# Changelog

本项目版本号遵循 `0.x` 阶段的语义化：`0.<minor>.<patch>`；预发布版本带 `-beta.N` 后缀（面板中显示为 `0.3.0beta1`）。

## v0.5.0-beta.1 — 2026/09/18

作者：啃轮胎的西狐

**架构基线 v0.5：优化器从"提示词作家"改成「依据搬运 + 缺口补齐器」。** 权威定义是 [SPEC.md](SPEC.md)；`DELIVERY.md` / `PROMPT-OPTIMIZATION.md` 等旧文档自本版起降级为历史记录。

**为什么要改（判据错位的复盘）**：前几轮加的全是"优化器自己该怎么表现"的规则（档位轴、形态投影、身份层、i18n、字数基线），验证也全是**自证**的（投影不变、条款在位、字数对得上）——**没有一条验证在回答"下游一次能不能做对"**。而真实失败是"一半概率连正常目标都做不到、坦克有渲染问题"，那是**能力 + 一次性执行**的问题，不是措辞问题。按模型特性重定方向：v4.1-flash 这类**不主动、不猜、一次做完**——没写进去、它又推不出来的就是**必然缺失**；写进去的它**一定照做**（提示词不是建议，是**指令集**，多写一条就多一条硬约束）。

1. **契约层重写（先砍）**：`V6_CORE` 改为【前提／依据／只补这五类／范围／歧义／不要写／语言】。**五类缺口**＝① 指代与定位 ② 验收判据 ③ 约束与边界 ④ 隐含决定 ⑤ 入口与锚点。删掉"输出结构：目标 → 现状事实 → 步骤"这类**形式模板**、`验收（≤3 条，可机器判定）`、以及全部**没有具体指向**的验证套话（"请充分验证／请自测"）。档位正文同步瘦身：组织方式与篇幅仍由交付形态投影，其余只留"依据预算"。逐行差异见 `evidence/diff-v6-prompts.cjs`（本轮对照 `evidence/v6-prompt-baseline-beta6.json`）。
2. **档位 ＝ 依据预算**（不是文风）：普通＝只用原话＋上下文（补①②）；高级＝按需读项目文件（五类全补）；极端＝深读交叉核对（五类全补 ＋ **每条改动带出处** ＋ 正向丰富）。轴语义重锚：`depth` = `precise` / `grounded` / `exhaustive`（旧 `phased` 的"分阶段"语义取消；阶段↔清单由 ④ 组织方式表达）。**模型、reasoning effort、上下文开关三者与档位解耦。**
3. **上下文机制（W1b）**：范围**只由 UI「回合／全文」决定**——回合＝最近 N 个用户回合（**用户一次 ＋ AI 一次 = 1 回合**；**0 = 不读**，不再被兜底成 1）；全文＝与工作 AI 现在看到的一致的那份**会话投影**。**预算不足只降详细度、不改范围**（双方全文 → 助手截断 → 助手省略 → 逐条截断），只有最简形式仍放不下才由远及近丢范围**内**的条目并写明丢了几条。**解析不到会话就不注入**（删掉 `renderObserverBlock` 里"回落到列表里第一个会话"的隐式路径——那是同一类"猜"的病根）。注入块显式声明**旁观者身份**（"你是旁观者与指挥者，不是执行者"），否则优化 AI 会以为自己是干活的。
4. **依据索引**（原"证据账本"）：工具结果按**依据类型**分开——**读到内容**的文件（可引用内容与位置）、grep **命中**（可引用 `路径:行号`）、**只列过目录**的文件（只能陈述"存在"，**不得**描述里面写了什么，SPEC 明令）；并要求把出处写进命令。分类在工具循环里结构化落进 `toolLoopDebug.evidencePaths / evidenceHits / evidenceListed`。
5. **一次交付可用率（唯一目标指标）**：`POST/GET /outcome` ＋ 迷你窗产出后的「成了 / 要返工」两个按钮——记的是**人给的裁决**，不推断、不自评；分档位统计便于看"档位到底有没有用"。
6. **验收工具（可证伪）**：`verify-context-scope.cjs`（上下文范围桩单测 **13/13**）、`audit-provenance.cjs`（**出处审计**：产物引用的路径必须在依据索引里；无出处的事实性断言＝缺陷）、`compare-referent.cjs`（**同题对照**：长迭代里一句「修复这个 bug」有／无上下文）、`snapshot-v6-prompts.cjs` 重冻**必须带 `--reason`**（防止悄悄改判据）。
7. **判据调整（如实记录）**：`delivery=chat` 逐字节不变**不再是验收**（契约层已按 SPEC 重写），降级为**回归护栏**：基线重冻（`spec` / `reason` 落盘），上一版存档 `evidence/v6-prompt-baseline-beta6.json`。

