Jesse_ChenandClaude Opus 5.5
51f3f47bbe
Co-Authored-By: Claude Opus 5.5 (1M context) <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01N4f2nya58RoRu4yEmJgRGE
128 lines
17 KiB
Markdown
128 lines
17 KiB
Markdown
# PROGRESS · 上游功能吉凶 v2 收尾：生时校正算法身份、普通对话 golden、第四轮残留、第五轮回测（2026-10-02）
|
||
|
||
- 执行方式：产品负责人要求子代理直接执行（Claude 子代理）；无单独任务书，决策记录见下。只 commit、未 push。
|
||
- 分支 / worktree：`codex/consult-upstream-functional-v2-20261002` / `.worktrees/consult-upstream-functional-v2-20261002`
|
||
- 基线：`57782aea`（Claude/PM 按产品授权移植上游功能吉凶 profile v2、Pancha 自合修正、瑜伽引擎读同一吉凶表；父提交 `f8579466` = 事业单分支合入 `origin/staging`）
|
||
- BUG 编号：开工核对 `origin/staging` 与各 worktree 最大号 BUG-1179；本单 BUG-1180～1182，更新 BUG-1158（→ resolved）、BUG-1165（复发指向 1182）、BUG-1176（第五轮）。
|
||
- 上一单：`docs/tasks/TASK-consult-career-yoga-functional-20261002.md` / `PROGRESS-consult-career-yoga-functional-20261002.md`。
|
||
|
||
## 决策记录
|
||
|
||
- **D1 功能吉凶采用上游 profile v2**（产品 2026-10-02 授权，PM 已在 `57782aea` 移植）：`bphs_ch34_general_with_sign_exceptions_v2`。推翻上一单第二次决策「吉 / 凶 / 中性分组不变」与 T1 分支逐格对照表方案。v5 77 例评测（PM 实测，命令 `python3 scripts/research/holdout_v5_baseline.py --dataset v5 --out-dir <dir>`）：先验头名 ±10/30/60 0.1818/0.0779/0.0649 → 0.1818/0.0909/0.0779；六题回放 0.6364/0.4935/0.2597 → 0.6364/0.4935/0.3117；线上区间回放 0.6753/0.4935/0.3247 → 0.6623/0.5584/0.4026；覆盖 0.987/0.987/0.974 → 0.987/0.987/0.987。产品接受（一格 −1.3 pp）。
|
||
- **D2 生时校正算法身份升到 scoring-10**（本会话按先例决定，见 T1）。
|
||
- **D3 第四轮残留本轮修**（产品批准）：事业落宫不翻成幕后、父母反向安慰、逆行禁句、两处请求；只改单一定义处的规则文字，不对模型输出做正则后处理。
|
||
|
||
## T1 生时校正打分合同（BUG-1181）
|
||
|
||
### 要不要升版本：要
|
||
|
||
- 先例：`TASK-rectification-engine-convergence-20260901` 硬红线 3「打分语义变化必须 bump `ALGORITHM_VERSION`」；跨午夜修复按此 7 → 8 → 9（BUG-981～985，`PROGRESS-rectification-cross-midnight-20260920.md`）。BUG-621 的教训是「升版本后历史必须还能打开」，BUG-984 已把版本不一致的历史结果做成只读 + 「重新比较」。
|
||
- 事实：功能吉凶分组经 `active_rectification_event_engine.py` 的 `*_functional_benefic_auxiliary` / `*_functional_malefic_auxiliary` 规则进入事件矩阵。同一输入（记忆化测试的公开虚构请求）候选 12:00 的分数 8.6274 → 8.4977；跨午夜虚构 golden 23:59 的分数 0.7893 → 0.9213。
|
||
- 不升的后果：`cachedEngineScoreIsReusable` 按算法身份 + 证据指纹决定能否复用，证据未变的历史 Case 会把旧分组的分数当当前结果。
|
||
- 结论：升到 `rectification-v5-matrix-scoring-10`；策略版本 `rectification-candidate-policy-v3`、输入合同 v5、Skill 版本都不变；历史结果不重标。
|
||
|
||
### 升版本时发现的第二个问题
|
||
|
||
