feat(core/evolution): protocols.py + types.py 基础层 — 18 个 dataclass + 3 个 Protocol

TRM4 诊断/进化/门控数据类型迁移至 TRM5 Clean Architecture 内核。
逐字段比对 TRM4 的 eprocess.py、diagnose.py、evolve.py 保真迁移。

types.py (18 个 dataclass):
- Gate: GateParams, GateVerdict (frozen, 原样迁移)
- 诊断: SpanMetrics, SkillStepAdherence, QuestionMetrics,
  ErrorAttribution, CaseSample, SkillCasePack, SystemCasePack,
  ToolCasePack, DiagnosisResult (全部 frozen=True)
- 进化: EvolutionRecord (mutable), RejectedEdit (frozen),
  EvolutionResult (frozen, 移除 skills_version/prompts_version)
- 新增: PairResult, QuadrantClassification (块验证纯决策输出)
- 新增: DiagnosePrompts, EvolvePrompts (模板束, frozen)

protocols.py (3 个只读 Protocol):
- SkillStore, PromptStore (同步文件读取)
- RunLog (异步日志查询, 隔离 SQL)

变更理由:
- QuestionMetrics 由 TRM4 mutable 改为 frozen (一次性构造)
- ErrorAttribution 由 TRM4 mutable 改为 frozen (构造时填入全部字段)
- EvolutionResult 移除版本管理字段 (app/ 职责)

涉及算法: #5(CE-Gate), #8(诊断瀑布), #9(进化引擎)

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

core/evolution/protocols.py

@@ -0,0 +1,106 @@
+"""core/evolution/ 子包的只读 Protocol 定义。
+
+三个 Protocol 均为只读——core/ 返回结果 dataclass，写入由 app/ 持久化。
+SkillStore / PromptStore 为同步（文件读取量小且快），RunLog 为异步
+（隔离 SQLite 查询，core/ 不写 SQL）。
+"""
+
+from __future__ import annotations
+
+from typing import Any, Protocol, runtime_checkable
+
+
+@runtime_checkable
+class SkillStore(Protocol):
+    """版本化技能读取端口。
+
+    实现方解析 manifest 指针，core/ 不感知版本号。
+    """
+
+    def read_skill(self, filename: str) -> str:
+        """读取指定 skill 文件的全文内容。
+
+        参数:
+            filename: skill 文件名，如 'temporal-reasoning.md'。
+
+        返回:
+            文件全文内容。
+        """
+        ...
+
+    def list_skill_files(self) -> list[str]:
+        """列出当前版本所有 skill 文件名。
+
+        返回:
+            文件名列表。
+        """
+        ...
+
+
+@runtime_checkable
+class PromptStore(Protocol):
+    """版本化提示词读取端口。
+
+    覆盖 system.md 和 tool extract/verify 文件。
+    """
+
+    def read_prompt(self, filename: str) -> str:
+        """读取指定 prompt 文件的全文内容。
+
+        参数:
+            filename: prompt 文件名，如 'system.md'。
+
+        返回:
+            文件全文内容。
+        """
+        ...
+
+    def list_prompt_files(self) -> list[str]:
+        """列出当前版本所有 prompt 文件名。
+
+        返回:
+            文件名列表。
+        """
+        ...
+
+
+@runtime_checkable
+class RunLog(Protocol):
+    """实验日志查询端口。
+
+    隔离 SQLite 实现细节，core/ 不写 SQL。
+    """
+
+    async def get_predictions(
+        self,
+        run_id: str,
+        *,
+        question_ids: list[str] | None = None,
+    ) -> list[dict[str, Any]]:
+        """查询指定 run 的预测记录。
+
+        参数:
+            run_id: 运行标识。
+            question_ids: 可选的题目 ID 过滤列表。
+
+        返回:
+            预测记录字典列表。
+        """
+        ...
+
+    async def get_traces(
+        self,
+        run_id: str,
+        *,
+        question_ids: list[str] | None = None,
+    ) -> list[dict[str, Any]]:
+        """查询指定 run 的推理轨迹。
+
+        参数:
+            run_id: 运行标识。
+            question_ids: 可选的题目 ID 过滤列表。
+
+        返回:
+            轨迹记录字典列表。
+        """
+        ...

