docs: 新增任务书 03-ledger

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-10-02 02:36:47 -04:00
parent ca2cd52caa
commit e46fce654a
2 changed files with 187 additions and 1 deletions
@@ -24,6 +24,7 @@
 - 提交的字段定义放 vocab，submissions 只判收不收；vocab 只放两个函数（规范序列化、哈希）。用户原话："我都同意"。
 - vocab 上限改为 1100 行（多出来的主要是发给模型的字段说明）。用户原话："同意 A，vocab 上限改为 1100 行。结构.md 由监督者改，你不用动。"
 - 每份预测只对一个候选、每份挑刺只针对一个目标；入口、因子、实现条款的编号由程序按位置分配；实现提交不设代码字段（程序从工作目录冻结）；运行结果用"没启动 / 正常退出 / 超时 / 被取消"一个字段表示启动与结束；四种 token 数都可记测不到。用户原话："3、4、5、6：同意保留你的写法。方法.md 第五部分的表（入口编号、实现的代码字段）由监督者改。"
 - 账本改为一张只追加的表，12 种记录都不能改（ca2cd52）。用户原话："同意全部只追加"。
 - 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）。
@@ -66,4 +67,4 @@
 ## 下一步
-任务书 02（rules）已核对通过（60c21ae）。下一个是 ledger。
+任务书 02（rules）已核对通过（60c21ae）。`任务书/03-ledger.md` 已写好，等用户另开 Agent 执行，监督者核对。
@@ -0,0 +1,185 @@
 # 任务书 03：ledger（账本）
 写 ledger 模块：研究的全部记录怎么存、怎么保证不能改、写入时拒收什么、谁在什么时候能看到什么、花钱的动作怎么先登记。
 本任务书的内容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。
 按 CLAUDE.md，这一块是"账本"标准，写完要另派一个全新上下文的子 Agent 审阅。
 ## 开工前先读
 - `CLAUDE.md`：全部。2026-10-02 改过两处：
  - "罕见情况怎么办"一节；
  - 账本全部只追加。
 - `docs/结构.md`：
  - 第二部分（ledger 的边界，"几条边界"里的前两条）；
  - **第四部分全文，这是本任务的主要依据**；
  - 第六部分（只有 ledger 能用 SQLite）；
  - 第八部分（vocab、rules 已导出的东西）。
 - `docs/方法.md`：
  - 第三部分"谁在什么时候能看到什么"；
  - 第五部分开头的总原则（替换提交、实现和核验阶段不能替换）；
  - 4.3 ⑭（解释冻结早于任何一格消融启动）、⑱（本轮全部结果在同一个事务里算完并公开）；
  - 第七部分"什么时候扣次数"；
  - 第九部分"中断与恢复时的记账含义"。
 - `WORK_LOG.md`、`src/vocab/`。
 - 参考项目（只读，不要改）：`/home/iomgaa/Projects/RivalBits/src/board/`
  - `schema.ts`：触发器禁改禁删的写法（59–70 行一带）；
  - `ledger.ts`：`node:sqlite` 的用法；
  - `board.ts` 里运行（`runLedger` 一带）和模型调用（`openModelCalls` 一带）分步登记的顺序；
  - `visibility.ts`：旧的可见性判断，注意它有绕弯的地方，见下面"删除"。
 ## 一、怎么存（结构.md 第四部分）
 - 用 Node 自带的 `node:sqlite`，不另装依赖。一份研究一个数据库文件。
 - **只有一张表**，每一行是：
  - 序号：自动递增，就是时间先后；
  - 种类；
  - 唯一键；
  - 内容：JSON；
  - 内容的哈希：用 vocab 的 `canonical` 和 `hash`。
 - **整张表禁止修改、禁止删除**，用两条触发器实现。
 - **"种类 + 唯一键"不能重复**，用数据库的唯一约束实现。
 - **重复写入的规则**：
  - 同一个种类和键，内容哈希相同，当作已经写过，返回原来那条，不报错；
  - 内容哈希不同，报错，写清种类、键和两份哈希。
 - **唯一键怎么拼，只在 ledger 里定义**，调用方不自己拼键。键拼错会让去重悄悄失效，所以每种记录的键由一个函数从内容里取，别处不另写一份。
 - 打开数据库时：
  - 新文件就建表；
  - 旧文件核对一个表结构版本号，对不上就报错。
  不逐字核对建表语句。
 ## 二、记录的种类
 结构.md 第四部分列了 12 种记录。ledger 按需要把它们细分成具体种类，每种有自己的内容定义（TypeBox）和唯一键。下面是监督者整理的参考，具体名字和细分由你来定；和结构.md、方法.md 对不上时以文档为准，并在报告里写出来。
