# 任务书 01：vocab（共用词汇）与工具链

这是 InfoRSI 的第一个代码任务。项目里现在只有文档，没有代码。这个任务做两件事：

1. 搭好工具链：npm 包、TypeScript、测试、依赖方向检查；
2. 写 vocab 模块：各模块共用的类型、名单、提交字段定义，以及两个函数。

本任务书的内容已由用户和监督者在 2026-10-01 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。
- `docs/结构.md`：
  - 第一部分（切分原则）；
  - 第二部分（模块表，以及表下面讲 vocab 的那一段）；
  - 第六部分（模块化程度与检查）；
  - 第七部分（规模）。
- `docs/方法.md`：
  - 第二部分（核心概念）；
  - 第三部分（角色）；
  - 4.2、4.3（流程里的各个阶段）；
  - 第五部分（每种提交，**这是提交字段的唯一依据**）；
  - 第七、八部分（运行要记录什么）。
- 参考项目（只读，不要改）：`/home/iomgaa/Projects/RivalBits`
  - `src/core/types.ts`：旧的共用类型。下面"保留与删除"一节说明哪些要、哪些不要；
  - `src/rounds/submissions.ts`、`src/rounds/task-submissions.ts`：旧的提交字段，里面混着收件检查。只借字段本身，按方法.md 第五部分重写；
  - `package.json`、`tsconfig.json`：版本号可以参考。

## 一、工具链

- 建一个 npm 包，`"type": "module"`，Node ≥ 22.19（本机是 22.22.2）。
- 这次只装这次用得到的依赖：`typebox` 1.3.7、`typescript`、`@types/node`、`dependency-cruiser`。
  - Pi 的包等写 agents 模块时再装。
  - Pi 0.85.1 用的也是 `typebox` 1.3.7，这次定的字段定义以后要直接当 Pi 工具的参数用，所以版本必须一致。
- `npm run check`：TypeScript 类型检查加 dependency-cruiser，两项都要过。
- `npm test`：用 Node 自带的 `node --test`。
- dependency-cruiser 把 `docs/结构.md` 第六部分列的规则全部写进去，模块按 `src/<模块名>/` 的目录来认：
  - 依赖方向按第二部分的模块表；
  - 不许循环引用；
  - 不许绕过 `index.ts` 直接引用模块内部的文件；
  - rules 和 vocab 不许引用文件、数据库、网络、子进程和 Pi；
  - 只有 ledger 能用 SQLite，只有 agents 和 plugin 能用 Pi，只有 runner 和 workspace 能起子进程；
  - tasks 不许引用 runner。

  现在只有 vocab 一个目录，但规则要一次写全，后面的模块建目录就自动受检查。
- 要证明这些规则真的会报错，不能只是写了配置：临时写几处违规的引用（比如 vocab 引用 `node:fs`、一个模块绕过 `index.ts`），把 `npm run check` 的报错输出记下来，然后删掉这些违规引用。

## 二、vocab 放什么

判断标准（来自结构.md）：一样东西要有两个互相不能引用的模块都用到，才放进 vocab；只有一个模块用的，放在那个模块里。上限 600 行，预期 450–600 行。

建议分四个文件，由 `src/vocab/index.ts` 统一对外。文件名和英文标识符你来定，以读得懂为准。

### 1. 基础

- `Json` 类型。
- "测到 / 测不到"的取值：测到就带值，测不到就带原因。全项目凡是可能测不到的量（资源用量、分数、指标、价格）都用它，不用 0 或 null 冒充测不到。
- 指标方向：越大越好、越小越好，只有这两种。
- 编号的格式：只允许字母、数字和 `._-`，长度有限。编号会被拼进文件路径和命令行，所以要限制。写成一条 TypeBox 的字段规则，各字段定义里复用，不写成函数。
- 两个函数：
  - **规范序列化**：对象的键排序后再拼；数字必须是有限数；只接受纯 JSON 对象。这样内容相同就一定得到同一个字符串；
  - **哈希**：对规范序列化的结果算 sha256。

  这是 vocab 里仅有的两个函数。

### 2. 名单

- **三个角色**：研究者、实验员、核验员。
- **研究者阶段和提交种类**：按方法.md 4.2、4.3 和第五部分列出。每种提交写清两件事：属于哪个阶段、由哪个角色交。这份对应关系写成一张常量表，以后 ledger、materials、submissions、flow、agents 都从这里取，不在别处另写。
  - 监督者整理的对应关系如下，作参考。以方法.md 为准，对不上时按方法.md 来，并在最后的报告里写出差别：

    | 提交 | 阶段 | 角色 |
    |---|---|---|
    | 入口 | 写入口 | 研究者 |
    | 讨论 | 讨论 | 研究者 |
    | 志愿 | 认领 | 研究者 |
    | 提案 | 提案 | 研究者 |
    | 第一次预测 | 第一次预测 | 研究者 |
    | 挑刺 | 挑刺 | 研究者 |
    | 回应 | 回应 | 研究者 |
    | 统一 | 回应 | 研究者 |
    | 第二次预测 | 第二次预测 | 研究者 |
    | 实现 | 实现 | 实验员 |
    | 修复 | 实现 | 实验员 |
    | 核验 | 核验 | 核验员 |
    | 消融实现 | 消融实现 | 实验员 |
    | 消融核验 | 消融核验 | 核验员 |
    | 解释 | 解释 | 研究者 |
    | 收尾 | 收尾 | 研究者 |