**实测（本轮，会话 `D:\0中转站\html`）**

- 真实场景 A/B/C **9/9**：工具根＝该会话目录；产出无假事实 / 无"已核实" / 无事实段；不给 sessionId → 不派工具、不注入观察者（`no-session:no-session-id`）；未设置形态 → `default-ptc` ✓；v5 对照仍短（0.4.3 体量特征）。
- 同题对照「修复这个bug」：**有上下文 468 字 / 无上下文 578 字**——两边都先声明"**未找到指代来源**"，再给**一个**最小发现动作（有上下文时用上了上一轮的 `tank.html` 线索）。**同一题在改前是 2201 / 1009 字的"通用流程填充"**——这正是"几百上千字乱猜、反而误导原 AI"的实测病灶。
- 出处审计（真实任务"让坦克的炮塔能独立转动"，只列过目录、没读到内容）：产物 2344 字 / 22 条目，**无出处的事实 0 处**，且产物自己写明"我这次只拿到目录清单、没读到任何文件内容"。

**已知边界（如实记录）**：出处审计是**启发式**判据（词表 + 结构），本轮它自己就误报过三次（否定句"其中没有 tank.html"、`HTML/CSS/JS` 缩写、条件句"若已有"），三条都已修进脚本；它的作用是"把可疑行挑出来给人看"，不是自动定罪。

## v0.4.6-beta.6 — 2026/09/18

作者：啃轮胎的西狐

**根治"假事实"：身份层 + 证据层 + 契约层。**

**背景**（真实项目实测，8 条运行记录）：46 次工具调用里 **34 次是 `glob`**、`read` 只有 2 次；工具根目录落到了 `C:\Users\WestFox\.dsh`——**不是**该次运行所属会话的目录——产出却写着"工作目录下不存在任何工程文件…只有 `attachments/v1/objects/**` 二进制对象"，还标注"**已核实，不要再去找别的资料**"，下游据此不再看真实项目；同一句原话三次跑出**互相冲突的硬约束**（一次"唯一允许的外部资源是 CDN three.js"，另一次"不得出现 `https://`"＝要求从零手写 WebGL 渲染器，用户从没要求）；6/8 次观察者上下文为空。

1. **身份层（唯一入口）**：新增 `resolveRunContext()` —— 按**本次运行上报的 sessionId** 解析会话 / cwd / agent preset。**解析不到就不猜**：不派工具、不注入观察者、形态回落 chat，退化成"纯需求重述"（0.4.3 行为），**绝不产出假事实**；判定写进 `/runs.context` 与 `run.toolRoot` 供事后核对。
   原先三处**各自猜会话**：工具根取"会话列表里第一个有 cwd 的"、形态判定取"最后一个会话"、观察者再按 id 找一次——三者可能指向不同会话，且都不留痕。
   实测：指定 ptc 会话 → `cwd=D:\0中转站\html`（真实项目目录）✓；不给 sessionId → `chat` + `no-session:no-session-id` ✓。单测 `verify-run-context.cjs` **9/9**（含"目标会话不在列表首位"这条回归用例）。
2. **证据层**：新增 `renderEvidenceLedger()` —— 把"本次**实际读到**了什么"作为**结构输入**交给模型（与观察者块同构），而不是再加一句提醒。规则由机制背书：只能引用账本里出现过的路径 / 符号；**只列过目录不等于知道内容**；一次文件内容都没读到，就不许写"事实 / 现状"段。
3. **契约层**（`V6_CORE`，三档通用）：新增【事实必须有出处】【只写下游无法自知的】，并把【歧义】扩写为"**保守不得升级成新的硬约束**"（用户没提 ≠ 禁止；不得据此禁掉依赖 / 网络 / 外部库 / 文件数量，也不得放大工作量）。prompt 变更可由 `evidence/diff-v6-prompts.cjs` **逐行审计**——本轮差异只有这三条 + 歧义扩写，无夹带。
4. **形态表述精化**：`sequence=unordered` 从"不写先后顺序"改为"**真实依赖写进条目本身**"——去掉往返节奏，保留依赖（对从零构建类任务，依赖是有意义的）。
5. **止血杠杆**：策略可在**运行时**拨动（状态文件 `strategy` 或 `DSH_PO_STRATEGY`）；`strategy=v5` 即回到 0.4.3 的"纯需求重述"，用于同题对照与快速回退，**不必改代码**。`/runs` 新增 `strategy` 字段。

