From 3f1c0a4c185657b621e4d765b513fd43dc84ea21 Mon Sep 17 00:00:00 2001
From: iomgaa <iomgaaycz@gmail.com>
Date: Fri, 2 Oct 2026 11:28:09 -0400
Subject: [PATCH] =?UTF-8?q?docs:=20=E6=96=B0=E5=A2=9E=E4=BB=BB=E5=8A=A1?=
 =?UTF-8?q?=E4=B9=A6=2005-tasks-runner=EF=BC=8C=E7=BB=93=E6=9E=84.md=20?=
 =?UTF-8?q?=E5=90=8C=E6=AD=A5=20runner/tasks=20=E8=81=8C=E8=B4=A3=E4=B8=8E?=
 =?UTF-8?q?=E8=A1=8C=E6=95=B0?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
---
 WORK_LOG.md               |   4 +-
 docs/结构.md              |  12 +-
 任务书/05-tasks-runner.md | 265 ++++++++++++++++++++++++++++++++++++++
 3 files changed, 274 insertions(+), 7 deletions(-)
 create mode 100644 任务书/05-tasks-runner.md

diff --git a/WORK_LOG.md b/WORK_LOG.md
index b5850cc..09bc9fd 100644
--- a/WORK_LOG.md
+++ b/WORK_LOG.md
@@ -32,10 +32,10 @@
 - 整个系统不设默认值：配置每个字段必填，函数参数不写默认值，可以没有的值写 null（CLAUDE.md"不设默认值"）。用户原话："全部都不要默认值更好，甚至整个系统都不要默认值，因为默认值可能会掩盖错误"。
 - 对照组（步骤开关、朴素循环）先不做，完整流程跑稳之后再按当时的方法补（方法.md 第十一部分）。用户原话："先不做对照组，按你说的改"。
 - 计算时间不再是预算，只记录；预算只有运行次数（42347e4）。用户原话："CPU 秒不当预算但是要记录"。
-- 解释的每格三个数改为可选，关掉消融时不交。用户原话："同意 A：解释的 cells 去掉 minItems，改为可选"。
 - rules 的约定（方法.md 没写死的地方）：入池 P < 0.5 严格；采纳和消融中发现都要严格大于采纳线；成本用 max(0, ĝ₀)；没测的格附"含它的最好组合"的净值；战绩在分数原值上判；编号一律按自然序比较。用户原话："1–8 都同意"。消融成分权重跟随 λ、分歧量不掺开放预留，由用户改进方法.md（a050771）。
 - 三个数改为严格递增，去掉尖峰（bfb96ba）。用户原话："凡是为'三个数相等''宽度为 0''开放预留缩成一个点'写的专门处理，全部删掉"。
 - 答案路径、保障动手次数只记读到的原始内容或读不到的原因；在不在位置表里，由以后拿得到位置表的模块现算，不存。用户原话："按'能现算的不存'，tasks 只记读到的原始内容……对表由以后有位置表的模块现算，把这条记进 WORK_LOG。"
+- tasks 与 runner（任务书 05）：依赖跟着任务走，一份研究不能自己改依赖，镜像在研究开始时建一次、编号冻结进账本；runner、tasks 行数按结构.md 第七部分；两个模块合成一份任务书。用户原话："都同意，写任务书 05 吧"。监督者另定并告知用户：凡是执行任务代码的事（正式运行、判分、轻量检查）都在任务镜像里跑；资源用量在容器里读，不建要 root 清理的 cgroup 分组；容器断网；同一份研究所有运行用同一个种子；不做"取消"函数；`VERDICTS` 删掉"判不了"。
 
 ## 未完成
 
@@ -79,4 +79,4 @@
 
 ## 下一步
 
-任务书 04（config）已核对通过（d2bfb97）。下一个：tasks 与 runner，监督者先讲给用户。
+任务书 05（tasks 与 runner，`任务书/05-tasks-runner.md`）已写好，等用户另开新 Agent 执行；完成后监督者核对。
diff --git a/docs/结构.md b/docs/结构.md
index 5783e6e..b5692d7 100644
--- a/docs/结构.md
+++ b/docs/结构.md
