feat(research): consult biography backtest harness and pre-change baseline

TASK-consult-no-presupposition-and-backtest-20261001 T4 infrastructure only
(T1-T3 untouched). New files only, so it merges cleanly with the parallel
evidence-card brief.

- capture_consult_biography_backtest_golden.py: same handler/body/trim as the
  evidence-card golden; nine public AA charts x parents/marriage/health/career.
- consult-biography-backtest-golden.json: real engine output, byte-reproducible.
- consult_biography_backtest_rubric.json: facts with sources, must_not,
  expected_signals per figure x domain.
- consult-biography-backtest.mts: runs the product's real agent, tools, card,
  methodology, user-turn shape and streamAgentResponse; deterministic checks only.
- Baseline on 9b937c4a: 39/72 severe biography conflicts; all five audit cases
  reproduce in both runs.

BUG-1170 is registered when brief 3 lands.

Co-Authored-By: Claude Opus 5.5 (1M context) <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01N4f2nya58RoRu4yEmJgRGE

docs/tasks/PROGRESS-consult-biography-backtest-20261001.md

@@ -0,0 +1,41 @@
+# PROGRESS · 名人生平回测基础设施与基线（2026-10-01）
+
+- 任务书：`docs/tasks/TASK-consult-no-presupposition-and-backtest-20261001.md`，本轮只做 **T4 的基础设施 + 改动前基线**；T1～T3（形状、示例、追问轮）不在本轮。
+- 执行方式：产品负责人要求子代理直接执行。
+- 基线：`origin/staging` `9b937c4a`
+- 分支 / worktree：`codex/consult-biography-backtest-20261001` / `.worktrees/consult-biography-backtest-20261001`（未推送）
+- 并行：另一会话在改证据卡（`TASK-consult-card-affliction-data-20261001`）。本轮**只新增文件、不改任何已有文件**，两边可以干净合并；`docs/tasks/README.md` 索引也没动，由第三单执行方登记。
+
+## 交付
+
+| 文件 | 内容 |
+| --- | --- |
+| `scripts/research/capture_consult_biography_backtest_golden.py` | 复用 `capture_consult_evidence_card_golden.py` 的 `trim()` 与 `consult_evidence_card_run` 的 handler、请求体；9 位 × 4 条引擎路由（parents 走 family）；路由间相同的 chart 字段存一份 `shared_chart`，不同的（今天是 `modules.yogas`、`modules.chara_dasha`）留在各路由下。`PYTHONHASHSEED=0 JYOTISH_API_CHART_CACHE_TTL_SECONDS=0` 下两次输出逐字节相同 |
+| `frontend/tests/fixtures/consult-biography-backtest-golden.json` | 真实引擎输出，2.87 MB；不并入现有合同 golden |
+| `docs/research/consult_biography_backtest_rubric.json` | 9 位 × 父母 / 婚姻 / 健康 / 事业：生平事实（带来源）、`must_not`（含原文筛网）、`expected_signals`（引用卡字段）、评分口径 |
+| `frontend/scripts/research/consult-biography-backtest.mts` | 用产品真实模块组装（见测试文档「与真实路由的差异」）；`--dump-cards` / `--recheck`；确定性检查只做禁句、性别未知代词、must_not 原文 |
+| `docs/testing/consult-affliction-backtest-20261001.md` | 名单、保真度缺口、基线表与合计、代表句、成本 |
+
+## 基线结论（详见测试文档）
+
+72 份里严重冲突 39 份；排查记录的 5 份严重冲突 10 / 10 次复现；新增 4 位严重冲突 20 / 32（通过线 ≤ 1）；对照组误报 1 份（轻）。新发现：事业题 16 / 18 份把人写成「专业人 / 顾问 / 幕后」，与盘无关，第三单不覆盖，建议另开单。
+
+## 门禁
+
+| 项 | 结果 |
+| --- | --- |
+| `tsc --noEmit`（`tsconfig.json` 的 include 含 `**/*.mts`，脚本在范围内） | 0 错 |
+| `eslint`（`npm run lint` 的配置覆盖 `.mts`） | 0 error |
+| 既有测试 | 未改任何测试文件 |
+| `npm test`（Node 22） | 4868 项，pass 4803，fail 24，cancelled 0；24 项全是需要 Docker / PostgreSQL / 部署环境的套件（`startPostgresFixture` 等），本机无 Docker，属已知环境缺口，与本轮新增文件无关 |
+| Python 快速门 `run_quality_gate.py --profile quick`（本机无 `.venv`，用系统 python3） | pytest 1036 passed / 1 skipped；门禁内的 `npm test` 被系统 Node 20 跑，70 项因 Node 20 不支持模块 mock 失败（环境），用 Node 22 单跑结果见上一行 |
+| `tests/test_repo_privacy_markers.py` | 通过 |
+
+## BUG 编号
+
+本轮是基础设施，不登记 BUG。BUG-1170（T4 名人生平回测）在第三单（`TASK-consult-no-presupposition-and-backtest-20261001`）合入时登记，引用本进度记录与测试文档的基线。
+
+## 环境备注
+
+- 模型 key 只从环境变量读，没有写入任何文件、日志或提交。
+- 模型输出在 `scratch/consult-biography-backtest/baseline-20261001/`（gitignore），未提交。

