docs(tasks): rectification backtest repro package and paired rerun

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01DbBXozsiu43ob7B8UZCmDM

docs/tasks/TASK-rect-repro-20261114.md

@@ -0,0 +1,94 @@
+# 生时纠正回测复验包与配对重跑（2026-11-14，Claude）
+
+## 背景
+
+占星师 11-14 审了 #260 的回测，认可负面结论，但指出三件事：
+
+1. 我们只给了汇总表，她无法复现；
+2. 77 例每人只分到一种偏差，偏差分组里混着人物差异；
+3. 随机基线的口径要写清。
+
+她要一份「最小复验包」，并定了下一轮回测的方案（见下文「她定的方案」）。本任务只做**在现有 77 人上能做的部分**。
+
+- **不改评分公式，不调参数。**
+- 77 人已被 11-06 和 11-14 两轮分析用过，一律称「开发 / 诊断集」，不再叫 holdout。
+- 新留出集要另外收人，不在本任务内。
+
+## 要交的东西
+
+全部放在 `references/real_case_calibration/rect_repro_20261114/` 下，并写一份说明 `docs/research/rect-repro-20261114.md`。
+
+### 1. 运行快照
+
+- 网站代码 commit（#260 最终 commit）；
+- 每个运行文件的 sha256；
+- Python 依赖锁（`pip freeze`）和一条可直接跑的命令。
+
+### 2. 数据
+
+- `minute_rectification_holdout_v5.json` 的 sha256；
+- 人物数和试验数，明确写出；
+- 每人一行：
+  - AA 来源说明（source notes 原文或链接）；
+  - 记录时间的分辨率（到分钟 / 到 5 分钟 / 整点 / 半点）；
+  - 时区和夏令时；
+  - 坐标；
+  - 数据集里有没有标「已被纠正过」。
+- 都是公开名人数据，不含网站用户。
+
+### 3. 映射表
+
+- **事件到答题：** 原始事件事实 → 领域 → 模拟答案 → 日期精度（日 / 月 / 年）。答不了的标 unknown，不当「没有发生」。重复链（毕业→入职→搬家）要标出来。
+- **题目到计分：** 每个题目类别实际调用的分盘、宫位、事件星层，和 upstream 的对照（她核出的 upstream 映射：education D24 / 4、5、9；relocation D4 / 4、12；relationship D9 / 7；career D10 / 10；finance D2+D11 / 2、11；parent D12 / 4、9；sibling D3 / 3、11；health D6+D8+D30 / 6、8、12）。有出入的逐条列出，不修。
+- **中文标签：** 网站把握标签和源枚举的对应（含「倾向」= `tendency_only` 的来历）。
+
+### 4. 配对重跑
+
+- **试验设计：** 每人跑全部 8 个有符号偏差（±1、±2、±5、±10），共 616 次试验，窗口 ±15 分钟不变。
+- **每次试验输出一行 JSONL：**
+  - 每题出题前后的候选集合、题目、回答来源；
+  - 规则贡献（Vimshottari MD/AD/PD、Narayana MD/AD、功能吉凶加减分各自的分数）；
+  - 缺失层、停止原因；
+  - 最终返回的集合：多段就保留多段和所有并列项，不填补间隙；
+  - 是否命中，以及「原窗口包含真值却被排除」。
+- **基线：** 按分钟网格枚举合法起点，逐例算覆盖概率再求和。不抽样，所以不需要 seed。
+  - 多段候选按集合覆盖和总长度算。
+  - 同宽中心基线用同一套窗口截断规则。
+  - 另加「不操作」（原窗口）基线。
+  - 公式和端点约定写进说明文档。46.5（我早先的估计）和 49.49（连续口径）这两个数也要在文档里解释清楚。
+- **报告：**
+  - 问卷对同宽中心的人物级配对差异，用按人物聚类的 bootstrap 给 95% 区间；
+  - 按偏差分组；
+  - 覆盖—宽度曲线和固定宽度曲线；
+  - 伤害率（原窗口包含真值、结果把它排除的比例）；
+  - 弃权率（停在「没有可区分的问题」的比例）。
+- **消融：** 在同一 616 次试验上，按以下固定顺序各跑一次，不增不减：
+  1. 去掉 PD；
+  2. 去掉 Narayana；
+  3. 去掉功能吉凶加减分。
+
+  事件日期按区间处理（不再取 15 日 / 7 月 1 日）要改引擎，留到下一轮，这次只在文档里标为未做。
+
+### 5. 源码差异（只列，不改）
+
+- 网站 `narayana_rath` 和 upstream 5fb8379c（`calc_narayana_mahadasha` / 365.2425）、HEAD 8aaf6099（`narayana_report_with_variants` / 365.25）逐项比较：种子、方向、余数、共主、年长、AD、缺失传播。
+- upstream 5fb8379c → 8aaf6099 在 `active_rectification_questions.py` 和 `active_rectification_selector.py` 上的改动，逐条说明对网站的影响。
+- upstream 仓库在 `/workspace/yinduzhanxing`。
+
+## 她定的方案（下一轮才全做，这里只记录）
+
+1. 人物级划分开发 / 验证 / 最终留出，新收的人作最终留出。
+2. 按记录分辨率保留标签区间。
+3. 固定 profile 和代码哈希；模拟器只读事件事实。
+4. 配对偏差，加整点舍入、时辰不明两种来源情景。
+5. 完整轨迹。
+6. 消融次序固定。
+7. 报覆盖—宽度曲线和伤害率。
+8. 用途稳定性另测。
+
+## 验收
+
+- 一条命令从干净 checkout 复现全部数字。
+- 说明文档每个数字都指向 JSONL 字段。
+- 测试：基线函数对几个手算例（含 w = L、贴边、多段）断言正确。
+- 不改 `scripts/chart_choice/` 的评分行为：现有 fixture 测试全过。