core/evolution/types.py

@@ -0,0 +1,484 @@
+"""core/evolution 子包的数据类型定义。
+
+自进化循环中 gate、diagnose、evolve、validate 共用的 dataclass。
+所有输出类型默认 frozen=True（一次性构造、不可变），唯一例外是
+EvolutionRecord（构建过程中需要多次修改状态）。
+
+不依赖 app/ 或 adapters/。
+"""
+
+from __future__ import annotations
+
+from dataclasses import dataclass, field
+from typing import Any
+
+# =========================================================================
+# 1. Gate 决策类型
+# =========================================================================
+
+
+@dataclass(frozen=True)
+class GateParams:
+    """CE-Gate 判据阈值组（从实验配置构造）。
+
+    属性:
+        e_confirm: CONFIRMED 接受的 e 值门槛（1/alpha，20 对应 alpha=5%）。
+        e_provisional: 题尽暂定接受门槛，同时是 futility 出口的代数界。
+        w_net_min: 题尽暂定接受要求的最小净胜 W-L。
+        delta_min: 接受要求的最小点估计效应量 (W-L)/n_used。
+        lambda_dir: Wald 方向游走的拒绝阈值（负数）。
+        e_rollback: 试用期结算的对称回滚 e 值门槛（1/alpha'，10 对应 10%）。
+    """
+
+    e_confirm: float
+    e_provisional: float
+    w_net_min: int
+    delta_min: float
+    lambda_dir: float
+    e_rollback: float
+
+
+@dataclass(frozen=True)
+class GateVerdict:
+    """一次块间判定的完整结果（判定 + 全部诊断量）。
+
+    属性:
+        decision: 判定结果，取值为 continue / accept_confirmed /
+            reject_directional / reject_futility / accept_provisional /
+            reject_inertia 之一。
+        e_value: 当前 e 值。
+        wald_lambda: 当前 Wald 方向游走值。
+        delta_hat: 点估计效应量 (W-L)/n_used；n_used=0 时为 0。
+        delta_shrunk: 收缩点估计 (W-L)/(n_used+4)，仅观测用。
+    """
+
+    decision: str
+    e_value: float
+    wald_lambda: float
+    delta_hat: float
+    delta_shrunk: float
+
+
+# =========================================================================
+# 2. 诊断类型
+# =========================================================================
+
+
+@dataclass(frozen=True)
+class SpanMetrics:
+    """单次工具调用的输出质量指标。
+
+    属性:
+        step: 工具调用所在的步骤编号。
+        tool_name: 本次调用使用的工具名称。
+        extraction_completeness: 信息提取完整度。
+        hallucination_rate: 幻觉内容占比。
+        missed_info_tags: 未提取信息的标签列表。
+        hallucination_tags: 幻觉内容的标签列表。
+    """
+
+    step: int
+    tool_name: str
+    extraction_completeness: float
+    hallucination_rate: float
+    missed_info_tags: list[str] = field(default_factory=list)
+    hallucination_tags: list[str] = field(default_factory=list)
+
+
+@dataclass(frozen=True)
+class SkillStepAdherence:
+    """单个 skill step 的遵循判定。
+
+    属性:
+        step_label: 被判定的步骤标签。
+        adhered: 该步骤是否被遵循。
+        description: 对遵循情况的文字说明。
+    """
+
+    step_label: str
+    adhered: bool
+    description: str
+
+
+@dataclass(frozen=True)
+class QuestionMetrics:
+    """单题的完整指标，即 Stage 1 输出。
+
+    包含 7 个规则指标和 5 类 judge 指标（span / missed / adherence /
+    bias / sufficiency）。frozen=True 保证构造后不可变。
+
+    属性:
+        question_id: 题目唯一标识。
+        video_id: 对应视频唯一标识。
+        task_type: 题目任务类型。
+        correct: 该题最终是否答对。
+        format_compliance: 输出格式遵循程度。
+        budget_usage: 预算使用比例。
+        confidence_calibration: 置信度校准结论。
+        repeat_visit_rate: 重复访问节点的比例。
+        search_keyword_repetition: 搜索关键词重复率。
+        level_jump_pattern: 层级跳转模式描述。
+        tool_usage: 各工具的调用次数统计。
+        span_metrics: 该题全部工具调用的片段级质量指标。
+        missed_nodes: 该题遗漏的节点列表。
+        skill_adherence: 该题对 skill 步骤的遵循情况。
+        confirmation_bias: 是否出现确认偏误。None 表示 judge 不可用。
+        evidence_sufficient: 当前证据是否充足。None 表示 judge 不可用。
+        degraded: 是否为降级指标（judge 解析失败时生成）。
+    """
+
+    question_id: str
+    video_id: str
+    task_type: str