 | 结构.md 的记录 | 细分种类 | 唯一键 | 内容 |
 |---|---|---|---|
 | 1 研究配置 | 配置 | 固定一个 | 先存 Json；config 模块写好后再收紧 |
 | 2 阶段 | 开、关 | 阶段编号 | 开：阶段名（vocab `STAGES`）、轮次、这个阶段的应交名单；关：无 |
 | 3 提交 | 提交的每一版 | 阶段编号 + 作者 + 对象 + 版本 | 提交种类（vocab `SubmissionKind`）、作者、针对谁（候选、格，没有就空）、版本号、要替换的上一版、内容（用 vocab `SUBMISSION_SCHEMAS` 检查） |
 | 3 提交 | 私人笔记的每一版 | 作者 + 版本 | 正文 |
 | 4 冻结协议 | 冻结协议 | 候选编号 | 先存 Json 加必要的标识 |
 | 5 作者自评 | 封存、解封 | 封存：提案的那一版；解封：候选编号 | 封存：三个数；解封：放出哪几份封存（列明） |
 | 6 冻结代码 | 冻结代码 | 候选或消融格编号 | 版本号、因子位置表 |
 | 7 运行 | 登记要跑、确认启动、结果 | 都是运行编号 | 登记：用途（基线 / 正向 / 消融）、轮次、对象、运行定义（vocab `RunDefinition`）；结果：vocab `ProcessResult`，以及有的话 `JudgedResult` |
 | 8 决定 | 决定 | 决定种类 + 轮次 + 对象 | 规则名、规则版本、方法参数、种子、输入、输出（输入输出存 Json，ledger 不认识 rules） |
 | 9 结算 | 结算 | 消融编号 + 格 | 存 Json，同上 |
 | 10 Jev 判别 | Jev 判别 | 自动 | 问了什么、原始概率、结论 |
 | 11 用量 | 模型调用开始、每次回复的用量、结束 | 调用编号（用量另加回复序号） | 用量用 vocab `ModelUsage` |
 | 12 事件 | 事件 | 自动 | 事件种类、原因、相关对象 |
 几点说明：
 - **作者自评怎么封存。** 提案的内容里有作者自评（`authorEstimate`）。写一版提案时，ledger 在同一次写入里把作者自评拆出来存成一条"封存"记录，提案记录本身不带它。这样可见性只需要判断"这条封存有没有被解封"，不用在给别人看之前改写提案内容。解封记录列明它放出了哪几条封存。合并而成的候选有几位作者，就有几条封存。
 - **能直接用现有定义的就用现有的**：提交内容、运行定义、运行结果、模型用量，vocab 里都有。内容由还没写的模块（config、rules 的决定和结算）产生的，先存 Json 加最少的标识字段，不要替那些模块猜字段。
 - 没有"动手杀之前"那条记录：被取消也是一种结果。
 ## 三、写入时拒绝的情况
 只有下面这些，写在 ledger 的写入函数里，在同一个事务中查：
 1. 阶段已经关了，还要往这个阶段写提交。
 2. 替换提交时，要替换的那一份不是本人在这个阶段、对同一个对象的最新一版。实现、修复、核验、消融实现、消融核验这几种提交不能替换（方法.md 第五部分）。
 3. 运行结果写在"确认启动"之前。例外是"没启动"这种结果，它本来就不需要启动记录（方法.md 第七部分：确认没启动的不扣次数）。
 4. 某一轮消融已经有格确认启动了，才来关这一轮的解释阶段（方法.md 4.3 ⑭：冻结必须早于任何一格的启动）。
 别的不在 ledger 里查。比如提交内容的字段对不对、三个数是否严格递增，归 submissions；该不该开下一个阶段，归 flow。
 ## 四、谁能看到什么
 只用**一个函数**回答"某位查看者在某个序号时，能不能看到这条记录"。查看者有两种：
 - **程序**：看全部。
 - **某位研究者**：按下表。
 | 记录 | 本人 | 其他研究者 |
 |---|---|---|
 | 研究者阶段的提交 | 交上就能看 | 这个阶段关闭后能看 |
 | 作者自评的封存 | 能看 | 有列明它的解封记录后能看 |
 | 第一次预测 | 能看 | 永远不能看（只进导出） |
 | 私人笔记 | 能看 | 永远不能看 |
 | 冻结协议、冻结代码、运行、决定、结算、阶段 | 写入后都能看 | 写入后都能看 |
 | Jev 判别、用量、事件 | 不能看 | 不能看 |
 后三种不给研究者看，原因有两个：研究者用不到；Jev 判别可能在阶段还开着时就问到了某份提交的内容，给了别人就是提前泄露。
 另外两条：
 - **截止序号**：研究者在一个阶段里看到的东西，截止到这个阶段开始的那一刻（方法.md 第三部分、结构.md 第二部分）。快照函数接收一个截止序号，序号之后的记录一律不给。
 - **实验员和核验员**：不单独设查看者。给他们的材料由以后的 materials 从程序的全集里挑。
 只用"给不给"这一种手段，不在给出之前改写记录的内容。
 ## 五、对外提供什么
 经 `src/ledger/index.ts` 导出：
 1. **打开**一份研究的账本：新建或续用；表结构版本不对就报错。
 2. **追加**一条记录：检查内容（TypeBox），取唯一键，做第三部分的拒收检查，处理重复写入。