**判据调整（如实记录）**："`delivery=chat` 逐字节不变"这条判据在本轮**主动终止**——契约层按设计变更，逐字节相等不再是正确的锚。替代判据：① 投影不变式（`delivery` 只动 `sequence` / `budget`）② 契约条款在 3 档 × 2 形态齐备 ③ 与上一版基线的**逐行差异审计**。基线已重新冻结，上一版存档为 `evidence/v6-prompt-baseline-beta5.json`。

**新增脚本**：`verify-run-context.cjs`（身份层单测）、`diff-v6-prompts.cjs`（提示词差异审计）、`verify-real-scenario.cjs`（真实会话 A/B/C 验证）、`probe-stream-timeline.cjs`（事件流时间线）。

## v0.4.6-beta.5 — 2026/09/18

作者：啃轮胎的西狐

**让「优化 AI 思考强度」真正生效（此前是装饰品），并给守卫补上确定性验证。**

1. **接线**：`streamWithTools` 现在会把 `reasoningEffort` 带进 `llm.stream({...})`；工具循环分支、普通分支与 `runToolLoop` 贯通同一条 `selection`。此前只有**内部自检路径** `streamOnce` 会发该字段，正式优化路径从不发。
   `/runs` 现在同时给出三个值：`effort`（配置）/ **`effortSent`（实发，null = 没发）** / `effortNote`（为什么没发）。
2. **守卫**（避免"换过模型后的残留档位把正式优化打死"）：**只在该模型确实声明了该档位时才发**。守卫全部分支由 `evidence/verify-effort-guard.cjs` 用 stub 定死（**7/7**）——其中"模型声明了档位但没有 max → 不发"这条在本机跑不到（目录里 5 个模型都声明全部四档），所以用确定性单测补上，而不是让它成为永远没验过的死代码。
3. **可证伪实验**（同一请求、basic 档、各 4 次；`evidence/effort-live.json`）：`off` 组思考文本 **0 / 0 / 0 / 0 字**，`max` 组 **3260 / 1974 / 2193 / 2274 字（中位 2234）**，两组 `effortSent` 分别为 `"off"` / `"max"`、`effortNote` 均为 `declared`。**类别级差异（0 vs 2234）**证明该字段确实抵达了模型。
4. **纠正一条旧结论**：v0.4.5 曾写"off 均值 8745 / max 8300，行为层面的强度差异尚未被证实"——那三组当时**实际发出去的东西完全一样**（字段从不发送），差异全是噪声，该结论的前提不成立。README 对应历史条目已加更正注，并由上面的实验取代。
5. 弹层提示补一句"该模型未声明所选档位时不会发送"（中英条目继续一一对应）。

**未改动**：档位定义、delivery 投影、只读权限、收件人契约——`delivery=chat` 三档 system 仍**逐字节不变**（15/15），投影不变式与 i18n parity 回归全过。
**新增脚本**：`verify-effort-live.cjs`（同题 off/max 对照）、`verify-effort-guard.cjs`（守卫 7 分支单测）。

## v0.4.6-beta.4 — 2026/09/18

作者：啃轮胎的西狐

**下游形态投影：同一份档位定义，两种消费形态（PTC / 对话式）。**

本质判断：**PTC 惩罚的是工序，不是深度。** PTC 执行体用一个程序组合多步、每次往返都要重新起程序，它怕的是"分阶段停下 / 逐阶段汇报 / 先建 goal·todo"这类**节奏要求**；而"细到改哪个文件的哪个函数"对它是**收益**。原先这两件事被写在同一个字段 `decompose: 'exhaustive'` 里，于是"让极端档更适配 PTC"看起来像"必须削掉极端档"——拆开就不必削。

