InfoRSI/任务书/17-flow-4-消融到收尾.md

任务书 17：flow 第 4 部分（消融到收尾、一轮接一轮、研究结束）与这一段的提示词

这是 flow 四部分里的最后一部分（docs/结构.md 第三部分"flow 分四部分写，各自验证"）。做完以后，一份研究能从采纳往下走：

1. 列消融格、研究者写解释、程序选格；
2. 实验员实现消融格、核验员核对，不通过就重做；
3. 正式运行选中的格、结算、定押的因子；
4. 研究者写收尾，轮末解封；
5. 开下一轮，一轮接一轮，直到运行次数用完。

余额用完后走到"导出"一步时停下，原因写"导出还没写"。

一份任务书里有三块，按顺序做：

1. **第一块：改提示词。**解释、收尾、消融实现、消融核验这一段的提示词。用户 2026-10-04 定：和任务书 16 一样，先诊断再改，改完先提交，再做后面两块。
2. **第二块：写代码。**写 src/flow 的 ⑬–⑱、轮末动作、下一轮和研究结束。
3. **第三块：真实运行和评估。**从头真实跑 3 份完整研究，按研究质量评估。

本任务书已由用户和监督者在 2026-10-04 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。尤其是"测试"一节：flow 的验收看研究质量；正式代码和检验代码完全分开。
• docs/方法.md：
  • 第三部分：角色与材料；
  • 4.3 ⑫–⑱、4.4；
  • 第五部分：解释、收尾、消融实现、消融核验四种提交；
  • 6.6 消融结算、6.7 选格、6.8 押的因子、6.9 信息账、6.10 信念本；
  • 第七部分：预算、扣次、"什么时候开下一轮"；
  • 第九部分：中断与恢复。
• docs/结构.md：
  • 第三部分：步骤清单，以及"flow 分四部分写，各自验证"；
  • 第四部分：账本记录；
  • 第八部分：flow、materials、submissions、rules、workspace、runner 各节。
• docs/调研/提示词.md：提示词怎么写的调研结论。第一块必读。
• 任务书/16-flow-3-实现到采纳.md：第 3 部分的写法，这次照着往下接。第一块的做法和它的第一块相同。
• 任务书 16 的产出：/home/iomgaa/inforsi-eval/2026-10-04-task16/report.txt（执行报告），以及同目录下的诊断、调研、审阅文件。第一块可以直接复用那次的调研结论，不必重查同一批参考实现。
• WORK_LOG.md："关键决定"最后几条；"未完成"里"给 flow"的条目，第六部分列了哪几条归这次。
• 参考项目（只读，不要改）：/home/iomgaa/Projects/RivalBits/src/controller/ 下消融、解释、收尾、下一轮的部分。看它怎么做，不照搬结构。

一、第一块：改这一段的提示词

1.1 范围

可以改的：

• prompts/tasks/explanation.md、wrapUp.md、ablationImplementation.md、ablationVerification.md；
• prompts/roles/experimenter.md、prompts/roles/verifier.md 里只讲消融的那几句（任务书 16 刚改过，正向的部分不动）；
• src/vocab/submissions.ts 里解释、收尾、消融实现、消融核验这四种提交的字段说明（description）。只改措辞，不改字段的结构、类型、必填与否；vocab 上限 1150 行。

不改的：

• prompts/roles/researcher.md：它同时管着提案，改了会影响第 2 轮的提案，而研究者那一段已经定好不再调；
• 研究者其余任务提示词（提案、预测、挑刺、回应等）；
• 实验员、核验员提示词里正向的部分；
• tasks/circle_packing/ 下的任务文件。

1.2 怎么做

1. 读调研结论。docs/调研/提示词.md 全文，以及任务书 16 产出里的 implementation-research.txt、verification-research.txt、historical-diagnosis.txt。

2. **针对这一段再调研。**派子 Agent 去查。参考项目的克隆在 /home/iomgaa/Projects/RivalBits/reference/。子 Agent 只读、不写 md，结论直接回复。值得查的方向：

   • 让模型对一组实验结果事前写出可检验的解释、事后对号：AI-Scientist 的实验分析与写作提示、co-scientist 的反思与评审步骤；
   • 一轮结束后怎么把结果交给下一轮，让下一轮既用上已有发现、又不被锁在小步调参上：openevolve、aideml、ShinkaEvolve 等进化或搜索系统怎么写"上一轮的总结"和"下一步"；
   • 消融实现：只关一个部件、其余不动，怎么写才不多改也不漏改。任务书 16 查过的"照规格实现、不顺手改进"结论可以直接用。