前端五处、数据库一处用字面量 `=== "rectification-v5-matrix-scoring-9"` 判断「这是带日期窗合同的结果」（`engine-client.ts` score / diagnostics 的 `dated`、`tool-service.ts` 候选行解析与 legacy 段选择、`score-persist.ts` 是否先补日期窗、`rectification-candidate-result.ts`、`validate_dated_rectification_candidate`）。直接升到 10 会让新结果按旧的同日结果解析（跨午夜候选丢日期），数据库守卫对 scoring-10 失效。处理：按代数判断（≥ 9）。
|
||
|
||
### 改动
|
||
|
||
| 位置 | 改动 |
|
||
| --- | --- |
|
||
| `scripts/rectification/scoring_service.py` | `ALGORITHM_VERSION` → `rectification-v5-matrix-scoring-10`（注释写明原因） |
|
||
| `frontend/src/lib/rectification-agentic/core/candidate-window.ts` | 新增 `FIRST_DATED_SCORING_GENERATION = 9`、`isDatedScoringAlgorithmVersion()` |
|
||
| `engine-client.ts` / `tool-service.ts` / `score-persist.ts` / `rectification-candidate-result.ts` | 五处字面量改用上面的函数；`v9EngineVersion()` 缺省串 → scoring-10 |
|
||
| `frontend/supabase/migrations/20261002010000_rectification_dated_algorithm_generation.sql` | 只 `create or replace` `validate_dated_rectification_candidate`，守卫改 `~ '^rectification-v5-matrix-scoring-(9|[1-9][0-9]+)$'`；其余与 `20260920020000` 逐字节相同（去 CR 后 diff 只有这一行）；不动表、列、权限、历史行；对当前已部署代码向后兼容 |
|
||
| `tests/golden/rectification_engine_memoization_v2.json` | 用测试文件自带的 `write_golden` 由真实引擎写出（scoring-10，`source_commit` = `57782aea`）；v1（scoring-8）原样保留并以 sha256 钉住 |
|
||
| `frontend/tests/fixtures/rectification-midnight-date-anchor.delivery.scoring-10.native.json` | `python3 scripts/research/midnight_date_anchor_regression.py --baseline <本 worktree> --output <scratch> --golden --golden-path …`：真实引擎，虚构资料；同机独立进程 A/B 3 例 × 7 字段逐位相等。scoring-9 的旧 golden 保留不动 |
|
||
|
||
### 校正研究记录重新冻结（ERR-110 / ERR-114）
|
||
|
||
只改 `ALGORITHM_VERSION` 一行就让 `test_rectification_validation_integrity_gate.py` 等 8 项失败：`scoring_service.py` 在冻结身份 `PRODUCTION_FILES` 里。反过来，`57782aea` 改的 `functional_benefics.py` 不在清单里，分数变了门禁却没红（记 ERR-114）。按 09-29 BUG-1088 先例（`56b51e21`）处理：
|
||
|
||
| 步骤 | 内容 |
|
||
| --- | --- |
|
||
| 清单 | `sealed_holdout_rerun.py` `PRODUCTION_FILES` 补 `scripts/functional_benefics.py`；新增 `test_functional_roles_are_part_of_the_production_identity`（并进快速门 bridge） |
|
||
| 新标签 | 两个脚本的 `FREEZE` / `REPORT` 指向 `*_functional_v2_2026_10_02`；`IDENTITY_FORBIDDEN_PREFIXES` 加两个新前缀 |
|
||
| 冻结后重放（`PYTHONHASHSEED=0`） | `sealed_holdout_rerun.py --freeze` 后重放 20 例：与 09-29 逐条相同（top-1 0.45 / top-3 0.5 / MAE 6.45，影子 fact ranker 不读功能吉凶）；`reported_offset_sweep.py --freeze` 后重放 900 例（6 分 12 秒）：230 例变化，窗口内平均头名 ±15/30/60 不变（0.0636 / 0.06 / 0.05），交付覆盖 0.9864 / 0.99 / 1.0 → 0.9955 / 0.9967 / 1.0，平均分钟误差 10.02 / 16.88 / 26.96 → 10.31 / 16.72 / 25.71 |
