jesse-uxandClaude Code
932f2fffba
Preserve closed confirmation gates and previously-exposed dataset boundaries. Add auditable 900-trial sensitivity results, current scorer freshness checks, and the v5 collection protocol. Co-Authored-By: Claude Code <noreply@anthropic.com>
74 lines
8.5 KiB
Markdown
74 lines
8.5 KiB
Markdown
# PROGRESS · 生时校正验证体系补缺（2026-09-20）
|
||
|
||
## 基线与边界
|
||
|
||
- 执行基线：远端 `origin/staging = 5049e7847`，任务书基线 `fcad0637` 的后代。主检出保留原分支与未跟踪文件。
|
||
- 工作树：`.worktrees/rectification-validation-20260920`；分支：`codex/rectification-validation-20260920`。
|
||
- 一次性测试基线：`.worktrees/rectification-validation-baseline-20260920`（detached `5049e7847`）。
|
||
- 仅离线评测、契约元数据与记录，不修改打分实现、生产行为、确认门，不提升 main、不改 workflow、不改 DNS。
|
||
- 编号核对：开工 Bug 历史最大号 975；另一任务预留 976/977，本单使用 978–980。
|
||
|
||
## 决策与任务书偏离
|
||
|
||
完整核查 `BUG-098`、`BUG-318`、`BUG-427`、`BUG-428`。后两条明确规定已曝光案例不得重新算作独立盲测；任务书 T2 的“首次口径干净的官方盲测”没有在决策记录里授权推翻该红线。因此本轮只做**冻结当前实现的固定口径重跑**，不伪称新独立盲测，不提升官方盲测次数，不改发布六键和确认门。真正的独立验证仍需 T3 所定义的未来 v5；这一部分保持 blocked。
|
||
|
||
契约刷新需要相应更新旧测试中“当前实现必须等于历史 sidecar”的元数据断言；所有行为断言保留，原值/新值/原因在完成后逐项记录。
|
||
|
||
## 环境与基线实测
|
||
|
||
本机无项目 `.venv`；使用 `python`（Python 3.11.7，已有 pytest/swisseph）。`python3` launcher 退出 49。mcp / hypothesis 未安装；不顺带升级依赖。前端复用已安装 node_modules，工作树仅新增未跟踪依赖 junction，不纳入交付。
|
||
|
||
| 检查 | 基线结果 | 说明 |
|
||
| --- | --- | --- |
|
||
| `pre_work_check.py --remote-timeout 8 --command-timeout 45` | fail | 远端 verified；碎片扫描、适配器检查成功；focused tests 23 pass / 1 fail，镜像路径断言，已见于既有错误台账 |
|
||
| Python 定向 3 文件 | 21 pass / 1 fail | `test_minute_rectification_holdout_validator.py::test_frozen_implementation_hash_matches_manifest` 针对历史 v2 封存哈希失败，不改历史封存值 |
|
||
| 前端 `rectification-confirmation-gate.test.ts` | 7 pass / 0 fail | 后续按相同测试逐项比对 |
|
||
| Python quick | fail | 两侧均在 `interpretation_source_inventory_gate.py` 因缺 mcp 退出 1；46 条缺引用消息逐项相同 |
|
||
| 前端 tsc | 0 error | 基线与修改版均退出 0 |
|
||
| 前端 lint | 0 error / 120 warning | 基线与修改版相同，不顺带改 warning |
|
||
| 前端 npm test（默认并发） | 基线 3470 / 3387 pass / 83 fail | 修改版 3486 / 3409 pass / 77 fail；修改版失败标题为基线子集，0 新增失败；存在文件级环境/资源失败，另做串行补验 |
|
||
| 前端 build | fail | 两侧均为 Turbopack 拒绝指向工作树外的 node_modules junction；Static/gzip 环境缺口，未宣称通过 |
|
||
|
||
基线/当前前端确认门定向均为 7/7，通过项逐条相同。默认并发全量的通过数量差异不是新增业务测试，只是部分文件级中断减少；不能宣称全部前端测试通过。两侧串行补验在数据库容器等待等长时阶段未产出最终汇总，主动停止，标记未完成而不是通过。完整失败标题对照已保存 `docs/testing/rectification-validation-20260920-results.json`（83 对 77，新增失败 0）。
|
||
|
||
额外 Python 安全定向：`test_rectification_confirmation_and.py`、`test_rectification_v5_vedastro_validation.py`、`test_repo_privacy_markers.py` 共 **85 passed**。补验清单见 `docs/testing/rectification-validation-20260920.md`。
|
||
|
||
## 独立验收与复核发现
|
