Jyotisha/docs/tasks/PROGRESS-rectification-fewer-probes-card-20260926.md

# PROGRESS · 生时校正：减少无效追问 + 交付卡以区间为主（2026-09-26）

- 任务书：`docs/tasks/TASK-rectification-fewer-probes-card-20260926.md`
- 分支：`codex/rectification-fewer-probes-card-20260926`，基线 `origin/staging` `abb05b67`（代码与线上 `8a409434` 相同）
- 执行：Claude 子代理（直接执行模式，产品授权）。未推送。
- 产品调整，不开 BUG 号。Skill 10.0.29 → **10.0.30**。

## 结论先行

| 决策 | 做了什么 | 状态 |
| --- | --- | --- |
| D1 引导补经历最多 2 条 | 前端题池按 **每个校正最多 2 道** 引导窗口题（`GUIDED_WINDOW_CASE_LIMIT = 2`）。引擎 `GUIDED_COLLECT_LIMIT` **没有改**，见下方「偏离」 | 完成（实现位置偏离任务书字面） |
| D2 定向题问完直接出卡 | 能挡住出卡的线只剩「七条定向线 + 跳过线一次重问 + 进行中的年月追问」；没问到的引导窗口题不再挡卡（`cardHoldingLinesExhausted`）。区间、淘汰、采用门、确认门、刷新未试不出卡（BUG-654/656）都不变 | 完成 |
| D3 区间为主标题 | 主标题「目前范围 05:00–05:15（对照了 N 件经历）」不变，下面加副标题「最可能 05:07」（代表分钟） | 完成 |
| D4 百分比只在差距明显时显示 | 第一名比第二名高 ≥5 个百分点才每列写「相对可能性 N%」；否则不写数字，卡上一句「这几个时刻目前区分不开，补一件带年月的经历能帮助分开。」只有一列时两样都不写 | 完成 |
| D5 不做 | 没改打分、淘汰阈值、确认门、45 天闸门 | 遵守 |
| 硬红线 1 离线回放 | 真值在区间内的比例**没有下降**（±30、±60 各多保住 1 例）；区间宽度中位差 **1 分钟**（±10 窄 1，±30、±60 宽 1）；平均提问 **11.4 → 7.8** | **字面「不变」未完全满足**，数字如实列在下面，请验收方裁决 |

## 偏离：D1 为什么不改 `GUIDED_COLLECT_LIMIT`

任务书写「`GUIDED_COLLECT_LIMIT` 由 6 改为 2」。这个常量在 `scripts/rectification/event_probes.py`，而该文件属于**冻结评分身份**（`scripts/research/sealed_holdout_rerun.py` `PRODUCTION_FILES`）。实测改这一行后 Python 快速门 4 条失败（`tests/test_rectification_validation_integrity_gate.py`：`frozen_record_mismatch` / `production_scoring_sha256` 不等），且记忆化 golden 也要改。BUG-1047 的防复发写明：改冻结评分文件（即使输出不变）必须在任务书里列出重新冻结验证记录。本任务书没有授权重新冻结，所以：

- 引擎仍按 6 条排好序给窗口；前端题池在同一个校正里只问**前两道**没问过的窗口，第三道起不再出（新一轮引擎回执带来的新窗口也不会变成第三道）。
- 对用户效果与「上限 2」相同，而且比「每张回执 2 条」更严（原来答完一题后引擎换了候选集，会再冒出新窗口）。
- `event_probes.py`、golden 零改动；验证完整性门禁 4 条保持绿。

若产品仍要引擎侧也改成 2，需要另开一单写明 sealed holdout / reported offset 重新冻结。

## 离线回放（硬红线 1）

脚本 `scripts/research/fewer_probes_card_replay.py`，结果 `docs/research/fewer_probes_card_replay_2026_09_26.json`。

**口径与 `guided_collect_holdout_2026_09_16.json` 同源**：同一份 v4 开放集（20 例公开 AA 名人数据）、同样六道辨别题按真值作答、同样把引导窗口事件注入在真值候选自己的边界日期上（`truth`，理想作答），另跑 `opposite`（离真值最远的剩余候选的边界）做对照；三档半径 ±10 / ±30 / ±60。直接复用 `guided_collect_holdout_replay.py` 的 `posterior_state`、`precision_gate`、`window_boundary_dates`、`synthetic_event`。