@@ -7,6 +7,7 @@
 - 用户 2026-10-01 同意：提交的字段定义放 vocab，submissions 只判收不收；vocab 可放规范序列化和哈希两个函数，上限调到 600 行；执行后实际 1030 行，用户同意上限改为 1100 行。
 - 用户 2026-10-02 同意："全部只追加"：账本用一张只追加的表，全部记录都不能改。
 - 用户 2026-10-02 指出可见性、截止序号、通用唯一键都是过度设计："每次给到派的材料有哪些"和"一开始灌进去还是让它去查"是分开的两件事；Jev 本质上是一种可以代替程序的判别器。据此：谁能看什么归 materials（按任务定材料），ledger 只存；只在方法要求"只能一次"处加唯一约束；Jev 不单独成记录。ledger 预期 500–900 行。
+- 用户 2026-10-02 同意：依赖跟着任务走（一份研究不能自己改依赖），凡是执行任务代码的事都由 runner 在任务镜像里跑，runner 与 tasks 的行数按第七部分。
 - 依据是两次开发调研。一次是模块切分，参考了 Parnas 1972 与 1979、Ousterhout、Cockburn 和同类项目的源码；一次是同类研究的实验设计。
 
 ---
@@ -39,8 +40,8 @@
 | 组织 | submissions（收件） | 一份提交收下还是退回：先程序检查，再问 Jev（字段定义在 vocab） | jev |
 | 外部 | ledger（账本） | 记录怎么存、怎么保证不可改、怎么从记录算出当前状态；花钱动作的登记 | 无 |
 | 外部 | agents（角色会话） | Pi 的接口：开子会话、发工具和提示词、收提交、记用量 | 无 |
-| 外部 | runner（运行器） | Docker 的用法：限时、限核、取消、记资源、取回产物 | 无 |
-| 外部 | tasks（任务） | 一个任务怎么跑、怎么从原始产物独立算分（填圆的合法化也在这里） | 无 |
+| 外部 | runner（运行器） | Docker 的用法：建镜像、限时、限核、断网、记资源、查一次运行的状态 | 无 |
+| 外部 | tasks（任务） | 任务目录里的事实和文件（指标、ε、时限、核数、镜像的 Dockerfile 与依赖清单）；一个任务怎么跑、怎么从原始产物独立算分（填圆的合法化也在这里） | 无 |
 | 外部 | workspace（代码版本） | git 的用法：基线快照、实验员工作目录、冻结候选、代码差异 | 无 |
 | 外部 | jev（Jev 判别） | 问法、阈值、校准 | 无 |
 | 纯计算 | rules（研究规则） | 全部公式和常数；信念本、战绩、余额的计算 | 无 |
@@ -67,7 +68,8 @@
 - **给模型看什么只归 materials。** 每个任务开始时，materials 按方法.md 第三部分定下这个任务能看到的材料。哪些放进第一条消息、哪些等模型用查询工具去读，是同一份材料的两种给法，查询工具查不到这份材料以外的东西。ledger 不判断谁能看什么。
 - **收不收一份提交，只在 submissions 一处判。** 跟状态有关的两条由 ledger 在写入时拒绝：这个阶段还开着吗；要替换的那一份是不是本人刚交的。
 - **信念本**：数字由 rules 算，写成文字由 materials 负责，不单独存，每次现算。
-- **runner 只管怎么跑，tasks 只管怎么判。** 两者互不认识，由 flow 串起来：先向 tasks 要运行定义，交给 runner 去跑，再把产物交回 tasks 算分。
+- **runner 只管怎么跑，tasks 只管怎么判。** 两者互不认识，由 flow 串起来：先向 tasks 要运行定义，交给 runner 去跑，再把产物交回 tasks 算分。凡是要执行任务代码的事（正式运行、判分时跑校验器、轻量检查）都由 runner 在任务镜像里跑，tasks 自己不起进程；只有正式运行登记、扣次数。
+- **依赖跟着任务走。** 镜像由任务目录里的 Dockerfile 和依赖清单建出来，研究开始时建一次，镜像编号冻结进账本的研究配置记录；恢复时只核对，本机没有这个镜像就报错停下，不重建。一份研究不能自己改依赖。
 - **"下一步做什么"只写在 flow 的一个纯函数里。** 每个步骤一个小文件。步骤文件里如果出现公式、字段名单或可见性判断，说明知识漏进来了，要挪回下层。
 
 ---
@@ -189,8 +191,8 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
