feat: add local accuracy report

2026-06-25 23:55:03 +08:00
parent cfe742dae9
commit 64806de42d
4 changed files with 818 additions and 0 deletions
@@ -0,0 +1,473 @@
+# Antigravity AI 副手任务单 Round 24（2026-06-25）
+
+## 任务目标
+
+本轮最高优先级从“云端/文档/提交卫生”切换为：**本地电脑立即可用、对标应用技能完整、准确率可测、解盘可信**。请副手承担更大体量的并行研究、黑盒复核和任务拆解，尽量减少 Codex 主线算力消耗。
+
+你需要像一个独立 QA + 产品研究 + Jyotish 校准团队一样工作：地毯式复核当前项目到底有哪些印度占星能力、哪些只是注册但未经过真实对标验收、哪些可以直接本地运行、哪些还缺 JHora/PyJHora/VedAstro/AstroSage 等外部 oracle 证据。
+
+## 当前事实基线
+
+必须先重新验证，不要直接相信旧报告：
+
+- 当前分支：`codex/release-hygiene-ci`。
+- `scripts/local_accuracy_report.py` 正在由 Codex 新增，用于聚合本地准确率/能力报告。
+- 技能注册表当前应有约 68 项 technique，状态不应有 `missing` 或 `partial`，但“注册完整”不等于“对标应用全部验收完成”。
+- 已知本地可测基线：
+  - BPHS/Varga/Ashtakavarga invariants：18/18。
+  - Public real-person gated chart checks：66/66。
+  - Yoga logic report：precision 0.9648, recall 0.9399, F1 0.9522。
+  - VedAstro 外部经度行最大偏差约 26.2254 arcsec，阈值 120 arcsec 内。
+  - Dasha/Shadbala external oracle packets 仍未达到可生产调参。
+  - `/api/synastry` 已切到完整 `ashtakoot.calculate_ashtakoot`，但仍需 UI/E2E/外部采样验收。
+- Round 23 产物中可能缺 `antigravity_round23_shadbala_total_unit_acceptance_2026_06_25.md`，需要核对“副手声称创建”和“磁盘实际存在”是否一致。
+
+## 工作量要求
+
+本轮至少产出 **24 份 round24 报告**，全部写入 `docs/research/`，文件名必须含 `antigravity_round24_*_2026_06_25.md`。
+
+每份报告必须包含：
+
+- 至少 16 个检查点。
+- 至少 5 条可复制命令、检索 token、URL、文件路径或代码位置。
+- 至少 1 个“Codex 可直接实现”的任务建议。
+- 至少 1 个“副手下一轮继续深挖”的任务建议。
+- 状态必须标为：`已成立`、`部分成立`、`未成立`、`需要人工外部工具`、`需要用户决策`。
+- 对外部项目必须记录 license；只有 MIT/Apache-2.0/BSD/ISC/CC0 可列为“可复制代码候选”，GPL/AGPL/LGPL/闭源只能做行为参考。
+- 不允许把 `template_only`、`sample_only`、本仓库输出或空目标字段包装成 `external_verified`。
+
+最终必须产出一份总报告，包含：
+
+- Top 100 ROI 任务。
+- “今天本地可做”任务。
+- “必须人工 JHora/PyJHora/网页截图”任务。
+- “必须联网/外部账号/API key”任务。
+- “必须等用户决策”任务。
+- “已完成但仍需证明准确率”的任务。
+- “看似完成但其实只是表面 UI/注册表”的任务。
+
+## 严格边界
+
+禁止事项：
+
+- 不要提交、推送、重置、删除、移动、覆盖或批量格式化现有文件。
+- 不要修改 `scripts/`、`jyotish-app/`、`tests/`、`README.md`、`references/` 的实现内容。
+- 不要读取或传播 token、API key、cookie、SSH 私钥、浏览器登录态、系统钥匙串。
+- 不要摘录用户私人完整出生资料、PDF 原件或完整星盘报告正文。
+- 不要复制 GPL/AGPL/LGPL/闭源项目代码、常量表或实现细节。
+- 不要声称“全部技能已完成”除非有逐项本地入口、测试、外部证据和 UI/API 可用性证据。
+
+允许事项：
+
+- 只能新增 `docs/research/*round24*2026_06_25.md` 报告文件。
+- 可以读取全部仓库文件做只读复核。
+- 可以运行只读命令、pytest、npm build、quality gate。
+- 可以联网检索公开开源项目、公开产品页面、公开文档，只记录 URL/license/能力差距。
+
+## 必跑命令
+
+```bash
+git status --short --branch
+git log --oneline --decorate -n 14
+find docs/research -maxdepth 1 -name 'antigravity_round23_*_2026_06_25.md' -print | sort
+find docs/research -maxdepth 1 -name 'antigravity_sidecar_work_order_round*_2026_06_25.md' -print | sort