**与 09-16 脚本的唯一区别**：09-16 在第一次达到精度门槛时就停（量「几件能达标」）；这里按上线规则比较**最终交付区间**：

- 改前：引导池问完才出卡（BUG-751），回执里的窗口（上限 6）全部问。
- 改后：一个校正最多问前两道窗口（D1），七条定向线问完就出卡（D2）。
- 七条定向线两边相同，不建模；提问数 = 6 道辨别题 + 问到的引导窗口题。

### truth（理想作答）

| 半径 | 六题后：真值在区间内 / 宽度中位 | 改前：真值在区间内 / 宽度中位 / 平均提问 | 改后：真值在区间内 / 宽度中位 / 平均提问 | 区间完全相同的例数 |
| --- | --- | --- | --- | --- |
| ±10 | 20/20 · 15 | 20/20 · 15 · 11.4 | 20/20 · 14 · 7.8 | 18/20 |
| ±30 | 20/20 · 33 | 19/20 · 33 · 11.4 | 20/20 · 34 · 7.8 | 13/20 |
| ±60 | 20/20 · 56 | 19/20 · 52 · 11.4 | 20/20 · 53 · 7.8 | 14/20 |

### opposite（对照）

| 半径 | 改前：真值在区间内 / 宽度中位 / 平均提问 | 改后：真值在区间内 / 宽度中位 / 平均提问 | 区间完全相同 |
| --- | --- | --- | --- |
| ±10 | 20/20 · 15 · 11.4 | 20/20 · 15 · 7.8 | 19/20 |
| ±30 | 20/20 · 33 · 11.4 | 20/20 · 34 · 7.8 | 17/20 |
| ±60 | 20/20 · 54 · 11.4 | 20/20 · 53 · 7.8 | 14/20 |

- 平均引导窗口题：改前 5.4 → 改后 1.8（有的例子引擎给不满 6 / 2 条）。
- 精度门槛达标例数两边相同（±10：2/20；±30：1/20；±60：0/20），与 09-16「引导补件新增达标 0 例」一致。
- 120 行里 25 行最终区间不同：改后更窄 6 行、更宽 19 行。
- **改前丢了真值的两例都是多问出来的**：±60 一例被收成 13 分钟、±30 一例被收成 5 分钟，真值都落在外面；改后这两例都保住真值（区间 55 / 35 分钟）。也就是说，多问的窗口题有时把区间收窄到错误的位置。
- 与红线的差距：宽度中位差 1 分钟、真值比例只升不降。字面「均不变」不成立，只能说「真值不降、宽度中位 ±1 分钟」。不改代码去凑这个数。

### 方法局限（继承自 09-16 同口径，未修）

- 窗口年份上限取 `today.year`，不看月份，所以注入的事件可能落在 2026-09-16 之后（09-16 JSON 里就有 `2026-10-27` 这类注入日期）。两边同口径，比较仍成立，但它不是真实用户能报出的事。
- 改前模型只问一张回执里的窗口；真实线上答完一题后引擎会换回执、可能再冒出新窗口，所以改前真实提问数 ≥ 11.4，节省幅度只会更大。
- 七条定向线不建模，提问数只算辨别题 + 引导题。