 | materials | 1000–1800 |
 | agents | 800–1300 |
 | workspace | 300–600 |
-| runner | 500–900 |
-| tasks | 契约 150–300；填圆 600–1000，另有 Python 文件 |
+| runner | 250–450 |
+| tasks | 公共部分与填圆合计 400–700，另有任务目录里的 Python 文件 |
 | export | 500–900 |
 | vocab | 上限 1100 |
 
diff --git a/任务书/05-tasks-runner.md b/任务书/05-tasks-runner.md
new file mode 100644
index 0000000..c365c2a
--- /dev/null
+++ b/任务书/05-tasks-runner.md
@@ -0,0 +1,265 @@
+# 任务书 05：tasks（任务）与 runner（运行器）
+
+写两个模块：
+- **runner**：用 Docker 把一条命令跑完，交回它怎么结束的、用了多少资源；
+- **tasks**：任务目录里的事实和文件、怎么准备一次运行、怎么从原始产物独立判分。
+
+顺带改 config 和 vocab 的几处小地方。
+
+本任务书已由用户和监督者在 2026-10-02 一起确定。下面说的"监督者"，是在参考项目目录里和用户讨论设计的另一个会话。
+
+## 开工前先读
+
+- `CLAUDE.md`：全部，尤其是"罕见情况怎么办"（什么算系统边界）、"不设默认值"、"写代码的标准"。
+- `docs/结构.md`：
+  - 第二部分：模块表里 runner、tasks 两行，以及"几条边界"里"runner 只管怎么跑""依赖跟着任务走"两条；
+  - 第六部分：只有 runner 和 workspace 能起子进程，tasks 不许引用 runner；
+  - 第七部分：行数；
+  - 第八部分：vocab 已导出的 `RunDefinition`、`ProcessResult`、`JudgedResult`、`AnswerPath`、`SafeguardTriggers`、指标定义，以及 config 一节。
+- `docs/方法.md`：
+  - 4.3 ⑨ ⑩（实现、正式运行）；
+  - 第五部分"答案路径"；
+  - 第七部分（扣次、轻量检查）；
+  - 第八部分（公平比较、合法化、防作弊靠结构）；
+  - 第九部分（先登记、再执行、再登记结果）；
+  - 第十部分（任务需要提供什么）；
+  - 第十一部分（对照组暂不实现）。
+- `WORK_LOG.md`。
+- 参考项目（只读，不要改）：
+  - `/home/iomgaa/Projects/RivalBits/tasks/`：任务目录和轻量检查脚本；
+  - `/home/iomgaa/Projects/RivalBits/src/tasks/`：只看 `circle-packing.ts` 里的 `protocolMetrics`、`validateSolution`、`readLegalization`、`readMetricsFile`，其余文件看第七部分的删除表；
+  - `/home/iomgaa/Projects/RivalBits/src/runner/container.ts`：`docker run` 的参数和每个参数的理由；
+  - `/home/iomgaa/Projects/RivalBits/tests/circle-validator.test.ts`：手算的布局，可以直接借用。
+
+## 一、原则
+
+- **系统边界**：
+  - `task.json` 是用户提供的东西，严格检查，一次列出全部错误；
+  - Docker 的返回是外部服务的返回，读不懂就报错停下。
+
+  模块之间的调用不是边界：flow 传进来的参数不另做检查（CLAUDE.md"罕见情况怎么办"）。
+- **不设默认值**：`task.json` 每个字段必填，可以没有的写 `null`；函数参数不写默认值。
+- **每加一道检查、一个分支之前，先问"不写会怎样"。** 如果答案是"会报错停下"或者"需要有人用 shell 搞破坏才会发生"，就不写。参考项目这两个目录里大量代码属于后一种，第七部分已列出。
+- **凡是要执行任务代码的事，都由 runner 在任务镜像里跑**，包括正式运行、判分时跑校验器、轻量检查。tasks 不起子进程，只读写文件、给出运行定义、解读产物。宿主机不一定装了 numpy，三件事在同一个环境里做才一致。