|
||
| 合同 | `references/rectification_sealed_holdout.v1.json`：current_tree_scorer 的 extended_identity / source_report / metrics、current_tree_fixed_protocol_rerun、current_tree_reported_offset_replay 换成新记录；09-29 记录挪到 previous（`superseded_reason` 写明）；`status: not_ready`、六个发布键不变；旧报告与冻结文件逐字节保留 |
|
||
|
||
这些记录是「已曝光、不可用于调参」的敏感性研究，不是发布指标，确认门照旧关闭。
|
||
|
||
### 改动的既有断言（原值 / 新值 / 原因）
|
||
|
||
| 文件 · 测试 | 原值 | 新值 | 原因 |
|
||
| --- | --- | --- | --- |
|
||
| `tests/test_sealed_holdout_contract_freshness.py` `IDENTITY_FORBIDDEN_PREFIXES` | 到 `quality_wording_2026_09_29` | 加 `functional_v2_2026_10_02` 两个前缀 | 新冻结标签（与 09-29 同法） |
|
||
| `frontend/tests/rectification-confirmation-gate.test.ts` 当前重跑报告路径（两处） | `…sealed_holdout_rerun_quality_wording_2026_09_29.json` | `…sealed_holdout_rerun_functional_v2_2026_10_02.json` | 同上；第一次快速门里 npm 多出这 1 项失败才发现（`406d81b8` 先例），改后 npm 全量与基线同名 |
|
||
| `tests/test_rectification_engine_memoization.py` 对比目标 | v1 golden（scoring-8）+ 投影 scoring-9 新增字段 | v2 golden（scoring-10）直接比；新增「v1 冻结且已不是当前」测试 | 分数变了，v1 不能再当当前；按「历史 golden 不改写、新增版本文件」处理 |
|
||
| `tests/test_dasha_transition_proximity_cross_midnight.py` | `== "…scoring-9"` | `== "…scoring-10"` | BUG-1181 |
|
||
| `tests/test_rectification_relative_support.py` | `"…scoring-9"` | `"…scoring-10"` | BUG-1181 |
|
||
| `frontend/tests/rectification-engine-version-cross-midnight.test.ts` | `LIVE_CURRENT = scoring-9`，scoring-9 dated golden 兼作「当前」 | `LIVE_CURRENT = scoring-10`；scoring-9 golden 记为 `DATED_HISTORICAL`；新增「scoring-9 缓存在 scoring-10 下不可复用」 | BUG-1181 |
|
||
| `frontend/tests/rectification-midnight-date-anchor.test.ts` 跨午夜贯穿 | 只跑 scoring-9 golden | scoring-9 与 scoring-10 两份都跑 | 证明新代仍按日期窗解析 |
|
||
| `frontend/tests/database-adopted-birth-date.test.ts` | 只验 scoring-9 去掉日期合同被拒 | 另验 scoring-10 / 11 被拒、scoring-8 仍按旧同日结果返回空 | 迁移守卫 |
|
||
|
||
### 验证
|
||
|
||
- 记忆化文件 22 项全过；`write_golden` 再写一次，`candidate_scores` / `decision_receipt` 相同，只有未参与比较的特征哈希不同（BUG-733 / 985 的已知跨进程浮点差，测试本就不比）。
|
||
- 红绿：把 `isDatedScoringAlgorithmVersion` 临时改回字面量 scoring-9，scoring-10 跨午夜贯穿测试即红；去掉迁移文件，`database-adopted-birth-date` 2 项即红；`57782aea^` 的旧代码跑同一记忆化请求得 8.6274，新代码 8.4977。
|
||
- 数据库（本机 PostgreSQL 17 + docker 替身，方法见记忆「local-postgres-without-docker」）：`npm run test:db` 全量 80 项，基线 `57782aea` 一次性 worktree 与本分支都是 74 过 / 6 败，失败名单逐条相同（env validator、个人报告 RLS、会话标题 updated_at、admin 身份、staging 备份、stdin 大 SQL——替身不支持 pg_dump / 部署脚本等）。
