# Agent-Body benchmark — raw report

> 自动生成，请勿手改。复现：`make bench`（或 `node benchmarks/run.mjs`）。
> **本文件是确定性产物：不含时间戳、不含平台名，同样输入必得同样字节**——这样 `bench:check` 能真正用它做 diff，
> CI 也不会因为「跑过一次」就把工作区弄脏；跨平台（Windows / Linux）产出的字节也一样。
> 环境与时间戳只写在 `results/result.json` 里。
>
> 要求 Node ≥ 22.19 / 24（估算器与内核同口径，见 §5 的交叉校验）

**verdict: PASS**

## 口径（务必先读）

- 被测量的是 **prompt 中的 tool schema token**：全部工具定义的 name+description+parameters 之和，
  对比门控后首轮直接可见的那部分。**不包含**系统提示正文、对话历史与工具结果。
- 计数器是确定性估算器（CJK≈1 token/字符，其余≈4 字符/token），用于**相对比较**，不是计费口径。
- 门控口径为**冷启动**：只由当前命令的意图决定显影集，不使用任何本机运行历史。
  这是收益的**下界**（有历史时显影集更大、省得更少），也是唯一可被别人复现的口径。

## 1. Schema 门控

| 指标 | 值 |
| --- | --- |
| 工具总数 | 256 |
| 器官数（策展 + 自主升格） | 26（26 + 0） |
| 任务集 | 48 |
| 全量 schema token | 55154 |
| 门控后 schema token（均值） | 8433 |
| **省下（均值）** | **84.71%** |
| 省下（中位数 / p10 / 最差） | 85.67% / 80.00% / 75.20% |
| 省下（最多的一条） | 88.06% — `读一下这个配置文件看看里面写了什么` |
| 每轮平均省下 token | 46721 |

最差的一条是 **T20**（`把逆向链的结论交接给攻击链`）——只省 75.20%。
看均值不如看这一条：它说明收益在最不利意图下会缩到多少。

**门控参数（topK × perOrganCap）扫描：**

| perOrganCap \ topK | 2 | 4 | 8 |
| --- | --- | --- | --- |
| 5 | 85.99% | 85.57% | 85.51% |
| 10 | 85.22% | 84.71% | 84.66% |
| 20 | 84.29% | 83.76% | 83.73% |

**正确性护栏**：任务声明必须首轮可见的能力，实测显影比例 86.67%。

| 类别 | 数量 | 含义 |
| --- | --- | --- |
| 缺陷（bug） | 0 | 常驻集或无人认领的能力被藏起来 —— **必须修**，非 0 时基准 FAIL |
| 被截断（capped） | 6 | 器官已受支配，但单器官只显影前 10 项，能力被截断；经 `body_call` 可取回 |
| 未路由（unrouted） | 0 | 该意图没有支配到管辖此能力的器官；经 `body_call` 可取回，或补一条意图规则 |

**缺口明细**（每一条都要能行动，不能只报个数）：

- ⚠️ `T04` → `_dsh_external_dsh_browser_ultimate_snap`（dynamic_vision）：器官「动态视觉（真实浏览器）」已被支配，但每个器官只显影前 10 项，它被截断——需经 body_call 取回
- ⚠️ `T22` → `market_search`（plasticity）：器官「神经可塑性（插件注入）」已被支配，但每个器官只显影前 10 项，它被截断——需经 body_call 取回
- ⚠️ `T24` → `sec_webscan`（innate_immunity）：器官「固有免疫（攻击链）」已被支配，但每个器官只显影前 10 项，它被截断——需经 body_call 取回
- ⚠️ `T33` → `quant_sma`（metabolism）：器官「代谢（计量与行情）」已被支配，但每个器官只显影前 10 项，它被截断——需经 body_call 取回
- ⚠️ `T34` → `quant_risk`（metabolism）：器官「代谢（计量与行情）」已被支配，但每个器官只显影前 10 项，它被截断——需经 body_call 取回
- ⚠️ `T45` → `sec_webtest`（innate_immunity）：器官「固有免疫（攻击链）」已被支配，但每个器官只显影前 10 项，它被截断——需经 body_call 取回


## 2. 消融实验（关掉一项机制会少掉什么）

| 机制 | 开 | 关 | 差 |
| --- | --- | --- | --- |
| 自愈（伤口闭合） | 30 | 0 | 30 |
| 反射自生成（工具×病因≥3） | 4 | 0 | 4 |
| 遗忘（突触修剪 @1 个半衰期） | 0 | 0 | 0 |
| 门控（省 token） | 84.71% | 0.00% | 46721 tok/轮 |

**归因层**：从真实错误文本重算病因，与账本记录一致率 **100.00%**（30/30）。
无不一致。

**突触衰减扫描**（半衰期 30 分钟）：

| 闲置 | 被修剪 | 占突触总数 |
| --- | --- | --- |
| 0 分钟 | 0 | 0/6 |
| 30 分钟 | 0 | 0/6 |
| 60 分钟 | 1 | 1/6 |
| 120 分钟 | 1 | 1/6 |
| 240 分钟 | 2 | 2/6 |

**反射淘汰/强化**：观察 5 条，应淘汰 0 条、应强化 0 条。

## 3. 基线对照

| 策略 | 省下（均值） | 首轮可见工具（均值） | 误藏关键能力 | 任务受影响 |
| --- | --- | --- | --- | --- |
| 传统：所有工具常驻 prompt | 0.00% | 256 | — | — |
| 朴素：命令词直接匹配工具名 | 88.00% | 28 | 28 | 28 |
| Agent-Body：意图 → 器官 → 能力（冷启动） | 84.71% | 36 | 6 | 6 |

朴素前缀门控省得更多但会误藏能力；本系统的取舍是**先不省能力，再省 token**。

## 4. 器官目录分级

- 器官数 26，默认安装 15 个（corpus_callosum, cortex, cortex_files, delegation, ears, eyes, growth, hands, hippocampus, interoception, jobs, prefrontal, proprioception_center, synapse, zero_residence）
- 分级分布：core 6 · experimental 3 · general 9 · professional 8
- 契约校验：26/26 通过
- 语料覆盖：256/256 个工具被目录认领

## 5. 活体快照交叉校验

捕获自：live agent-body via body_tokens action=gate (2026-09-11)（**不可离线复现**，含运行历史）

| | 内核账本自报 | 本仓库估算器重算 | 偏差 |
| --- | --- | --- | --- |
| 全量 token（256 项） | 55154 | 55154 | +0.00% |
| 显影后 token（64 项） | 14206 | 14206 | +0.00% |

判定：**consistent**（语料完备，估算器与内核同口径）

> 活体口径是 **74.25%**（64/256 项）。
> 它与上面的冷启动口径差值，就是「本机运行历史」带来的显影增量——历史越多，省得越少。
> 两个数都真实，**引用时必须带上口径**。

## 原始数据

- 本报告：`benchmarks/results/REPORT.md`（**确定性产物，入库**，可直接 diff）
- 机器可读结果：`benchmarks/results/result.json`（每次运行带时间戳，**不入库**；与本报告同源）
- 比对基线：`benchmarks/baselines/expected.json`（CI 用它判断漂移）
- 输入语料：`benchmarks/corpus/`（工具 schema 全集 + 脱敏后的真实运行轨迹 + 活体快照）
- 任务集：`benchmarks/tasks/intents.json`
- 口径说明：`benchmarks/README.md`