docs/testing/consult-affliction-backtest-20261001.md

@@ -0,0 +1,119 @@
+# 普通对话名人生平回测（2026-10-01）
+
+- 任务书：`docs/tasks/TASK-consult-no-presupposition-and-backtest-20261001.md` T4（D5：普通对话提示词或清单改动的固定验收）
+- 排查记录：`docs/research/consult_affliction_audit_2026_10_01.md`
+- 名单与评分表：`docs/research/consult_biography_backtest_rubric.json`
+- golden：`frontend/tests/fixtures/consult-biography-backtest-golden.json`（`scripts/research/capture_consult_biography_backtest_golden.py` 生成，与 `capture_consult_evidence_card_golden.py` 同一 handler、同一请求体）
+- 脚本：`frontend/scripts/research/consult-biography-backtest.mts`
+- 模型输出不入库，默认写到 `scratch/consult-biography-backtest/<时间戳>/`（已 gitignore）；本文只摘短句。
+
+## 怎么跑
+
+```bash
+cd frontend
+DS_KEY=<临时 key> ./node_modules/.bin/tsx scripts/research/consult-biography-backtest.mts --repeats 2 --concurrency 6
+# 只看模型拿到的卡，不调模型：
+./node_modules/.bin/tsx scripts/research/consult-biography-backtest.mts --dump-cards --out /tmp/cards
+# 改了评分表后，对旧输出重算确定性检查：
+./node_modules/.bin/tsx scripts/research/consult-biography-backtest.mts --recheck <输出目录>
+```
+
+需要 Node 22（本机 `/exec-daemon/node`）。脚本不进 CI，需要外网与模型 key。key 只从环境变量 `DS_KEY` / `BACKTEST_MODEL_KEY` 读。
+
+## 名单
+
+| 名人 | 测什么 | 出生资料 |
+| --- | --- | --- |
+| Steve Jobs | 出生即送养；晚年重病（胰腺肿瘤，56 岁去世）；顶级企业家 | AA，`minute_rectification_development_v1.json` |
+| Barack Obama | 父亲两岁离开、外祖父母带大；婚姻稳定、健康良好（这两项作对照） | AA，`minute_rectification_holdout_v4.json` |
+| Elizabeth Taylor | 八次婚姻、丧偶；终身多病、数十次手术；童星 | AA，同上 |
+| Marilyn Monroe | 生父不明、母亲精神病住院、寄养家庭与孤儿院；三次离婚；慢性病与药物依赖 | AA，`minute_rectification_holdout_v5.json` |
+| Judy Garland | 父亲在她 13 岁去世、强势母亲；五次婚姻；终身药物依赖；童星 | AA，同上 |
+| Édith Piaf | 被母亲遗弃、祖母带大；两次婚姻、挚爱空难；车祸与吗啡依赖 | AA，同上 |
+| Frida Kahlo | 小儿麻痹、车祸、约 30 次手术、截肢；与同一人离婚又复婚；与父亲亲近、与母亲冷淡 | AA，同上 |
+| George W. Bush（对照） | 父母都在且亲近、1977 年至今一段婚姻、健康总体良好 | AA，同上 |
+| Zinedine Zidane（对照） | 父母都在且亲近、1994 年至今一段婚姻、运动员健康 | AA，同上 |
+
+Bill Clinton 不在仓库案例库里，没有加；「父亲缺席」由 Obama、Monroe、Garland、Jobs 覆盖。
+