|
||
- **历史打开（BUG-621 教训）**：`rectification-*.test.ts` + `skill-registry*.test.ts` 1,872 项 0 失败（含 BUG-621 按会话用绑定 Skill 打开、BUG-984 版本不一致只读 + 「重新比较」、历史回执原样读取）；新增用例：真实 scoring-9 结果在 scoring-10 下 `read_only = true`、`can_recompare = true`、候选仍带日期，在 scoring-9 下不只读。
|
||
- 部署侧待办（不在本会话）：核实 staging / 生产没有设置 `RECTIFICATION_ENGINE_VERSION` / `RECTIFICATION_ALGORITHM_VERSION`（`deploy/`、`.gitea/` 里没有）；迁移随部署自动应用；真机走一遍「打开一条旧校正 → 只读 → 重新比较」。
|
||
|
||
## T2 普通对话 golden 与功能吉凶断言（BUG-1158）
|
||
|
||
- `PYTHONHASHSEED=0 JYOTISH_API_CHART_CACHE_TTL_SECONDS=0` 跑 `capture_consult_evidence_card_golden.py`、`capture_consult_biography_backtest_golden.py`，各两次逐字节相同；diff 只在功能吉凶字段（分组、`profile`、`role_basis`、`lagna_lord` 等新字段、Technique Audit 的 `key_functional_*`）。瑜伽字段无变化。
|
||
- 九位名人分组变化：乔布斯（处女）木星中→凶、太阳凶→中；奥巴马（摩羯）月亮中→凶；泰勒、琵雅芙（天蝎）太阳中→吉、火星吉→中、金星凶→中；嘉兰（双子）木星中→凶；卡罗（狮子）月亮凶→中；齐达内（金牛）太阳中→吉、火星凶→中、金星吉→凶；梦露、布什（巨蟹）不变。
|
||
- Python：全量跑过，功能吉凶相关测试（mcp strict 系列、consumer context、report parity、active rectification 等）没有新失败（见门禁）。pyjhora / oracle 测试的失败都在基线名单里。
|
||
- 前端改动的断言：`consult-card-affliction-data-20261001.test.ts` 乔布斯父亲代表星太阳 原值 `malefic` / 新值 `neutral` / 原因：v2 只管 12 宫的星不自动判凶（三栏写在测试注释）。
|
||
- 新增 `frontend/tests/consult-upstream-functional-v2-20261002.test.ts`：12 份 golden 的 profile、泰勒（天蝎）与乔布斯（处女）卡上分组。
|
||
|
||
## T3 第四轮残留
|
||
|
||
| 项 | 查到的原因 | 改动 |
|
||
| --- | --- | --- |
|
||
| a 事业 9/18「不是站台式 / 往深处做」（BUG-1176） | 规则说了「不断定公众 / 幕后」，但没点名 A10 / AL / 太阳 / 10 宫主落 4、6、8、12 宫这类读法本身就是在下类型结论 | `CAREER_FIELD_ASK_RULE` 加一句：这些落宫只说阻力或代价（要经手、要绕路、来得晚），不翻成「不在台前」「不在台面上」「不靠曝光」「幕后」「不是站台式」「往深处做」，也不把落宫翻成行业 |
|
||
| b 梦露 ×2 / 琵雅芙 ×1 母亲「在管、在安排、近」（BUG-1182） | 卡上没有解读性文字；**系统提示三处示例把「4 宫主落 10 宫」配成「母亲的注意力在你的前途上 / 离你近、上心」，梦露盘 4 宫主正落 10 宫**；`AFFLICTION_RANGE_RULE` 只禁安慰词，不禁拿宫主落宫 / 宫内吉星描写人物行为，也不管行动建议 | `AFFLICTION_RANGE_RULE` 加「不拿宫主落哪一宫、宫里有吉星去描写这个人对你做什么……行动建议也不写给他打电话、去问他」；三处示例括号写明「母亲这条线没有受冲」 |
|
||
| c 禁句 1（琵雅芙健康「逆行 → 拖出来」） | 通用读法只写「逆行不等于反复、打回来」 | 改为「也不等于拖得久、拖出来，推论里不拿逆行当理由（依据里可以列）」 |
|
||
| c 三份两处请求 | `AFFLICTION_RANGE_RULE` 要「这一段末尾」问，和事业段末那一问叠加 | 加「问过之后别的段落不再另问」 |
|
||
|
||
改动的既有断言：`consult-no-presupposition-20261001.test.ts` `AFFLICTION_RANGE_TEXT`（原值：止于「全篇这类请求最多一处。」/ 新值：加上面两句 / 原因：BUG-1182）与是非题例正则（原值 `/不是。（4 宫主落 10 宫）…/` / 新值 `/不是。（母亲这条线没有受冲；4 宫主落 10 宫）…/`）；`consultation-voice-contract.test.ts` 父母例与是非题例两处（同上，三栏在注释）。`frontend/docs/VOICE.md` 同步（不揣测、§7 ③、§8、示例一节、对照表两行）。
