feat(rectification): 少问几道就出卡，交付卡以范围为主（D1–D4）

- D1 引导窗口题每个校正最多 2 道（前端 GUIDED_WINDOW_CASE_LIMIT；引擎 GUIDED_COLLECT_LIMIT 未动：event_probes.py 属冻结评分身份，改它需重新冻结） - D2 七条定向线与跳过线重问问完即出卡，没问到的引导窗口不再挡卡，出卡后也不再挂窗口题 - D3 卡头加副标题「最可能 HH:MM」 - D4 前两列相差 ≥5 个百分点才显示相对可能性，否则一句「这几个时刻目前区分不开……」 - 离线回放 scripts/research/fewer_probes_card_replay.py：真值不降、宽度中位 ±1 分钟、提问 11.4→7.8 - Skill 10.0.29 → 10.0.30；DESIGN / VOICE / CHANGELOG / PROGRESS / 真机清单 Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_017eEAG8HD3mm8gsKXgk8uU8
2026-09-26 14:27:12 +08:00
parent 7ddce2c96a
commit 4e6e8d87ef
48 changed files with 7885 additions and 54 deletions
@@ -0,0 +1,135 @@
+# PROGRESS · 生时校正：减少无效追问 + 交付卡以区间为主（2026-09-26）
+
+- 任务书：`docs/tasks/TASK-rectification-fewer-probes-card-20260926.md`
+- 分支：`codex/rectification-fewer-probes-card-20260926`，基线 `origin/staging` `abb05b67`（代码与线上 `8a409434` 相同）
+- 执行：Claude 子代理（直接执行模式，产品授权）。未推送。
+- 产品调整，不开 BUG 号。Skill 10.0.29 → **10.0.30**。
+
+## 结论先行
+
+| 决策 | 做了什么 | 状态 |
+| --- | --- | --- |
+| D1 引导补经历最多 2 条 | 前端题池按 **每个校正最多 2 道** 引导窗口题（`GUIDED_WINDOW_CASE_LIMIT = 2`）。引擎 `GUIDED_COLLECT_LIMIT` **没有改**，见下方「偏离」 | 完成（实现位置偏离任务书字面） |
+| D2 定向题问完直接出卡 | 能挡住出卡的线只剩「七条定向线 + 跳过线一次重问 + 进行中的年月追问」；没问到的引导窗口题不再挡卡（`cardHoldingLinesExhausted`）。区间、淘汰、采用门、确认门、刷新未试不出卡（BUG-654/656）都不变 | 完成 |
+| D3 区间为主标题 | 主标题「目前范围 05:00–05:15（对照了 N 件经历）」不变，下面加副标题「最可能 05:07」（代表分钟） | 完成 |
+| D4 百分比只在差距明显时显示 | 第一名比第二名高 ≥5 个百分点才每列写「相对可能性 N%」；否则不写数字，卡上一句「这几个时刻目前区分不开，补一件带年月的经历能帮助分开。」只有一列时两样都不写 | 完成 |
+| D5 不做 | 没改打分、淘汰阈值、确认门、45 天闸门 | 遵守 |
+| 硬红线 1 离线回放 | 真值在区间内的比例**没有下降**（±30、±60 各多保住 1 例）；区间宽度中位差 **1 分钟**（±10 窄 1，±30、±60 宽 1）；平均提问 **11.4 → 7.8** | **字面「不变」未完全满足**，数字如实列在下面，请验收方裁决 |
+
+## 偏离：D1 为什么不改 `GUIDED_COLLECT_LIMIT`
+
+任务书写「`GUIDED_COLLECT_LIMIT` 由 6 改为 2」。这个常量在 `scripts/rectification/event_probes.py`，而该文件属于**冻结评分身份**（`scripts/research/sealed_holdout_rerun.py` `PRODUCTION_FILES`）。实测改这一行后 Python 快速门 4 条失败（`tests/test_rectification_validation_integrity_gate.py`：`frozen_record_mismatch` / `production_scoring_sha256` 不等），且记忆化 golden 也要改。BUG-1047 的防复发写明：改冻结评分文件（即使输出不变）必须在任务书里列出重新冻结验证记录。本任务书没有授权重新冻结，所以：
+
+- 引擎仍按 6 条排好序给窗口；前端题池在同一个校正里只问**前两道**没问过的窗口，第三道起不再出（新一轮引擎回执带来的新窗口也不会变成第三道）。
+- 对用户效果与「上限 2」相同，而且比「每张回执 2 条」更严（原来答完一题后引擎换了候选集，会再冒出新窗口）。
+- `event_probes.py`、golden 零改动；验证完整性门禁 4 条保持绿。
+
+若产品仍要引擎侧也改成 2，需要另开一单写明 sealed holdout / reported offset 重新冻结。
+
+## 离线回放（硬红线 1）
+
+脚本 `scripts/research/fewer_probes_card_replay.py`，结果 `docs/research/fewer_probes_card_replay_2026_09_26.json`。
