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

# 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（2026-10-02）

- 代码：`codex/consult-no-presupposition-backtest-20261001`（第一、二、三单 + 产品 10-02 年运 / 时运字数口径决定，提交 `ec06d422`）。年运 / 时运口径那个提交不影响本回测的四个领域：两次 `--dump-cards` 的模型可见工具结果逐字节相同（年运 / 时运不在回测领域里，模型 72 份里也没有自选这两个领域）。
- golden 重新生成：旧 golden 生成于第一单之前，卡上没有相位、燃烧、瑜伽分领域、`saturn_from_moon_house`。按 capture 脚本同一命令（`PYTHONHASHSEED=0 JYOTISH_API_CHART_CACHE_TTL_SECONDS=0`）用真实引擎重跑，两次输出逐字节相同，未手改；新 golden 2.87 MB → 3.86 MB，`graha_drishti` / `yoga_domains` / `saturn_from_moon_house` 各 36 处。
- 命令：`--repeats 2 --concurrency 6 --correction barack_obama,marilyn_monroe,judy_garland,edith_piaf`；模型、思考、输出上限与基线相同。
- 首轮 72 份里 6 份 `provider_error`（5 份超时约 380 s，1 份 41 s；泰勒婚姻 r1/r2、健康 r1、父母 r2，奥巴马事业 r1/r2），同命令按名人 + 领域补跑，只取失败那一次的同号结果替换，没有挑选。最终 72 份、失败 0。
- 评分：Claude 逐份阅读全部 72 份 + 8 份纠正追问，口径与基线相同（评分表 `how_to_score`）。本轮新增两条细则，基线表不受影响：①健康题对终身多病的人，开场写「底子中等 / 中等偏稳」并认出受冲的记「通过（弱）」，写「底子不差 / 中上 / 不弱」的记「读反」；②带「可能」和确认句、但与生平事实冲突的判断（例：父母都在身边却写「爸爸可能不常在你身边」）照样按 `must_not` 记「严重冲突」，对照组记「误报」——加了确认句不抵扣。

| 名人 | 父母 r1 / r2 | 婚姻 r1 / r2 | 健康 r1 / r2 | 事业 r1 / r2 |
| --- | --- | --- | --- | --- |
| Steve Jobs | 通过 / 通过 | 通过 / 通过 | 通过（弱） / 通过（弱） | 严重冲突 / 严重冲突 |
| Barack Obama | 通过（弱） / 通过（弱） | 误报 / 误报 | 误报（轻） / 误报（轻） | 严重冲突 / 严重冲突 |
| Elizabeth Taylor | 严重冲突 / 严重冲突 | 通过 / 通过 | 读反 / 读反 | 严重冲突 / 严重冲突 |
| Marilyn Monroe | 读反 / 通过 | 通过 / 通过 | 读反 / 通过（弱） | 严重冲突 / 严重冲突 |
| Judy Garland | 读反 / 通过（弱） | 通过 / 通过（弱） | 读反 / 读反 | 严重冲突 / 严重冲突 |
| Édith Piaf | 通过 / 通过（弱） | 通过 / 通过 | 读反 / 读反 | 通过 / 通过 |
| Frida Kahlo | 严重冲突 / 通过 | 通过 / 通过 | 通过（弱） / 读反 | 严重冲突 / 严重冲突 |
| George W. Bush（对照） | 误报 / 误报 | 误报（轻） / 通过 | 误报（轻） / 误报（轻） | 严重冲突 / 严重冲突 |
| Zinedine Zidane（对照） | 误报 / 误报 | 误报 / 误报 | 误报（轻） / 误报 | 严重冲突 / 严重冲突 |

格子说明：奥巴马父母两次都认出父亲可能不在身边并请确认，但行动仍写「主动问爸爸一件具体的事」，所以记「弱」；奥巴马婚姻、健康是评分表里的对照项（婚姻稳定、健康良好）。泰勒父母两次把父亲（r2 连母亲）写成「可能不常在你身边」——泰勒父母都在身边，评分表 `must_not` 原文就是「说父母不在身边」。Monroe 父母 r1 母亲写成「她是在的，给的东西也实」；Garland 父母 r1 母亲写成「可能不是那个一直守在身边的人」（她母亲是强势的星妈）；Kahlo 父母 r1 把与她最亲的父亲写成「可能也不常在你身边」。

