docs: 结构.md flow 一节补第 4 部分（消融到收尾、轮末解封、研究结束、eval:full 命令）

来源：任务书 17 第五部分。materials 一节无新增导出（消融格的角色编号复用正向的
experimenterId/verifierId）。

docs/结构.md

@@ -586,11 +586,11 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
 
 ### flow
 
-下面是 `src/flow/index.ts` 导出的全部内容，以后 plugin 也只用它。flow 只经各模块的 `index.ts` 用它们；正式代码里没有为检验写的参数、环境变量、回放模式或假实现（CLAUDE.md"测试"）。这一节对应 flow 第 1–3 部分（任务书 12、14、16）：骨架、研究开始、第零轮，以及第 r 轮从开轮到采纳；采纳决定写完后走到 `listCells` 停下，原因"消融还没写（任务书 17）"。轮次按"第 r 轮"写，不写死 1；现在走得到的只有第 1 轮。
+下面是 `src/flow/index.ts` 导出的全部内容，以后 plugin 也只用它。flow 只经各模块的 `index.ts` 用它们；正式代码里没有为检验写的参数、环境变量、回放模式或假实现（CLAUDE.md"测试"）。这一节对应 flow 第 1–4 部分（任务书 12、14、16、17）：骨架、研究开始、第零轮、第 r 轮从开轮到收尾、一轮接一轮直到余额用完；余额为 0 时走到 `export` 停下，原因"导出还没写"（导出还没写）。轮次按"第 r 轮"写，不写死轮数。
 
 - `runStudy(input)`：推进一份研究，直到停下。输入三样，都必填：研究目录；配置（新研究交 `checkConfig` 检查过的配置，接着跑一份已有的研究写 null，以账本里冻结的那份为准；两者对不上就报错）；"停下"信号。每次启动走同一条路：打开账本；新研究先冻结配置，本机已有 `inforsi-<研究编号>` 的镜像就说明研究编号用过了，报错停下，要换一个编号（编号重复的新研究会把旧研究遗留的同名容器当成自己的运行）；已有研究的，核对冻结的配置、镜像还在、提示词哈希没变（开发入口开着时提示词可以变）；给开始了没结束的模型调用补写结束（出错、"进程中断"、墙钟时间测不到）；按容器名问 Docker 核对登记了没结果的正式运行（没启动的写"没启动"退还名额，启动了的补写确认启动、等它、判分、写结果，问不到的写"状态未知"事件并停下）；然后进主循环：读账本 → 问"下一步做什么" → 做这一步 → 回到开头。主循环里 `docker run` 没启动的，写完"没启动"结果（退还名额、记下 Docker 报错原文）就停下，停下原因带上报错原文，本进程不重跑；下次启动时照旧起新编号重跑。恢复时补写的"没启动"不停下。
 - `StudyInput`（类型）：上面三样输入。
-- `StudyEnding`（类型）：两种结局之一：停下（附原因，同时写一条停下事件），或被用户停下（正在跑的模型会话立即停，正在跑的容器不管，下次启动由恢复入口接着等）。"研究结束"第 4 部分才有。
+- `StudyEnding`（类型）：两种结局之一：停下（附原因，同时写一条停下事件），或被用户停下（正在跑的模型会话立即停，正在跑的容器不管，下次启动由恢复入口接着等）。现在走得到 `export`：余额用完就停在那里，原因"导出还没写"。
 
 研究目录里放：`ledger.sqlite` 账本；`repo.git` 代码版本的裸仓库；`runs/<运行编号>/` 一次正式运行（取出的代码、运行目录、日志、判分目录、校验器日志）；`calls/<调用编号>/` 一次模型调用（工作目录、会话文件、能读的代码版本）。取出代码、建运行目录和判分目录时目标都是新建的空目录。容器名 `inforsi-<研究编号>-<运行编号>`，判分容器另加 `-judge`。同一份研究的全部运行用同一个种子：研究编号经 vocab 的 `hash` 取前 8 位十六进制转成整数，冻结进研究配置记录。
 