+    correct: bool
+    format_compliance: float
+    budget_usage: float
+    confidence_calibration: str
+    repeat_visit_rate: float
+    search_keyword_repetition: float
+    level_jump_pattern: str
+    tool_usage: dict[str, int]
+    span_metrics: list[SpanMetrics]
+    missed_nodes: list[str]
+    skill_adherence: list[SkillStepAdherence]
+    confirmation_bias: bool | None
+    evidence_sufficient: bool | None
+    degraded: bool = False
+
+
+@dataclass(frozen=True)
+class ErrorAttribution:
+    """D1 错误归因。
+
+    属性:
+        question_id: 发生错误归因的题目唯一标识。
+        error_type: 错误的主要类别。
+        reasoning_failure_type: 推理失败类型；若不适用则为 None。
+        cause_category: C3 病因：'defect'/'lapse'；正确题/INFRA/未判为 None。
+        lapse_note: LAPSE 提醒文本（供 appendix 路由）；非 LAPSE 为 None。
+    """
+
+    question_id: str
+    error_type: str
+    reasoning_failure_type: str | None
+    cause_category: str | None = None
+    lapse_note: str | None = None
+
+
+@dataclass(frozen=True)
+class CaseSample:
+    """单个案例样本，进化模块的最小输入单元。
+
+    属性:
+        question_id: 题目唯一标识。
+        video_id: 对应视频唯一标识。
+        task_type: 题目任务类型。
+        question: 题目文本。
+        options: 选项列表。
+        answer: 正确答案。
+        prediction: Agent 预测答案。
+        correct: 是否答对。
+        error_type: 错误类型；正确题为 None。
+        selection_reason: 被选为案例的原因说明。
+        metrics: QuestionMetrics 的关键字段子集。
+        trace: 完整推理轨迹，不截断。
+    """
+
+    question_id: str
+    video_id: str
+    task_type: str
+    question: str
+    options: list[str]
+    answer: str
+    prediction: str | None
+    correct: bool
+    error_type: str | None
+    selection_reason: str
+    metrics: dict[str, Any]
+    trace: list[dict[str, Any]]
+
+
+@dataclass(frozen=True)
+class SkillCasePack:
+    """单个 task_type 的案例包，服务于 Skill 进化。
+
+    属性:
+        task_type: 题目任务类型。
+        target_file: 对应 skill 文件名，如 'temporal-reasoning.md'。
+        stats: 从 D3/D4 提取的该题型统计。
+        failure_cases: 失败案例列表。
+        success_cases: 成功案例列表。
+        lapse_notes: C3 LAPSE 提醒文本列表（路由进 appendix 受保护区）。
+    """
+
+    task_type: str
+    target_file: str
+    stats: dict[str, Any]
+    failure_cases: list[CaseSample] = field(default_factory=list)
+    success_cases: list[CaseSample] = field(default_factory=list)
+    lapse_notes: list[str] = field(default_factory=list)
+
+
+@dataclass(frozen=True)
+class SystemCasePack:
+    """跨题型行为模式案例包，服务于 System Prompt 进化。
+
+    属性:
+        stats: 从 D5 提取的行为模式统计。
+        failure_cases: 失败案例列表。
+        success_cases: 成功案例列表。
+    """
+
+    stats: dict[str, Any]
+    failure_cases: list[CaseSample] = field(default_factory=list)
+    success_cases: list[CaseSample] = field(default_factory=list)
+
+
+@dataclass(frozen=True)
+class ToolCasePack:
+    """单个 tool_name 的案例包，服务于 Tool Prompt 进化。
+
+    属性:
+        tool_name: 工具名称。
+        target_files: 对应 prompt 文件名列表。
+        stats: 从 D2 提取的工具质量统计。
+        failure_spans: 失败 span 案例列表。
+        success_spans: 成功 span 案例列表。
+    """
+
+    tool_name: str
+    target_files: list[str]
+    stats: dict[str, Any]
+    failure_spans: list[dict[str, Any]] = field(default_factory=list)
+    success_spans: list[dict[str, Any]] = field(default_factory=list)
+
+
+@dataclass(frozen=True)
+class DiagnosisResult:
+    """完整诊断报告，即两阶段诊断管线的最终输出。
+
+    属性:
+        run_id: 本次诊断运行的唯一标识。
+        filter_summary: 筛选条件与筛选结果摘要。
+        error_attributions: 错误归因结果列表。
+        attribution_distribution: 各归因类别的分布统计。
+        reasoning_failure_types: 各推理失败类型的分布统计。
+        tool_quality: 按工具聚合的质量分析结果。