### 合计：改动前 → 改动后

| 项 | 改动前 | 改动后 | 通过线（任务书 T4 第 5 条 / T2b） | 是否达到 |
| --- | --- | --- | --- | --- |
| 严重冲突 | 39 / 72 | **19 / 72**（事业 16，父母 3） | — | — |
| 读反 | 7 | 10（健康 7、父母 3） | — | — |
| 漏读 | 3 | 0 | — | — |
| 误报（含轻） | 1（轻） | **15**（重 9、轻 6；全部落在对照项：Bush、Zidane、奥巴马婚姻 / 健康） | 对照组 0 | **否** |
| 通过（含弱） | 22 | 28 | — | — |
| 两次都通过的格子 | 9 / 36 | 12 / 36 | — | — |
| 排查记录 5 份严重冲突，2 次各 | 10 / 10 仍冲突 | 奥巴马父母 2/2 过（弱）、乔布斯父母 2/2 过、泰勒婚姻 2/2 过；泰勒健康 2 份读反（不再是严重冲突，但没过）；泰勒事业 2 份仍严重冲突 | 5 份全部不再冲突、两次都过 | **否**（泰勒健康、泰勒事业） |
| 新增 4 位严重冲突 | 20 / 32 | **7 / 32**（Monroe 事业 2、Garland 事业 2、Kahlo 事业 2、Kahlo 父母 1） | ≤ 1 | **否** |
| 事业题「专业 / 顾问 / 幕后」与生平冲突 | 16 / 18 | **16 / 18**（只有 Piaf 两份没写成专业型） | ≤ 3 / 18 | **否** |
| 禁句（逆行…反复 / 来回） | 7 处，6 份 | **0** | 0 | 是 |
| 性别未知时婚恋题用他 / 她 | 5 处 | **0** | — | — |
| must_not 原文（筛网） | 27 | 23 | — | — |

按领域：

- **父母**：缺席的父亲这一类修好了。奥巴马、Monroe、Garland、Piaf、乔布斯 10 份全部认出「父亲可能不常在你身边」并在段末请确认，不再写「话少、分量重、靠做事表达」；乔布斯两份都写出「照顾你长大的可能不止一位」（送养）。代价是**同一句被套到了父母都在身边的人身上**：Bush 3 处、Zidane 4 处、泰勒 3 处、Kahlo 1 处写成「可能不常在你身边 / 很早就有距离」。原因：第二单通用读法的门槛「受冲信号两个及以上就先写这一面」几乎每张盘都满足（9 宫或太阳被土星 / 火星照、宫主落 6/8/12、D12 有罗睺计都，随便凑两条），T1 定稿句又要求这时第一句就写「在不在你身边」，于是「可能不在身边」成了父母题的默认开头。
- **婚姻**：多次婚姻的五位 10 份全部读出「可能不止一段 / 断过再续」（基线 6 份写成稳定）。同样的门槛让对照组也被写成「不止一段」：奥巴马 2 份、Zidane 2 份、Bush 1 份（轻）。
- **健康**：不再有「没有受损」「不是有严重疾病迹象」这类严重冲突（基线 7 份），终身多病的五位都认出了 8 宫 / 6 宫主受冲、慢性消耗；但 7 份开场仍是「底子不差 / 中上 / 不弱」。对照组被写成「底子偏弱 / 偏薄、从小比别人容易累」（Zidane r2，职业球员）等 5 份。
- **事业**：没有改善。总统、影星、球星、画家、企业家依旧写成「靠专业深度立身」「顾问、老师」「幕后、不靠曝光」「名分落后于实力」。新出现的共性是两层叠加：①通用读法让模型先写受冲——事业宫被土星照、10 宫主落 6/8/12 几乎人人都有，于是开头一律是「名分被压着、在别人看不见的地方做」；②第二单之前就存在的事业清单第 3 行「①接触（消息、面试、初步接洽）②结构性机会（合同、正式职位、长期项目）③公开落地」把读者设成求职者（奥巴马事业 r1 几乎原样复述这三层）。T2b 改的 `product-voice.ts` 示例不是主因：示例删掉「升职 / 专业能力」后 16 / 18 原样不变。AL 落 10 宫（泰勒、Monroe、Garland、Piaf）只有 Piaf 两份、泰勒 r2、Monroe r2、Garland r1 读出「公众形象 / 名声就是事业」，后三份方向仍写成专业型。