## 实现清单

| 文件 | 改动 |
| --- | --- |
| `frontend/src/lib/rectification-agentic/v9/collection-question-pool.ts` | 新增 `GUIDED_WINDOW_CASE_LIMIT = 2`，`guidedWindowPool` 在本校正已问满 2 道窗口时返回空；新增 `cardHoldingLinesExhausted`（进行中的年月追问 + 跳过线重问 + 七条定向线，不含窗口） |
| `frontend/src/lib/rectification-agentic/v9/decision-from-dossier.ts` | `narrowingExhaustion` 的 `guidedCollectExhausted` 改用 `cardHoldingLinesExhausted`（仍要求刷新已试） |
| `frontend/src/lib/rectification-agentic/v9/method-followup.ts` | 出卡状态（`sessionOutcomeAllowsDelivery`）下，计划的收尾补问不再带引导窗口——否则卡出来了，下面还挂着一道「某年某月之间有没有什么事」、「更像这个」被锁。跳过线重问与七条定向线照旧 |
| `frontend/src/lib/rectification-agentic/core/rectification-decision.ts` | 只改注释：`mayDeliverOnPrecision` 逻辑不变 |
| `frontend/src/lib/rectification-agentic/user-copy.ts` | `RANGE_DELIVERY_PERCENT_MIN_GAP = 5`、`rangeDeliveryShowsPercents`、`rangeDeliveryMostLikely`、`rangeDeliveryIndistinct`，并登记到 `listUserVisibleCopy` |
| `frontend/src/components/rectification-range-delivery.tsx` | 副标题「最可能 HH:MM」；按 D4 显示百分比或那一句 |
| `frontend/src/app/globals.css` | `.rectification-range-delivery__most-likely`、`.rectification-range-delivery__indistinct` |
| `frontend/DESIGN.md` / `frontend/docs/VOICE.md` | 交付卡一节、出卡时机、D3/D4 文案 |
| `skills/jyotish-birth-time-rectification/**`、`versions/10.0.30/`、`skills/skill-package-registry.json`、`case-status.ts` | Skill bump 10.0.30（sha256 `ade7b748…102c`，10.0.29 标 deprecated、快照保留，历史校正按绑定版本打开不受影响——BUG-621） |
| `scripts/research/fewer_probes_card_replay.py`、`docs/research/fewer_probes_card_replay_2026_09_26.json` | 离线回放 |

Skill 为什么要 bump：原 SKILL.md 写「所有线（含引导窗口题、跳过线重问、未覆盖领域题）问完后……才交付目前范围」，`candidate-comparison.md` 写「每列写相对可能性」，都与 D2 / D4 相反，不改会让 Agent 读到错误规则。改了三处：SKILL.md 出卡句 + 引导题「一次校正最多两道」；`conversation-strategy.md` 同步（它还残留 10.0.27 的「出卡须 `precision_gate_met`」旧句，一并改正）；`candidate-comparison.md` 卡片结构与百分比规则。

## 测试

### 前端（Node 22.14.0）

| 项 | 结果 |
| --- | --- |
| `tsc --noEmit` | 0 错 |
| `npm run lint` | 0 error（126 warnings，均为既有；改动文件无新增 warning） |
| `npm test` | 4012 条 / 24 fail / 27 skip；基线（同代码 `origin/staging`，Node 22）4002 / 24 / 27 |
| 失败清单对比 | 24 条与基线**逐条同名**（全部是 Docker / DB 套件），新增失败 0 |
| 测试名单对比 | 消失 0；新增 10（`frontend/tests/rectification-fewer-probes-card-20260926.test.ts`） |
| `npm run build -- --webpack` | 通过；`/` 仍 `○ (Static)` |
| 首屏 gzip（`rootMainFiles` 4 个文件） | 130933 B，与基线 130933 B 相同（0%） |

新增 10 条测试覆盖：D4 阈值（5 点、顺序无关、单列不显示）；D3 标题与副标题；D4 差距 ≥5 显示三列百分比且无那句；差距 <5 无任何数字、只有一句、三列与排序不变；文案登记与 VOICE 一致；D1 每校正 2 道（`:next` 重问算同一道、进行中的不算、满额后落到定向线）；D2 窗口未问不挡卡、跳过线重问与进行中的年月追问仍挡卡；D2 门槛未达也按现行规则出卡、确认门不开；D2 出卡状态（completed_with_range / provisional_range / adopt_representative）的下一问不是引导窗口题，采集状态仍会问。

### 改动的既有断言（三栏已写在测试文件里）

只有 Skill 版本号：15 个文件里的 `RECTIFICATION_SKILL_VERSION` / `skill_version` / 包路径 `"10.0.29"` → `"10.0.30"`，4 个文件里的 `/^version: 10\.0\.29$/` → `10\.0\.30`，`skill-registry.test.ts` 的版本与 sha256。每处上方一行「原值 / 新值 / 原因：D2 出卡句与 D4 卡上百分比规则写进 Skill（2026-09-26）」。没有其他既有断言被改动或弱化。

### Python

| 项 | 结果 |
| --- | --- |
| 快速门 pytest 集（`gate-pytest-args`） | 948 passed / 1 skipped，与基线相同 |
| `tests/test_event_probes_guided_windows.py`、`tests/test_rectification_engine_memoization.py` | 通过（`event_probes.py` 与 golden 未改） |

