# md_cg · AGI 七维评分报告 v2.0

> 评分对象：**dsh-memory / md_cg（认知图 + 记忆 OS）** 当前实现（2026-09-10）
> 评分标尺：`AEIS/docs/AGI记忆系统评分标尺_v1.0.md`（七维 · 层次优先 · 门槛晋级）
> 综合公式：`综合 = min × 0.4 + mean × 0.6`
> 取证：源码级（`md_cg/*.py` 逐模块核对）+ 测试级（**46 套 1970 项** + 并发锁 **300 项** 全绿）
> + 基准级（`bench_membench` SNR 量化）+ 实库级（`AEIS/data/mdcg` **6339 节点** 只读盘点）
> 立场：不虚高、不虚低。每分给依据；无法验证的项单列、不计分。
> 上一版：`AGI七维评分报告_md_cg_v1.0.md`（综合 8.0）

---

## 一、结论

| 维度 | v1.0 | **v2.0** | 档位 | 一句话依据 |
|---|---|---|---|---|
| **S 结构** | 8.5 | **8.5** | 认知图（四要素 3.5/4） | 新增层归位闭环（实库 228 条 contextual）+ 视觉证据面结构化；conditions 四维/execution schema 仍未强制 |
| **R 检索** | 8.5 | **8.5** | 因果路由 ✓ / 意图理解 △ | 新增**召回分池/降权**修复结构性挤占（索引占比 44.2%→27.1%）；意图理解仍是规则层 |
| **J 判断** | 9.0 | **9.0** | 独立元认知 + 主动遗忘 | 新增抽检工单/只读预演/闸门；主判定 REJECT 仍简化版、元认知只建议不执行 |
| **C 调用** | 8.5 | **9.0** ↑ | 精准注入 + **SNR 可量化** | **SNR 量化仪表盘落地**（40% 噪声率下 sigP 97.8% / noiseP 0.4%，带配对显著性 + 消融对照） |
| **U 演化** | 7.5 | **8.5** ↑↑ | 飞轮 + **结构可版本回滚** | 两条扣分解除：`consolidate` 进 MCP 主循环；**通用结构变更账本 + 按条目回滚**（实库 238 条、已演练 4 次回滚） |
| **I 连续** | 8.0 | **8.5** ↑ | 自我锚点 + 元认知 + 结构变更史 | 演化账本由「审计留痕」升级为**跨会话可读叙事 + 规律统计**；跨副本收敛仍未实测 |
| **T 可信** | 8.5 | **8.5** | 加密 + 全链路审计 + 信任可度量 | 视觉证据脱敏纪律 + 写入预演/闸门/留痕；零信任仍未落地 |

```
min  = 8.5   (S/R/U/I/T 并列)          ← v1.0 为 7.5（U）
mean = 8.643 (S8.5 R8.5 J9.0 C9.0 U8.5 I8.5 T8.5)
综合 = 8.5 × 0.4 + 8.643 × 0.6 = 8.586 ≈ 8.6
```

### 层次判定：**L5（AGI 级记忆）· 稳固段**

| 晋级 | 门槛 | 实测 | 结论 |
|---|---|---|---|
| → L3 | J ≥ 5 且 S ≥ 5 | 9.0 / 8.5 | ✅ |
| → L4 | U ≥ 5 且 J ≥ 6 | 8.5 / 9.0 | ✅ |
| → **L5** | **I ≥ 6 且 U ≥ 6 且 T ≥ 6** | **8.5 / 8.5 / 8.5** | ✅ |

**五问定层法复核**（标尺 §2.2）：

```
Q1 能存吗？              ✅ 五层 + 负记忆 + 目标槽 + 子图
Q2 能从一堆里找对那条？   ✅ 四路 RRF + 条件路由 + 因果链 + 分池配比
Q3 能说「这条不该用」吗？ ✅ 四态判定 / 条件级负路由 / 负记忆
Q4 说错后改结构还是改答案？✅ 改结构，且**改结构本身可版本化回滚**（238 条账本 + dry_run 回滚）
Q5 一个月后还是同一个「我」吗？✅ self/anchor 不可覆盖 + identity 锚点 + **结构变更史叙事**
```

> 与 v1.0 的差别：v1.0 判「L5 入门」，短板唯一在 U（7.5）。本次 U 一次抬 1.0，**七维全部 ≥ 8.5，无 <8 维度**，故判 **L5 稳固段**。
> 但「稳固段」≠「接近满分」：五个 8.5 维度的共同上限是**「机制齐备、门槛项未齐」**（零信任 / 开放域意图 / 条件四维强制 / 穷尽去污染），见 §五。