+
+**口径与 `guided_collect_holdout_2026_09_16.json` 同源**：同一份 v4 开放集（20 例公开 AA 名人数据）、同样六道辨别题按真值作答、同样把引导窗口事件注入在真值候选自己的边界日期上（`truth`，理想作答），另跑 `opposite`（离真值最远的剩余候选的边界）做对照；三档半径 ±10 / ±30 / ±60。直接复用 `guided_collect_holdout_replay.py` 的 `posterior_state`、`precision_gate`、`window_boundary_dates`、`synthetic_event`。
+
+**与 09-16 脚本的唯一区别**：09-16 在第一次达到精度门槛时就停（量「几件能达标」）；这里按上线规则比较**最终交付区间**：
+
+- 改前：引导池问完才出卡（BUG-751），回执里的窗口（上限 6）全部问。
+- 改后：一个校正最多问前两道窗口（D1），七条定向线问完就出卡（D2）。
+- 七条定向线两边相同，不建模；提问数 = 6 道辨别题 + 问到的引导窗口题。
+
+### truth（理想作答）
+
+| 半径 | 六题后：真值在区间内 / 宽度中位 | 改前：真值在区间内 / 宽度中位 / 平均提问 | 改后：真值在区间内 / 宽度中位 / 平均提问 | 区间完全相同的例数 |
+| --- | --- | --- | --- | --- |
+| ±10 | 20/20 · 15 | 20/20 · 15 · 11.4 | 20/20 · 14 · 7.8 | 18/20 |
+| ±30 | 20/20 · 33 | 19/20 · 33 · 11.4 | 20/20 · 34 · 7.8 | 13/20 |
+| ±60 | 20/20 · 56 | 19/20 · 52 · 11.4 | 20/20 · 53 · 7.8 | 14/20 |
+
+### opposite（对照）
+
+| 半径 | 改前：真值在区间内 / 宽度中位 / 平均提问 | 改后：真值在区间内 / 宽度中位 / 平均提问 | 区间完全相同 |
+| --- | --- | --- | --- |
+| ±10 | 20/20 · 15 · 11.4 | 20/20 · 15 · 7.8 | 19/20 |
+| ±30 | 20/20 · 33 · 11.4 | 20/20 · 34 · 7.8 | 17/20 |
+| ±60 | 20/20 · 54 · 11.4 | 20/20 · 53 · 7.8 | 14/20 |
+
+- 平均引导窗口题：改前 5.4 → 改后 1.8（有的例子引擎给不满 6 / 2 条）。
+- 精度门槛达标例数两边相同（±10：2/20；±30：1/20；±60：0/20），与 09-16「引导补件新增达标 0 例」一致。
+- 120 行里 25 行最终区间不同：改后更窄 6 行、更宽 19 行。
+- **改前丢了真值的两例都是多问出来的**：±60 一例被收成 13 分钟、±30 一例被收成 5 分钟，真值都落在外面；改后这两例都保住真值（区间 55 / 35 分钟）。也就是说，多问的窗口题有时把区间收窄到错误的位置。
+- 与红线的差距：宽度中位差 1 分钟、真值比例只升不降。字面「均不变」不成立，只能说「真值不降、宽度中位 ±1 分钟」。不改代码去凑这个数。
+
+### 方法局限（继承自 09-16 同口径，未修）
+
+- 窗口年份上限取 `today.year`，不看月份，所以注入的事件可能落在 2026-09-16 之后（09-16 JSON 里就有 `2026-10-27` 这类注入日期）。两边同口径，比较仍成立，但它不是真实用户能报出的事。
+- 改前模型只问一张回执里的窗口；真实线上答完一题后引擎会换回执、可能再冒出新窗口，所以改前真实提问数 ≥ 11.4，节省幅度只会更大。
+- 七条定向线不建模，提问数只算辨别题 + 引导题。
+
+## 实现清单
+
+| 文件 | 改动 |
+| --- | --- |
+| `frontend/src/lib/rectification-agentic/v9/collection-question-pool.ts` | 新增 `GUIDED_WINDOW_CASE_LIMIT = 2`，`guidedWindowPool` 在本校正已问满 2 道窗口时返回空；新增 `cardHoldingLinesExhausted`（进行中的年月追问 + 跳过线重问 + 七条定向线，不含窗口） |
+| `frontend/src/lib/rectification-agentic/v9/decision-from-dossier.ts` | `narrowingExhaustion` 的 `guidedCollectExhausted` 改用 `cardHoldingLinesExhausted`（仍要求刷新已试） |
+| `frontend/src/lib/rectification-agentic/v9/method-followup.ts` | 出卡状态（`sessionOutcomeAllowsDelivery`）下，计划的收尾补问不再带引导窗口——否则卡出来了，下面还挂着一道「某年某月之间有没有什么事」、「更像这个」被锁。跳过线重问与七条定向线照旧 |