@@ -612,6 +612,15 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
 | `forwardRun` | 每个通过核验的候选最近一次正向运行有结果，而且不是“没启动” |
 | `publish`、`informationAccount` | 不写记录：`forwardRun` 做完就算做完；公开靠本轮采纳决定，信息账从预测和结果现算 |
 | `adopt` | 本轮的采纳决定（`decision`，种类 `adopt`），没有过线者也写，`adopted` 为 null |
+| `listCells` | 不写记录：采纳了而且被采纳改法有 2 个以上因子才走 ⑬–⑰，格从采纳决定和冻结协议现算；否则这几步什么都不写，直接到收尾（方法.md 4.3 ⑫） |
+| `explanation` | 这一轮解释阶段的关闭记录（阶段编号 `r<轮>-explanation`）；本轮没有消融时不开这个阶段 |
+| `selectCells` | 本轮的选格决定（`decision`，种类 `cells`）；没选中的格不另写事件，原因和"含它的最好组合"都在这条决定里 |
+| `ablationImplementation`、`ablationVerification` | 每个选中的格都已结束这一段：交了"跑不起来"，或最近一次核验通过，或重做次数用完、有"不跑"事件。阶段编号 `r<轮>-ablationImplementation-1`、`r<轮>-ablationVerification-1`、`-2`……第几次从账本数，不另存 |
+| `ablationRun` | 每个通过核验的格，最近一次消融运行有结果，而且不是"没启动" |
+| `settle` | 本轮的结算记录（`settlement`，按轮次唯一），以及同一事务里的押的因子决定（`decision`，种类 `bet`） |
+| `wrapUp` | 收尾阶段的关闭记录，以及本轮选中的每个候选都有解封记录（`unseal`） |
+| 一轮接一轮 | 每轮开头用 `runBalance` 从运行记录现算余额；余额为 0 不再开新轮 |
+| `export` | 现在不做：走到这里停下，原因"导出还没写" |
 | 按配置跳过的步骤 | 一条"按配置跳过"事件（`skippedByConfig`），写明步骤（第 r 轮的步骤写 `r<轮>-<步骤>`）和 config 给的原因 |
 
 研究者阶段没开就开，名单是全部研究者（本轮名单就是冻结的配置）；每个任务都有被收下的提交之后才关。
@@ -629,6 +638,10 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
 | 实现 | 每个入选候选一个实验员，从本批基线取工作目录，不同候选同时实现 | 候选 |
 | 核验 | 每个待核验候选一个核验员；首次核验本批全部，之后只核验刚修复的候选 | 候选 |
 | 修复 | 只给核验不通过的候选，交原实验员，从上次提交的代码接着改 | 候选 |
+| 解释 | 每位研究者一个任务 | 无 |
+| 消融实现 | 每个选中的格一个实验员；第一次从被采纳的完整代码取工作目录，重做时从上一次交的这一格代码接着改；不同格同时实现 | 消融格 |
+| 消融核验 | 每个交了代码的格一个核验员；首次核验全部，之后只核验刚重做的格 | 消融格 |
+| 收尾 | 每位研究者一个任务 | 无 |
 
 没做完的任务派不派，按这个任务最近一次调用怎么结束的来定（任务书 12 第 2.3 节；第 2 部分从"一个人"细到"一个人对一个对象"，任务书 14 第 2.3 节）。认是哪个任务，看"模型调用开始"里存的材料带的对象。没有调用、被用户停下、出错（含"进程中断"）都派；没交的，开发入口关着就停下（交不出合格提交按内部错误，方法.md 4.3 ②），开着就再派。能派的先全派。一次派发里有任务没交上（没交或出错），不再开新的会话，已经在跑的不打断，等这次派发的会话全部结束后停下。
 
@@ -663,6 +676,17 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
 - 通过核验的候选用既有 `formalRun`，用途 `forward`；先登记占名额，确认启动才扣次，再独立判分记结果。**一批内一个接一个跑**，避免抢 CPU 改变按秒停下的程序成绩。没启动的处理同基线：本进程停下，下次启动起新编号。
 - 本批全部有结果或“不跑”事件后，用 rules 的 `adopt`（内部用 `adoptionLine`），只传有效实测分数、本批基线分数和任务的方向、ε、已知最好；写种类 `adopt` 的决定，即使 `adopted` 为 null 也写。materials 据此公开本轮正向运行。
 