---

## 二、逐维依据（相对 v1.0 的增量）

### S · 结构 · 8.5（持平）

**新增加分**
- **层归位闭环**（G4）：`consolidate.contextualize_prefixes` 判据（流水账形态 + 视觉产物落 `knowledge` 错位）→ `contextualize_rollback` / `contextualize_history`；**真实库已落地 228 条 `contextual`**（`_maintain.jsonl` = 229 `contextualize` + 1 `contextualize_rollback`）。
- **层级对账精确吻合**：`knowledge 6102 + contextual 228 + self 5 + anchor 4 = 6339` = 索引节点数（无幽灵节点、无漏计）。
- **视觉证据面**（G5）：`vision_evidence.py` 把「部件节点证据面恒为 `{}`」的口径缺口补齐（6 字段结构化 + `cond_hash` 连接 + 图集编号脱敏），属 `modality` 之外的**证据面**结构化。

**扣分（与 v1.0 相同，未动）**：① conditions 理论四维仍只有 `time_window` 强制；② execution 仍非一等 frontmatter（无 schema 校验）；③ 衰减仍走抽样判陈旧，非连续时间因子。

> 7–8 档「图结构 + 条件绑定」扎实达标，层归位是 9 档构成项之一 → 维持 **8.5**。

### R · 检索 · 8.5（持平，但结构性缺陷修复）

**新增加分**
- **召回分池/降权**（§七 条件化 ACCEPT 落地）：`pooling.py` —— 三池（knowledge / index / negative）、**池额守恒**（`cap_ratio` 之和恒 1.0，最大余数法）、**显式可 A/B 权重表**、空池额度回流不增预算、池账审计面（`quota/cands/taken/lost`）。
- **真实库实测（6339 节点，48 条确定性查询，关闭态 vs 启用态同口径）**：

| 口径 | 关闭 | 启用 | delta |
|---|---|---|---|
| **index_share** | **0.4417** | **0.2708** | **−0.1708** |
| **knowledge_share** | 0.5583 | 0.7292 | +0.1708 |
| p95_scanned / truncation_rate / truncation_loss | 6339 / 0.2292 / 0.18289 | 同 | **0**（不敏感口径） |

  → 索引/产物类不再吃满召回额度，**且 `scanned` 与全局截断率不变**（无额外 IO、无额度膨胀）。

**扣分**：意图理解仍是确定性规则（归一化 + 目标定向 + `route()` 建议），非开放域理解。分池修复的是**配比**，不是**理解**。

> 9–10 档要求「因果路由 + 意图理解」齐备——因果达标、意图仅规则层 → 维持 **8.5**（分池不计入晋级，仅计入依据）。

### J · 判断 · 9.0（持平）

**新增加分**：G6 `refine.py` —— **口径先定的抽检工单** → **只读预演（`apply=False`）** → **闸门** → 校准 → 留痕/回滚（真实库 `_refine.jsonl` 已在运行）；G4/G5 的层位移与证据回填同样走「预演 → 闸门 → 应用 → 可回滚」。

**扣分（未动）**：① 主判定路径 REJECT 仍是简化版——`mdcg.py:746` 自注「需条件对比，**简化版用关键词命中**」，与 `consistency.py` 条件级判定未统一；② 元认知只建议不执行；③ 预测反馈需显式调用。

> 9–10 档门槛项「独立元认知 + 主动遗忘」齐备 → 维持 **9.0**。

### C · 调用 · 8.5 → **9.0**（+0.5，v1.0 扣分①解除）

**新增加分 —— SNR 量化仪表盘落地**
v1.0 扣分①原文「**无 SNR 量化仪表盘**」。现 `bench_membench.py` 提供可比基准（1000 条 = **250 signal / 400 noise / 350 unlabeled，噪声率 40%**，噪声带强重复模式），且不是「跑一个好看的数字」，而是**带统计判定的实验台**：

| 臂 | self@1 | self@10 | MRR | **sigP** | **noiseP** |
|---|---|---|---|---|---|
| 四路 | 89.2% | 94.3% | 0.911 | **97.8%** | **0.4%** |
| 五路 (+fuzzy) | 79.1% | 92.3% | 0.832 | 95.7% | 0.8% |