3. **拿真实记录诊断。**读参考项目运行里研究者、实验员、核验员在这一段实际交了什么：

   • 账本在 /home/iomgaa/rb-acceptance/{16-real-1,15-real-1,15-tight-2,14-real-1,12-real-2}/board.sqlite，只读，用 sqlite3 -readonly。任务书 16 已经复制过一份到 /home/iomgaa/inforsi-eval/2026-10-04-task16-diagnosis/，可以直接用那份；
   • 提交在 submissions 表：阶段编号里带 analysis 的是解释，带 update 的是收尾，带 ablate-implement、ablate-verify 的是消融实现和消融核验（14-real-1、12-real-2 是旧方法的 split，可作参考）；
   • 参考项目每次运行当时用的提示词在 /home/iomgaa/rb-acceptance/<运行>/prompts-used/ 下，会话原文在同一目录的 sessions/ 下。新项目的提示词是以它为底稿改的。
   • 收尾要和下一轮的提案对着读：收尾里写的"下一步"，下一轮有没有人照着提、提成了什么样。

   列出你看到的毛病，也列出做得好的地方，每条写清四样：现象、证据位置（库名、表、编号）、提示词里是哪一句引起的、怎么改。

   监督者已知的三条，核实后可以直接用：

   • 收尾和"冲分"冲突。wrapUp.md 要每人写"下一步想在哪个因子上继续"，样本也是"沿某个因子继续调"。收尾原文会整段放进下一轮的提案材料，而提案提示词现在要求"交最可能拿最高分的那条，哪怕换掉整道工序"（提交 ff5c8dd）。方法.md 4.3 ⑱ 已改为"下一步想往哪走：沿某个因子继续，或换一条更可能拿最高分的路线"（用户 2026-10-04 定）。提示词照这个改，并用参考项目的"收尾 → 下一轮提案"核实这句话实际起了什么作用。
   • **第 1 轮之后已经贴近已知最好。**任务书 16 的三份第 1 轮采纳 2.6307–2.6343，已知最好是 2.635983。第 2 轮起研究者面对的是"离已知最好只差一点"。解释、收尾里现在没有一句帮他们想这种处境：还差的那一点可能在哪、哪些因子其实没出力、哪条结论只在某个设定下成立。写的时候不出现任何题目的具体数值或做法，用无关领域的例子说明这种处境。
   • 消融两份任务提示词和角色提示词重复。"不要自己跑正式实验""两个保留键怎么写""看不清照实写"等内容，任务书 16 改过的实验员、核验员角色提示词里已经有一份，措辞也变了。同一段内容只放一处：角色提示词里有的，任务提示词里删掉，只留本次任务特有的。

4. **改。**照 docs/调研/提示词.md 第三、四部分的原则写。任务提示词里不写字段怎么填（那是字段说明的事）。

5. **自查泄露。**照 docs/调研/提示词.md 第四部分最后一条：

   • 改完用填圆的关键词搜一遍你改过的全部文件，搜到就改掉，搜不到才算过。关键词至少包括任务书 16 用过的 18 个，再加"消融""收尾"样本里可能出现的题目数值（例如 2.6、26）；
   • 例子只用和题目无关的领域，不出现任何填圆的做法、数值或参考项目跑出来的具体经历。

6. **先提交，再写代码和跑。**提示词改完单独提交一次。之后的真实运行全部用这一版，看到运行结果以后不再改提示词。结果不管好坏都照实收下，交给用户。

二、第二块：代码

2.1 管哪些步骤

config 的 ROUND_STEPS 从 listCells 到 wrapUp，加上轮末动作、开下一轮，以及 STUDY_STEPS 里"一轮接一轮直到余额用完"和 export：

• listCells、explanation、selectCells：列格、解释、选格；
• ablationImplementation、ablationVerification：消融实现、核验，不通过就重做；
• ablationRun：消融运行；
• settle：结算、押的因子、消融中发现；
• wrapUp：收尾，以及轮末解封；
• 余额用完后走到 export，停下，原因写"导出还没写"。

