diff --git a/docs/tasks/README.md b/docs/tasks/README.md index ce569446..2e4446b9 100644 --- a/docs/tasks/README.md +++ b/docs/tasks/README.md @@ -36,6 +36,7 @@ | 任务书 | 进度 | 主题 | 状态 | 落点 | | --- | --- | --- | --- | --- | | `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 | 已验收（真机清单欠） | `4e6e8d87` + 验收补改 `7203d94e`（区分不开时隐藏「最可能」），deploy-staging run 2933 已部署；回放真值 ±30/±60 19→20、宽度中位 ±1 分钟、提问 11.4→7.8；Skill 10.0.30；真机清单 `docs/testing/rectification-fewer-probes-card-20260926.md` 未走 | +| `TASK-rectification-grounding-20260927.md` | `PROGRESS-rectification-grounding-20260927.md` | **生时校正旁白事实有据 + 去重试 + 资料瘦身**：服务端范围句被裁句裁掉（BUG-1055，复发自 588）；重试按钮盲写不校验→校正里下线（1056）；read-case 超限先删对话记忆（1057）；点选题带经历时范围变化无人说（1058）；offer/compare 剥离推断前数据、报告去重；Skill 按轮次切片、关 skills 注入 | 待领取 | 与数据卡单并行，文件互斥 | | `TASK-rectification-telemetry-20260926.md` | [PROGRESS](PROGRESS-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 | 已验收（后台登录走查欠） | `d0bfc1fc`，门禁 run 2938 含真实 PG 测试通过、migrate 2940、deploy 2941（`e801fcf5`）；只存数字/枚举、不存用户 id；后台「校正统计」页 | | `TASK-rectification-offline-research-20260926.md` | `PROGRESS-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。结论（`docs/research/rectification_offline_research_2026_09_26.md`）：R1 答错 1 题真值在区间 98–100%、头名降三到四成，答错 2 题 ±30/±60 挤出 7–10%（两道反答=8 分=淘汰线）；R2 权重生效，V1/V2 在 ±30/±60 按定义恒等、±10 六题后指标不变 → `no_benefit`（已实测）；R3 3.8 天/分钟复现，45 天闸≈8–34 分钟，`_representative_pairs` 推断被推翻（全配对题数不变，卡在逐月评估），另记 BUG-1048 `investigating`（闸门跨年豁免 + zip 错位）。三项均不建议立实现单 | 已验收 | `0f5442ce`（纯研究，不改线上）；三项均不立实现单：答错 2 题 ±30 真值入区间 0.93、V1/V2 no_benefit、每分钟边界位移中位 3.82 天（勘误 5 份文档）；新发现 BUG-1048 出题闸门两处漏洞待产品决定 | | `TASK-rectification-code-split-20260926.md` | `PROGRESS-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 | 已验收 | `3a66c39f` 组件 / `eb773f12` 路由 / `a00c40d4` agent-run；组件本体 1625→630、useState 35→12、POST 927→114、runV9AgentTurn 1046→25；增长合同 8 条 | diff --git a/docs/tasks/TASK-consult-evidence-card-20260927.md b/docs/tasks/TASK-consult-evidence-card-20260927.md index 6207b9b2..1c9694bd 100644 --- a/docs/tasks/TASK-consult-evidence-card-20260927.md +++ b/docs/tasks/TASK-consult-evidence-card-20260927.md @@ -80,7 +80,7 @@ ### T7 记录 -- `docs/BUG_HISTORY.md`：BUG-1054 修复；若实现中发现新缺陷从 BUG-1055 起。 +- `docs/BUG_HISTORY.md`：BUG-1054 修复；若实现中发现新缺陷从 BUG-1059 起。 - CHANGELOG（用户可感知：回答依据更集中、父母/子女分开）；`frontend/DESIGN.md`（若回执出现补取步骤）；`frontend/docs/VOICE.md`（新领域中文名、补取步骤文案）。 - `docs/tasks/PROGRESS-consult-evidence-card-20260927.md`：最终领域→技法对照表、体量前后对比、红线测试清单、失败名单对比、三栏改动。 - `docs/testing/consult-evidence-card-20260927.md`：真机清单——父母、子女、婚恋、事业各问一次（默认模型与 gpt-5.6-luna），把回答里的上升/月亮/宫位/大运日期与「星盘」页核对；追问「那明年呢」看是否沿用领域；点名问 D60 看补取；看等待时间。 @@ -110,4 +110,4 @@ export PATH=/exec-daemon:$PATH # Node 22 ## BUG 编号 -修 BUG-1054（已存在）。新缺陷从 **BUG-1055** 起，开工与提交时各核对一次 `docs/BUG_HISTORY.md` 最大号。 +修 BUG-1054（已存在）。BUG-1055～1058 已预留给并行的 `TASK-rectification-grounding-20260927`，本单新缺陷从 **BUG-1059** 起，开工与提交时各核对一次 `docs/BUG_HISTORY.md` 最大号。 diff --git a/docs/tasks/TASK-rectification-grounding-20260927.md b/docs/tasks/TASK-rectification-grounding-20260927.md new file mode 100644 index 00000000..25d2fce1 --- /dev/null +++ b/docs/tasks/TASK-rectification-grounding-20260927.md @@ -0,0 +1,107 @@ +# TASK · 生时校正：旁白事实有据 + 去掉重试按钮 + 给模型的资料瘦身（2026-09-27） + +## 基线 + +- 开工时 `git fetch` 后的最新 `origin/staging`（写进 PROGRESS）。诊断基于 `599fe7a9`。 +- 分支 `codex/rectification-grounding-20260927`，工作树 `.worktrees/rectification-grounding-20260927`。 +- **并行**：`codex/consult-evidence-card-20260927`（普通对话数据卡）正在改 `frontend/src/app/api/consult/**`、`frontend/src/lib/stream-agent-response.ts`、`frontend/src/mastra/index.ts`、`consultation-*` 与可能的 `jyotish-vedic-astrology` Skill。本单**不得修改这些文件**；两单都可能改 `skills/skill-package-registry.json`、`CHANGELOG.md`、`docs/BUG_HISTORY.md`、`docs/tasks/README.md`，后合入的一方负责 rebase 合并，保留双方条目。 + +## 事故实证（诊断 2026-09-27，真实 Agent + 记录提示词的假模型 + 本机真实引擎，公开 AA 盘；行号按符号定位） + +复现脚本与数据：`/tmp/claude-1000/-workspace-Jyotisha/725df462-ac7f-4544-90b7-60fba1501ed7/scratchpad/zz-diag-rect-context.test.ts`，同目录 `measure*.json`、`regen.json`、`offer.json`、`compare-projection.json`、`jolie30.json`（执行方可参考并改写成提交的回归测试）。 + +**主链没有 BUG-1053 那种盲写**：每次尝试一个 `agent.stream`，写正文的步看得到 read-case 与 batch 结果；题干（服务端校验 + 模板退回）、验证报告（服务端拼装）、采用旁白（结构化事实 + 数字白名单）、兜底句（batch recaps）均有依据。问题如下： + +- **D1（复发自 BUG-588，已复现）服务端范围句被证据轮裁句裁掉，旧范围反而留下。** `frontend/src/lib/rectification-agentic/v9/agent-run-attempt.ts`（`withRangeChangedAfterEvidence` / `withRescoreSkippedNotice`，约 L588–600）先把「范围从 A 变为 B。」