InfoRSI/任务书/13-第零轮重测.md

任务书 13：改提示词后重测第零轮，加三处小改动

任务书 12 的第零轮研究质量没有通过：3 次真实运行里，"联合优化"（K1）一次都没出现。查下来，主要原因在提示词：

• 写入口的提示词里唯一的"好例子"，就是"固定圆心求最优半径"（K4）这条路。9 位研究者的第 1 个入口都照着它写。
• 研究者的角色提示词和多份任务提示词里，写满了参考项目跑填圆时的具体做法：线性规划、结构起点、扰动后重跑优化、多起点 SLSQP 等等。研究者还没开始，就已经读到了 5 条关键想法里的 4 条。所以上一轮的质量结果被提示词污染了，不能当真。

监督者已经按调研结论改好了提示词（提交说明里列了改了哪些文件），这份任务书只做两件事：

1. 用新提示词把第零轮重新测 3 次；
2. 顺带做用户 2026-10-03 同意的三处小改动。

本任务书已由用户和监督者在 2026-10-03 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："测试"一节，尤其是"正式代码和检验代码完全分开"。

• 任务书/12-flow-1-骨架与第零轮.md：第四部分（分开的规矩）、第五部分（六问和通过条件）。这次照旧适用，下面只写改了什么。

• 监督者改过的提示词：git log -1 --stat 看监督者的提交。改了的有：

  • prompts/roles/researcher.md、prompts/roles/experimenter.md；
  • prompts/tasks/ 下的 entry、discussion、claim、proposal、critique、explanation、wrapUp、response；
  • tasks/circle_packing/TASK.md 开头两行。

  你不改提示词。

• WORK_LOG.md。

一、三处小改动（用户 2026-10-03 同意）

1. 研究编号只许小写。 研究编号会进 Docker 的镜像标签，标签只认小写。
   • 在 config 里把 studyId 的格式限定成小写字母、数字和 ._-，首字符是小写字母或数字，让大写写不进来。
   • 不改 vocab 的通用 Id。
   • 字段说明同步改。
2. 配置里的路径必须是绝对路径。 task、promptDir 写相对路径时，checkConfig 报错，报错写明字段路径。
   • 原因：从别的目录接着跑一份研究时，相对路径会读到别处的任务目录，而任务目录没有哈希核对挡着。
   • 不另加字段，也不在冻结时把相对路径转成绝对路径：以后 research.json 由配置对话生成，写绝对路径没有成本。
   • eval/ 里的配置改成绝对路径。
3. 检验第 2 问两个顺序都问、取平均。 "两个入口是不是同一条路"本来是对称的问题。上次同一对入口换个顺序问，概率从 0.58 变成 0.35，正好跨在阈值两边。
   • 第 2 问和第 6 问的重合度，一律每对 A、B 和 B、A 各问一次，取两次概率的平均，大于 0.5 判"是"。两次的原始概率都存进 JSON。
   • 只改 eval/ 里的检验，不动 src/jev/。正式判重的同类问题留到以后"Jev 校准"再看，这次不碰。

二、重测第零轮

照任务书 12 第五部分的六问和通过条件，用新提示词真实跑 3 次。

事先定好的规则（用户 2026-10-03 定，改不得）：

• 这次只换了提示词，跑 3 次，结果不管好坏都照实收下。
• 不通过也不再调提示词，记作发现，交给用户。
• 你不改提示词、不改 Jev 问题（第一部分第 3 条除外）、不改阈值、不改想法清单。

配置： 照 eval/round-zero/research.json，三个新的研究编号（小写），路径改成绝对路径，其余不变。

16-real-1 回放不用重跑：回放交的是当年的内容，和提示词无关。重测的结果和上次的回放成绩放在同一张表里对照。

这次多看两样：

1. 有没有照抄例子。 新提示词的例子来自另一道题（排任务到几台机器上的调度程序）。逐个入口看有没有搬进"机器""调度""任务排序"这类说法，或者照搬例子的句式。有的话列出来。
2. 入口落在哪类起点上。 新提示词把起点分成三类：基线的一段代码、题目本身、做法的类别。每次运行闭门写的入口，逐个由你读原文判它属于哪一类，列成表。
   • 这一项只用来看分布，不设通过线，也不用问 Jev。
   • 拿不准的标"拿不准"。

三、质量通过与否之外，还要交的

上次的报告只给了表格，监督者要自己去读原文。这次在报告里直接贴出：每次运行闭门写的全部入口、讨论后最终的全部入口、分配结果的名称。

四、测试与规模

• npm test 加上：
  • 研究编号带大写时 checkConfig 报错；
  • 路径是相对路径时报错。
• 改动预期：config 不到 20 行；eval/ 不到 40 行。

五、文档

• docs/结构.md 第八部分 config 一节：研究编号只许小写、路径必须绝对，各一句。
• WORK_LOG.md："已完成"补一条，写明 3 次运行的目录和结果。

不新建 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：

1. 提交号；修改的文件列表，分 src/、tests/、eval/ 列。
2. npm run check、npm test 的完整输出。
3. 研究质量表：
   • 行是新的 3 次运行、上次的 3 次运行、16-real-1 回放；
   • 列是六问的结果和是否通过。
   • 另附两样：K1–K5 各被几个入口覆盖；第 2 问每对入口的两个顺序的概率。
4. 第三部分要求的入口原文和分配结果。
5. 第二部分"多看两样"的结果：照抄例子的情况；起点类别分布表。
6. 你和这份任务书不一致的地方，以及为什么。
7. 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"。