+python3 scripts/audit_capabilities.py --mode validate
+python3 scripts/audit_capabilities.py --mode table
+python3 scripts/validate_bphs_invariants.py
+python3 tests/run_real_case_revalidation.py --summary
+python3 scripts/oracle_boundary_audit.py --oracle-file references/oracle/dasha_shadbala_oracle_cases.json
+python3 scripts/oracle_collection_queue.py --oracle-file references/oracle/dasha_shadbala_oracle_cases.json --format json > /tmp/jyotish_round24_queue.json
+python3 scripts/oracle_evidence_validator.py --queue-file /tmp/jyotish_round24_queue.json
+python3 scripts/local_accuracy_report.py --format json
+python3 scripts/local_accuracy_report.py --format markdown
+python3 -m pytest -q tests/test_local_accuracy_report.py tests/test_ashtakoot.py tests/test_api_server_security.py::test_synastry_api_uses_full_ashtakoot_engine
+npm run build --prefix jyotish-app
+git diff --check
+```
+
+## 工作包 A：本地准确率总控入口黑盒验收
+
+输出：`docs/research/antigravity_round24_local_accuracy_report_blackbox_2026_06_25.md`
+
+至少检查：
+
+1. `scripts/local_accuracy_report.py --format json` 是否存在。
+2. JSON 是否可被机器解析。
+3. Markdown 是否可直接给用户阅读。
+4. 是否包含 technique_count。
+5. 是否包含 BPHS invariants。
+6. 是否包含 real-person gated checks。
+7. 是否包含 Yoga precision/recall/F1。
+8. 是否包含 Dasha/Shadbala oracle readiness。
+9. 是否包含 Ashtakoot API parity。
+10. 是否明确“解盘预测准确率未外部认证”。
+11. 是否区分本地回归和外部 oracle。
+12. 是否可作为 README 用户入口。
+13. 是否会超时。
+14. 是否有隐私泄露。
+15. 是否适合用户本机测试。
+16. 缺口和 Round 25 建议。
+
+## 工作包 B：全技能注册表 vs 对标应用能力矩阵
+
+输出：`docs/research/antigravity_round24_skill_registry_vs_benchmark_apps_2026_06_25.md`
+
+对比至少这些应用/库：
+
+- JHora。
+- PyJHora。
+- AstroSage/Kundli。
+- Prokerala/Kundli。
+- VedAstro。
+- Maitreya。
+- Jagannatha Hora 文档/截图能力点。
+- Swiss Ephemeris 相关开源生态。
+
+至少输出 100 行矩阵：能力项、当前本地入口、测试证据、UI/API 是否暴露、外部对标状态、是否算“完成”。
+
+## 工作包 C：看似完成但只是表面完成清单
+
+输出：`docs/research/antigravity_round24_surface_completion_risk_audit_2026_06_25.md`
+
+重点找：
+
+1. 只在 registry 有但无 UI。
+2. 只在 CLI 有但无用户入口。
+3. 只有文档无测试。
+4. 只有测试无外部 oracle。
+5. 只有样例无真实值。
+6. 只有本仓库 baseline。
+7. 只有 Prompt Pack 文案。
+8. 只有静态 demo。
+9. 未接 API。
+10. 未接导出。
+11. 未接 Trust Center。
+12. 未写 README。
+13. 未做移动端。
+14. 未做错误处理。
+15. 未做隐私边界。
+16. 未做精度验收。
+
+## 工作包 D：Dasha 精准度外部校准作战包
+
+输出：`docs/research/antigravity_round24_dasha_external_accuracy_battle_plan_2026_06_25.md`
+
+要求：
+
+- 给出至少 12 个 dasha 测试样本类型。
+- 每个样本必须说明输入、外部工具、目标字段、容差、截图要求、晋级规则。
+- 必须覆盖 Vimshottari 起算、Antardasha 边界、Moon longitude、ayanamsa/node mode、时区/DST、历史日期。
+
+## 工作包 E：Shadbala 精准度外部校准作战包
+
+输出：`docs/research/antigravity_round24_shadbala_external_accuracy_battle_plan_2026_06_25.md`
+