+        search_effectiveness: 搜索有效性的聚合统计。
+        skill_compliance: 技能遵循情况的聚合统计。
+        decision_patterns: 决策模式与行为模式摘要。
+        skill_case_packs: 按题型组织的 Skill 进化案例包。
+        system_case_pack: 跨题型行为模式案例包；无系统性问题时为 None。
+        tool_case_packs: 按工具名组织的 Tool Prompt 进化案例包。
+        infra_excluded_count: C3：被 stop_reason 排除的题数。
+        infra_excluded_ratio: INFRA 占总题数比例。
+        infra_question_ids: 被排除题 question_id 列表。
+        defect_count: 进入诊断池错题中判为 DEFECT 的数量。
+        lapse_count: 进入诊断池错题中判为 LAPSE 的数量。
+        degraded_count: judge 解析失败而降级的题数。
+        degraded_question_ids: 降级题的 question_id 列表。
+    """
+
+    run_id: str
+    filter_summary: dict[str, Any] = field(default_factory=dict)
+    error_attributions: list[ErrorAttribution] = field(default_factory=list)
+    attribution_distribution: dict[str, int] = field(default_factory=dict)
+    reasoning_failure_types: dict[str, int] = field(default_factory=dict)
+    tool_quality: dict[str, dict[str, Any]] = field(default_factory=dict)
+    search_effectiveness: dict[str, dict[str, Any]] = field(default_factory=dict)
+    skill_compliance: dict[str, dict[str, Any]] = field(default_factory=dict)
+    decision_patterns: dict[str, Any] = field(default_factory=dict)
+    skill_case_packs: dict[str, SkillCasePack] = field(default_factory=dict)
+    system_case_pack: SystemCasePack | None = None
+    tool_case_packs: dict[str, ToolCasePack] = field(default_factory=dict)
+    infra_excluded_count: int = 0
+    infra_excluded_ratio: float = 0.0
+    infra_question_ids: list[str] = field(default_factory=list)
+    defect_count: int = 0
+    lapse_count: int = 0
+    degraded_count: int = 0
+    degraded_question_ids: list[str] = field(default_factory=list)
+
+
+# =========================================================================
+# 3. 进化类型
+# =========================================================================
+
+
+@dataclass
+class EvolutionRecord:
+    """单个目标文件的一次进化记录。
+
+    构建过程中需要多次修改状态（如 status、result_version），
+    因此是唯一不使用 frozen=True 的类型。
+
+    属性:
+        target_file: 目标文件名，如 'temporal-reasoning.md'。
+        target_type: 目标类型: 'skill' / 'system' / 'tool'。
+        original_content: 改写前原文。
+        evolved_content: 改写后内容；rejected 时与 original_content 相同。
+        reason: 状态说明。
+        status: 'accepted' / 'rejected' / 'skipped'。
+        source_version: 改写前版本号，如 'v1'。
+        result_version: 改写后版本号；rejected/skipped 时为 None。
+        suggestions: LLM 输出的改动建议列表。
+        attempts: 每次 LLM 调用的原始响应摘要。
+        validation_errors: 验证失败的具体原因。
+        edits: LLM 输出的补丁列表。
+        apply_report: 补丁逐条应用状态。
+        clip_info: 超预算裁剪信息。
+    """
+
+    target_file: str
+    target_type: str
+    original_content: str
+    evolved_content: str
+    reason: str
+    status: str
+    source_version: str
+    result_version: str | None = None
+    suggestions: list[dict[str, Any]] = field(default_factory=list)
+    attempts: list[dict[str, Any]] = field(default_factory=list)
+    validation_errors: list[str] = field(default_factory=list)
+    edits: list[dict[str, Any]] = field(default_factory=list)
+    apply_report: list[dict[str, Any]] = field(default_factory=list)
+    clip_info: dict[str, Any] = field(default_factory=lambda: {"triggered": False, "clipped": 0})
+
+
+@dataclass(frozen=True)
+class RejectedEdit:
+    """已在验证阶段证明无效的历史改法摘要。
+
+    属性:
+        target_file: 目标文件名，如 'temporal-reasoning.md'。
+        target_type: 目标类型: 'skill' / 'system' / 'tool'。