代码按"第 r 轮"写，不写死轮数。第 2 部分（开轮到选批）原来只在第 1 轮真实跑过，第 2 轮起的留池候选、信念本、"从第 2 轮起说明新观测"、判重时和留池候选比较，这次第一次真正走到。出问题按 CLAUDE.md 修。

next-step.ts 里 roundsNext 的 step.id !== "listCells" 是任务书 16 留下的临时写法（WORK_LOG"给 flow"），这次去掉，按步骤清单正常处理"按配置跳过"。

2.2 怎么走（方法.md 4.3 ⑫–⑱）

什么时候有消融

• 采纳了、而且被采纳的改法有 2 个以上因子，才走 ⑬–⑰。
• 没采纳，或被采纳的只有 1 个因子：⑬–⑰ 都不做，直接到收尾（方法.md 4.3 ⑫）。这几步不写记录，从采纳决定和冻结协议就算得出"这一轮没有消融"。
• 配置关掉消融时，步骤清单已经标了"按配置跳过"，照现有的跳过写法记事件；解释照样写正文、不交三个数（方法.md 第十一部分）。验收用的配置开着消融，这种情况不专门造出来测。

列格（⑬）

• 用 rules 的 listCells，被采纳改法的每个因子一格。不写记录：格从冻结协议现算，格编号用 materials 的 cellId。

解释（⑭）

• 研究者阶段，每位研究者一个任务，没有对象；材料由 materials 现有的解释材料给。
• 解释阶段关闭即冻结。ledger 已经会拒绝"有格启动以后才冻结解释"，flow 照顺序走就不会碰到。

选格（⑮）

• 输入照 rules 的 CellRuleInput 拼：基线、完整分数、方向、已知最好、ε、λ、因子、各条解释，加 ComboParams（余额、每批上限、knowledgeUse、decay）和种子。
• 种子用 decisionSeed 的版本 2（选批已用版本 1，WORK_LOG"给 flow"）。
• 规则取步骤清单里 selectCells 那一步的，调 runCellRule。写一条决定，种类 cells。
• 没选中的格不另写事件：没测的原因和"含它的最好组合"都在这条决定里，materials 的信念本也是从这里读的。

消融实现与核验（⑯）

• 每个选中的格派一个实验员任务，对象是格；工作目录从被采纳的完整代码取出。不同格的实验员同时实现。
• 交上来后：
  • 交了"这一格跑不起来"（cannotRun）：known.code 传 null（WORK_LOG"给 flow"），这一格不核验、不运行、不扣次；
  • 否则用 workspace 存成一个版本，用 tasks 的 protectedChanges 查不许改的文件，拼成 submissions 的 AblationCode。
• 实现阶段关闭后，每个交了代码的格派一个核验员任务。材料里的改动是"完整代码到这一格代码"。用 submissions 的 ablationOutcome 判通过没有。
• 不通过的格，在核验阶段关闭后退回原实验员重做，从他上一次交的这一格代码接着改（materials 的消融实现材料已经这样写）。重做完再核验，只核验重做过的格。
• 次数和正向修复用同一个上限 config.maxRepairs。用完仍不通过：用 materials 的 cellNotRunEvent(格, 原因) 写事件，不跑、不扣次，结算记"证据不足"。
• 阶段编号按"第几次"排：r<轮>-ablationImplementation-1、r<轮>-ablationVerification-1、r<轮>-ablationImplementation-2、r<轮>-ablationVerification-2……第几次从账本里数，不另存。
• 实验员报了"还要一起关的因子"（alsoOff）时，这一格实际关掉的是几个因子。几格实际关掉的因子完全相同时，用 rules 的 sharedSettings 判断沿用哪一格的结果，不重复跑（方法.md 6.6）。
• 实验员、核验员的编号：materials 现有的是按候选编号起的，消融格按格编号起，需要的话在 materials 补，和正向的写法一致。

消融运行

• 通过核验的格，用 flow 已有的 formalRun 跑，用途写 ablation，对象是格。
• 一份研究里的消融运行一个接一个跑，同正向。
• 完整代码和基线的分数直接取本批已有的运行结果，不重跑（方法.md 4.3 ⑯）。

结算（⑰）

• 选中的格全部有结果、"跑不起来"或"不跑"事件后结算。
• 输入照 rules 的 SettleInput 拼：每个因子一格，结局取"有效分数 / 证据不足 / 没测 / 跑不起来 / 一起关"之一；调 settleAblation，写一条结算记录。
• 押的因子用 rules 的 chooseBet，写一条决定，种类 bet。结算和押的因子在同一个事务里写。
• "消融中发现"已经在 settleAblation 的输出里，materials 的 baselineOf 会据此把那一格的代码当成下一轮的基线；flow 不另写采纳记录。确认这一点在真实运行里对得上：出现了就核对下一轮的基线；没出现就在报告里写"没出现"，不专门造。

