feat: 诊断（任务书 18 第一块）：诊断数学、四种提交、一次运行跑多个实验、账本与材料、flow 诊断各步

消融默认关，关掉时解释阶段一并跳过；选诊断实验用信息价值减成本。
eval/diagnosis/research.json 为第三块配置。vocab 字段说明的出口文字随提示词一起改，见下一次提交的 prompts/ 与同文件改动（本次含在内）。

Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>

src/tasks/task.ts

@@ -3,7 +3,15 @@ import { join, resolve } from "node:path";
 import type { HypothesisMetric, JudgedResult, MetricDefinition, ProcessResult, RunDefinition } from "../vocab/index.ts";
 import { circlePacking } from "./circle-packing.ts";
 import { checkTaskFacts, type TaskKind } from "./facts.ts";
-import type { JudgingStep, LightCheckOutcome, Task, TaskImplementation } from "./types.ts";
+import type {
+  DiagnosisExperiment,
+  DiagnosisJudged,
+  DiagnosisJudgingStep,
+  JudgingStep,
+  LightCheckOutcome,
+  Task,
+  TaskImplementation,
+} from "./types.ts";
 
 // tasks 对外的函数。任务目录的约定：task.json（任务事实）、TASK.md（给实验员的说明）、
 // Dockerfile 与依赖清单（建镜像）、baseline/（基线代码），以及各任务自己的 Python 工具。
@@ -105,3 +113,74 @@ export function judge(
 export function protectedChanges(task: Task, changedFiles: string[]): string[] {
   return changedFiles.filter((file) => task.facts.protectedFiles.includes(file));
 }
+
+// ---------------------------------------------------------------------------
+// 诊断运行（方法.md 4.3"诊断"一段）：一个容器、一次登记、一次扣次，里面按顺序跑几个实验。
+// 是和上面正式运行并列的另一套函数，上面的函数不认识它。各目录同样由调用方建好、传空目录进来。
+// ---------------------------------------------------------------------------
+
+/** 存诊断程序版本时跳过的名字：task.json 的清单，加上宿主放进工作目录的原始产物目录。 */
+export function diagnosisUnversionedNames(task: Task): string[] {
+  return implementation(task).diagnosisUnversionedNames(task.facts);
+}
+
+/**
+ * 把产出当前基线的那次正式运行的原始产物，只读地放进 dir（实验员工作目录，调用方已用 checkoutVersion 取出基线代码）。
+ * baselineRunDir 是那次运行的运行目录。放在哪、叫什么，由任务定，写在 TASK.md 里给实验员看。
+ */
+export function placeBaselineArtifact(task: Task, baselineRunDir: string, dir: string): void {
+  implementation(task).placeBaselineArtifact(task, baselineRunDir, dir);
+}
+
+/**
+ * 准备一次诊断运行的运行目录：诊断程序、两份 harness、全部实验登记的指标说明（metrics-spec.json）、
+ * 只读的原始产物。runDir 由调用方建好，应为空目录；实验的先后顺序就是 experiments 的顺序。
+ */
+export function prepareDiagnosisRun(
+  task: Task,
+  programDir: string,
+  baselineRunDir: string,
+  runDir: string,
+  experiments: DiagnosisExperiment[],
+): void {
+  implementation(task).prepareDiagnosisRun(task, programDir, baselineRunDir, runDir, experiments);
+}
+
+/**
+ * 诊断运行的运行定义：总时限、核数照任务规定，harness 按顺序跑 experimentIds 里的实验，
+ * 每个实验分到总时限 ÷ 实验数。种子同正式运行（同一份研究共用一个）。
+ */
+export function diagnosisRun(task: Task, imageDigest: string, seed: string, experimentIds: string[]): RunDefinition {
+  return implementation(task).diagnosisRun(task, imageDigest, seed, experimentIds);
+}
+
+/**
+ * 诊断判分第一步：每个交出答案的实验的答案复制进 judgeDir 下以实验编号命名的子目录，
+ * 交回校验器的运行定义（一个容器逐个实验判分）；没有一个实验交出答案时直接交回判分结果。
+ */
+export function prepareDiagnosisJudging(
+  task: Task,
+  runDir: string,
+  judgeDir: string,
+  imageDigest: string,
+  process: ProcessResult,
+  experiments: DiagnosisExperiment[],
+): DiagnosisJudgingStep {
+  return implementation(task).prepareDiagnosisJudging(task, runDir, judgeDir, imageDigest, process, experiments);
+}
+
+/**
+ * 诊断判分第二步：按实验分开交回分数、合法化、登记的指标、用时、结局。validator 是第一步交回过运行定义时跑出的结果，
+ * 第一步直接判完时传 null。资源用量记在整次运行的 ProcessResult 里，不在这里。
+ * 校验器自己没正常跑完、判定文件认不出、修后分数高于原分数时报错停下，同正式运行的 judge。
+ */
+export function judgeDiagnosis(
+  task: Task,
+  runDir: string,
+  judgeDir: string,
+  process: ProcessResult,
+  validator: ProcessResult | null,
+  experiments: DiagnosisExperiment[],
+): DiagnosisJudged {
+  return implementation(task).judgeDiagnosis(task, runDir, judgeDir, process, validator, experiments);
+}