+        change_summary: 被验证为无效的改法摘要。
+        delta: 该改法对应候选相对基线的准确率变化。
+        source_version: 该改法来源的版本号，如 'v2'。
+        epoch: 该改法所属的进化轮次。
+        gate_w: CE-Gate 证据：配对翻转 W（基线错到候选对）。
+        gate_l: CE-Gate 证据：配对翻转 L（基线对到候选错）。
+        gate_e_value: CE-Gate 证据：终态 e 值。
+        gate_delta_shrunk: CE-Gate 证据：收缩效应量（观测用）。
+    """
+
+    target_file: str
+    target_type: str
+    change_summary: str
+    delta: float
+    source_version: str
+    epoch: int
+    gate_w: int | None = None
+    gate_l: int | None = None
+    gate_e_value: float | None = None
+    gate_delta_shrunk: float | None = None
+
+
+@dataclass(frozen=True)
+class EvolutionResult:
+    """一次整体进化流程的汇总结果。
+
+    由 app/harness/ 编排层组装。不含 skills_version / prompts_version
+    （版本管理是 app/ 职责，不属于 core/ 决策内核）。
+
+    属性:
+        records: 所有目标的进化记录。
+        accepted_count: 通过验证的改写数。
+        rejected_count: 未通过验证的改写数。
+        skipped_count: 因无失败案例而跳过的目标数。
+    """
+
+    records: list[EvolutionRecord] = field(default_factory=list)
+    accepted_count: int = 0
+    rejected_count: int = 0
+    skipped_count: int = 0
+
+
+# =========================================================================
+# 4. 验证辅助类型
+# =========================================================================
+
+
+@dataclass(frozen=True)
+class PairResult:
+    """块验证配对比对结果。
+
+    属性:
+        w: 基线错、候选对的翻转数。
+        l: 基线对、候选错的翻转数。
+        observed: 每题的 (基线是否正确, 候选是否正确) 记录。
+    """
+
+    w: int
+    l: int  # noqa: E741 — 数学记号 W/L（win/loss），与 gate.py 一致
+    observed: dict[str, tuple[bool, bool]]
+
+
+@dataclass(frozen=True)
+class QuadrantClassification:
+    """块验证四象限分类。
+
+    属性:
+        improvements: 基线错、候选对的题目 ID 列表。
+        regressions: 基线对、候选错的题目 ID 列表。
+        persistent_fails: 两臂均错的题目 ID 列表。
+        stable_successes: 两臂均对的题目 ID 列表。
+    """
+
+    improvements: list[str]
+    regressions: list[str]
+    persistent_fails: list[str]
+    stable_successes: list[str]
+
+
+# =========================================================================
+# 5. Prompt 模板束
+# =========================================================================
+
+
+@dataclass(frozen=True)
+class DiagnosePrompts:
+    """诊断管线所需的全部固定模板束。
+
+    由调用方加载后以 frozen dataclass 传入，避免 core/ 依赖文件系统。
+
+    属性:
+        defect_vs_lapse: defect/lapse 病因判别模板。
+        reasoning_sub: 推理失败子分类模板。
+        span_eval_system: span 评估系统提示模板。
+        span_eval_user: span 评估用户提示模板。
+        missed_nodes: 遗漏节点检测模板。
+        skill_adherence: 技能遵循判定模板。
+        confirmation_bias: 确认偏误检测模板。
+        evidence_sufficiency: 证据充足性判定模板。
+    """
+
+    defect_vs_lapse: str
+    reasoning_sub: str
+    span_eval_system: str
+    span_eval_user: str
+    missed_nodes: str
+    skill_adherence: str
+    confirmation_bias: str
+    evidence_sufficiency: str
+
+
+@dataclass(frozen=True)
+class EvolvePrompts:
+    """进化引擎所需的全部固定模板束。
+
+    由调用方加载后以 frozen dataclass 传入，避免 core/ 依赖文件系统。
+
+    属性:
+        evolve_skill: Skill 进化提示模板。
+        evolve_system: System Prompt 进化提示模板。
+        evolve_tool: Tool Prompt 进化提示模板。
+        evolve_rank: 编辑排序提示模板。
+        consolidate_system: appendix 压缩系统提示。
+    """
+
+    evolve_skill: str
+    evolve_system: str
+    evolve_tool: str
+    evolve_rank: str
+    consolidate_system: str

tests/unit/test_evolution_types.py

@@ -0,0 +1,374 @@
+"""core/evolution/types.py 的类型构造与约束测试。
+
+验证:
+  - frozen 类型不可变性
+  - mutable 类型可修改
+  - 全部 18 个类型可正确构造
+  - 默认值正确性
+  - 字段完整性
+"""
+
+from __future__ import annotations
+
+import pytest