 3. **事务**：几次追加要么全部写进去，要么一条都不写（方法.md 4.3 ⑱）。
 4. **读取**：
   - 快照：给定查看者和截止序号，返回能看到的记录。读出时按种类用 TypeBox 校验；
   - 程序自己要的几个常用查询，比如某个阶段开着没有、某份提交的最新一版。只写现在能说出谁会用的，不预先写一大套查询。
 5. **未完成的动作**：登记了但没有结果的运行，开始了但没有结束的模型调用。恢复时 flow 用它逐个核对，怎么核对不归 ledger。
 ## 六、参考项目的保留与删除
 | 处理 | 内容 |
 |---|---|
 | 借鉴 | 触发器禁改禁删的写法；运行和模型调用分步登记的顺序；"同样内容重写当作已写过、不同内容报错"；写入先后的检查 |
 | 删除 | 34 张表，改为一张表 |
 | 删除 | 审计表 `audit`、请求表 `requests`、公开表 `publications`、通用事实表 `facts`：它们的作用都变成了一张表本身的性质（序号、唯一键、阶段关闭记录） |
 | 删除 | `studies` 表里的租约列（owner、epoch、lease_until），以及每个写入函数里"研究是否在进行中"的判断。同一时刻只有一个进程，靠的是文件锁，文件锁归 plugin |
 | 删除 | 本轮重来、模板替换、撤回提交（`round-restart`、`template-replacement`、`withdrawn-submission`）以及可见性里排除它们的三处判断 |
 | 删除 | 命令审查 `shell-review`、违规暂停 `integrity-incident`/`integrity-disposition` |
 | 删除 | 收尾补测 `fillin_plans`、`ablation_final_settlements`，最后一轮预留 `reserves`，消融的份额、照测、欠测 |
 | 删除 | `blindProtocol`（改写冻结协议后再给第一次预测看）：第一次预测在挑刺之前、看的是原始提案，不需要它 |
 | 删除 | `run_kills`（动手杀之前那条） |
 | 删除 | 打开时逐字核对全部建表语句 |
 | 挪走 | `code-store.ts` 归 workspace（账本只存版本号）；`artifacts.ts` 归 runner 和 tasks（账本只存路径和指纹）；阶段视图里顺带算的剩余预算归 rules（`runBalance`） |
 | 不搬 | 私人笔记原来是账本外的文件，整份覆盖写；现在进账本，每次修改追加一版 |
 ## 七、测试
 用真实的数据库文件，放在临时目录里，每个测试自己建、自己删。重点：
 - 用 SQL 直接执行 UPDATE、DELETE，被触发器拒绝。
 - 同种类、同键、同内容写两次只有一条；同键不同内容报错。
 - 第三部分的四种拒收各有一条测试；同时测对应的正常情况能写进去。
 - 第四部分可见性表里的每一格；截止序号之后的记录看不到；提案里的作者自评不出现在别人能看到的提案记录里。
 - 事务中途出错，一条都没写进去。
 - 关掉再打开，读出的记录和快照不变；表结构版本不对时打开报错。
 - 未完成的动作：有登记没结果的运行、有开始没结束的调用能被找出来，写了结果之后就不再出现。
 账本这部分没有公式，预期值就是"应该写进去什么、应该被拒绝什么"，照方法.md 和结构.md 的文字写，不从实现里推。
 ## 八、独立审阅
 写完、测试通过后，另派一个全新上下文的子 Agent 审阅。它只拿到结构.md 第四部分、方法.md 第三、七、九部分和 `src/ledger/`、相关测试，不给它看你的思路。
 - 让它找：会让记录被改掉、被重复记账、被提前泄露、恢复后对不上的具体场景。
 - 它提出的每条问题，先问"不写会怎样"：
  - 答案是"会报错停下"或"出错后马上就能看出来"，就不加代码，在报告里列出来；
  - 会悄悄写错账或泄露的，才修，修了附测试。
 - 它不写 md 文件，结论直接回复给你。
 ## 九、规模与文档
 - 预期 900–1400 行（不含测试）。超过 1400 行就停下来检查：是需求本身复杂，还是专门处理罕见情况的分支在变多。
 - 完成后更新：
  - `docs/结构.md` 第八部分：补 ledger 对外的函数和类型，每项一句话；
  - `WORK_LOG.md`。
 - 不新建其他 md 文件。
 ## 十、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，新增文件列表，每个文件的行数，ledger 的总行数。
 2. `npm run check` 和 `npm test` 的完整输出。
 3. 最终的记录种类表：每种的唯一键、内容定义、谁会写它。
 4. 独立审阅提出的问题，以及每条怎么处理的（修了的附测试名，没修的写"不写会怎样"的答案）。
 5. 你和这份任务书、结构.md、方法.md 不一致的地方，以及为什么。
 6. **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"。