+必须覆盖：
+
+- 7 星。
+- 六分量：sthana, dig, kala, chesta, naisargika, drik。
+- total Rupas/Virupas。
+- 单位换算。
+- JHora/PyJHora/VedAstro 差异。
+- 容差。
+- 截图字段。
+- JSON schema。
+- 何时允许 production tuning。
+
+## 工作包 F：解盘准确率评分标准
+
+输出：`docs/research/antigravity_round24_interpretation_accuracy_rubric_2026_06_25.md`
+
+设计一个能真正测试“解盘精准”的评分体系：
+
+1. 计算事实正确性。
+2. 规则引用正确性。
+3. 强弱排序正确性。
+4. 事件时间窗口正确性。
+5. 反证和不确定性表达。
+6. 不胡编。
+7. 可追溯证据。
+8. 与公开人生事实比对。
+9. 用户主观反馈如何避免污染。
+10. 隐私保护。
+11. 分数权重。
+12. 测试样本。
+13. 自动化可测部分。
+14. 人工评审部分。
+15. CI gate。
+16. Prompt Pack 接入。
+
+## 工作包 G：本地用户路径端到端压力测试计划
+
+输出：`docs/research/antigravity_round24_local_user_e2e_stress_plan_2026_06_25.md`
+
+覆盖普通用户从本地启动到得到解盘：
+
+- API 启动。
+- 静态页面启动。
+- 输入出生资料。
+- 查看 D1/D9/D10。
+- 查看 Dasha。
+- 查看 Shadbala。
+- 查看 Yoga。
+- 合盘。
+- 生成 AI prompt。
+- 导出 JSON。
+- 查看准确率报告。
+- 遇到无外部 oracle 时的提示。
+- 移动端。
+- 断网。
+- 错误输入。
+- 隐私提示。
+
+## 工作包 H：开源项目全网地毯式检索包
+
+输出：`docs/research/antigravity_round24_open_source_jyotish_landscape_2026_06_25.md`
+
+联网检索至少 40 个公开项目/页面，记录：
+
+- URL。
+- license。
+- 语言。
+- 能力点。
+- 是否可复制。
+- 可复用文件。
+- 与本项目差距。
+- 风险。
+
+只允许 MIT/Apache-2.0/BSD/ISC/CC0 进入可复制候选。GPL/AGPL/LGPL/闭源只做行为参考。
+
+## 工作包 I：PyJHora/JHora 对标差距专报
+
+输出：`docs/research/antigravity_round24_pyjhora_jhora_gap_deep_audit_2026_06_25.md`
+
+至少列出 80 个 JHora/PyJHora 能力点，标注：
+
+- 本项目已有。
+- 本项目缺失。
+- 本项目部分有。
+- 是否本地 UI 可见。
+- 是否有测试。
+- 是否有准确率证据。
+- 实现优先级。
+
+## 工作包 J：AstroSage/Prokerala/VedAstro 用户体验对标
+
+输出：`docs/research/antigravity_round24_commercial_ux_gap_audit_2026_06_25.md`
+
+重点不是抄 UI，而是找用户自然期待：
+
+- 输入体验。
+- 图表展示。
+- 报告结构。
+- 合盘流程。
+- Dasha 展示。
+- Panchang/Muhurta。
+- 解读可信感。
+- 错误提示。
+- 导出分享。
+- 移动端。
+- 付费/高级功能启发。
+
+## 工作包 K：前端是否承载全部技能审计
+
+输出：`docs/research/antigravity_round24_frontend_full_skill_exposure_audit_2026_06_25.md`
+
+对 `jyotish-app/main.js/style.css/index.html` 做只读审计，输出：
+
+- 哪些技能有 UI。
+- 哪些技能无 UI。
+- 哪些技能只有 API/CLI。
+- 哪些按钮只是 demo。
+- 哪些结果没有来源/置信度。
+- 哪些移动端拥挤。
+- 哪些应该进入下一轮实现。
+
+## 工作包 L：API 是否承载全部技能审计
+
+输出：`docs/research/antigravity_round24_api_full_skill_exposure_audit_2026_06_25.md`
+
+检查 `scripts/jyotish_api_server.py` 与引擎脚本：
+
+- endpoint 列表。
+- 每个 endpoint 覆盖能力。
+- 未暴露能力。
+- 输入校验。
+- 输出 schema。
+- 错误处理。
+- 隐私风险。
+- 测试覆盖。
+
+## 工作包 M：CLI 是否承载全部技能审计
+
+输出：`docs/research/antigravity_round24_cli_full_skill_exposure_audit_2026_06_25.md`
+
+检查所有 `scripts/*.py` 用户可执行入口：
+
+- 命令。
+- 能力。
+- 输出。
+- 是否能普通用户理解。
+- 是否有 README。
+- 是否有测试。
+- 是否能接到 Web。
+
+## 工作包 N：Prompt Pack 解盘可信度审计
+
+输出：`docs/research/antigravity_round24_prompt_pack_reading_trust_audit_2026_06_25.md`
+
+检查 prompt 是否：
+
+- 引用计算证据。
+- 标注不确定性。