- 具备 **配对 bootstrap 5000 次 + McNemar 精确单侧**显著性、`--ablate {idcheck,shuffle,random,pool}` 消融对照、`--zero-importance` 去标签泄漏对照、`--sweep` 融合扫描、`--per-path` 逐路诊断。
- §七 另提供**召回构成量化**（`index_share` / `knowledge_share` / `pool_lost_rate` + 池账）与**口径敏感性自检**（显式回 `insensitive_keys`/`sensitive_keys`）。

**扣分（未动）**：② 去污染仍是 12/轮抽样 + 确定性判据，非穷尽语义蕴含；③ `_contradiction` 词级比对，跨表述矛盾不可识别。

> 9 档门槛项「精准注入 + 可量化降噪」齐备 → **9.0**；「零污染」未达，故停在 9.0 下沿。
> **特别声明**：升级依据是「**可量化 + 可回归**」，不是「指标好看」——该基准恰恰**暴露了缺陷**（五路在 `drop` 模式 self@1 **−29.2%**，p<0.001），见 §六·4。

### U · 演化 · 7.5 → **8.5**（+1.0，v1.0 两条扣分解除）

v1.0 三条扣分，逐条复核：

| v1.0 扣分 | 现状 | 证据 |
|---|---|---|
| ① `consolidate` 仅 CLI，`cg(op=...)` 无对应 op | **已解除** | `mcp_server.py` `cg(op=maintain, action=…)` 暴露 `induce` / `contextualize` / `contextualize_rollback` / `promote` / `promote_rollback` / `vision_evidence` / `refine` / `refine_gate` / `refine_calibrate` 等 → **进 agent 主循环** |
| ② 无通用结构变更版本表 / 一键回滚（`protect` 只覆盖受保护节点） | **已解除** | `evolution.py`：`_evolution/ledger.md` 账本，`KIND = condition_gap / layer_shift / general / rollback`；每条含 `before/after` 状态快照（`state_of` + `diff`）、`rollback(entry_id, dry_run)` 按条目回滚、`history/patterns/summary`。**真实库 238 条（223 KB）**，其中 `layer_shift 229 / condition_gap 7 / rollback 4 / general 1` → **回滚路径已真实演练 4 次** |
| ③ 预测校准需人工喂反馈 | **未变** | `predict.feedback` 仍为显式调用 |

**新增加分**：`sustain` 新增 `evolve` 演化巡检（候补盘点 → 修复动作归口 → **只放行确定性动作**，`auto_evolve=False` 默认只记账），把「谁该被修」变成周期驱动而非人工巡检。

**剩余扣分（半程）**：LLM 依赖的固化动作**不自动执行**（需 `heal(allow_evolve=True)` 放行确定性动作）→ 「**飞轮自运转**」仍缺最后一环。

> 7–8 档核心 + 结构版本可回滚已达标 → **8.5**；9 档「全自转」未达。

### I · 连续 · 8.0 → **8.5**（+0.5，v1.0 扣分①缓解）

**新增加分**
- **跨会话可读的自我变更叙事**：`_evolution/ledger.md` 每条含「**规律** / 缺失条件 / **动作** / 证据 / 来源 / 时间」+ 状态快照，是**叙述性**文本而非纯字段留痕；配合 `evolution.patterns/summary` 做「哪一维条件反复缺失、由谁触发、哪些规律重复出现」的**规律统计** → 由 v1.0 的「审计/留痕」升级为「叙事 + 规律」。
- **派生血缘**（G8）：`provenance.py` —— `derived_from` 单一真相源、台账、悬空巡检、`rebuild_ledger` **只重放显式声明、不从 id 前缀反推**（守住「不回填」纪律）。

**扣分（未变）**：② 跨副本状态收敛 / 冲突合并无实测（指纹只解决「读不到」）；③ 元认知不写事实（设计如此）。

> 9–10 档「跨会话生命史叙述**合成**」仍未达（当前是账本 + 规律，未合成连贯生命史）→ **8.5**。

### T · 可信 · 8.5（持平）

**新增加分**
- **视觉证据脱敏纪律**（G5）：不读取任何图像、不重跑视觉、证据内只落结构化字段；图集目录名**不进库**（一律 `图集_N` 编号引用）。
- **写入侧四重闸门**：预演（dry-run）→ 闸门 → 留痕（`_maintain` / `_evolution` / `_refine` / `_vision_evidence`）→ 可回滚。
- 实库审计面在跑：`_audit.jsonl` / `_crypto.jsonl` / `_consistency.jsonl` / `_crosscheck.jsonl` / `_forgetting.jsonl` / `_metacognition.jsonl` / `_scrub.jsonl`。