  - 程序自己做的步骤，比如判重、选批、采纳、选格，不是提交阶段，不放这里。步骤清单归 config。
  - 私人笔记不在这次范围内。

### 3. 运行与指标

- **指标定义**，包括：编号、层次（最终 / 常规辅助 / 假设专用）、含义、单位、方向、怎么采样和汇总、"测不到时怎么办"。
  - "测不到时怎么办"只有两档：缺了只记缺失；缺了整次作废。
  - 每一档的后果用一句白话写在常量里，字段说明和给模型看的材料都用这一份。白话的内容见方法.md 第五部分"指标"。
- **运行定义**：tasks 交给 runner，告诉它怎么起这个进程。要能回答这几件事：
  - 命令和工作目录；
  - 镜像：按 sha256 钉死，不接受 tag；运行时必须写明；
  - 限时、核数；
  - 环境变量：候选进程**不继承**宿主的环境变量。类型上只允许写 false。
    - 原因：参考项目实测过，宿主环境被污染时，同一份代码的分数会从 0.9598 悄悄变成 0.8849，退出码是 0，没有任何报错。这属于"出错后无法察觉"的那一类。
  - 参考项目里环境变量分成两块（"协议那块"和"逐候选那块"），是为了算两个"可比条件哈希"。那两个哈希这次删掉了，所以这里只要一块。
- **运行结果**，分两层：
  - runner 交出的进程层面结果：有没有启动；以什么方式结束（正常退出、超时、被取消、没启动）；退出码；CPU 秒、墙钟时间、峰值内存。资源用量都可能测不到，用"测到 / 测不到"表示。
  - tasks 交出的判分结果：
    - 判定：三选一，算数 / 不算数 / 判不了，附理由；
    - 分数；
    - 各指标的取值；
    - 答案路径和各条保障动手的次数（方法.md 第五部分"答案路径"）。读不到，或者读到的取值不在位置表里，都要有明确状态；
    - 一份任务自己的附加记录，任务想记什么就记什么，比如填圆的合法化。
- **模型用量**：普通输入、缓存命中、缓存写入、输出四种 token 数，加上价格。价格可能测不到。

### 4. 提交字段

- 按方法.md 第五部分，每种提交写一个 TypeBox 字段定义。同一份定义要同时当三样东西用：类型、收件时的格式检查、发给模型的提交工具参数。
- 字段说明也写在定义里，它会原样发给模型。
  - 方法.md 要求每个字段都写明出口，比如"只有一个因子就写一个"、"不适用：原因"、"没有：为什么"；
  - 说明用中文。
- **三个数**是一个共用的定义：q₁、q₅、q₉ 三个有限数。
- 正文统一是一个 markdown 字符串字段，程序不拆它。
- 不需要写的字段：
  - 只存不读的栏目、程序自己推得出的栏目，不设（方法.md 第五部分总原则）；
  - 编号由程序分配的（候选编号、挑刺编号），不放进模型要填的字段。
- 跨字段的规则**不在这里写**，留给以后的 submissions 模块。比如：q₁ ≤ q₅ ≤ q₉；因子数不超过上限；同一份提案里两个因子不能延续同一个因子；解释最多 M 条。字段定义只管单个字段长什么样。

## 三、参考项目 `src/core/types.ts` 的保留与删除

| 处理 | 内容 |
|---|---|
| 改写后保留 | `Json`、`Measurement`、`Direction`、`MetricDefinition` 与两档"测不到时怎么办"、`ModelUsage`、`RunResult` 里的启动状态和资源用量、`canonical`、`hash`、运行定义里"镜像按 sha256 钉死、运行时写明、不继承宿主环境变量"这几条 |
| 删除 | `Lease`、`StudyStatus`（改用文件锁；进度从账本现算） |
| 删除 | 观测量表、观测量四组、`HardRule`、`validateObservable*`、`validateObservationSet`、`hardRuleVerdict`（不再用模型审查观测量；硬规则校验以后放进 tasks 内部） |
| 删除 | `comparisonConditionsHash`、`scoreConditionsHash`，以及为它们分出的两块环境变量 |
| 删除 | `assert`、`finite`、`positiveInteger`、`nonempty`、`identifier`、`validateManifest`、`validateMetric`、`validateRound`、`validateLimits`、`thresholds`（改用 TypeBox 字段定义检查） |
| 删除 | `Thresholds`、`StudyLimits`、`ComputeLimits`、`processEnvironment`、`collectedMetrics`、`worstCaseCost`、`RoundDefinition`、`SYNERGY_LABELS`（都只有一个模块用，等写那个模块时放进去） |
| 不搬 | 注释里的修改历史和"参考项目以前怎样"的说明。注释只写现在 |

`assertNever` 这类只有一两行的类型辅助，如果几个模块确实都要用，可以放进来，但要先说清楚哪几个模块会用它。

## 四、测试

- vocab 基本没有逻辑，字段定义不写逐字段的测试。
- 规范序列化和哈希各写测试。预期值要独立得到，不能拿实现算出来的结果当预期值：
  - 规范序列化的预期字符串，自己手写；
  - 哈希的预期值，用命令行的 `sha256sum` 算。
- 至少覆盖这几种情况：键的顺序不同，结果相同；嵌套数组；遇到 NaN 或 Infinity 报错；遇到带自定义原型的对象报错。
- 每种提交挑一份合法的样例，确认能通过字段定义的检查。这一步也是在检查字段写得是不是方法.md 第五部分的意思。

## 五、完成后要更新的文档

- `docs/结构.md` 第八部分：补上 vocab 对外的类型、名单和两个函数，每项一句话。
- `WORK_LOG.md`：按它的格式更新当前状态。
- 不新建其他 md 文件。

## 六、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，vocab 的总行数。
2. `npm run check` 和 `npm test` 的完整输出。
3. 临时违规引用时 `npm run check` 的报错输出（见第一部分最后一条）。
4. 你和这份任务书或方法.md 不一致的地方，以及为什么。
5. **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。这一条对这次任务特别重要，没有就写"没有"。