+- 避免过度预测。
+- 能解释 Dasha/Shadbala/Yoga。
+- 能处理缺外部 oracle。
+- 能输出可验证结论。
+- 能做中文用户体验。
+
+## 工作包 O：第一条真实 oracle 样本阻塞清单
+
+输出：`docs/research/antigravity_round24_first_real_oracle_blocker_list_2026_06_25.md`
+
+列出为什么现在仍是 0/5：
+
+- 需要谁操作。
+- 操作哪款工具。
+- 保存哪个截图。
+- 填哪些字段。
+- 命令如何验收。
+- 哪些隐私必须打码。
+- 成功后哪几个文件会变。
+
+## 工作包 P：Round 23 产物完整性审计
+
+输出：`docs/research/antigravity_round24_round23_artifact_integrity_audit_2026_06_25.md`
+
+必须核对：
+
+- Round 23 声称创建多少文件。
+- 磁盘实际存在多少文件。
+- 是否缺 `shadbala_total_unit_acceptance`。
+- 是否有空文件。
+- 是否重复。
+- 是否敏感。
+- 是否可提交。
+- 是否应要求副手补交。
+
+## 工作包 Q：本地准确率报告 README 接入建议
+
+输出：`docs/research/antigravity_round24_readme_accuracy_entry_plan_2026_06_25.md`
+
+写出 README 应该如何告诉用户：
+
+- 一条命令测试准确率。
+- 哪些结果代表本地计算可信。
+- 哪些不代表预测精准。
+- 如何提交外部 oracle。
+- 如何解读 0/5。
+- 如何测试前端。
+
+## 工作包 R：质量门禁补强建议
+
+输出：`docs/research/antigravity_round24_quality_gate_accuracy_profile_plan_2026_06_25.md`
+
+设计一个 `accuracy` profile：
+
+- 包含哪些 pytest。
+- 包含哪些脚本。
+- 是否跑 local_accuracy_report。
+- 是否阻塞 push。
+- 运行时间预算。
+- 失败信息如何展示。
+
+## 工作包 S：数据隐私与出生资料安全审计
+
+输出：`docs/research/antigravity_round24_birth_data_privacy_audit_2026_06_25.md`
+
+只读检查：
+
+- 是否存在私人出生资料。
+- 是否有未打码截图。
+- `.gitignore` 是否够。
+- artifact README 是否够。
+- 前端/导出是否提醒。
+- 测试是否误收私人数据。
+
+## 工作包 T：可复制开源代码候选清单
+
+输出：`docs/research/antigravity_round24_copyable_code_candidate_inventory_2026_06_25.md`
+
+只列 MIT/Apache-2.0/BSD/ISC/CC0：
+
+- 项目 URL。
+- license 证据。
+- 可复制模块。
+- 对应本项目缺口。
+- 移植成本。
+- 测试策略。
+- 不可复制项说明。
+
+## 工作包 U：下一批高优先级本地实现任务拆解
+
+输出：`docs/research/antigravity_round24_codex_round25_implementation_backlog_2026_06_25.md`
+
+拆成至少 60 个 Codex 可直接做的 issue，每个包含：
+
+- 文件。
+- 变更。
+- 测试。
+- 验收。
+- 风险。
+- 是否需要外部 oracle。
+
+## 工作包 V：副手下一轮 Round 25 深挖任务
+
+输出：`docs/research/antigravity_round24_sidecar_round25_recommendations_2026_06_25.md`
+
+列出至少 40 个副手适合继续做的并行审计/研究任务。
+
+## 工作包 W：最终总报告
+
+输出：`docs/research/antigravity_round24_final_summary_2026_06_25.md`
+
+必须回答：
+
+1. 当前印度占星 app 是否已经包含对标应用全部技能。
+2. 哪些技能“本地能用”。
+3. 哪些技能“能算但未证明准”。
+4. 哪些技能“UI 不可见”。
+5. 哪些技能“API 不可见”。
+6. 哪些技能“缺外部 oracle”。
+7. 哪些技能“解盘可信度不足”。
+8. 用户今天如何测试准确率。
+9. 最高 ROI 的 100 个任务。
+10. Round 25 第一优先级。
+
+## 工作包 X：副手自检
+
+输出：`docs/research/antigravity_round24_self_audit_2026_06_25.md`
+
+副手必须自检：
+
+- 是否跑了必跑命令。
+- 是否漏文件。
+- 是否误信旧结论。
+- 是否把本地 baseline 当外部 oracle。
+- 是否写够 24 份报告。
+- 是否列够 Top 100 ROI。
+- 是否有网络来源 license。
+- 是否有敏感信息。
+- 是否给 Codex 足够可执行任务。
+
+## 交付格式
+
+最后请在回复里列出：
+
+- 创建的 24+ 文件。
+- 最重要的 20 个发现。
+- 当前“全部技能完成度”的真实判断。
+- 当前“准确率可测程度”的真实判断。
+- 必须由 Codex 下一步立刻做的 20 个任务。
+- 必须由副手继续做的 20 个任务。
+- 必须由人拿 JHora/PyJHora/网页完成的 10 个任务。