**扣分（未变）**：① 零信任未落地（主密钥仍在服务端进程可及，无远程身份校验 / 客户端持钥）；② 非严格 E2E（服务端可解密；密文不参与全文索引的工程折衷）；③ 威胁模型自认未覆盖本地内存取证 / 侧信道。
**另如实标注**：`_protected_audit.jsonl` 在实库**尚无条目**（受保护节点审计未产生数据）。

> 7–8 档「隐私树 + 全链路审计 + 防污染」完全达标，零信任缺位封顶 → 维持 **8.5**。

---

## 三、v1.0 → v2.0 对比

| 维度 | v1.0 | v2.0 | Δ | 变化来源 |
|---|---|---|---|---|
| S 结构 | 8.5 | **8.5** | — | 层归位闭环（实库 228 条）· 视觉证据面结构化（不足以触及扣分项） |
| R 检索 | 8.5 | **8.5** | — | 召回分池修复结构性挤占（index 占比 −17.1pp）· 意图理解仍未开放域 |
| J 判断 | 9.0 | **9.0** | — | 抽检工单 / 只读预演 / 闸门 · REJECT 主判定仍简化版 |
| **C 调用** | 8.5 | **9.0** | **+0.5** | `bench_membench` SNR 量化（sigP 97.8% / noiseP 0.4% + 配对显著性 + 消融对照）→ 解除「无 SNR 仪表盘」 |
| **U 演化** | 7.5 | **8.5** | **+1.0** | `consolidate` 进 MCP 主循环 + 通用结构变更账本与按条目回滚（实库 238 条 / 回滚演练 4 次） |
| **I 连续** | 8.0 | **8.5** | **+0.5** | 演化账本升级为跨会话叙事 + 规律统计 · 派生血缘（`provenance`） |
| T 可信 | 8.5 | **8.5** | — | 视觉脱敏纪律 + 写入四重闸门 · 零信任仍未落地 |
| **min / mean** | 7.5 / 8.357 | **8.5 / 8.643** | | |
| **综合** | **8.0** | **8.6** | **+0.6** | |
| **层次** | L5 入门 | **L5 稳固段** | | 无 <8 维度；短板由「单点 7.5」变为「五点 8.5 共同上限」 |

> 归因说明：本次评的是**当前库整体**，增量来自 v1.0 之后的全部工作（P20–P43：演化账本/令牌/理论/链接/证据/权重/引用索引/文档索引/核对/会话存取/维护/洞察/回填/CCG 接线/批量核对/条件化断言/kp_ 对齐/条件空间/层归位/视觉证据/抽检工单/演化巡检/派生溯源/召回分池）。

---

## 四、测试与实测取证

**测试级：46 套功能测试 1970 项 + 并发锁 300 项，全绿**

```
P0 25 · P1 38 · P2 36 · P2-MCP 63 · P3 33 · P4 44 · P5 37 · P6 72 · P7 36 · P8 34
P9 37 · P10 24 · P11 27 · P12 32 · P13 42 · P14 44 · P15 53 · P16 46 · P17 55 · P18 20
P19 13 · P20 46 · P21 31 · P22 43 · P23 57 · P24 29 · P25 36 · P26 55 · P27 56 · P28 45
P29 48 · P30 55 · P31 65 · P32 58 · P33 58 · P34 51 · P35 47 · P36 34 · P37 42 · P38 37
P39 53 · P40 46 · P41 36 · P42 52 · P43 79                      → 合计 1970
test_lock 300/300
```

> v1.0 名单（P0–P19 共 21 套）本轮实测为 811 项（P1 37→38、P5 36→37，测试有增补）；新增 25 套共 1159 项。

**基准级：SNR 量化（`bench_membench`，1000 条 / 噪声率 40%）**

```
四路  self@1 89.2%  self@10 94.3%  MRR 0.911  sigP 97.8%  noiseP 0.4%
五路  self@1 79.1%  self@10 92.3%  MRR 0.832  sigP 95.7%  noiseP 0.8%
配套：配对 bootstrap 5000 次 + McNemar 精确单侧；--ablate / --sweep / --per-path / --zero-importance
```