### 纠正追问（T3 / D4）

对父亲缺席的四位（奥巴马、Monroe、Garland、Piaf）各两次父母答案追加一轮「我爸其实没怎么管过我」（同会话，历史为上一问一答，走追问轮形状）：

| 名人 | r1 | r2 |
| --- | --- | --- |
| Barack Obama | 通过：「你说得对，我上一轮把这条读软了」→ 9 宫火星、9 宫主燃烧、土星照 → 点出上一轮「要你先问」那句读偏 | 通过：先认 → 列四条 → 点出「需要的时候总还能有人接住你」读偏 |
| Marilyn Monroe | 通过：先认 → 四条受冲 → 收回「关系质地的问题」「你接不住」两句 | 通过：同上，收回「按远近写、说轻了」 |
| Judy Garland | 通过：「认下了：这事是我上一轮读偏了」→ 点出「位置和标准」把没做的事包装成贡献 | 通过：先认 → 点出拿 D12 替他说「有支撑」读偏 |
| Édith Piaf | 通过：「认下」→ 点出把 2 宫同宫读成「日常能碰得着」 | 通过：「是，他没怎么管过你」→ 点出把月亮力量当成在场程度 |

8 / 8 份都先认下、再说哪几条对得上、点名哪句读偏，没有一份为原判断辩护，没有「盘上显示你们关系不错」。要留意的副作用：追问轮会把用户的话反向全部「对上」，例如「9 宫主落 8 宫这种结构，常应的就是……没有落到你身上」「在传统读法里讲的就是这个人不在场」——认错之后又把一条普通配置说成必然，确定性比首轮还高。这是 D4 没覆盖的一面（不辩护 ≠ 全盘附和），记给产品。

### 读出来的东西（给验收和下一单）

1. T1 的「在不在你身边 + 请确认」对缺席的父亲有效，排查记录的 C 类在 5 位缺席 / 送养名人上消失；T2 的「逆行 → 反复」禁句从 7 处降到 0；T3 纠正追问 8 / 8 通过。
2. 通过线没有达到。主要不是本单的句子写错，而是**受冲门槛太低**：「两个及以上受冲信号」在每张盘、每个领域几乎都成立，T1 又把它接到「第一句就写这一面」，于是对照组的误报从 1 份涨到 15 份，父母都在的泰勒也被写成父亲可能缺席。要压误报，需要产品决定其一：门槛改成「受冲信号明显多于支撑信号」或按信号强度计分；或卡上给出每个领域受冲 / 支撑的计数，让模型对比而不是只数受冲。
3. 事业题 16 / 18 不是示例造成的。可疑源头按顺序：第二单之后的通用读法（先写受冲）、事业清单第 3 行的「面试 / 正式职位」三层、模型自身对 AL 落 12 宫 / 10 宫主落 6 宫的「幕后」读法。需要另开单，在事业清单里写明 AL 落 10 宫与 10 宫 SAV 高时先说公众性与名声、三层不预设上班。
4. 健康题的「底子不差」开场仍有 7 份，健康清单「先讲体质底子」可能把开场固定成了对底子的评价；第二单健康清单可加一句「终身受冲信号多时，开场不写底子好」。
5. 成本：72 份墙钟 1,097 s（并发 6，含 6 份超时），补跑 8 份；单份中位 64 s；输入 3,622,567 token（缓存命中 3,149,952，约 87%），输出 935,849（推理 843,400）；查卡工具 12 次。
6. 年运 / 时运单领域轮（第二单曾因字数口径不发通用读法）在 10-02 产品决定后已放开，但本回测没有覆盖年运 / 时运领域，效果未测。