+| `frontend/src/lib/rectification-agentic/core/rectification-decision.ts` | 只改注释：`mayDeliverOnPrecision` 逻辑不变 |
+| `frontend/src/lib/rectification-agentic/user-copy.ts` | `RANGE_DELIVERY_PERCENT_MIN_GAP = 5`、`rangeDeliveryShowsPercents`、`rangeDeliveryMostLikely`、`rangeDeliveryIndistinct`，并登记到 `listUserVisibleCopy` |
+| `frontend/src/components/rectification-range-delivery.tsx` | 副标题「最可能 HH:MM」；按 D4 显示百分比或那一句 |
+| `frontend/src/app/globals.css` | `.rectification-range-delivery__most-likely`、`.rectification-range-delivery__indistinct` |
+| `frontend/DESIGN.md` / `frontend/docs/VOICE.md` | 交付卡一节、出卡时机、D3/D4 文案 |
+| `skills/jyotish-birth-time-rectification/**`、`versions/10.0.30/`、`skills/skill-package-registry.json`、`case-status.ts` | Skill bump 10.0.30（sha256 `926db1ab…3a13`，10.0.29 标 deprecated、快照保留，历史校正按绑定版本打开不受影响——BUG-621） |
+| `scripts/research/fewer_probes_card_replay.py`、`docs/research/fewer_probes_card_replay_2026_09_26.json` | 离线回放 |
+
+Skill 为什么要 bump：原 SKILL.md 写「所有线（含引导窗口题、跳过线重问、未覆盖领域题）问完后……才交付目前范围」，`candidate-comparison.md` 写「每列写相对可能性」，都与 D2 / D4 相反，不改会让 Agent 读到错误规则。改了三处：SKILL.md 出卡句 + 引导题「一次校正最多两道」；`conversation-strategy.md` 同步（它还残留 10.0.27 的「出卡须 `precision_gate_met`」旧句，一并改正）；`candidate-comparison.md` 卡片结构与百分比规则。
+
+## 测试
+
+### 前端（Node 22.14.0）
+
+| 项 | 结果 |
+| --- | --- |
+| `tsc --noEmit` | 0 错 |
+| `npm run lint` | 0 error（126 warnings，均为既有；改动文件无新增 warning） |
+| `npm test` | 4012 条 / 24 fail / 27 skip；基线（同代码 `origin/staging`，Node 22）4002 / 24 / 27 |
+| 失败清单对比 | 24 条与基线**逐条同名**（全部是 Docker / DB 套件），新增失败 0 |
+| 测试名单对比 | 消失 0；新增 10（`frontend/tests/rectification-fewer-probes-card-20260926.test.ts`） |
+| `npm run build -- --webpack` | 通过；`/` 仍 `○ (Static)` |
+| 首屏 gzip（`rootMainFiles` 4 个文件） | 130933 B，与基线 130933 B 相同（0%） |
+
+新增 10 条测试覆盖：D4 阈值（5 点、顺序无关、单列不显示）；D3 标题与副标题；D4 差距 ≥5 显示三列百分比且无那句；差距 <5 无任何数字、只有一句、三列与排序不变；文案登记与 VOICE 一致；D1 每校正 2 道（`:next` 重问算同一道、进行中的不算、满额后落到定向线）；D2 窗口未问不挡卡、跳过线重问与进行中的年月追问仍挡卡；D2 门槛未达也按现行规则出卡、确认门不开；D2 出卡状态（completed_with_range / provisional_range / adopt_representative）的下一问不是引导窗口题，采集状态仍会问。
+
+### 改动的既有断言（三栏已写在测试文件里）
+
+只有 Skill 版本号：15 个文件里的 `RECTIFICATION_SKILL_VERSION` / `skill_version` / 包路径 `"10.0.29"` → `"10.0.30"`，4 个文件里的 `/^version: 10\.0\.29$/` → `10\.0\.30`，`skill-registry.test.ts` 的版本与 sha256。每处上方一行「原值 / 新值 / 原因：D2 出卡句与 D4 卡上百分比规则写进 Skill（2026-09-26）」。没有其他既有断言被改动或弱化。
+
+### Python
+
+| 项 | 结果 |
+| --- | --- |
+| 快速门 pytest 集（`gate-pytest-args`） | 948 passed / 1 skipped，与基线相同 |
