prompts: 去掉填圆具体做法、例子换成无关领域、重写第零轮三份提示词；新增任务书 13（重测第零轮）

改了：roles/researcher.md、roles/experimenter.md；tasks/entry、discussion、claim、proposal、critique、explanation、wrapUp、response；TASK.md 开头两行。

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

WORK_LOG.md

@@ -62,9 +62,12 @@
 - flow 每部分的验收看研究质量，不只看跑通（2026-10-03）。第零轮问六问：入口里有没有关键想法、分到的入口分没分开、好方向分出去没有、是不是改代码的路线、有没有写答案、讨论有没有用；尺子是同类系统和参考项目高分运行的关键想法与死路清单（任务书 12 第五部分）。用户原话："你要改掉你一直在做程序设计的逻辑。我们现在在做科研……我 care 的是……这个候选的方向是不是真的是正确的……那三个候选方向……是不是真的有分开……让 Jev 去判一下"；只靠这部分答不了的问题不放进来："有一部分是只有这份回答不了的那有啥好评判的"。
 - 正式代码和检验代码完全分开：`src/` 正式、`tests/` 不花钱的测试、`eval/` 真实运行的检验（CLAUDE.md"测试"）。用户原话："需要把正式代码和测试代码完全分开……我们现在是有一大堆的测试代码是需要监控我们正式代码"。
 - 基线每份研究都跑一次，不复用别的研究的结果；方法.md 第九部分"每个阶段结束时核对总账"删去，改为由记录方式保证（2026-10-03，监督者建议，用户说"基本可以，你可以写任务书了"）。
+- 提示词改一版（2026-10-03）：例子一律换成和题目无关的领域；去掉参考项目填圆运行留下的具体做法；入口的起点分三类（基线代码、题目本身、做法类别），先列六到八个再挑；讨论加"按最后会做成哪类改动归类"一问；角色提示词改为"已知的方法可以用来提假设，只是不算证据"。用户原话："我也同意改提示词，但是我觉得我们需要看一下那些参考项目的提示词咋写的……还有你可以找一些给pi写的skill写的比较好的那种也参考一下"、"我建议你调研完直接去改一版提示词吧，这样没有信息损失。改好后再写任务书让new session重新测"。
+- 研究编号只许小写；配置里的路径必须是绝对路径；检验"分没分开"两个顺序都问取平均（2026-10-03，用户同意监督者建议）。
 
 ## 未完成
 
+- 待用户定（第零轮，任务书 13 的结果出来后再议）：①认领的分配规则是"按志愿一轮一轮分、撞车给作者"，照实排不一定对自己最好，3 次运行 9/9 都分到自己写的入口；是否换成照实排最好的分配方式、去掉作者优先。②第一条消息里没有题目本身，要模型自己查 TASK.md；是否由程序把题目放在最前面。③三位研究者拿到完全一样的提示，是否给每人分一个不同的看题路径（只规定从哪里出发，不规定结论）。④研究者角色提示词每个任务都发全文（因子、保障、指标等第零轮用不到），是否按任务只发用得到的几节。
 - 信念本"按因子归并"（方法.md 6.10 第 1 条"出现在哪些候选里"）：现在是每个候选的每个因子一行，用"（延续 X）"连起来，没合成一行。等真实运行后再看要不要合。
 - Jev 校准：新项目跑出真实研究后，从账本取真实的 Jev 判断和材料，由 Claude 或 GPT 打标签作为校准集和留出集，重新校准九问的问法和阈值。不用参考项目 8 个验收数据库（材料格式还会变）。
 - `inbox/调研.md`：要迁进 `docs/调研/` 的调研结论。
@@ -91,4 +94,4 @@
 
 ## 下一步
 
-任务书 12 已做完并提交，等监督者核对。第零轮研究质量 3 次都没通过（入口里没有联合优化），是否改提示词或方法由用户和监督者定；定之前不写任务书 13。
+任务书 12 已核对（75d7cff）：程序部分通过；第零轮研究质量 3 次都没通过，原因查实在提示词（唯一的好例子就是 K4；角色和多份任务提示词里写着参考项目填圆的具体做法，5 条关键想法泄露了 4 条）。监督者按两份调研（参考系统怎么写"提出方向"、好的 skill 怎么写）改了提示词，写了任务书 13：重测第零轮 3 次（事先定好只改这一次、结果照实收下），加研究编号只许小写、配置路径必须绝对、检验第 2 问两个顺序取平均。等用户另开会话执行。