## 改动后（第二轮，2026-10-02，产品改口径之后）

- 起因：第一轮对照组误报 1 → 15。Claude（PM）按卡片确定性计数核对：在场的父亲（Zidane、泰勒）与缺席的父亲（奥巴马、乔布斯）受冲信号数一样，盘分不出在不在身边。产品 10-02 改口径：受冲两个及以上时写「这条线有压力或距离的迹象」+ 括号依据 + 现实里可能的范围，不断定用户自己更清楚的传记事实（父母在不在、几段感情、有没有病），不写反向安慰（「有分量」「底子不差」「关系稳」……），段末请用户说一句实际情况、全篇最多一处；婚姻写「感情这条线上有波折的迹象」，健康写「身体这条线有压力的迹象」；事业清单三层去掉求职口吻，加「先讲一生事业形态，受冲只说阻力和代价」；纠正追问只对上真正对得上的几条，分不出的直说「盘本身分不出这一点」。
- 代码：提交 `066558a6`（`AFFLICTION_RANGE_RULE` 只定义在 `consultation-thinking-plan.ts`，通用读法第 3 条与 `NATAL_SECTION_RULE` 都引用它）。golden 同第一轮。
- 命令：`--repeats 2 --concurrency 4 --correction barack_obama,marilyn_monroe,judy_garland,edith_piaf`；72 份失败 0，无补跑。
- 评分：Claude 逐份阅读 72 + 8 份。按协调方给的新通过线：认出压力迹象算过；断言在场 / 缺席、几段感情、身体好坏，只有与生平相反才扣；对照组「压力迹象 + 范围 + 请说一句」不算误报，把「距离 / 偏弱」写成结论才算。

| 名人 | 父母 r1 / r2 | 婚姻 r1 / r2 | 健康 r1 / r2 | 事业 r1 / r2 |
| --- | --- | --- | --- | --- |
| Steve Jobs | 通过 / 通过 | 通过 / 通过 | 通过 / 通过（弱） | 严重冲突 / 严重冲突 |
| Barack Obama | 通过 / 通过 | 通过 / 通过 | 通过 / 通过 | 严重冲突 / 严重冲突 |
| Elizabeth Taylor | 通过 / 通过 | 通过 / 通过 | 通过 / 读反（轻） | 严重冲突 / 通过 |
| Marilyn Monroe | 严重冲突 / 严重冲突 | 通过 / 通过 | 通过 / 通过（弱） | 通过（弱） / 通过 |
| Judy Garland | 通过 / 通过 | 通过 / 通过 | 通过 / 通过 | 严重冲突 / 严重冲突 |
| Édith Piaf | 通过 / 严重冲突 | 通过 / 通过 | 通过（弱） / 通过（弱） | 通过 / 通过（弱） |
| Frida Kahlo | 通过（弱） / 通过 | 通过 / 通过 | 通过 / 通过 | 通过（弱） / 严重冲突 |
| George W. Bush（对照） | 误报（轻） / 误报（轻） | 通过 / 误报（轻） | 误报（轻） / 通过 | 严重冲突 / 严重冲突 |
| Zinedine Zidane（对照） | 通过 / 通过 | 通过 / 通过 | 误报（轻） / 误报（轻） | 严重冲突 / 严重冲突 |

格子说明：
- Monroe 父母两次都把母亲写成「这条线近、来往密、参与度高」（r2「她这一头是近的」），与母亲精神病住院、寄养的生平相反；Piaf 父母 r2「你和妈妈这条线牵得紧、来往多……照料和牵挂是实的」，与被母亲遗弃相反。这三份都是母亲一侧受冲两个以上、模型仍写了反向的「近」，违反新口径第 2 条。
- 泰勒健康 r2「身体底子能用……不是一个突然出状况的结构」与她多次急症、手术相反，记读反（轻）；乔布斯健康 r2「底子够用」、Monroe r2「底子中等」认出了受冲并给范围，记通过（弱）。
- Bush 父母两次开场把父亲写成「距离感明显」「偏外，见面和消息都少一些」（段内有范围，但结论先下了）；Bush 婚姻 r2「走到结婚那一步会比大多数人拖」、健康 r1「长期消耗大于恢复……最符合你的盘」；Zidane 健康两次「你的身体不是能硬扛的类型」「恢复慢、一累就拖很久」（职业球员）——都记误报（轻）。奥巴马婚姻、健康两个对照项本轮都是「迹象 + 范围」，不算误报。
- 事业「通过」的 5 份：泰勒 r2「走的是被看见的那条路」，Monroe r2「事业是做给外面看的」，Monroe r1「公众型」（仍带「上限在专业型」，记弱），Piaf r1「露脸……不是后台型」，Kahlo r1「面向人群……被广泛认得」（带「偏幕后、偏异地」，记弱）；Piaf r2「硬本事……谈判、写方案」偏顾问口吻，记弱。