+- 只有正式运行在账本里登记、扣次数。判分和轻量检查只是借 runner 跑一下，不登记。登记、扣次数是 flow 的事，runner 和 tasks 都不碰账本。
+
+## 二、runner
+
+### 对外提供什么
+
+经 `src/runner/index.ts` 导出，函数名由你定：
+
+1. **建镜像**：给一个目录（里面有 Dockerfile 和依赖清单）和一个镜像名，执行 `docker build`，交回镜像编号（`docker image inspect -f '{{.Id}}'` 的值，见 vocab `RunDefinition` 的说明）。
+2. **查镜像在不在**：给一个镜像编号，回答本机有没有。
+3. **启动**：给一个名字、一份 `RunDefinition`、一个宿主上的运行目录，起一个容器。交回"启动了"，或者"没启动 + 原因"。
+4. **等结束**：给名字，等这个容器结束，交回 vocab 的 `ProcessResult`。要能接上之前另一个进程启动的容器，因为中断恢复时就是这种情况。
+5. **查状态**：给名字，回答这几种之一：
+   - 没有这个容器；
+   - 建了但没启动；
+   - 在跑；
+   - 已结束；
+   - 问不到（Docker 不应答）。
+
+   恢复时 flow 用它决定写"确认启动"还是"确认没启动"；问不到时，flow 记"状态未知"并停下（方法.md 第七、第九部分）。
+6. **删容器**：flow 写完结果后调用。
+
+容器名由调用方给，必须是确定的，不用时间戳或随机串：恢复时要按名字去问。runner 只检查名字符合 Docker 的要求。
+
+不做"取消"函数：方法里没有程序主动取消一次已启动运行的场合。用户中途停下研究时，只是不再等待；容器照常跑完，恢复时接着等。
+
+### 实现要点
+
+`docker run` 的参数照参考项目 `container.ts`，理由在那里的注释里：
+- 显式写运行时；
+- 用当前用户的 uid:gid 运行；
+- 固定主机名；
+- 只传 `RunDefinition.env` 里的环境变量；
+- `--cpus=核数`，再加 `PYTHON_CPU_COUNT=核数`；
+- 不加 `--rm`，否则中断恢复时容器已经没了；
+- 把运行目录挂到 `RunDefinition.workdir`。
+
+另外加 `--network none`：方法要求运行时不联网。
+
+**资源用量在容器里面读，不用参考项目的 `--cgroup-parent`。** 参考项目每次运行建一个系统级的 cgroup 分组，这个分组要 root 才能删，每跑一次就留一个。新办法：
+- 容器里的第一个进程是一小段 shell。它用 `timeout` 包着真正的命令；命令结束后（包括超时被杀），读容器自己的 `/sys/fs/cgroup/cpu.stat`（`usage_usec`）和 `/sys/fs/cgroup/memory.peak`，再加上墙钟时间，写进一个结果文件。
+- 监督者在本机实测过（Python 3.13 slim 镜像，普通用户，`--cpus=1`）：一个 2 秒超时的 numpy 循环，`timeout` 退出码 124，读到 `usage_usec 2007945`、`memory.peak 177795072`。
+- 结果文件放在运行目录以外、单独挂进容器的一个目录里，不和候选的产物混在一起。
+- 怎么判"超时"：命令自己也可能以 124 退出，所以超时要由 shell 自己确认，例如对比用时和时限，不能只看退出码。
+
+**四种结局怎么定**：
+
+| 情况 | 结局 |
+|---|---|
+| `docker run` 失败，按名字再查一次，容器不存在或建了没启动（顺手删掉） | `notStarted`，原因写 Docker 的报错原文 |
+| 结果文件在，命令自己结束 | `exited`，带退出码和资源用量 |
+| 结果文件在，到时限被杀 | `timeout`，带资源用量 |
+| 容器已结束，但没有结果文件：从外面被杀了（关机、手动 `docker kill`、shell 自己被杀） | `cancelled`；三项资源都记测不到，写明原因 |
+
+`docker run` 失败后按名字查到容器在跑或已结束的，按"启动了"处理。
+
+**日志**：容器的标准输出和标准错误，结束后存成两个文件，存到调用方给的目录里。以后给模型看失败原因时要用。
+
+## 三、tasks
+
+### 任务目录
+