+
+from core.evolution.types import (
+    CaseSample,
+    DiagnosePrompts,
+    DiagnosisResult,
+    ErrorAttribution,
+    EvolutionRecord,
+    EvolutionResult,
+    EvolvePrompts,
+    GateParams,
+    GateVerdict,
+    PairResult,
+    QuadrantClassification,
+    QuestionMetrics,
+    RejectedEdit,
+    SkillCasePack,
+    SkillStepAdherence,
+    SpanMetrics,
+    SystemCasePack,
+    ToolCasePack,
+)
+
+# ---------------------------------------------------------------------------
+# Gate 类型
+# ---------------------------------------------------------------------------
+
+
+def test_gate_params_frozen():
+    """GateParams 是 frozen dataclass，构造后不可修改。"""
+    p = GateParams(
+        e_confirm=20.0,
+        e_provisional=3.0,
+        w_net_min=2,
+        delta_min=0.02,
+        lambda_dir=-0.642,
+        e_rollback=10.0,
+    )
+    assert p.e_confirm == 20.0
+    with pytest.raises(AttributeError):
+        p.e_confirm = 1.0
+
+
+def test_gate_verdict_frozen():
+    """GateVerdict 是 frozen dataclass。"""
+    v = GateVerdict(
+        decision="accept_confirmed",
+        e_value=25.0,
+        wald_lambda=1.2,
+        delta_hat=0.15,
+        delta_shrunk=0.12,
+    )
+    assert v.decision == "accept_confirmed"
+    with pytest.raises(AttributeError):
+        v.decision = "reject"
+
+
+# ---------------------------------------------------------------------------
+# 诊断类型
+# ---------------------------------------------------------------------------
+
+
+def test_span_metrics_frozen():
+    """SpanMetrics 是 frozen dataclass，含默认空列表。"""
+    sm = SpanMetrics(
+        step=1,
+        tool_name="view_node",
+        extraction_completeness=0.9,
+        hallucination_rate=0.05,
+    )
+    assert sm.step == 1
+    assert sm.missed_info_tags == []
+    assert sm.hallucination_tags == []
+    with pytest.raises(AttributeError):
+        sm.step = 2
+
+
+def test_skill_step_adherence_frozen():
+    """SkillStepAdherence 是 frozen dataclass。"""
+    sa = SkillStepAdherence(
+        step_label="定位目标层级",
+        adhered=True,
+        description="正确遵循了定位步骤",
+    )
+    assert sa.adhered is True
+    with pytest.raises(AttributeError):
+        sa.adhered = False
+
+
+def test_question_metrics_frozen():
+    """QuestionMetrics 是 frozen dataclass，约 17 个字段。"""
+    qm = QuestionMetrics(
+        question_id="q001",
+        video_id="v001",
+        task_type="Action Reasoning",
+        correct=False,
+        format_compliance=1.0,
+        budget_usage=0.6,
+        confidence_calibration="calibrated",
+        repeat_visit_rate=0.1,
+        search_keyword_repetition=0.0,
+        level_jump_pattern="L1→L2→L3",
+        tool_usage={"view_node": 3, "search_similar": 1},
+        span_metrics=[],
+        missed_nodes=["L2_seg_01"],
+        skill_adherence=[],
+        confirmation_bias=None,
+        evidence_sufficient=True,
+    )
+    assert qm.question_id == "q001"
+    assert qm.degraded is False  # 默认值
+    with pytest.raises(AttributeError):
+        qm.correct = True
+
+
+def test_error_attribution_frozen():
+    """ErrorAttribution 是 frozen dataclass，含可选字段。"""
+    ea = ErrorAttribution(
+        question_id="q001",
+        error_type="search_failure",
+        reasoning_failure_type=None,
+        cause_category="defect",
+        lapse_note=None,
+    )
+    assert ea.cause_category == "defect"
+    with pytest.raises(AttributeError):
+        ea.cause_category = "lapse"
+
+
+def test_case_sample_frozen():