+**消融、收尾与研究结束**（来源：任务书 17 第 2.2、2.3 节，方法.md 4.3 ⑬–⑱、4.4、第七部分）：
+
+- 采纳了而且被采纳改法有 2 个以上因子才走消融；否则 ⑬–⑰ 不写记录（从采纳决定和冻结协议算得出），直接到收尾。
+- 选格：输入照 rules 的 `CellRuleInput` 拼，余额用 `runBalance` 从运行记录现算（选批同样用当时的余额），种子用 `decisionSeed` 版本 2（选批已用版本 1）；规则取步骤清单里 `selectCells` 那一步的，调 `runCellRule`；写一条种类 `cells` 的决定。没选中的格不另写事件。
+- 消融实现交了 `cannotRun`：`known.code` 传 null，这一格不核验、不运行、不扣次。实验员报了 `alsoOff` 时用 rules 的 `sharedSettings`：实际关掉的因子集合完全相同的格沿用第一格的结果，不重跑、不重复扣次。核验不通过退回原实验员重做，次数和正向同一个 `maxRepairs`；用完仍不通过用 `cellNotRunEvent` 写事件，结算记“证据不足”。
+- 消融运行复用正向的同一个正式运行入口，用途 `ablation`、对象是格，一个接一个跑；恢复路径与正向相同，消融格的假设专用指标缺失一律只记缺失（方法.md 第五部分）。完整代码和基线的分数取本批已有结果，不重跑。
+- 结算：选中的格全部有结果、“跑不起来”或“不跑”事件后，照 `SettleInput` 调 `settleAblation` 写结算记录，同一事务里用 `chooseBet` 写种类 `bet` 的决定。“消融中发现”在 `settleAblation` 的输出里，materials 的 `Board.baselineOf` 据此把那一格的代码当成下一轮的基线，flow 不另写采纳记录。
+- 收尾阶段关闭之后，本轮选批选中的每个候选（跑过的、入选了没跑成的）在同一个事务里逐个写解封记录，取最后一版提案的封存；提前写会泄露（materials 把解封记录当作“已公开”）。
+- 收尾做完后余额 ≥1 开下一轮；余额为 0 走到 `export` 停下，原因“导出还没写”。
+- 检验时几份研究可以同时跑（任务书 17，用户 2026-10-04 同意），一份研究内的正式运行仍然一个接一个跑；同机并跑用每次运行的 CPU 时间与墙钟时间之比核对没有互相抢（任务书 16 的“启动区间互不重叠”要求只适用于那次检验）。
+
 检验命令（`eval/`，真实运行，要 Docker；带 `*` 的会花模型或 Jev 的钱。输出都在仓库外 `/home/iomgaa/inforsi-eval/<日期-名字>/`，名字也当研究编号用，只能小写、不能重复）：
 
 | 命令 | 用途 |
@@ -695,3 +719,11 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
 总体程序验收入口的来源：任务书 16 第 3.1、3.3、五部分；检验缺陷修复 `de8e13b` 把逐份统计与三份总体验收分开，避免单份通过冒充总体通过。恢复证据同时读取 `container-events.jsonl` 和 `container-events-window.json`，核对杀前到结果落账的容器生命周期；仅凭恢复前快照不能证明恢复后没有重跑。
 
 三份研究须逐个启动，上一份结束并核查完再起下一份，同机不与别的研究并跑；进程起止见 `launches.jsonl`，机器观察见 `machine.jsonl`，杀进程前后见 `container-*.json`，扣次与后续结果见统计的 `kill`。快照只是观察证据，不声称追踪任意进程。结果放仓库外，不提交。独立审阅按候选分两步：先评实现忠实度，再给历史核验及其当时代码评误判和修复范围。路线分类、完整路线的实测减合并 q5、A–J 表由阅读后填写；复用 `eval/route/` 的导出、条目、思考、分位数核查及 Jev 四问，不另造问卷或判别器。参考项目五份账本用已有只读副本，保留无效数值和重复尝试，并注明参考提示词含题目做法。
+
+任务书 17 新增检验命令（来源：任务书 17 第三、四部分；三份研究同时跑，不适用任务书 16 的“启动区间互不重叠”）：
+
+| 命令 | 用途 |
+| --- | --- |
+| `npm run eval:full:run -- <研究编号> <全新绝对输出目录> [--kill-after-first-ablation-start]` * | 配置照 `eval/round-zero/research.json` 只换编号；从头真实跑一份完整研究到余额用完、停在“导出还没写”；照任务书 16 惯例记 `launches.jsonl`、`machine.jsonl`、`timeline.jsonl`、`outcome.json`。带 kill 开关的，在第一个消融运行确认启动后、结果落账前杀控制进程，用恢复入口续跑到底，`kill-report.json` 写三条检查：同一容器接着等不重跑、只扣一次、结果照常写入且结算与后续走完 |
+| `npm run eval:full:stats -- <全新绝对统计目录> <研究输出目录>...` | 每份研究出 stats.json/stats.txt：逐轮走向、程序账目十二项检查（阶段开关成对、扣次等于确认启动数、余额为 0、解释冻结早于首格启动、每轮最多一条结算、解封在收尾关闭之后且覆盖全部选中候选、跑不起来/不跑的格零扣次、第 2 轮起基线链、轻量检查计次、CPU/墙钟比等）、kill 三条检查；只算事实，不作质量判断 |
+| `npm run eval:full:export -- <研究输出目录> <全新绝对审阅目录>` | 按轮导出提案、解释、选格决定、结算与押注、收尾（json+txt），每格一包（冻结协议、位置表、完整代码与格代码、diff、实现与核验往来及退回、调用材料），供全新上下文的子 Agent 评研究质量 |