接到正文末尾；`agent-run-finish.ts`（`action === "evidence"` 分支 `trimSpokenTurnForInterview`，约 L169）再按 `collect-prompt.ts` `trimEvidenceTurnBody`（超过两句只留首句）裁掉。模型写两句 → 落库只剩首句，流式时范围句先闪出再被 `replace` 撤回；模型首句带 read-case 里的旧范围 → 落库旧范围。「这次没有重新比较」「候选比较这次没跑成」同样被裁。batch 返回（`rectification-v9-tools.ts` 约 L1706–1733）没有重算后的范围，模型唯一的范围来源是旧值；系统提示（`frontend/src/mastra/agentic-rectification.ts` 约第 39 行）又鼓励「有收窄就说进度」。证据轮与交付轮正文**没有**任何数字/时刻校验。 +- **D2（新，BUG-1053 同型，已复现）「重试」重新生成是盲写且不校验就落库。** `v9/regenerate-turn.ts`（约 L150–157）`agent.generate` 只给旧正文 + read-case，Skill 未注入，输出不剪问句、不补范围句、不查数字/禁用词，直接 `regenerate_agentic_rectification_turn`。复现：写出「范围收在 09:00–09:05，吻合率 90%」原样落库，实际范围 08:54–09:24。入口在 `frontend/src/components/rectification-agentic-chat.tsx`（最新助手消息操作栏，约 L589）。 +- **D3（新，已确认）read-case 超 6KB 时先清空对话与证据。** `v9/turn-decision.ts` `enforceTurnDecisionBudget`（约 L268–286）超限清空 `recent_turns`、`relevant_evidence_summary`，保留每个约 458 字节的候选定位元数据。模型消息里没有历史（`agent-run-messages.ts` 约 L46–74），read-case 是唯一对话记忆。9 个候选、2 条短对话即触发；约 7 个及以上候选的常见窗口都会「失忆」。现有测试只断言不超上限。 +- **D4（BUG-588 / BUG-569 同族，按代码确认）点选题答案里带日期经历时，范围变化无人说。** `v9/agent-route-typed-message.ts`（约 L147–170、L227–247）`deferFollowup` 时 `applied.narration` 不落库；`answer-choice.ts` `persistV9ChoiceAction` 已先写入新推断，随后 Agent 轮 prepare 读到的 `rangeBeforeCompare` 已是答题后范围，两边都不写范围句。 +- **R1（BUG-593 旁路）** offer-candidates 返回完整投影（`rectification-v9-tools.ts` 约 L2139–2187），含 `dasha_agreement_pre_inference`、`house_table_pre_inference`、`representative_time_pre_inference`；compare 里 `engine_indistinguishable_width_minutes` 可被引用。compare 返回的验证报告 Markdown 出现两次（`skill_verification_report` 与 `range_delivery.verification_markdown` 逐字相同）。 +- **R3** 交付轮「三句（范围、吻合率、边界）」指令在打字证据轮无法落地：写正文时还没做交付决定（`agent-run-finish.ts` `persistNextInterviewIfIdle`），也没有吻合率数据。 +- **R4** Mastra 自动注入 `` 与「请调用 skill 工具」，与引导语「不要调用 skill」矛盾，还带出临时目录路径。 +- **体量**（公开盘 30 分钟窗、3 件事、9 个候选；token 为经验估算）：Skill 10.0.31 全文每次调用重发约 10.7K 字符（证据轮只用得上 §5、§7，约 30%）；14 个工具 schema 每步重发约 13.7KB；read-case 5.8K 字符中 4.1K 是候选元数据；compare 返回 32K 字符；offer 返回 100K 字符（含 31KB `candidate_contrast_packet`、27KB 探针）。一轮典型证据轮 4 次调用合计约 59K 输入 token，每次固定约 14K。 + +## 根因 + +服务端事实句与模型正文共用一条「先拼后裁」的管线，事实句不受保护；重新生成沿用了 V5 之前的自由重写、丢了校验；read-case 的预算裁剪顺序把最该留的对话记忆放在了最先被砍的位置；给模型的工具返回和 Skill 没有按轮次瘦身。 + +## 决策记录（产品 2026-09-27） + +- P1 **生时校正里去掉「重试（重新生成）」按钮**（产品偏好：多余入口宁可删除也不修）。普通对话的重试不受影响。服务端重新生成路径若只服务于校正则一并删除；数据库函数 `regenerate_agentic_rectification_turn` 本单**不删**（AGENTS §7.6 两轮规则：先下线代码，另开单再退役函数）。 +- P2 **资料瘦身与四个修复一起做**：read-case 瘦身与预算顺序、compare/offer 剥离与去重、batch 补重算后范围与是否交付、Skill 按轮次切片、关掉 Mastra `` 注入。 +- P3 证据轮与交付轮的范围、时刻、吻合率**只由服务端说**；模型正文里带时刻或百分比的句子，若与服务端事实不符则整句丢弃（AGENTS 三通道原则：正则只当门不当刀，不就地删词）。 +- 本单不推翻 BUG-606 / BUG-615 的「证据轮正文短」口径：裁句仍作用于**模型正文**，只是服务端事实句不再参与裁句。 + +## 硬红线 + +1. 服务端事实句（范围变化、未重算、比较失败、以及 D4 的答题范围句）**永不参与裁句**，落库与流式最终态一致（不得先出现再被 `replace` 撤回）。 +2. 落库正文中出现的任何 HH:MM 区间 / 代表分钟 / 百分比，必须等于服务端当轮事实（白名单），否则该句不落库。测试用两句正文、首句带旧范围的真实 `runV9AgentTurn` 场景（诊断复现 1、2），以及带编造吻合率的场景。 +3. 9 个候选、若干条对话时，read-case 仍保留 `recent_turns` 与 `relevant_evidence_summary`；超限时先砍候选明细（保留 time / score / status / cluster_range），最后才动对话与证据摘要。锁回归。 +4. 不改打分、候选生成、交付门槛、收敛规则、题目选择逻辑；不改 Python 引擎；不动冻结计分文件（ERR-110）。瘦身只改**给模型看的投影**，不改落库的推断与回执。 +5. 历史校正会话仍能打开（BUG-621）：若 bump Skill，旧版本快照保留、registry 标 deprecated。 +6. 前端红线全套（tsc 0、lint 0 error、全量测试 Node 22 失败名单与基线逐条一致、`/` ○ Static、gzip ±2%、改断言三栏）；**全量 Python 门禁集必跑**（含 `tests/test_api_server_growth_contract.py`，handler 伪造点不得增长、注释里也不得出现该字面量）。 +7. 隐私 AGENTS §8；只用公开 AA 盘或虚构数据。 +8. 禁止 `git stash`；只 `git add <具体路径>`，提交前看 `git diff --cached --stat`（ERR-112）；不推送。 + +## 任务分解（每条带验收标准） + +### T1 D1 修复：事实句不参与裁句 + 数字白名单（BUG-1055，复发自 BUG-588） + +- 顺序改为：先对模型正文执行证据轮裁句与数字白名单（P3），再追加服务端事实句；流式不再先接后撤。 +- batch 工具返回补上重算后的 `credible_range` 与「本轮是否交付」，模型不再只能用旧值；系统提示「有收窄就说进度」改为「范围由系统说，你不写时刻和百分比」。 +- **验收**：诊断复现 1、2 与编造吻合率场景转为回归测试并通过；「这次没有重新比较」「候选比较这次没跑成」保留；BUG-588 原测试不弱化。 + +### T2 D2：去掉生时校正的重试按钮（BUG-1056） + +- 校正消息操作栏不再显示重试；普通对话不变。服务端重新生成入口对校正会话返回明确的不可用（或整条删除若无其他调用方）；删除随之无用的代码与文案。 +- **验收**：UI 测试（校正消息无重试、普通对话有）；接口测试；`DESIGN.md` / `VOICE.md` 同步；数据库函数不动并在 PROGRESS 记「待另开单退役」。 + +### T3 D3：read-case 瘦身与预算顺序（BUG-1057） + +- 候选只留 time / score / status / cluster_range；删掉与 `inference.candidates` 重复的 `candidate_summary.candidates`；超限时先砍候选明细、最后才动 `recent_turns` 与证据摘要。 +- **验收**：红线 3 回归；9 个候选时 read-case 体量与内容对比表写进 PROGRESS。 + +### T4 D4：点选题 + 带日期经历路径的范围句（BUG-1058，关联 BUG-588 / BUG-569） + +- `deferFollowup` 路径把答题前范围传给随后的 Agent 轮，或把 `applied.narration` 的范围句按 T1 规则并入正文（二选一，写明理由）。 +- **验收**：真实路由级回归：点选题答案带日期经历、范围变化时，落库正文有且仅有一句服务端范围句。 + +### T5 compare / offer 投影剥离（R1、R3） + +- offer 给模型的投影走与 compare 相同的剥离（去掉 `*_pre_inference`、对照包、探针，保留交付所需的结论字段）；验证报告 Markdown 只留一份；`engine_indistinguishable_width_minutes` 不给模型。 +- 交付轮的正文指令与「写正文时是否已知交付」一致（配合 T1 的「本轮是否交付」）。 +- **验收**：投影合同测试（真实引擎响应 fixture，AGENTS §7.4）；offer / compare 模型可见体量前后对比表；BUG-593 原测试不弱化。 + +### T6 Skill 按轮次切片 + 关掉 `` 注入（R4） + +- 证据轮只给 Skill §5、§7 等本轮相关章节（切片规则写成代码常量并测试）；删掉只在 `full_diagnostics` 里才有的字段说明或改到需要时才给；关掉 Mastra 自动 skills 注入。 +- 可选：按轮次收窄每步给模型的工具 schema（只给本轮会用到的），不影响现有工具调用路径时才做。 +- 若 Skill 文本改动则 bump 版本（快照、registry sha、旧版 deprecated），CHANGELOG 写明。 +- **验收**：记录提示词的假模型测试断言证据轮不含无关章节、不含 ``；典型证据轮每次调用的固定开销与合计输入 token 前后对比表（目标：固定开销从约 14K 降到 8K 以下，给出实测）。 + +### T7 记录 + +- `docs/BUG_HISTORY.md`：BUG-1055～1058 完整记录（D1 写「复发自 BUG-588」及为何旧测试没拦住：只用单句正文）；R1 在 BUG-593 下补充。 +- CHANGELOG；`frontend/DESIGN.md`（操作栏）；`frontend/docs/VOICE.md`（范围由系统说的口径）；`docs/tasks/PROGRESS-rectification-grounding-20260927.md`（体量前后对比、红线测试清单、失败名单对比、三栏改动）；`docs/testing/rectification-grounding-20260927.md`（真机：说一件带年月的事看范围句是否完整留存；候选多时说「那年」看是否记得；点选题顺手打字补经历看有无范围句；校正消息下没有重试按钮）；`docs/tasks/README.md` 本单一行改「待验收」。 + +## 让步顺序 + +1. T1、T2、T3、T4 必须完成（用户可见的错误）。 +2. T5 必须完成剥离部分；去重可降级。 +3. T6 的 Skill 切片与关注入必须做；工具 schema 收窄可留下一单。 + +## 开工前置命令 + +```bash +cd /workspace/Jyotisha && git fetch origin --prune +git worktree add -b codex/rectification-grounding-20260927 .worktrees/rectification-grounding-20260927 origin/staging +ln -s /workspace/Jyotisha/frontend/node_modules .worktrees/rectification-grounding-20260927/frontend/node_modules +cd .worktrees/rectification-grounding-20260927 && git status -sb +export PATH=/exec-daemon:$PATH # Node 22 +``` + +先读：`AGENTS.md`（§5–§8）、`frontend/AGENTS.md`、`frontend/DESIGN.md`、`frontend/docs/VOICE.md`、`docs/BUG_HISTORY.md` 的 BUG-569、588、593、606、615、621、1047、1053、`docs/research/pre_work_error_ledger.md` ERR-110/111/112。开工先在未改动的基线上跑全量前端测试（Node 22）与全量 Python 门禁集，存日志作对比。 + +## BUG 编号 + +本单预留 **BUG-1055（D1）、BUG-1056（D2）、BUG-1057（D3）、BUG-1058（D4）**；并行的数据卡单新缺陷从 BUG-1059 起。开工与提交时各核对一次最大号。