+把参考项目的 `tasks/circle_packing/` 和 `tasks/check-candidate.py` 搬到新项目的 `tasks/circle_packing/`。
+
+**新增 `task.json`**：写任务本身的事实，字段名由你定。要有：
+- 任务种类（现在只有填圆一种）；
+- 最终指标的编号和方向；
+- 精度 ε；
+- 已知最好，可以写 `null`；
+- 单次时限、核数、Docker 运行时；
+- 不许改的文件名单。
+
+填圆的值：
+- 最终指标 `sum-of-radii`，越大越好；
+- ε = 0.01，已知最好 2.635983（方法.md 6.11）；
+- 120 秒、1 核（方法.md 第八部分）；
+- 运行时 `runc`。
+
+常规辅助指标的定义写在填圆的代码里，和算这些值的代码放在一起，不写进 `task.json`。
+
+**改**：
+- `TASK.md`：这是给实验员看的说明。
+  - 删掉"什么会被拦"一节：那是 Jev 审查运行观测量的说明，方法里已删除（方法.md 第八部分）；
+  - "点"一律改成"因子"；
+  - 删掉 `RIVALBITS` 字样、"运行清单"、"调度器"这些参考项目的说法；
+  - 写清依赖只有镜像里那几个包，容器断网；
+  - 其余内容和方法.md 对不上的地方，按方法.md 改。
+- `harness.py`：
+  - 环境变量名改成 `INFORSI_` 开头；
+  - 假设专用指标的说明 `metrics-spec.json` 由 tasks 在准备运行目录时直接写好，harness 不再从环境变量生成它。
+- `validate.py`：加一个参数，把判定写进指定的文件，tasks 读那个文件；不再靠标准输出传。
+- `baseline/SOURCES.md`：去掉参考项目测试文件的说法，改成本项目里对应的测试。`baseline/` 下其余文件逐字节不动。
+
+**删**：
+- `research.template.json`、`research.template.md`：配置对话归 plugin；
+- `__pycache__`。
+
+Dockerfile 里拉基础镜像走 `dockerproxy.net`，原样保留；在 `TASK.md` 或 `task.json` 旁边写一句：换机器时可能要改这一行。
+
+### 对外提供什么
+
+经 `src/tasks/index.ts` 导出，函数名由你定：
+
+1. **读任务**：读 `task.json`，严格检查，交回任务事实；同时交回 Dockerfile 所在目录（给 runner 建镜像）和 `TASK.md` 的全文（以后 materials 给实验员）。
+2. **准备运行目录**：给候选代码目录、一个空的运行目录、这次要测的假设专用指标，把候选代码、`harness.py`、`metrics-spec.json` 放进运行目录。
+3. **正式运行的运行定义**：给任务、镜像编号、种子，交回 `RunDefinition`。
+   - 种子由调用方给。同一份研究的全部运行用同一个种子：方法.md 第十部分要求评测确定，消融不重跑基线也靠这一点。
+   - 种子用环境变量传给 harness。
+4. **轻量检查**：
+   - 给出轻量检查的运行定义：在镜像里跑 `check-candidate.py`，时长由调用方给（来自配置 `lightChecks.seconds`）；
+   - 解读检查结果：通过，或者不通过及原因。
+   - 次数上限归以后的 agents 或 flow 管，tasks 不数次数。
+5. **判分**：分两步。
+   - 第一步：把运行目录里的 `solution.json` 和宿主保管的 `validate.py` 复制到一个单独的判分目录，交回校验器的运行定义。没有 `solution.json` 时不交运行定义，直接说明"没有产物"。
+   - 第二步：读校验器写的判定和运行目录里的 `metrics.json`，加上正式运行的 `ProcessResult`，交回 vocab 的 `JudgedResult`。
+6. **查不许改的文件**：给改动过的文件名单，交回其中属于 `task.json` 里"不许改"的那些。
+
+### 判定怎么定
+
+| 情况 | 判定 |
+|---|---|
+| 正式运行 `timeout`、`cancelled`，或者 `exited` 但退出码不是 0 | 不算数，写明原因 |
+| 没有 `solution.json` | 不算数："没有产物" |