### 合计：改动前 → 第一轮 → 第二轮

| 项 | 改动前 | 第一轮 | 第二轮 | 通过线（协调方 10-02 修订） | 达到 |
| --- | --- | --- | --- | --- | --- |
| 严重冲突 | 39 / 72 | 19 / 72 | **15 / 72**（事业 12，父母 3） | — | — |
| 读反 | 7 | 10 | 1（轻） | — | — |
| 误报 | 1 | 15 | **6，全部轻**（Bush 4、Zidane 2；奥巴马对照项 0） | 0 | **否** |
| 通过（含弱） | 22 | 28 | **50** | — | — |
| 两次都通过的格子 | 9 / 36 | 12 / 36 | **22 / 36** | — | — |
| 排查记录 5 份 × 2 | 10 / 10 冲突 | 6 / 10 过 | **8 / 10 过**：奥巴马父母、乔布斯父母、泰勒婚姻各 2 / 2；泰勒健康 1 / 2（r2 读反轻）；泰勒事业 1 / 2（r1 严重） | 不再有与生平相反的说法 | **否**（泰勒健康 r2、泰勒事业 r1） |
| 新增 4 位严重冲突 | 20 / 32 | 7 / 32 | **6 / 32**（Monroe 父母 2、Piaf 父母 1、Garland 事业 2、Kahlo 事业 1） | ≤ 1 | **否** |
| 事业「专业 / 顾问 / 幕后」与生平冲突 | 16 / 18 | 16 / 18 | **12 / 18** | ≤ 3 / 18 | **否** |
| 禁句（逆行…反复 / 来回） | 7 | 0 | **0** | 0 | 是 |
| 性别未知时婚恋题用他 / 她 | 5 | 0 | 0 | — | — |
| must_not 原文（筛网） | 27 | 23 | 16 | — | — |

### 纠正追问（第二轮）

| 名人 | r1 | r2 |
| --- | --- | --- |
| Barack Obama | 通过：认下、收回「事情都做了但不说」，三条对得上；「盘本身分不出的是具体形态：人不在、人在但没伸手、还是关系没建立」 | 通过：收回「在管、有人托着」；「是他人不在，还是人在但没插手——这两种在盘上是一样的，我不替你定」 |
| Marilyn Monroe | 通过：「盘本身分不出的是：他是人不在，还是人在、只是不做这件事」 | 通过：认下、收回上一轮「问他当年怎么处理」的预设在场；「盘不给这个区分」。仍有一句「他这一头没有担起父亲那个位置」偏重 |
| Judy Garland | 通过：「他是人在但没插手，还是人就不常在，这个盘分不出来」 | 通过：「盘本身分不出的是：他是不在同一个屋檐下，还是人在但不说话」；仍有「宫主落第 8 个位置说的是这条线断开」一句偏重 |
| Édith Piaf | 通过：列出盘分不出的三件（人不常在还是在但不插手、从何时起、谁的选择） | 通过：「这两条盘上给不出来，按你说的算」 |

8 / 8 份先认下、不辩护，且全部明确写出盘分不出的部分（第一轮 0 份写）。残留：2 份仍把某条普通配置说成「断开 / 没担起」，确定性偏高。

### 读出来的东西（第二轮）

1. 新口径把对照组误报从 15 份压到 6 份轻度，奥巴马婚姻 / 健康两项对照全部转为「迹象 + 范围」；缺席父亲、多次婚姻、终身多病三类都还认得出，排查记录 5 份从 6 / 10 升到 8 / 10。
2. **新口径第 2 条（受冲时不写反向安慰）执行不稳**：母亲一侧有 3 份在受冲两个以上的情况下仍写「近、来往密、照料是实的」，正好落在母亲缺席的 Monroe、Piaf 身上；Bush 的父亲、Zidane 的健康则是先在开场下了「距离 / 不能硬扛」的结论，段内再给范围。开场句没有受「范围」约束——第二轮剩余的误报和父母严重冲突几乎都出在开场或段首那一句。
3. **事业题仍未过线（12 / 18）**。新加的「先讲一生事业形态」让 5 份写出公众型，但模型按 AL / A10 / 10 宫主的落宫读形态时，乔布斯（A10 落 12 宫）、奥巴马（10 宫主落 6 宫）、Bush、Zidane（10 宫主落 1 宫）依然得出「专业 / 幕后 / 被同行指名」。也就是说，这几张盘按清单列出的信号确实读不出「公众型」——事业形态与盘面信号的对应本身需要占星口径（例如：10 宫 SAV 极高、10 宫主是 yogakaraka、太阳 / 土星入旺坐角宫时的读法），不是措辞能解决的。
4. 健康、婚姻两个领域在新口径下基本稳定：婚姻 18 / 18 无冲突（含对照 1 份轻误报），健康只剩泰勒 r2 一份读反与对照组 3 份轻误报。
5. 成本：72 份墙钟 1,203 s（并发 4）；单份中位 60 s、最长 108 s；输入 3,837,705 token（缓存 3,351,424，约 87%），输出 970,842（推理 876,019）；查卡 10 次。