+    """CaseSample 是 frozen dataclass，含完整推理轨迹。"""
+    cs = CaseSample(
+        question_id="q001",
+        video_id="v001",
+        task_type="Temporal Reasoning",
+        question="视频中发生了什么？",
+        options=["A. 跑步", "B. 走路"],
+        answer="A",
+        prediction="B",
+        correct=False,
+        error_type="reasoning_failure",
+        selection_reason="error_type=reasoning_failure, severity=(1, 0.6)",
+        metrics={"correct": False, "budget_usage": 0.6},
+        trace=[{"step": 1, "tool_name": "view_node", "tool_output": "..."}],
+    )
+    assert cs.prediction == "B"
+    with pytest.raises(AttributeError):
+        cs.prediction = "A"
+
+
+def test_skill_case_pack_frozen():
+    """SkillCasePack 是 frozen dataclass，含默认空列表。"""
+    pack = SkillCasePack(
+        task_type="Action Reasoning",
+        target_file="action-reasoning.md",
+        stats={"n_total": 10, "accuracy": 0.7},
+    )
+    assert pack.failure_cases == []
+    assert pack.success_cases == []
+    assert pack.lapse_notes == []
+    with pytest.raises(AttributeError):
+        pack.task_type = "other"
+
+
+def test_system_case_pack_frozen():
+    """SystemCasePack 是 frozen dataclass。"""
+    pack = SystemCasePack(stats={"early_submit_count": 5})
+    assert pack.failure_cases == []
+    assert pack.success_cases == []
+    with pytest.raises(AttributeError):
+        pack.stats = {}
+
+
+def test_tool_case_pack_frozen():
+    """ToolCasePack 是 frozen dataclass。"""
+    pack = ToolCasePack(
+        tool_name="view_node",
+        target_files=["view_node_extract.md", "view_node_verify.md"],
+        stats={"avg_completeness": 0.85},
+    )
+    assert pack.failure_spans == []
+    assert pack.success_spans == []
+    with pytest.raises(AttributeError):
+        pack.tool_name = "other"
+
+
+def test_diagnosis_result_frozen():
+    """DiagnosisResult 是 frozen dataclass，约 18 个字段。"""
+    dr = DiagnosisResult(run_id="run_001")
+    assert dr.run_id == "run_001"
+    assert dr.filter_summary == {}
+    assert dr.error_attributions == []
+    assert dr.system_case_pack is None
+    assert dr.infra_excluded_count == 0
+    assert dr.infra_excluded_ratio == 0.0
+    assert dr.defect_count == 0
+    assert dr.lapse_count == 0
+    assert dr.degraded_count == 0
+    assert dr.degraded_question_ids == []
+    with pytest.raises(AttributeError):
+        dr.run_id = "other"
+
+
+# ---------------------------------------------------------------------------
+# 进化类型
+# ---------------------------------------------------------------------------
+
+
+def test_evolution_record_mutable():
+    """EvolutionRecord 是 mutable dataclass，构建过程中需修改。"""
+    r = EvolutionRecord(
+        target_file="test.md",
+        target_type="skill",
+        original_content="a",
+        evolved_content="b",
+        reason="test",
+        status="accepted",
+        source_version="v1",
+        suggestions=[],
+        edits=[],
+        apply_report=[],
+        clip_info={},
+    )
+    r.status = "rejected"
+    assert r.status == "rejected"
+
+
+def test_evolution_record_defaults():
+    """EvolutionRecord 各默认字段值正确。"""
+    r = EvolutionRecord(
+        target_file="x.md",
+        target_type="skill",
+        original_content="orig",
+        evolved_content="new",
+        reason="pass",
+        status="accepted",
+        source_version="v1",
+    )
+    assert r.result_version is None
+    assert r.suggestions == []
+    assert r.attempts == []
+    assert r.validation_errors == []
+    assert r.edits == []