1. **拆轴**：档位改由五轴描述——`grounding`（查证深度）/ `depth`（写到多细）/ `enrich`（正向丰富许可）+ **`sequence`（工序 ↔ 清单）** / **`budget`（不设限 ↔ 够用即止）**。前三个是能力定义，后两个是表达方式。
2. **形态投影**：`delivery = ptc` **只**把 `sequence→unordered`、`budget→single-pass`；**不变式：绝不动 depth / enrich / grounding**。档位正文由 `renderV6TierText(tier, axes)` 渲染——全仓只有这一处写"步骤 / 阶段 / 长度"这些句子。
3. **运行时判定**：手动覆盖 → 会话 `header.agentPreset`（自带预设 `ptc`）→ 回落 `chat`；新增只读诊断路由 `/delivery` 回报"判成了什么、依据是什么"。UI 在「优化模型」弹层新增一行「下游执行体：自动 / 对话式 / PTC」（三态，未从宿主读到就不上报）。
4. **消费形态声明块**：`delivery=ptc` 时注入一个与 `observerBlock` 同构的结构参数，**只声明读者是谁**（一个程序一次做完、往返极贵、有预算），规则本身由轴渲染写一次。
5. **顺带修一个真缺陷**：产出预算改为**单一来源 + 停顿看门狗**——硬上限 240s（绝对兜底）+ **45s 无增量才收手**（`DSH_PO_STALL_MS`）。原先按总时长 60s 一刀切，砍掉的是**还在稳定产出**的健康请求 → 半截命令（同批 10 题里 1 题）。改后：两题复核均正常完成（一题跑到 **10929 字 / 127 秒**），极端档 ptc 复测 **10/10 done、0 中断**。

**实测**（同一把尺 `ptc-ab.cjs`、同批 10 题、同档 extreme、无工具）——**两次独立采样，如实并列**：

| 采样 | 形态 | 真实字数 | 流程开销/条 | 逐步/条 | 单程序/条 | 验收/条 | PTC 分 |
|---|---|---|---|---|---|---|---|
| 同批配对 | chat | 5143 | 0.4 | 0.4 | 1.1 | 0.5 | 3.6 |
| 同批配对 | **ptc** | 3711 | **0.1** | **0** | 1.9 | **4.5** | 9.9 |
| 复测（n=10） | **ptc** | 4179 | **0** | 0.2 | 0.4 | **5.7** | 6.12 |
| 改前基线 | chat | 3381 | 0.2 | 0 | 0.9 | 0.7 | 6.93 |

**稳健结论（跨采样都成立）**：

- **流程开销与逐步必然更低**：ptc 两次采样 **0.1 / 0**，chat 三次 0.4 / 0.2 / 0.2；
- **验收判据必然更高**：ptc **4.5 / 5.7**，chat 0.5 / 0.7（该指标跨批噪声 sd 仅 0.75，差距 6–8 倍，**远超噪声**）；
- **同批配对 8/10 题变好，均值 +5.8**（配对可消掉跨批漂移）。

**不稳健、因此不作为结论的**：综合 PTC 分与字数——该量尺**跨批噪声大于效应**（同一 chat 提示词两批之间条目数 sd = **9.85**、综合分 ±3.2），ptc 两次 9.9 / 6.12 与 chat 两次 3.6 / 6.93 **区间重叠**，n=10 下不足以下结论；字数同理（3711 / 4179 vs 5143 / 3381）。**零回归不靠分数证明，靠"逐字节相同"这条结构事实**（15/15）。

- **档位次序在投影后仍成立**（`evidence/tier-ordering.json`，ptc 形态内、各 n=10）：条目数 极端 **31.6** > 高级 **22.3** > 普通 **18.3**；字数 3711 / 2438 / 1160。
- **中断**：改前 chat/ptc 各 1/10 被总时长砍成半截；改后（停顿看门狗）**累计 42 次运行 0 中断**（basic/advanced 各 10、extreme 两次各 10、复核 2），其中一题跑到 **10929 字 / 127 秒**正常完成。
- 帮助面板新增「下游执行体」一节（中英条目 **197/197 一一对应**，0 漏译 / 0 孤儿；`i18n-demo` 中英各 pass）。