+## 与真实路由的差异（保真度缺口）
+
+脚本直接用产品的 `getJyotishAgent`（系统提示、绑定的技能方法块、工具）、Mastra `Agent.stream` + `consultationNatalPrepareStep` + `consultationGenerationSettings`、`createConsultationTools`（卡片、方法论清单、`read-consultation-evidence` 查卡）、`consultationUserTurnContent` + `natalUserTurnShape`，以及 `streamAgentResponse`（按 step 取答案、Pass 4、合同重试、空答重试、长度续写）。差异：
+
+1. 引擎调用换成 golden：同 capture 路径、raman 岁差（产品默认也是 raman）、mean 交点、参考日 2026-09-27，外部 VedAstro 不调用。
+2. 用户回合不带「用户称呼」：真实路由会带档案名；这里故意不给名人名字，免得模型凭记忆答生平。
+3. `natalToolInstruction` 一句和 `currentTimeContext` 是 `route.ts` 内部函数、未导出，脚本按原文复刻（两处字符串）。改了这两处要同步改脚本。
+4. 没有内容审核、计费、标题旁路事件、历史摘要、请求时钟（真实路由有工具期与 5 分钟答题钟；本轮最长一份 87 s，不触发）；单轮、无历史。
+5. 性别一律按档案未填（性别未知）。
+6. 模型经 Mastra 的 OpenAI 兼容通道直连 DeepSeek（`deepseek-flash`），不经产品数据库的模型目录；产品的 staging 模型是 `deepseek-v4-flash`，两者是否同一模型以供应商为准。
+7. 计划用 `createConsultationPlan({ userIntent, theme })`；真实路由用预留阶段的计划（含点数与深度）。
+8. 模型若自己多选一个领域（本轮 1 次：Obama 父母 run1 多选了 `family`），`family` / `children` 一律回放 `parents` 的 golden（引擎同为 family 路由，只差问题文本）。
+
+## 基线（改动前）
+
+- 代码：`origin/staging` `9b937c4a`（第一、二、三单都未合入）
+- 模型：`deepseek-flash`，thinking 开，输出上限 24576（产品设置）
+- 9 位 × 4 领域 × 2 次 = 72 份，失败 0 份
+- 评分：Claude 逐份阅读，按评分表 `how_to_score`：通过 / 漏读 / 读反 / 严重冲突 / 误报
+
+| 名人 | 父母 r1 / r2 | 婚姻 r1 / r2 | 健康 r1 / r2 | 事业 r1 / r2 |
+| --- | --- | --- | --- | --- |
+| Steve Jobs | 严重冲突 / 严重冲突 | 通过 / 通过 | 读反 / 严重冲突 | 严重冲突 / 严重冲突 |
+| Barack Obama | 严重冲突 / 严重冲突 | 通过 / 通过（预设未婚） | 通过 / 通过 | 严重冲突 / 严重冲突 |
+| Elizabeth Taylor | 通过 / 通过 | 严重冲突 / 严重冲突 | 严重冲突 / 严重冲突 | 严重冲突 / 严重冲突 |
+| Marilyn Monroe | 严重冲突 / 严重冲突 | 严重冲突 / 严重冲突 | 读反 / 读反 | 严重冲突 / 严重冲突 |
+| Judy Garland | 严重冲突 / 严重冲突 | 通过（弱） / 严重冲突 | 严重冲突 / 严重冲突 | 严重冲突 / 严重冲突 |
+| Édith Piaf | 严重冲突 / 严重冲突 | 通过（弱） / 严重冲突 | 读反 / 读反 | 通过 / 严重冲突 |
+| Frida Kahlo | 漏读 / 漏读 | 读反 / 读反 | 严重冲突 / 严重冲突 | 漏读 / 严重冲突 |
+| George W. Bush（对照） | 通过 / 通过 | 通过 / 通过 | 通过 / 通过 | 严重冲突 / 严重冲突 |
+| Zinedine Zidane（对照） | 通过 / 通过 | 误报（轻） / 通过 | 通过 / 通过 | 严重冲突 / 严重冲突 |
+
+### 合计
+