+| 校验器判不合法：形状不对、非有限数、圆心出界、修不了 | 不算数，带校验器的原因 |
+| 校验器判合法（含合法化后合法） | 算数，分数取校验器算的 |
+| 某条假设专用指标测不到，且它的选法是"缺了整次作废" | 不算数 |
+
+另外几条：
+- 消融格里假设专用指标一律只记缺失（vocab 指标说明）。调用方传进来的指标已经是按这条改好的，tasks 不需要知道这是不是消融格。
+- 校验器自己没正常跑完（结局不是 `exited`，或者退出码、判定文件和参考项目约定的对不上）：这是宿主这一侧的工具坏了，报错停下，不当成候选的失败。
+- 合法化的三个数（原违反量、原分数、扣掉的分）放进 `JudgedResult.extra`，同时作为常规辅助指标的取值。修后分数高于原分数直接报错（方法.md 第八部分第 3 条）。
+- 答案路径、保障动手次数：按 vocab 的 `AnswerPath`、`SafeguardTriggers` 只记读到的原样内容，或者读不到及原因。
+- 常规辅助指标照参考项目 `protocolMetrics` 的那几项：墙钟、CPU 秒、峰值内存来自 `ProcessResult`；最小间隙、原分数、原违反量、扣掉的分来自校验器。测不到就记测不到并附原因，不记 0。
+
+**vocab 的 `VERDICTS` 删掉"判不了"**（`undecidable`）。上表没有哪种情况会产生它，方法.md 里也没有这种结局。结构.md 第八部分 `VERDICTS` 那一行同步改。
+
+### 留给以后
+
+多个任务的接口：现在只写填圆。`task.json` 里的任务种类对应一份实现，用一个普通的对照表，不写登记函数。nanochat、AI4AI 以后按同样的形状加。
+
+## 四、顺带改 config 和 vocab
+
+这些已写进 `WORK_LOG.md`"未完成"，背景是用户 2026-10-02 定"对照组先不做"（方法.md 第十一部分、结构.md 第五部分）。
+
+**config**：
+- 删掉朴素循环，以及四个步骤开关：第零轮开关、第一次预测、挑刺与回应、消融。
+- 保留第零轮讨论次数（1 或 2）、选批规则名、选格规则名。
+- u、衰减挪到选格规则旁边：它们只在选格时用。λ 的位置你看着放。
+- `stepList` 跟着改：不再有"完整流程还是朴素循环"，按配置跳过的只剩结构.md 第三部分说的两种（只讨论 1 次时的第 2 次讨论、只有一位研究者时的讨论）。
+- 测试跟着改。
+
+**vocab**：
+- 解释的 `cells` 改回必交，至少一格，字段说明里删掉"关掉消融时不交"的说法。
+- `ProcessResult` 说明里"启动后取消的记 cancelled"改成第二部分表里的含义：容器从外面被杀了。
+- `VERDICTS` 删掉 `undecidable`，见上一部分。
+
+## 五、测试
+
+runner 和 tasks 的测试用真实 Docker，放进 `npm test`。没有 Docker 时测试失败，不跳过。
+
+- **镜像**：用任务目录的 Dockerfile 建。本机 Docker 有缓存，参考项目的镜像编号是 `7ed52793365c…`，同样的 Dockerfile 加依赖清单应当命中缓存。测试里的镜像名、容器名都用 `inforsi-test-` 开头的固定名字，跑完自己删。这台机器上还有别的项目在建、删容器，盘点时只看自己的前缀。
+- **runner**：
+  - 正常退出，带退出码；
+  - 超时：结局 `timeout`，CPU 秒接近时限；
+  - 命令自己以 124 退出：不能判成超时；
+  - 从外面 `docker kill`：结局 `cancelled`，三项资源测不到；
+  - 镜像编号不存在：`notStarted`；
+  - 断网：容器里连不上外网；
+  - 核数：容器里 `os.cpu_count()` 报 1；
+  - 查状态：五种回答各一个，"问不到"可以用一个不存在的 Docker 地址来造；
+  - 等结束能接上另一个 runner 实例启动的容器。
+- **tasks**：
+  - `task.json`：缺字段、多字段、类型不对都报错，带字段路径；
+  - 判分：借参考项目 `circle-validator.test.ts` 里手算的布局（宽松布局半径和 0.203125、相切布局 0.40625 等），以及差一点不合法、修不了的例子；判定表里每一行至少一个例子；
+  - 合法化：修后的分数不高于原分数，扣掉的分等于原分数减最终分数。
+- **一条从头到尾的测试**：用基线 `initial.py` 准备运行目录、正式运行、跑校验器、判分。