+    assert r.apply_report == []
+    assert r.clip_info == {"triggered": False, "clipped": 0}
+
+
+def test_rejected_edit_frozen():
+    """RejectedEdit 是 frozen dataclass，含 gate 证据可选字段。"""
+    re_ = RejectedEdit(
+        target_file="temporal-reasoning.md",
+        target_type="skill",
+        change_summary="增加了时序推理步骤",
+        delta=-0.05,
+        source_version="v2",
+        epoch=3,
+        gate_w=5,
+        gate_l=8,
+        gate_e_value=0.3,
+        gate_delta_shrunk=-0.02,
+    )
+    assert re_.gate_w == 5
+    with pytest.raises(AttributeError):
+        re_.delta = 0.0
+
+
+def test_rejected_edit_optional_gate_fields():
+    """RejectedEdit gate 字段默认为 None。"""
+    re_ = RejectedEdit(
+        target_file="x.md",
+        target_type="skill",
+        change_summary="test",
+        delta=0.0,
+        source_version="v1",
+        epoch=1,
+    )
+    assert re_.gate_w is None
+    assert re_.gate_l is None
+    assert re_.gate_e_value is None
+    assert re_.gate_delta_shrunk is None
+
+
+def test_evolution_result_frozen():
+    """EvolutionResult 是 frozen dataclass，不含 skills_version/prompts_version。"""
+    result = EvolutionResult(
+        records=[],
+        accepted_count=2,
+        rejected_count=1,
+        skipped_count=0,
+    )
+    assert result.accepted_count == 2
+    with pytest.raises(AttributeError):
+        result.accepted_count = 0
+    # 确认不含 TRM4 的 skills_version/prompts_version
+    assert not hasattr(result, "skills_version")
+    assert not hasattr(result, "prompts_version")
+
+
+# ---------------------------------------------------------------------------
+# 验证辅助类型
+# ---------------------------------------------------------------------------
+
+
+def test_pair_result_frozen():
+    """PairResult 是 frozen dataclass。"""
+    pr = PairResult(
+        w=3,
+        l=1,
+        observed={"q1": (False, True), "q2": (True, False)},
+    )
+    assert pr.w == 3
+    with pytest.raises(AttributeError):
+        pr.w = 0
+
+
+def test_quadrant_classification_frozen():
+    """QuadrantClassification 是 frozen dataclass，四象限分类。"""
+    qc = QuadrantClassification(
+        improvements=["q1", "q3"],
+        regressions=["q2"],
+        persistent_fails=["q4"],
+        stable_successes=["q5", "q6"],
+    )
+    assert len(qc.improvements) == 2
+    with pytest.raises(AttributeError):
+        qc.improvements = []
+
+
+# ---------------------------------------------------------------------------
+# Prompt 模板束
+# ---------------------------------------------------------------------------
+
+
+def test_diagnose_prompts_frozen():
+    """DiagnosePrompts 是 frozen dataclass，8 个模板字段。"""
+    dp = DiagnosePrompts(
+        defect_vs_lapse="p1",
+        reasoning_sub="p2",
+        span_eval_system="p3",
+        span_eval_user="p4",
+        missed_nodes="p5",
+        skill_adherence="p6",
+        confirmation_bias="p7",
+        evidence_sufficiency="p8",
+    )
+    assert dp.defect_vs_lapse == "p1"
+    with pytest.raises(AttributeError):
+        dp.defect_vs_lapse = "other"
+
+
+def test_evolve_prompts_frozen():
+    """EvolvePrompts 是 frozen dataclass，5 个模板字段。"""
+    ep = EvolvePrompts(
+        evolve_skill="skill_tmpl",
+        evolve_system="system_tmpl",
+        evolve_tool="tool_tmpl",
+        evolve_rank="rank_tmpl",
+        consolidate_system="consolidate_tmpl",
+    )
+    assert ep.evolve_rank == "rank_tmpl"
+    with pytest.raises(AttributeError):
+        ep.evolve_skill = "other"