收尾与轮末（⑱）

• 研究者阶段，每位研究者一个任务，没有对象。
• 收尾阶段关闭之后，写轮末动作（WORK_LOG"给 flow"两条）：
  • 本轮选批选中的每个候选（跑过的、入选了却没跑成的）解封作者自评：写解封记录。解封只在收尾阶段关闭后写，提前写会泄露（materials 审阅时实测过）。
  • "入选了却没跑成的候选离开候选池"不用写记录：materials 的 Board.carried 只留从没进过任何一批的候选，已经算对。
  • 本轮全部解封写在同一个事务里。

下一轮和研究结束

• 收尾做完后，余额至少还有 1 次就开下一轮；余额为 0，一轮接一轮这一步做完，走到 export，停下，原因写"导出还没写"（方法.md 第七部分"什么时候开下一轮"）。余额用 rules 的 runBalance 从运行记录算。
• 本轮正向批量 k = min(每批上限, 余额)，选格最多"余额 − 1"格，这两条 rules 已经有，确认选批和选格用的余额是当时的余额。
• 方法.md 第七部分说的情况——最后一次正向用掉了全部余额、又采纳了多因子改法——各格记"没测：剩余次数不够"。真实运行碰到就核对；没碰到不专门造。

2.3 每一步以哪条记录为准算做完

接着 docs/结构.md 第八部分 flow 一节的那张表往下加：

步骤	看到哪条记录算做完
listCells	不写记录：从采纳决定和冻结协议现算
explanation	这一轮解释阶段的关闭记录；这一轮没有消融时不开这个阶段
selectCells	本轮的选格决定（decision，种类 cells）
ablationImplementation、ablationVerification	每个选中的格都已结束这一段：交了"跑不起来"，或最近一次核验通过，或重做次数用完、有"不跑"事件。中间每次实现、核验阶段各有开关记录
ablationRun	每个通过核验的格，最近一次消融运行有结果，而且不是"没启动"
settle	本轮的结算记录（settlement），以及同一事务里的押的因子决定（decision，种类 bet）
wrapUp	收尾阶段的关闭记录，以及本轮选中的每个候选都有解封记录
一轮接一轮	新一轮开始时余额为 0
export	现在不做：走到这里停下，原因"导出还没写"

2.4 规模

flow 现在 1302 行，预计加 500–800 行，上限照结构.md 第七部分的 2000–3500。materials 只补格的角色编号（如果需要），不超过 1950 行。

三、第三块：真实运行和评估

3.1 跑什么

• 用第一块改好的提示词，配置照 eval/round-zero/research.json，只换研究编号。
• 从头新跑 3 份完整研究，一直跑到余额用完、停在"导出还没写"。不接着跑任务书 16 的三份：提示词改了，恢复时提示词哈希核对会挡下。
• 3 份研究同时跑（用户 2026-10-04 同意）。一份研究里的正式运行仍然一个接一个跑，所以同一时刻最多 3 个正式运行的容器，每个限 1 个核，机器有 16 个核。为了确认没有互相抢 CPU：
  • 每次正式运行列出 CPU 时间和墙钟时间之比（运行结果里本来就记着）；
  • 记下运行期间机器的负载（沿用任务书 16 的 machine.jsonl 做法）；
  • 比值明显低于 1 的运行照实列出，查是否和机器负载对得上。不为此重跑。
  • 任务书 16 的 eval/forward/acceptance.ts 要求"启动区间互不重叠"，这次不适用；新的检验不加这一条。
• 估计每份 8–12 小时。监督者那边会同时离线调 Jev 做另一项检验，只调接口、不占 Docker，不影响这边。
• 3 份里挑 1 份，在第一个消融运行确认启动以后、出结果之前，杀一次控制进程再启动。检查：
  • 恢复时按容器名找到这次运行，接着等它，没有重跑；
  • 这次运行只扣了一次；
  • 结果照常写进去，结算和后面的步骤照常走完。
• 中途出错先查原因：
  • 是程序的毛病，按 CLAUDE.md 修了，从出错处续跑；修了什么写进报告。修了 flow 以后，已经写进账本的记录照原样用，不重算；
  • 是服务一时调不通，接着跑（node eval/lib/cli.ts --resume --dir <研究目录>）。

