iomgaa
c8d89d82f1
feat: 诊断真实运行与评估脚本（任务书 18 第三块）：起研究、杀诊断运行、统计、导出审阅材料
...
Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com >
2026-10-05 10:49:58 -04:00
iomgaa
0ae495f8e8
eval: 完整研究的运行、统计与审阅导出（任务书 17 第三块的检验代码）
...
- eval/full/run.ts：配置照 eval/round-zero/research.json 只换编号，真实跑到停下；
launches/machine/timeline/outcome 照任务书 16 惯例；--kill-after-first-ablation-start
在第一个消融运行确认启动后、结果落账前 SIGKILL 控制进程，恢复续跑到底，
kill-report.json 写三条检查（同一容器不重跑、只扣一次、结果照常写入）。
- eval/lib/full.ts：账目核对 fullAccounts——逐轮走向（候选分数、采纳、选格、每格
核验重做次数与扣次、结算、押的因子）加 12 项程序账目检查（阶段开关成对、
扣次=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
重算、停在"导出还没写"等）与 CPU/墙钟比（<0.9 列出并附同时段负载，只列事实）。
- eval/full/stats.ts、export.ts：统计输出与按轮按格的审阅材料导出。
- 不沿用 eval/forward/acceptance.ts 的"启动区间互不重叠"（这次 3 份同时跑）。
- tests/full-eval.test.ts 4 条：真实账本 + rules 真实计算走完一轮含消融的研究，
撑几成与配合关系标签按方法.md 6.6 手算对照。npm run check 通过，npm test 476 条通过。
2026-10-04 14:09:09 -04:00
iomgaa
b7be524cdc
eval: 准备正向采纳的真实运行恢复与质量评估
...
新增单份串行启动入口、首个正向运行杀进程恢复证据、逐候选审阅导出与账目统计；参考只读副本分数对照。456项免费测试通过，尚未启动三份真实验收。同步结构说明与当前工作状态。
2026-10-04 04:25:00 -04:00
iomgaa
856845cd71
eval: 完成任务书15路线对照与先想后读核查
2026-10-04 01:31:50 -04:00
iomgaa
a2a1392f01
eval: 第 1 轮检验脚本（跑、杀进程、导出去来历、盲评编号、Jev 三问、数字与过程）
...
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com >
2026-10-03 13:59:54 -04:00
iomgaa
75d7cffd27
feat: flow 第 1 部分（骨架、研究开始、第零轮）与第零轮检验
...
按任务书 12 实现 src/flow：从账本现算下一步的纯函数、主循环、恢复入口、派模型任务和跑正式运行两个共用动作、冻结配置、基线、第零轮三个研究者阶段和入口分配，走到第 1 轮时停下。materials 导出 finalEntries、加 researcherId 和 StudyRecord。
审阅采纳两条：研究编号本机已用过时冻结前报错；docker run 没启动时写完结果就停下，不在本进程里无限起新编号。
eval/ 新增第零轮检验：起研究命令行、回放假模型、检验用 Jev 客户端、六问质量评估、16-real-1 回放、杀进程与两份同时跑。tsc 与 depcruise 也检查 eval/，新增 eval 只经 index.ts 用正式代码的规则。
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com >
2026-10-03 10:58:52 -04:00
iomgaa
0ac1e01613
feat: 任务书 08，jev 模块与账本记 Jev 判断
...
src/jev 3 个文件 515 行：判重、查冻结条款、查代码改动三个函数，九问问法和阈值照参考项目，只改说法和字段名，阈值注明未在新项目材料上校准，等真实数据。
新增 npm run test:jev（真实 Jev 三处各问一次）。vocab 加 JevJudgment。
ledger 表结构版本 3：callEnded 四种结局对上 agents，墙钟时间用 Measured（恢复时补写出错、原因"进程中断"、测不到）；退回、提交记录都带 jev。
config 加必填的 models.jev。
用户原话："这次就给提交记录加一个和退回记录同样的 Jev 判断字段"；"墙钟时间改用 Measured，恢复时写出错加测不到（原因'进程中断'）"。
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com >
2026-10-03 02:11:20 -04:00
iomgaa
3600b5c409
feat: 任务书 07，agents 模块与真实模型测试
...
src/agents 4 个文件 681 行：runSession 按角色开 Pi 子会话、发工具、核对实际加载内容，
提交参数非法 JSON、必填字段交 null、Pi 形状校验不通过都经提交回调记退回。
Pi 依赖固定 0.85.1；新增 npm run test:pi（glm-5.3 真实会话）。
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com >
2026-10-03 01:03:19 -04:00
iomgaa
97a43591a3
feat: 工具链与 vocab 模块（任务书 01）
...
- npm 包、TypeScript、node --test、dependency-cruiser；结构.md 第六部分的检查规则一次写全，临时违规实测均报错。
- vocab：基础类型与编号格式、规范序列化与哈希、角色/阶段/提交名单、指标与运行定义及结果、模型用量、16 种提交的 TypeBox 字段定义。
- 测试：规范序列化预期串手写，哈希预期值用 sha256sum 算出；每种提交一份合法样例。
- 结构.md 第八部分补 vocab 对外内容；WORK_LOG 记下用户决定。
用户决定（2026-10-01）："同意 A，vocab 上限改为 1100 行"；"同意 A：解释的 cells 去掉 minItems，改为可选"；"3、4、5、6：同意保留你的写法"；答案路径与保障动手次数"tasks 只记读到的原始内容"，对表由以后有位置表的模块现算。
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com >
2026-10-01 23:37:58 -04:00
iomgaa