## 改动后（第三轮，2026-10-02，事业行业与名声、开场规则、传统格局）

- 任务书：`docs/tasks/TASK-consult-career-yoga-functional-20261002.md`；进度：`docs/tasks/PROGRESS-consult-career-yoga-functional-20261002.md`。
- 代码：`codex/consult-career-yoga-functional-20261002`（T2 瑜伽检测不跳过、T3 传统格局栏、T4 事业清单两行、T5 开场规则）。**T1 功能吉凶对照表没有进本轮**：它触发了生时校正回归门（硬红线 3），单独放在 `codex/consult-career-yoga-functional-t1-20261002`，卡上的功能吉凶仍是旧公式。
- golden：两份都用 capture 脚本按同一命令重新生成（规则引擎每次都跑，卡上新增 `traditional_yogas`），两次输出逐字节相同。
- 评分表：事业项加 `expected_field` 与 `public: true`；`how_to_score.career_field`：「行业对」= 正文把主线写到 `expected_field` 里至少一项（同义可算：竞技≈体育，表演≈演艺 / 影视 / 舞台 / 娱乐，唱歌≈音乐 / 演唱，政治≈从政 / 治理 / 公共事务，技术≈科技 / 工程 / 产品）；只在一串行业里顺带提到、主线是别的，不算。「专业 / 幕后误判」= 把人写成专业型 / 顾问 / 幕后 / 不靠曝光。其余口径同第二轮（迹象 + 范围 + 请说一句不算误报；开场或段中把「距离 / 偏弱 / 长期欠账」写成结论算对照组误报（轻））。
- 命令：`--repeats 2 --concurrency 4 --correction barack_obama,marilyn_monroe,judy_garland,edith_piaf`；72 份 + 8 份纠正，失败 0，无补跑。Claude 逐份阅读评分。

| 名人 | 父母 r1 / r2 | 婚姻 r1 / r2 | 健康 r1 / r2 | 事业 r1 / r2 |
| --- | --- | --- | --- | --- |
| Steve Jobs | 通过 / 通过 | 通过 / 通过 | 读反（轻） / 通过 | 严重冲突 / 严重冲突 |
| Barack Obama | 通过 / 通过 | 通过 / 通过 | 通过 / 通过 | 通过（弱） / 严重冲突 |
| Elizabeth Taylor | 通过 / 通过 | 通过 / 通过（弱） | 通过 / 通过 | 严重冲突 / 严重冲突 |
| Marilyn Monroe | 严重冲突 / 严重冲突 | 通过 / 读反（轻） | 通过（弱） / 通过 | 通过（弱） / 通过（弱） |
| Judy Garland | 通过（弱） / 通过 | 通过 / 通过 | 通过 / 通过 | 严重冲突 / 严重冲突 |
| Édith Piaf | 严重冲突 / 通过 | 通过 / 通过 | 通过（弱） / 通过（弱） | 通过（弱） / 通过 |
| Frida Kahlo | 通过 / 通过 | 通过 / 通过 | 通过 / 通过（弱） | 通过（弱） / 严重冲突 |
| George W. Bush（对照） | 误报（轻） / 通过 | 通过 / 通过 | 通过 / 误报（轻） | 严重冲突 / 严重冲突 |
| Zinedine Zidane（对照） | 通过 / 通过 | 通过 / 通过 | 通过 / 误报（轻） | 严重冲突 / 严重冲突 |