+| `tests/test_event_probes_guided_windows.py`、`tests/test_rectification_engine_memoization.py` | 通过（`event_probes.py` 与 golden 未改） |
+
+### 截图（真实 Chrome 151 headless，CDP，虚构数据）
+
+组件用 `renderToStaticMarkup` 渲染、挂 `next build` 产出的正式 CSS，在真实浏览器里截：`docs/testing/rectification-fewer-probes-card-20260926/`
+
+| 文件 | 内容 |
+| --- | --- |
+| `gap-wide-1280.png` / `gap-wide-390.png` | 45% / 30% / 25%：副标题「最可能 05:07」，三列都有「相对可能性」 |
+| `gap-narrow-1280.png` / `gap-narrow-390.png` | 35% / 33% / 32%：无任何百分比，卡上一句「这几个时刻目前区分不开……」 |
+
+两种宽度页面 `scrollWidth` 等于视口（无横向滚动），「更像这个」最小高度 44px。这不是登录态整页走查——完整对话里的出卡时机与文案要真机看，清单见 `docs/testing/rectification-fewer-probes-card-20260926.md`。
+
+## 观察（未改，留给产品）
+
+1. 差距 <5 时卡上可能同时出现三句「分不开」：说明行里的「这几个候选按现有信息分不开。」（线都问完时）、参考题用过时的「这两分钟按现有信息分不开，参考题已经用过。」和新加的 D4 句。本单按任务书只加 D4 句，没删另外两句。
+2. 副标题「最可能 HH:MM」在差距 <5 时仍显示（任务书 D3 无条件）。它和「目前区分不开」并存，读起来略拧；边界句「这只是代表性候选……」仍在卡底。
+3. 送卡时若本校正还没问满 2 道引导窗口，交付旁白末尾仍会写「现在还剩 …… 再对照几件经历会更准」，这是邀请用户自己补，不是系统还会追问。
+4. 候选已经明显分开（`separation.sufficient`）那条老路径不经过精度门槛，采集计划里若还有引导窗口题（本校正不足 2 道时）仍会先问——这不是「为门槛追问」，且受每校正 2 道上限约束，本单未改。
+
+## 环境缺口
+
+- 无 Docker：24 条 DB / 部署套件与基线同样失败，已逐条比对。
+- 无登录态与模型凭据：真实对话里的出卡时机、Agent 旁白是否遵守新 Skill 句，留待部署后按 `docs/testing/` 清单真机走查。
+- 未推送、未部署。
@@ -35,7 +35,7 @@

 | 任务书 | 进度 | 主题 | 状态 | 落点 |
 | --- | --- | --- | --- | --- |
-| `TASK-rectification-fewer-probes-card-20260926.md` | — | **减少无效追问 + 卡片区间为主**：引导补件离线新增达标 0 → 上限 6→2、定向题问完门槛未达直接出卡；卡片区间为主标题、代表分钟副标题，第一二名差距 ≥5 个百分点才显示百分比，否则写「目前区分不开」。不放宽任何置信度。先做 | 待领取 | — |
+| `TASK-rectification-fewer-probes-card-20260926.md` | [PROGRESS](PROGRESS-rectification-fewer-probes-card-20260926.md) | **减少无效追问 + 卡片区间为主**：引导补件离线新增达标 0 → 上限 6→2、定向题问完门槛未达直接出卡；卡片区间为主标题、代表分钟副标题，第一二名差距 ≥5 个百分点才显示百分比，否则写「目前区分不开」。不放宽任何置信度。先做 | 待验收 | `codex/rectification-fewer-probes-card-20260926`（未推送；D1 改在前端每校正 2 道，引擎常量因冻结评分身份未动；回放真值不降、宽度中位 ±1 分钟、提问 11.4→7.8；Skill 10.0.30） |
 | `TASK-rectification-telemetry-20260926.md` | — | **匿名聚合统计**：每会话一行只存数字 / 枚举（题数分类、宽度、差距、停止原因、门槛达标、耗时、版本），管理后台只看汇总、保留 180 天；动表须 test:db。排在 fewer-probes 后 | 待领取 | — |
 | `TASK-rectification-offline-research-20260926.md` | — | **三项离线研究**：答错 1–2 题的容错、V1/V2 分盘配权正确重跑、改正「1 分钟≈1.1 天」（实测中位 3.8 天）并核实 `_representative_pairs` 推断。不改线上 | 待领取 | — |
 | `TASK-rectification-code-split-20260926.md` | — | **代码拆分（只搬不改）**：聊天组件 2043 行 / 35 useState、`POST` 926 行、`runV9AgentTurn` 1047 行，269 处切源码测试；拆分 + 增长合同 + 切片测试改调用函数。排在 fewer-probes、telemetry 之后 | 待领取 | — |