3.2 评估：研究质量

不设硬线，结果照实交给用户。前五样看第 4 部分自己的研究质量，后两样看整份研究。

第 1 样：解释的质量。

• 每一条解释，派一个全新上下文的子 Agent，在看不到消融结果的情况下读：解释正文和三个数、被采纳改法的因子清单、本批运行结果、实验员的提醒。回答：
  • 它说出了具体的机制吗？写了什么情况下不成立吗？
  • 三个数和正文说的一致吗（正文说某因子撑大半，关它那一格的范围是否靠近基线）？
  • 范围宽窄是否合理：宽到什么结果都包得住，还是窄到没有依据？
  • 同一轮几位研究者的解释有没有真正不同？
  • "我没有具体机制判断"用得是否诚实？
• 然后对上结算：每条解释在每格是确认还是否定；有没有"现有测法分不开"。

第 2 样：选格。

• 每次选格，列出：因子、各格事前合并范围、各组合的信息价值、成本、净值，选了哪几格、没选的原因。
• 回答：选中的格是不是大家分歧最大、或最可能改变下一步方向的格；有没有因为大家意见一致而一格都不测的情况（方法.md 第十二部分第 7 条），出现了几次。

第 3 样：消融实现照要求没有、核验员判得对不对。

• 每个跑过的格，派一个全新上下文的子 Agent。给它：冻结协议、完整代码、这一格的代码、位置表、alsoOff 和 concerns。回答：
  • 是不是只关了指定的因子：有没有多关、少关；
  • 保障是否原样保留，关掉的因子的指标是否写 null；
  • 答案路径标签是否和关掉以后的分支对应。
• 同一个子 Agent 再看核验员每次的逐项结论：该判不通过却通过的、不该判不通过却判了的；有重做的，看重做是否只改了被指出的地方。

**第 4 样：消融结果说明了什么。**每格一行：

• 关掉的因子（及一起关的）；
• 实测分数、撑几成；
• 这一格的答案出自 main、某个因子还是某条保障，保障动手了几次。答案出自保障的，这一格量到的可能是保障而不是关掉因子的效果，标出来；
• 合并范围和实测落在哪一段。

另列：配合关系标签、押的因子、有没有"关掉反而更好"或"消融中发现"。

第 5 样：收尾和接力。

• 每条收尾，派一个全新上下文的子 Agent 读：收尾原文、本轮的信念本和结算。回答：
  • 有没有把"改法有效"说成"机制被证实"；
  • 有没有用生成某个解释的那次运行去支持这个解释；
  • 结论有没有写清覆盖哪些设定；
  • "下一步"是沿某个因子小步调整，还是换一条可能拿更高分的路线，理由是什么。
• 再对着下一轮的提案看：下一轮的提案用上了上一轮的哪些发现；是在已有因子上小步调参，还是提出了新的完整路线；离已知最好只差一点时，研究者怎么判断还能做什么。

**第 6 样：整份研究的走向。**每份研究列：

• 每一轮：正向候选、采纳了什么、采纳分数、离已知最好还差多少、有没有消融、测了几格；
• 分数随轮次的曲线，和参考项目 15-real-1、15-tight-2、16-real-1 的逐轮采纳分数并排（参考项目当时的提示词带填圆做法，这一项它们占了便宜）。
• 每个跑过的正向候选一行，接着任务书 16 第 3.2 节第 3 样的表：路线代号、合并的一成、一半、九成、作者自评（这次已解封，直接读解封记录）、实测、落点。这份数据监督者之后要用来检验 Jev。

**第 7 样：程序账目。**每份研究列：

• 确认启动的正式运行数（基线、正向、消融分开）和余额减少的次数，两者应相等；最后余额为 0；
• 每格核验了几次、重做了几次、最后跑没跑；"跑不起来"和"不跑"的格有没有扣次数、有没有写事件；
• 解释阶段关闭早于本轮任何一格的确认启动；每轮最多一条结算；
• 每轮的解封记录写在收尾阶段关闭之后，覆盖本轮选中的全部候选；
• 第 2 轮起的基线等于上一轮采纳的（或消融中发现的）代码；
• 轻量检查每次调用用了几次、有没有超过上限；
• CPU 时间与墙钟时间之比（3.1）；
• 杀进程那一次的三条检查。