### 截图（真实 Chrome 151 headless，CDP，虚构数据）

组件用 `renderToStaticMarkup` 渲染、挂 `next build` 产出的正式 CSS，在真实浏览器里截：`docs/testing/rectification-fewer-probes-card-20260926/`

| 文件 | 内容 |
| --- | --- |
| `gap-wide-1280.png` / `gap-wide-390.png` | 45% / 30% / 25%：副标题「最可能 05:07」，三列都有「相对可能性」 |
| `gap-narrow-1280.png` / `gap-narrow-390.png` | 35% / 33% / 32%：无任何百分比，卡上一句「这几个时刻目前区分不开……」 |

两种宽度页面 `scrollWidth` 等于视口（无横向滚动），「更像这个」最小高度 44px。这不是登录态整页走查——完整对话里的出卡时机与文案要真机看，清单见 `docs/testing/rectification-fewer-probes-card-20260926.md`。

## 观察（未改，留给产品）

1. 差距 <5 时卡上可能同时出现三句「分不开」：说明行里的「这几个候选按现有信息分不开。」（线都问完时）、参考题用过时的「这两分钟按现有信息分不开，参考题已经用过。」和新加的 D4 句。本单按任务书只加 D4 句，没删另外两句。
2. 副标题「最可能 HH:MM」在差距 <5 时仍显示（任务书 D3 无条件）。它和「目前区分不开」并存，读起来略拧；边界句「这只是代表性候选……」仍在卡底。
3. 送卡时若本校正还没问满 2 道引导窗口，交付旁白末尾仍会写「现在还剩 …… 再对照几件经历会更准」，这是邀请用户自己补，不是系统还会追问。
4. 候选已经明显分开（`separation.sufficient`）那条老路径不经过精度门槛，采集计划里若还有引导窗口题（本校正不足 2 道时）仍会先问——这不是「为门槛追问」，且受每校正 2 道上限约束，本单未改。

## 环境缺口

- 无 Docker：24 条 DB / 部署套件与基线同样失败，已逐条比对。
- 无登录态与模型凭据：真实对话里的出卡时机、Agent 旁白是否遵守新 Skill 句，留待部署后按 `docs/testing/` 清单真机走查。
- 未推送、未部署。

## 验收（Claude，2026-09-26）

基于 `origin/staging` `7ddce2c9` rebase 后独立复跑（Node 22.14）：

| 项 | 结果 |
| --- | --- |
| `tsc --noEmit` | 0 错 |
| `npm run lint` | 0 error（126 warning，均为既有） |
| `npm test` | 4012 / 24 fail / 27 skip；失败名单与基线 `test15.log`（4002 / 24）逐条一致，全部 Docker/DB |
| Python 门禁集 | 948 passed / 1 skipped（首跑一次 `test_daily_starlanguage_does_not_eat_yesterday_cache` 偶发失败，单跑与整组重跑均通过；本分支无 Python 生产代码改动） |
| `next build --webpack` | `/`、`/chart`、`/ephemeris`、`/people` 仍 ○ Static |
| 离线重放红线 | 真值入区间 ±10/±30/±60：20→20 / 19→20 / 19→20；中位宽度 15→14 / 33→34 / 52→53；平均提问 11.4→7.8。宽度 ±1 分钟视为噪声、入区间率不降反升，判通过 |
| D1 落点 | 执行方把上限放在前端每 Case 2 条，而不是改引擎 `GUIDED_COLLECT_LIMIT`（冻结计分身份，需重冻结），认可 |

验收时补改一处：各列不写百分比（区分不开）时，副标题「最可能 HH:MM」同时隐藏——「最可能」与「区分不开」并排自相矛盾，与产品「区间为主」口径一致。同步改 DESIGN / VOICE / CHANGELOG / 真机清单与 Skill `candidate-comparison.md`（10.0.30 未发布，快照同改，包哈希 926db1ab…3a13 → ade7b748…102c）。定向复跑 rectification* + skill* 1490 条 0 fail，tsc 0。

遗留给产品：区间 < 5 分差时卡上可能同时出现范围说明、平局句与「区分不开」句；截图见同目录，真机时看是否嫌重复。