+| 项 | 数 |
+| --- | --- |
+| 严重冲突 | 39 / 72 份 |
+| 读反 | 7 |
+| 漏读 | 3 |
+| 通过 | 22 |
+| 对照组误报 | 1（轻，Zidane 婚姻 run1「旧联系重新变近、分开又见面」） |
+| 两次都通过的格子 | 9 / 36 |
+| 排查记录里的 5 份严重冲突（Obama 父母、Jobs 父母、Taylor 婚姻 / 健康 / 事业） | 10 / 10 份仍冲突，原样复现 |
+| 新增 4 位（Monroe、Garland、Piaf、Kahlo）严重冲突 | 20 / 32 份（通过线 ≤ 1） |
+| 确定性检查：禁句（逆行…反复/来回） | 7 处，6 份 |
+| 确定性检查：性别未知时婚恋题用他/她 | 5 处（3 处指伴侣，2 处是把金星称「她」） |
+| 确定性检查：must_not 原文 | 27 处（是筛网，最终以阅读为准；对照组 Bush 健康「慢性病」一处属正常描述） |
+
+按领域：父母 10 份严重冲突（缺席的父亲一律写成「话少、分量重、靠做事表达」）；婚姻 6 份（多次婚姻写成「定下来之后很稳」）；健康 7 份严重 + 5 份读反（终身重病写成「底子不差、恢复力强」）；事业 16 / 18 份严重冲突，连两位对照组也冲突。
+
+### 代表句（每条只摘短句）
+
+- 父母·缺席的父亲：Obama「他话不多，存在感却稳……你做事的方式里有一部分就是照着他的样子长出来的」；Monroe「爸爸话少、分量重，是你衡量自己的那把尺」；Garland「父亲这条线表面上不显眼，但分量不轻」；Jobs「他们一直在，而且投入得很深」「挑一件具体的事去问爸爸的意见」。
+- 父母·被遗弃的母亲：Piaf「她是你家里管事最多的那个人」。
+- 婚姻：Taylor「你的婚姻是有的，而且底子偏硬……定下来之后反而稳」；Monroe「最后落到的那段关系……事情交给他你放心」；Garland「婚姻是往后走、慢慢稳下来的类型」。
+- 健康：Taylor「身体底子属于中上：扛得住，也恢复得回来」；Kahlo「你不是一张虚弱的盘」；Garland「这不是有严重疾病迹象」；Jobs「你不是被病拖垮的类型」。
+- 事业：Taylor「偏技术、分析和系统……纯靠嘴皮子和人缘往前推的事，你做起来会别扭」；Obama「顶是深度，不是高度……不是管一个大组织那种顶」；Zidane「真正的手艺在嘴和脑子上：写、讲、分析、算、谈判」；Monroe「靠一门具体的手艺慢慢被人认出来」。
+- 杂项：Taylor 事业 run1 正文出现「加上海王……更正一下」。
+
+### 基线读出来的东西（给第三单和验收）
+
+1. 排查记录的 C 类（形状预设对象在场）在 4 位新名人上全部复现：只要问父母，缺席的一方就被写成「话少、靠做事」。第三单 T1 的新句正对这一条。
+2. 事业题出现排查记录没有单列的一类：16 / 18 份把人写成「专业人 / 顾问 / 幕后」，与盘无关（总统、球星、电影明星都一样）。来源看起来是同一形状要求加上「接触层 / 结构层 / 落地层」三层清单，模型把「不预设上班族」理解成了「默认专业服务」。AL 落 10 宫、10 宫 SAV 高这些成名信号几乎没被读出来。第三单不覆盖这一条，需要另开单或在第三单决策记录里补。
+3. 健康题默认开头「底子不差」，8 宫、6 宫主落 8 宫等受冲只降级成「慢性消耗」。第一单（健康卡加 1 / 12 宫）和第二单（受冲读法）是对口的修法。
+4. 婚姻题有清单，表现最好（9 / 18 通过），但多次婚姻的三位仍有 6 份写成稳定。
+5. 对照组只有 1 份轻度误报：改动后要重点看对照组有没有被「先说受冲、请确认」带出新的误报。
+
+## 改动后
+
+（第三单 T1～T3 合入后，用同一命令重跑，按上表格式填；通过线见任务书 T4 第 5 条。）
+
+## 成本（一次全量）
+
+| 项 | 数 |
+| --- | --- |
+| 份数 | 72（9 × 4 × 2） |
+| 墙钟 | 664 s，并发 6；单份中位 54 s，最长 87 s |
+| 输入 token | 3,480,792，其中命中缓存 3,187,584（约 92%） |
+| 输出 token | 761,012，其中推理 664,649 |
+| 单份平均 | 输入约 48k、输出约 10.6k |
+| 查卡工具 | 72 份里 19 次调用了 `read-consultation-evidence` |