | `check-commands-sync.ps1` | Check Commands Sync |
 | `check-commands-sync.sh` | Commands Sync Checker |
-| `check-commit-spec-reference.sh` | DEPRECATED: Use 'npx tsx scripts/check-commit-spec |
+| `check-commit-spec-reference.sh` | Thin wrapper — scripts/check-commit-spec-reference |
 | `check-docs-integrity.ps1` | Check Docs Integrity |
 | `check-docs-integrity.sh` | Documentation Integrity Checker |
 | `check-docs-sync.ps1` | Check Docs Sync |
 | `check-docs-sync.sh` | Documentation Sync Checker |
 | `check-external-references.mjs` | External Reference Checker (SPEC-SELFDIAG-001 REQ- |
-| `check-flow-gate-report.sh` | DEPRECATED: Use 'npx tsx scripts/check-flow-gate-r |
-| `check-integration-commands-sync.sh` | DEPRECATED: Use 'npx tsx scripts/check-integration |
 | `check-orphan-specs.ps1` | Check Orphan Specs |
 | `check-orphan-specs.sh` | Orphan Spec Detection Script |
-| `check-registry-completeness.sh` | DEPRECATED: Use 'npx tsx scripts/check-registry-co |
-| `check-release-readiness-signoff.sh` | DEPRECATED: Use 'npx tsx scripts/check-release-rea |
 | `check-scope-sync.ps1` | Check Scope Sync |
 | `check-scope-sync.sh` | Scope Consistency Check Script |
 | `check-skill-next-steps-sync.ps1` | Check Skill Next Steps Sync |
@@ -356,16 +351,16 @@
 | `check-usage-docs-sync.sh` | check-usage-docs-sync.sh |
 | `check-version-sync.ps1` | Check Version Sync |
 | `check-version-sync.sh` | Version Sync Checker |
-| `check-workflow-compliance.sh` | DEPRECATED: Use 'npx tsx scripts/check-workflow-co |
+| `check-workflow-compliance.sh` | Thin wrapper — scripts/check-workflow-compliance.t |
 | `commitlint-bilingual-rule.mjs` | commitlint-bilingual-rule.mjs — custom commitlint  |
 | `convert-md-to-yaml.mjs` | Markdown to AI-YAML Conversion Script |
 | `fix-manifest-paths.ps1` | Fix Manifest Paths |
 | `fix-manifest-paths.sh` | Manifest Path Fixer |
-| `generate-docs.mjs` | Sync the "AI Tool Support" table's Skills/Slash Co |
+| `generate-docs.mjs` | Look up the release date for `version` from CHANGE |
 | `generate-locale-coverage.mjs` | Locale Coverage Generator |
 | `generate-version-manifest.mjs` | Generate Version Manifest (SPEC-SELFDIAG-001 REQ-9 |
 | `install-hooks.mjs` | Install Hooks |
-| `install-hooks.sh` | DEPRECATED: Use 'node scripts/install-hooks.mjs' i |
+| `install-hooks.sh` | Thin wrapper — scripts/install-hooks.mjs is the on |
 | `pre-commit.mjs` | Build a platform-aware shell command for a .sh scr |
 | `pre-release-check.ps1` | Pre Release Check |
 | `pre-release-check.sh` | Pre-release Check Script |