**一处判据更正（如实记录）**：初版判据写的是"条目数与位置引用 ptc ≥ chat"，实测不达标（41.3→31.6 / 4.2→2.7）。复核后确认**判据本身写错**：① 该量尺的**跨批噪声就有这么大**（同一提示词两批之间条目数 sd = **9.85**、区间 [−6,+28]）；② `budget=single-pass` 的**目的就是减篇幅**（−28%），要求条目不减等于要求篇幅不减；③ 该看的是**每条目的具体度**（位置引用/条目 0.13→0.11，噪声内）与**可验收性**（验收判据 0.5→**4.5**，9 倍）。"定义不丢失"改用**档位次序**判定，那才是"档位没被抹平"的正判据。

**新增脚本**：`snapshot-v6-prompts.cjs`（chat 逐字节基线）、`verify-delivery-axes.cjs`（投影不变式）、`verify-delivery-score.cjs`（形态 A/B）、`verify-delivery-noise.cjs`（噪声 vs 效应）、`verify-tier-ordering.cjs`（档位次序 + 中断复核）、`patch-readme-delivery.cjs`（README 口径）。

## v0.4.6-beta.3 — 2026/09/18

作者：啃轮胎的西狐

**修好"高级/极端看不到思考过程"；问号面板文案与三档实际行为对齐；README 口径与实测数字同步。**

1. **思考透传修复**（三处断点，全部有代码依据）：`runToolLoop` 调 `streamWithTools` 时**漏传第 9 个参数 `onDelta`**（`lib/index.js:1516` 已传入）；循环只回传 `reasoningChars` 计数、**原文被丢弃**（`:1546` 改为同时回传 `reasoning`）；`executeLiveRun` 工具分支把 `reasoning` **硬编码为空串**（`:2065` 改为 `looped.reasoning`）。
   工具分支的 `onDelta` 只转发 `reasoning-delta` / `usage`——**正文不走这里**：工具循环是多轮的，正文以最后一轮为准，仍由原来那一次 `publishRun` 定稿，不重复推送。
   **未改动**基础/高级/极端三档的定义（`V6_TIERS` 的 grounding / decompose / enrich 与温度一字未动）。
   实测（同一请求、同一模型、同一 effort）：思考文本字数 基础 3333（未受影响）、高级 **0 → 2817**、极端 **0 → 7396**；浏览器内实跑极端档，「思考」折叠栏摘要 = **`— tok · 6497 字`**。
2. **问号面板（使用帮助）文案与行为对齐**：原先那一节写的是 v0.2.1 / v5 时代的规则（"实质优先 / 流程长度 / 硬约束 / 防过度"），而 v6 明确"不写流程仪式与通用教学"——两者相反、自相矛盾。现按三档定义与实际行为重写为：**档位**（三档各补到什么程度，并注明**三档的思考过程都显示在「思考」栏**）、**只读权限**（默认开启、能读什么、关掉会怎样）、**优化器会做什么**（收件人 / 语言层 / 保真 / 歧义 / 产出即命令，与 `V6_CORE` 五段一一对应）、**上下文**（回合＝最近 0~10 回合**双方全文**；超限按六级分级压缩并声明）。
   同时修掉两条**过时描述**：回合模式"只保留你的原话"（0.4.6 起是双方全文）、"上限 回合 1.2 万 / 全文 6 万字符、按整回合丢弃"（活路径注入的是观察者块，预算 1.2 万 + 分级压缩）。
   中英**逐条对齐**：面板在中英两种语言下**各 7 节 / 各 24 行**；`i18n-demo` 自检断言同步改为校验新条目（`secHasReadOnly` / `rowHasAddressee` / `rowHasFidelity` / `rowHasTierFacts`），中英各跑一次 `pass: true`。
3. **README 一类文档与实际行为 / 版本号同步**：修掉 6 处口径（中英同改，脚本 `evidence/patch-readme-behavior.cjs`，每条断言"恰好命中 1 次"）：
   "0.4 = 需求补全器"框里"**不写步骤、不写验收清单**"（与高级/极端档明确要求阶段性任务 / 步骤相反）→ 改为按档位说明补到什么程度；
   "系统提示词 **515 字符**、产出 **422 字符**"→ 实测 高级 **2542** / 极端 **2687** 字符（含观察者块），产出 普通 **306** / 高级 **2008** / 极端 **3954**；
   "提示词组装：`RELAY_IDENTITY` → … → `PROCESS_RULES`"（v4/v5 遗留常量）→ 改为 `V6_CORE` → 档位正文 → 观察者块 → 收件人契约；
   "只发送你的输入文本 +（高级/极端档）目录树摘要"（`projectContext` 在活路径**从未注入**）→ 改为实际范围（会话上下文 + 只读权限开启时读项目文件）。
   `PROMPT-OPTIMIZATION.md:61` 的"活路径不带工具"→ 更正为**带工具**（默认开）。