3.3 怎么算通过

程序部分必须过：

• npm run check、npm test 全过；
• 3 份研究都跑到余额为 0、停在"导出还没写"，每个阶段开关成对；
• 扣掉的次数等于确认启动的运行数；
• 杀进程那一次的三条检查都成立。

研究质量不设硬线，照实交给用户。

质量不好时，先查是不是 flow 或 materials 写错了：抽一次运行，看研究者、实验员、核验员"模型调用开始"里存的材料，是否符合方法.md 第三部分和 4.3 ⑭–⑱。材料错了就修，修完重跑。材料对，就照实报告，不再改提示词（第一块第 6 条）。

四、正式代码和检验代码分开

照任务书 12 第四部分的 7 条。这次新加的检验代码放新目录 eval/full/，共用的工具放 eval/lib/，能复用 eval/forward/ 的就复用。运行目录、审阅结果都放 /home/iomgaa/inforsi-eval/<日期-名字>/，不提交。

五、文档

完成后更新：

• docs/结构.md 第八部分 flow 一节：
  • "做完以哪条记录为准"的表，加上第 2.3 节的几行；
  • "谁做、对哪个对象"的表，加上解释、消融实现、消融核验、收尾；
  • 消融阶段编号怎么排；轮末解封；研究结束；
  • 三份研究同时跑、一份研究内一个接一个跑；
  • 新加的 eval: 命令；
  • 本节开头"现在走得到的只有第 1 轮"等过时的话改掉。
• docs/结构.md 第八部分 materials 一节：补上新导出的东西（如有）。
• WORK_LOG.md：
  • "已完成"补一条；
  • 删掉这次做到的"给 flow"条目；
  • "关键决定"不用你写，监督者核对时补。

不新建 md 文件。

六、"给 flow"的条目里归这次的

WORK_LOG.md"未完成"里的：

• 选格用随机规则时，种子用版本 2。
• 步骤清单没有单列"轮末动作"（解封作者自评、入选未跑的候选出池），flow 要做这些。
• 解封只在本轮收尾阶段关闭后写。
• 消融格核验不通过、修复次数用完时写 cellNotRunEvent(格, 原因) 事件，结算记 insufficient；重做时把上一次这一格的提交取出来当工作目录。
• 消融实现交了 cannotRun 时 known.code 传 null，否则传存版本的结果。
• next-step.ts 里 roundsNext 的 step.id !== "listCells" 临时写法去掉。

七、审阅

这次写到了消融的扣次、选格和结算、轮末解封、研究结束，都是账本里"驱动实际动作的决定"（方法.md 第九部分）。写完后另派一个全新上下文的子 Agent 审阅一轮，只看：

• 消融的实现、核验、重做循环，"跑不起来"和"不跑"；
• 消融运行的登记、扣次和恢复；
• 选格、结算、押的因子的输入是不是照 rules 的类型拼对了；
• 解封的时机；
• 开下一轮和研究结束的条件。

审阅只防 CLAUDE.md"罕见情况怎么办"里的三类情况，提了别的照列不改。

八、验收与报告

做完后本地提交，然后在回复里交一份报告。报告写正文，不把日志全文附进去，日志放在证据目录、报告里给路径。监督者会对着实际文件、账本和评估输出逐项核对：

1. 提交号：提示词那次单独列；新增和修改的文件，分 prompts/、src/、tests/、eval/ 列；src/flow 和 materials 的总行数。
2. 提示词：
   • 诊断出的毛病和做得好的地方，按第 1.2 节第 3 条的四样写；监督者已知的三条，核实结果分别写；
   • 每份提示词改了什么、依据哪条毛病或哪条原则；
   • 泄露自查用的关键词和搜索结果；
   • 再调研派了哪些子 Agent、查到了什么。
3. npm run check、npm test 的结果，完整输出放证据目录。
4. 程序部分：3 份研究的研究目录、轮数、停下原因；杀进程那一次的三条检查。
5. 研究质量：第 3.2 节七样的表和结论。
6. 每份研究每一轮一行：正向候选、采纳与分数、消融测了哪几格、每格撑几成、押的因子。
7. 你和这份任务书、结构.md、方法.md 不一致的地方，以及为什么。
8. 规则不清楚的地方：哪里让你犹豫、哪里你是靠猜的。没有就写"没有"。没有真实证据的可能情况，在这里提一句就够，不写进 WORK_LOG。
9. 正式代码和检验代码分开的自查，逐条写"做到了"或"没做到、为什么"。