**实库级：`AEIS/data/mdcg` 只读盘点（6339 节点）**

| 项 | 实测 |
|---|---|
| 层分布 | `knowledge 6102` + `contextual 228` + `self 5` + `anchor 4` = **6339**（与索引精确吻合） |
| 层归位 | `_maintain.jsonl` 230 条 = `contextualize 229` + `contextualize_rollback 1` |
| 演化账本 | `_evolution/ledger.md` **238 条 / 223 KB**（`layer_shift 229` / `condition_gap 7` / `rollback 4` / `general 1`），每条含状态快照 |
| 召回分池 | `index_share 0.4417→0.2708`、`knowledge_share 0.5583→0.7292`；`p95_scanned` / `truncation_*` delta = 0 |
| 留痕面 | `_audit` / `_crypto` / `_consistency` / `_crosscheck` / `_forgetting` / `_identity` / `_metacognition` / `_refine` / `_scrub` / `_sustain` / `_vision_evidence` 均在运行 |
| 空面（如实标注） | `_protected_audit.jsonl` 无条目；`rejected` / `unresolved` / `structural` / `goals` 层 0 条（能力存在，该库未产生该类数据） |

**维度 ← 用例映射**：J←P9/P11/P12/P34/P35 · I←P10/P12/P14/P16/P42 · T←P13/P39 · U←P6/P8/P17/P20/P30/P41 · S←P2/P4/P37/P38 · R←P2/P8/P36/P43 · C←P15/P24/P31/P43 + `bench_membench`

---

## 五、短板与到下一档的差距

| 维度 | v2.0 | 到 9.5+ 需补 |
|---|---|---|
| S 结构 | 8.5 | conditions 四维强制 + execution 一等 schema；衰减改连续时间因子 |
| R 检索 | 8.5 | 开放域意图理解（脱离规则层） |
| U 演化 | 8.5 | **飞轮全自转**（LLM 固化动作自主执行）；预测反馈自动联动 |
| I 连续 | 8.5 | 跨会话**生命史叙述合成**；跨副本状态收敛实测 |
| T 可信 | 8.5 | **零信任**（远程身份校验 + 客户端持钥）；密文可检索方案 |
| J 判断 | 9.0 | 主判定 REJECT 与 `consistency` 条件级判定统一；元认知建议可执行 |
| C 调用 | 9.0 | 去污染抽样→**穷尽 + 语义蕴含级**；跨表述矛盾识别 |

**优先级（按「最小改动换最大抬升」）**

1. **U · 飞轮全自转**：现只自动执行**确定性**动作（`auto_evolve=False`），LLM 依赖的固化动作仍需人工放行。而「闸门 + 版本账本 + 回滚」已就绪——缺的只是**自动放行策略**，属最小改动冲击 9.0。
2. **T · 零信任**：8.5 的封顶项，但需基础设施（客户端持钥 / 远程身份校验），成本最高。
3. **R · 开放域意图**：规则层 → 模型层，与「有意剔除神经嵌入」的既有取向冲突，属**路线决策**而非工程补丁。

> **关键提示**：现在 min = 8.5，且五个维度并列最低——**抬升单维不再抬升综合**。要突破 8.6，必须同时抬升最低维中的多数，或把 min 整体推过 9.0。

## 六、诚实边界声明

1. **U / I 无公开基准**：标尺自述「U / I 无公开基准，只能行为观察」。本报告的 8.5 / 8.5 属**代码能力 + 实库留痕判定**，非长周期实证；「长期压力验证的 L5」仍需真实运行数月方可确认。
2. **打分含主观性**：0.5 分粒度由评估者按判据落位，不同评估者可能 ±0.5（尤其 C 的 9.0 与 I 的 8.5，均处档位下沿）。
3. **「能实现」≠「已验证」**：未验证项（跨副本收敛、长周期自我连续性、零信任）已单列 §五，**不计入分数**。
4. **基准的作用是暴露缺陷，不是修饰分数**：`bench_membench` 显示五路（+fuzzy）在 `drop` 模式 self@1 **−29.2%**（95% CI [−0.352, −0.236]，p<0.001）——该回归是**已知未修缺陷**。C 升 9.0 的依据是「该量可测、可回归、可消融」，而非「指标优秀」。
5. **实库存在「空面」**：`_protected_audit.jsonl` 无条目、`rejected`/`unresolved`/`structural`/`goals` 层 0 条 → 相关能力由测试（P9/P11/P15）取证，**不由实库取证**；两者性质不同，已分别标注。
6. **可证伪**：任一维度若发现反例（功能代码存在但不可调用、测试造假、口径不可复现），对应分数应下调。

---

*报告生成：2026-09-10 · 标尺：`AGI记忆系统评分标尺_v1.0` · 对照版：`AGI七维评分报告_md_cg_v1.0` · 取证脚本已于生成后清理*