事业逐份（行业对 / 专业·幕后误判）：

| 名人 | expected_field | r1 | r2 |
| --- | --- | --- | --- |
| Steve Jobs | 技术、商业 | 否 / 是（「靠专业深度和说话吃饭…不在台前曝光上」） | 否 / 是（「专业和长线…被推到台前是卡手的地方」） |
| Barack Obama | 政治、公职、法律 | 否 / 否（「有实权、要对结果负责、要对外露面的角色」，没点行业） | 弱（「合同和案子」） / 是（「长期待在一个体系里…挂在别人的平台或上级的授权下面」） |
| Elizabeth Taylor | 表演 | 否 / 是（「管理、分析、文字数据…不是纯前台表演」） | 否 / 是（「偏技术、偏系统…不是靠露脸」） |
| Marilyn Monroe | 表演 | 是（「审美、表达、娱乐」「被人看到…就是你事业的形态」） / 否 | 否（「审美、呈现」，未点行业） / 否（「靠出面、被人看见来换位置」） |
| Judy Garland | 表演、唱歌 | 否 / 是（「靠表达、分析、专业交付…不是靠级别和头衔」） | 否 / 是（「信息和专业这一路」，段中承认偏露面） |
| Édith Piaf | 唱歌、表演 | 否（「面向人群的表达型业务」，未点行业） / 否 | 是（「审美、内容、表演」） / 否 |
| Frida Kahlo | 绘画、艺术 | 否（「公众、照护、内容」「美、关系」） / 否 | 否 / 是（「靠个人名头被人认出来，盘上支持少…收在专业、指导、顾问」） |
| George W. Bush | 政治、公职、法律 | 否（「教育、法律、顾问、分析」并列，主线「表达和分析」） / 是（「不是很有名的人」） | 否 / 是（「技术和执行这一路…不靠露脸」） |
| Zinedine Zidane | 体力、竞技 | 否 / 是（「专业型和对人型…沟通、写作、分析、谈判」） | 否 / 是（「靠专业本事立住…往幕后深度走」） |

格子说明：
- Monroe 父母两次开场把母亲写成「这条线是有人管的——她的心力一直落在你的出路和成绩上」「妈妈这条线是活的」，与母亲住院、寄养相反（第二轮同样两份）；Piaf 父母 r1「家里那一宫落着木星，照看是在的」，与被母亲遗弃相反。
- 乔布斯健康 r1 开场「底子这条线本身没有受冲的证据」，记读反（轻）；Monroe 婚姻 r2 开场「婚姻这块盘上是接得住的」（段内给了范围），记读反（轻）。
- Bush 父母 r1 开场「爸爸这条线是支持在、距离也在」；Bush 健康 r2「体力这条线容易在压力一上来的时候先退」；Zidane 健康 r2 开场「它更像长期欠账」——都把程度写成结论，记误报（轻）。奥巴马婚姻 / 健康两个对照项都是「迹象 + 范围」，不算误报。
- 卡上有 `traditional_yogas` 的 14 份事业答案里，6 份在正文或依据里提到了传统格局，其中奥巴马 r2 写明「本站未验证，只用来参考力量，不拿来断事」；没有一份拿它单独下结论。

### 合计：第二轮 → 第三轮

| 项 | 第二轮 | 第三轮 | 通过线（任务书 T6） | 达到 |
| --- | --- | --- | --- | --- |
| 事业「行业对」 | 未单列 | **3 / 18**（Monroe r1、Piaf r2、奥巴马 r2 弱） | ≥ 14 / 18 | **否** |
| 事业「专业 / 幕后」误判 | 12 / 18 | **12 / 18** | ≤ 3 / 18 | **否** |
| 对照组严重误报 | 0 | 0 | 0 | 是 |
| 对照组轻度误报 | 6 | **3**（Bush 2、Zidane 1） | ≤ 2 | **否** |
| 严重冲突 | 15 / 72 | **15 / 72**（事业 12、父母 3） | ≤ 5 / 72 | **否** |
| 读反 | 1（轻） | 2（轻） | — | — |
| 通过（含弱） | 50 | 53 | — | — |
| 两次都通过的格子 | 22 / 36 | 22 / 36 | — | — |
| 排查记录 5 份 × 2 | 8 / 10 | 8 / 10（泰勒事业 0 / 2） | — | — |
| 新增 4 位严重冲突 | 6 / 32 | 6 / 32（Monroe 父母 2、Piaf 父母 1、Garland 事业 2、Kahlo 事业 1） | — | — |
| 其余领域 | — | 父母严重 3 → 3；婚姻误报 1 → 0、读反 0 → 1（轻）；健康读反 1 → 1、误报 3 → 2（全部轻） | 不比第二轮差 | 是（持平） |
| 禁句 | 0 | 0 | 0 | 是 |
| 性别未知时婚恋题用他 / 她 | 0 | 0 | — | — |
| must_not 原文（筛网） | 16 | 9 | — | — |