**新增验证脚本**：`verify-i18n-parity.cjs`（中英条目一一对应审计：0 漏译）、`verify-reasoning.cjs`（三档思考通道对照）、`probe-reasoning-ui.cjs`（浏览器内实跑读「思考」栏）、`probe-cmd.cjs`（通用 UI 探针）、`patch-readme-behavior.cjs`（README 口径同步）。

## v0.4.6-beta.2 — 2026/09/18

作者：啃轮胎的西狐

**两处按原话改动 + 一处治根：把「产出物的收件人」写进架构。**

1. **只读权限默认开**（原话："让读取工具默认开启"）。改成**三态**：状态文件里**缺失该键 = 开**，只有**显式 `false`** 才算关（已保存的显式值不被改写）；读取异常也按开处理。
   实测：把 `readTools` 键从状态文件删掉后 `GET /state` → `true`；不传任何参数跑一次极端档 = **6 次真实工具调用**（`glob`/`grep`）；显式 `false` = 0 次调用、产出 4000 字。
   浏览器侧同步改成三态（`null` = 未读到就**不上报该字段**），否则"未设置（默认开）"会被 UI 的首次落盘误写成显式 `false`。
2. **文案与位置**（原话："只读查证（让优化 AI 真的读项目）改成「只读权限：」，按钮放在右边"）。标签改为 `只读权限：`（en：`Read-only access:`），
   开关控件移到标签**同一行的右侧**，说明保留在下一行。真实 DOM 实测：`toolsLabel="只读权限："`、`toolsOn="true"`、`sameLine=true / dy=0 / btnRightOfLabel=true / overflowRight=-25`（不出界、标签未截断）。
3. **治根：产出物的收件人**。原话指出极端档产物第一句是**对老板说的**——"把下面这段整条发给工作 AI（原话里的两件事：…）"——直接转发容易误导会话 AI：**优化 AI 是领导，只能对员工（会话 AI）说话**。
   病根不是"少了一条注意事项"，而是契约只规定了"内容要像一条能发出去的命令"，**从未规定产出物的收件人**，模型于是把产出物当成"回给老板的信"。两层根治：
   - **契约层** `OUTPUT_ADDRESSEE_CONTRACT`：收件人写进 system，`buildSystem` **统一追加**（全策略、全档位生效，放最后＝模型看到的最后一条产出规则）；
   - **闸门层** `enforceAddressee`：宿主在**唯一产出出口**上强制剥离转交语与包装——只扫**首尾**（正文里的"复制到 / 告诉我"不误伤，判官自检含 4 条误伤压力用例），剥完不足 20 字**整段回退原文**（绝不返回空），处理结果写进 `run.addressee` 供 `/runs` 复核；`done.text` 成为**定稿**，流式 delta 只作预览。
   实测（复现用例＝这一轮的原话）：极端档产出 `addressee = {triggered:false, action:"no-hit"}`——**转交语根本没生成**（契约层生效）；闸门判官自检 **13/13**（坏标全拦、金标一字未动）。
   降级实测：`forceToolError` 让只读工具链失败 → `toolLoopError` 记录在案、回落无工具路径、产出 **3816 字非空**。

**硬约束**：只读权限**默认开启**（本版起覆盖上一版的"默认关闭"）；工具链任何失败**降级为无工具运行且结果非空**；闸门任何异常原样放行。
**一处判断**：降级/失败声明落在**运行记录**（`toolLoopError`、`/runs`），**不写进产出物**——产出物是给会话 AI 的指令件，在里面写"已降级"就又变成对老板说话。
**新增验证脚本**：`verify-addressee.cjs`（闸门判官自检）、`verify-046b2.cjs`（默认开/显式关/降级/收件人四项）、`probe-tools-row.cjs`（真实 DOM 读只读权限行）。