+  - 分数应当是 `0.9597642169962064`：参考项目多次真实运行得到的基线分数，不是从新代码里推出来的。
+  - 同一份代码跑两次，分数逐位相同。
+- 轻量检查：一份语法错的、一份没有入口函数的、一份正常的。
+
+**审阅**：runner 的启动判断、四种结局、资源用量，以及判分的判定表，关系到扣次数和恢复（CLAUDE.md"工作方式"）。写完后派一个全新上下文的子 Agent 审阅一轮。
+
+告诉审阅者：
+- 每条意见先回答"不写会怎样"；
+- 模块之间传错参数这类问题只列出来，不改；
+- 需要有人用 shell 搞破坏才会发生的不防。
+
+审阅意见你逐条判断，采纳或不采纳都在报告里写理由。tasks 的其余部分按原型标准，不另审。
+
+## 六、规模与文档
+
+- 预期：runner 250–450 行，tasks 的 TypeScript 400–700 行，都不含测试；Python 文件另算。超过上限就停下来检查。
+- 完成后更新：
+  - `docs/结构.md` 第八部分：补 runner、tasks 对外的函数和类型，每项一句话；config 一节按第四部分改；vocab 一节里 `VERDICTS` 和 `ProcessResult` 的说法同步；
+  - `WORK_LOG.md`：在"已完成"补一条；从"未完成"里删掉已做的 config、vocab 两条；把 submissions 跨字段规则第 5 条改成"每条解释交 `cells`，恰好覆盖材料列出的格"。
+- 不新建其他 md 文件，`TASK.md` 和 `SOURCES.md` 是任务目录里本来就有的。
+
+## 七、参考项目的保留与删除
+
+| 处理 | 内容 |
+|---|---|
+| 借鉴 | `container.ts` 的 `docker run` 参数和理由；`circle-packing.ts` 的 `protocolMetrics`、`validateSolution` 里解读校验器输出的部分、`readLegalization`、`readMetricsFile`；任务目录的 Python 文件 |
+| 删除 | `subprocess.ts` 整个文件：没有 Docker 时的备用路线，方法只用 Docker |
+| 删除 | `audit.ts`、`audit-questions.ts`，以及 `circle-packing.ts` 里的观测量表、硬规则、校准记录、代码差异、审查接进判定：Jev 审查运行观测量已删除（方法.md 第八部分） |
+| 删除 | `--cgroup-parent` 和父分组、`leftoverRunSlices`、`cleanupCommand`：改成在容器里读资源 |
+| 删除 | `service.ts` 里的登记、预算、核销、宿主计时器：登记和扣次数归 flow；时限由容器里的 `timeout` 管 |
+| 删除 | `measurement.ts` 里测量前后核对校验器和解文件字节：防的是有人用 shell 改文件 |
+| 删除 | `environment-definition.ts`、`probeEnvironment`：镜像编号已经钉住环境；pip 源地址和凭据检查随"一份研究自己的依赖清单"一起删 |
+| 删除 | `image-build.ts` 里"一份研究一个镜像名"、依赖清单哈希核对、建镜像记录文件：依赖跟着任务走 |
+| 删除 | `TaskAdapter` 接口那 14 个方法、适配器登记表、`describeReproduction`（复现脚本留到写 export 时再说）、`researchBrief`、`formalRunProfile` |
+
+## 八、验收与报告
+
+做完后本地提交，然后在回复里交一份报告，监督者会对着实际文件逐项核对：
+
+1. 提交号，新增和修改的文件列表，每个文件的行数，runner、tasks 各自的总行数。
+2. `npm run check` 和 `npm test` 的完整输出，以及 Docker 测试总共花了多久。
+3. 从头到尾那条测试的实际输出：分数、两次是否逐位相同、四项资源用量。
+4. `task.json` 全文，`TASK.md` 改动的摘要。
+5. 审阅意见逐条：内容、采纳或不采纳、理由。
+6. 你和这份任务书、结构.md、方法.md 不一致的地方，以及为什么。
+7. **规则不清楚的地方**：读 CLAUDE.md、结构.md、方法.md 时，哪里让你犹豫、哪里两份文件说法不一致、哪里你是靠猜的。没有就写"没有"。