||
|
||
- 字节级核对：12 个 `frozen_scoring.files` 全部与基线相同；确认门六个 runtime 键值及类型相同；生产 `decision_policy.py` / `sealed_holdout.py`、历史 `_candidate_moments()` 所在文件、`request_from_case()` 所在文件、主 API 与全部 `frontend/src` 均未改。
|
||
- 任务书引用的 `frontend/src/app/page.tsx` 在执行基线已不存在（首页已迁移），因此用整个 `frontend/src` 字节对照证明无新增，不虚报旧路径行数。
|
||
- 独立审查发现首版 T1 只在候选枚举保留跨日日期，矩阵下游的 transition proximity 仍使用统一日期，跨日候选得分有偏差。修复限定在离线组装层：按候选日期分组计算矩阵并回并；不改生产打分文件。首版统计不能作最终证据，须修复后重跑并补真实引擎回归。
|
||
- 中途代理 API 余额错误导致执行和审查中断，用户要求继续后恢复；不把中断当任务完成。一次报告重定向被分类器按覆盖操作拒绝，经确认目标不存在后改为不覆盖的新建获准；另有子代理角色限制要求返回文档文本，由主会话汇总，不修改权限配置。
|
||
|
||
## 执行状态
|
||
|
||
- T1：修正版完整 900 组合已完成（20 例 × 15 偏移 × 3 半径，排除 0），JSON 与汇总表落盘。默认半径 ±15 在绝对偏移第 16 个整数分钟开始出窗；±30/60/120 对已测偏移几何包含率可恢复 100%，其中 ±120 仅几何推论、未评分。实际交付覆盖与唯一头名命中另列，不混称准确率。口径 v3、raman/mean、1 分钟、历史打分哈希 `b15d9ea15227cd58`；原生评分扩展哈希 `115c3fbcffdaff49`、研究适配哈希 `8d0c613dc0900adb`。
|
||
- T2：当前实现冻结、20 例固定口径重跑、契约刷新与防复发测试完成；实现代理和独立审查均复算逐例/汇总一致。top-1/top-3（含并列）0.45/0.50、MAE 6.45 分钟，三项未达门槛；误确认率 0、稀疏证据拒绝率 1，确认覆盖 0。独立盲测资格仍 blocked，官方有效试次仍 0；不是新的发布成绩。哈希前缀 `b15d9ea15227cd58`、v3、raman/mean、±10、1 分钟。
|
||
- T3：协议已完成。26 名公开 AA 来源候选，与 v3/v4 的 20 人交集为 0；未采事件、未完成人审、未建成 v5。来源直接访问有校验页限制，只算候选筛查，正式准入须复核 Source Notes。工时估算 86–172 人时。
|
||
- T4：Bug 历史、BLOCKED、研究索引、任务索引、失败对照和补验清单已更新；2026-09-20 产品明确授权 push staging，本批进入交付。远端推送与部署分别核验，不把授权当完成。
|
||
|
||
## 最终验收结果
|
||
|
||
| 条目 | 结论 | 证据 |
|
||
| --- | --- | --- |
|
||
| T1 全量偏差评测、四项逐例输出、跨日修正、隐私字段 | 通过 | 900 组合、45 格，参数及评分/研究哈希齐全；汇总从逐例重算一致 |
|
||
| T2 当前实现冻结、重跑归属、契约新鲜度 | 通过 | 独立复算完整报告一致；新鲜度与拒绝漂移测试通过 |
|
||
| T2 新的独立官方盲测 | 未通过 / 资料条件缺口 | 已曝光样本不恢复独立性，官方试次保持 0；任务书措辞不覆盖 BUG-427/428 红线 |
|
||
| T2 指定相关 Python 总集 | 49 passed / 1 failed | 唯一失败是基线同现的历史 v2 哈希断言，错误哈希两侧逐字一致；未削弱断言 |
|
||
| 新增 T1 / T2 与 quick 桥接 | 28 passed | 含桥接重复收集的 14 项，不能算 28 项独立用例 |
|
||
| 确认门与隐私补充 | 通过 | Python 85 passed；前端确认门 7/7 与基线逐项相同；runtime 六键未变 |
|
||
| tsc / lint | 通过 | 两侧 0 error，lint 120 warning 相同 |
|
||
| quick / 全量前端 / 构建 | 环境及既有失败缺口 | 见上述基线对照；不可写全绿、Static 或 gzip 通过 |
|
||
| T3 v5 协议 | 通过（仅协议） | 26 人来源筛查、旧集交集 0、无出生分钟/坐标；v5 未建成，BUG-980 investigating |
|
||
|
||
## 既有断言调整三栏
|
||
|
||
| 原值 | 新值 | 原因 |
|
||
| --- | --- | --- |
|
||
| Python 与前端 `current_tree_scorer.implementation_sha256` 绑定历史 post-audit sidecar | 绑定当前冻结重跑的 `frozen_record.implementation_sha256` | 元数据含义是当前树；继续绑旧报告强制过期。新增 freshness 同时验证当前源码，未削弱身份校验 |
|
||
| 官方 flag=false / trial_count=0、六 runtime 键、确认行为 | 原值不变 | 已曝光重跑不获得独立性；新增断言固定此边界 |
|
||
|
||
## 交付说明
|
||
|
||
2026-09-20 产品明确要求「push 到 staging」。交付前 fetch 确认远端仍为 `5049e784`，本轮无上游冲突，BUG-978～980 无新增占用；本批实现与记录同次提交交付。推送后另以远端 SHA 核对结果为准；状态板“已合入”仅在远端核对后生效，不代表门禁或部署成功。本批含门禁路径，将触发自动质量门；本机完整 quick/构建缺口仍保留。没有动 main、workflow、DNS、生产资料、依赖和打分参数。
|