### 纠正追问（第三轮）

8 / 8 份先认下、点名上一轮哪句读偏、只列对得上的几条，并写出盘分不出「人不在」还是「人在但不管」。残留同第二轮：Garland r1「这一条说的是这条线本身是空的、接不上的」、Piaf r2「计都传统上就是断开、不接」把普通配置说得偏重。

### 读出来的东西（第三轮）

1. **开场规则（T5）有效**：对照组开场先下「距离 / 不能硬扛」结论的轻度误报从 6 份降到 3 份，剩下 3 份里 2 份在段中而非开场。
2. **事业题没有改善，原因不在措辞**：模型按 T4 的「星的本性」去取行业，但这几张盘上 10 宫、10 宫主、AmK 落到的是水星、木星、土星（分析、顾问、组织），按清单的对照表本来就得不出「表演 / 竞技 / 政治」；清单列的公众型依据（太阳或 10 宫主强在角宫、AL / A10 落角宫）在乔布斯、布什、齐达内盘上也不成立，模型照「没有依据就偏幕后」写成了专业型。泰勒、Garland 虽然 AL 落 10 宫，模型仍以 10 宫主的星性定行业。要过线需要产品与占星顾问定事业口径（例如 D10 的权重、AL 落 10 宫与入旺星对「公众型」的分量、金星 / 月亮作为表演类指标的取法），不是改措辞能解决的。
3. **传统格局栏没有被滥用**：6 份提到，都只作力量说明；但也没有因此把奥巴马、乔布斯读成公众型。
4. **父母题母亲一侧的反向安慰仍在**（Monroe 2、Piaf 1，与第二轮相同的三份）：开场规则没有覆盖「母亲受冲两个以上仍写近、有人管」这一类，属于 `AFFLICTION_RANGE_RULE` 第 2 条执行不稳，需另议。
5. 成本：72 份墙钟 1,249 s（并发 4）；单份中位 61 s、最长 108 s；输入 3,880,129 token（缓存 3,396,224，约 88%），输出 989,525（推理 889,561）；查卡 10 次。

## 真机清单（给产品，staging 部署后）

每条都在新会话里问，档案不填性别；看三件事（10-02 口径）：受冲时是不是写成「压力 / 距离的迹象 + 现实里可能的范围」而不是替你下结论、是不是只请你说一次实际情况、有没有预设处境。

1. **父母题**：问「我和父母关系如何，他们怎么对待我？」。看：盘上受冲多的一方，是不是写「这条线有距离的迹象」+ 括号依据 + 「现实里可能是……也可能是……」，而不是直接说「他不常在你身边」或反过来「她一直很近、照顾很实」；段末是否只有一句「实际是哪一种，告诉我一句」；全篇只问一次。**再追问一句**「我爸其实一直都在，挺好的」（或按你的实际情况反着说），看回答是否先认下、只对上真正对得上的几条，并直说盘分不出的部分。
2. **婚姻题**：问「我的婚姻和感情会是什么样？」（已婚未婚都可以）。看：有没有默认你已婚或有伴侣；有没有用「他 / 她」称伴侣；受冲时是不是写「感情这条线上有波折的迹象」+ 范围，而不是「可能不止一段」；有没有写「关系稳」「能走下去」这类安慰。
3. **健康题**：问「我的身体底子怎么样，健康上要注意什么？」。看：受冲多时是不是「身体这条线有压力的迹象」+ 范围，开场有没有「底子不差 / 能用」；有没有诊断、病名；结尾是否有「不是医疗意见」。
4. **事业题**：问「我的事业会往什么方向走，能做到什么程度？」。看：有没有「面试」「升职」「投简历」；开场是不是先讲事业形态（公众型 / 幕后型、靠什么出头）；是不是不论盘面都写成「专业型 / 顾问 / 幕后」。

## 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` |