|
||
|
||
回测脚本 `consult-biography-backtest.mts`：`--correction-domain` 支持逗号分隔多个领域，`--correction` / `--correction-texts` 支持 `领域:名人` 写法，一次跑完父母纠正与事业追问。
|
||
|
||
## T4 第五轮回测
|
||
|
||
详表见 `docs/testing/consult-affliction-backtest-20261001.md`「改动后（第五轮）」。key 只从环境变量读，没有写入文件、日志或提交；模型输出在 `scratch/consult-biography-backtest/round5-20261002/`（gitignore）。
|
||
|
||
| 通过线 | 第四轮 | 第五轮 | 达到 |
|
||
| --- | --- | --- | --- |
|
||
| 事业行业 / 类型与生平冲突 ≤ 1 / 18 | 9 / 18 | **5 / 18** | 否 |
|
||
| 事业段末问一句 ≥ 16 / 18 | 18 / 18 | **17 / 18** | 是 |
|
||
| 严重冲突 ≤ 5 / 72 | 12 / 72 | **5 / 72**（全在事业；父母 3 → 0） | 是（压线） |
|
||
| 对照组严重误报 0 | 0 | **0** | 是 |
|
||
| 对照组轻度误报 ≤ 2 | 3 | **4** | 否 |
|
||
| 禁句 0 | 1 | **0** | 是 |
|
||
| 每份只问一次 | 3 份两处 | **72 / 72 一处** | 是 |
|
||
|
||
追问：父母纠正 8 / 8、事业追问 6 / 6。未达的两项见测试文档「读出来的东西（第五轮）」：事业剩下的是同义词逃逸（「不靠场面」「不是一阵热闹」），对照组轻度误报是把「迹象」写成一句现实结论，交产品决定下一步（建议方向写在测试文档）。
|
||
|
||
## 门禁
|
||
|
||
| 项 | 基线（`57782aea` 一次性 worktree） | 本分支 |
|
||
| --- | --- | --- |
|
||
| `tsc --noEmit` | — | 0 错 |
|
||
| `npm run lint` | — | 0 error / 126 warning |
|
||
| `npm test`（Node 22） | 4,911 项：pass 4,846 / fail 24 / cancelled 0 / skip 41 | 4,921 项：pass 4,856 / fail 24 / cancelled 0 / skip 41；失败名单逐条同名（都是需要 Docker / PostgreSQL / 部署环境的套件） |
|
||
| `npm run test:db`（本机 PG17 替身） | 80：74 过 / 6 败 | 80：74 过 / 6 败，名单相同 |
|
||
| `next build` | `/` ○ Static | `/` ○ Static |
|
||
| 首屏 gzip（预渲染 `index.html` 引用的 32 个 `/_next/` 资源 gzip-9 求和，同法实测） | 635,351 B | 635,380 B（+0.005%） |
|
||
| Python 全量（`pytest tests -n 6`） | 67 项失败（`f8579466` 基线名单；`57782aea` 只多出 8 项记忆化失败） | 62 项失败，全部在基线名单内、新增 0；记忆化 8 项转绿；另有 5 项 prashna 研究测试转绿，与本单无关（工作树里 4 个 `references/oracle/prashna_*` 文件开工前已被改写，见下） |
|
||
| 快速门 `run_quality_gate.py --profile quick`（系统 python3 + Node 22） | — | pytest 1,043 passed / 1 skipped；门内 `npm test` 4,921 项 fail 24，名单与基线同名；门禁总状态因这 24 项环境失败为 failed（与上一单相同） |
|
||
|
||
环境：`frontend/node_modules` 用硬链接拷贝（`cp -al`），未提交。工作树里 `references/oracle/prashna_*_2026_07_20.json` 四个文件开工前就是已修改状态（来源不明，疑为别的测试运行改写），本单未提交。一次性基线 worktree `.worktrees/tmp-base-57782aea-20261002` 用完删除。
|
||
|
||
## 提交
|
||
|
||
`codex/consult-upstream-functional-v2-20261002`（未 push）：`3733b978`（BUG-1181 算法身份、日期窗代数判断、迁移、记忆化 golden v2、研究记录重新冻结）、`3a40d422`（BUG-1180 回归测试）、`7806c72f`（普通对话 golden、第四轮残留规则、回测脚本）、`dae2b99f`（确认门测试读新冻结报告）及本文档提交。
|