## v0.4.6-beta.1 — 2026/09/17

作者：啃轮胎的西狐

**三步改造完成：只读查证 / 观察者上下文 / 预算与压缩。**

1. **只读查证（工具路径）修通**。根因：`relayMessage()` 返回的是**消息数组**（非工具路径当 `messages` 用），而 `runToolLoop` 的 `userText`
   需要**字符串**，于是数组被塞成 `content:[{type:'text',text:<对象>}]` → provider 报
   `messages[0].content: invalid type: sequence, expected a string`。宿主六种形态复刻均成功、只有插件失败，正是这个接线错误。
   修复后实测：开关 ON = **10 次真实工具调用**，产出含**真实事实**（"只有顶层目录 `attachments/`，其下 `attachments/v1/objects/`，按哈希前 2 位分桶"）；
   OFF = 0 次调用、泛化建议。另有一例它读 5 次后**如实说明**"我可见的目录里没有 package.json，需要你在真实仓库里定位"——读了就报实情，没编造。
2. **上下文观察者视角**。数据源改为会话**投影** `derived`（会话 AI 真正看到的投影消息，实测 1418 条），**不走事件重放**；
   经 `buildSystem(tier, { observerBlock })` 作为**结构参数进入 system**（不再塞进用户消息）。
   三模式对照验证：turns `{24672 字符/65 行}`、full `{35232/120}`、off `{0/0}`；前两者产出**引用真实历史**，off 组零命中且明说"无法定位就说明缺少上下文，不要猜测"。
3. **预算与压缩**。预算默认 12000 字符（`DSH_PO_OBSERVER_BUDGET` 可覆盖），六级压缩：
   未压缩 → 最近 4 回合+助手截 600 字 → 最近 2 回合+截 200 字 → 仅用户原文 → 逐条丢弃 → 整体省略；**每一级都写进注入文本**。
   实测 turns 24672 → **2860** 字符、full 35232 → **2855** 字符，声明为"仅保留最近 4 个回合、助手截断 600 字"；压缩后仍命中历史话题。

**硬约束**：只读开关默认关闭；工具路径异常**降级回正常路径**（绝不给空结果）；观察者渲染异常返回空串（保持原行为）。
**新增验证脚本**：`verify-readtools.cjs`、`verify-readtools-workspace.cjs`、`verify-observer.cjs`、`verify-observer2.cjs`、`verify-observer-budget.cjs`。

## v0.4.4-beta.1 — 2026/09/16

作者：啃轮胎的西狐

**修掉两个已上报缺陷（issue #9 / #8）；优化策略未变（v5「只补全要求」）。**

- **#9 客户端「控件自愈」每 1.2 秒抛一次 pageerror**：slot 注册按 **id** 去重，自愈循环却用同一个 `id` 再注册 → 抛
  `already has an entry with id "prompt-optimizer"`；改 `order` 绕不开（`order` 不是冲突键）。修复：重挂前**先释放上一次的重挂**
  （保存并调用 `ctx.slots.inject(...)` 的 disposer，定时器清理时一并释放）；`shell.overlay` 自愈同构，一并修；重挂失败现在会记 beacon。
- **#8 本会话拦截次数显示为真值两倍**：同一次发送会走两条路径（`keydown-enter` 与随之触发的 `click-send`），每次 push 两行。
  修复：互补路径标 `coalesced`（遥测保留），新增 `interceptCount()` 供三处显示使用；自检与遥测仍用原始行数。
- 发布流程：`gh-api.cjs` 新增 `publish`（一次完成 建/更新 release → 版本化资产 → **版本无关别名资产** → 标记 latest → 回读校验）。
  本次同时避免重演 issue #6（tag 指向提交里的 package.json 版本落后）：发版前先提交推送版本号，再打 tag 并核对。

## 0.4 与 0.1 的区别（先看这一页）

**0.1 = 改写器**：把用户的话改通顺（病句、错别字、标点、指代），输出仍是那句话的润色版——**它不补内容**，用户没写到的部分，下游 AI 照样不知道。

**0.4 = 需求补全器**：用户通常只说一句（10–200 字），它把这句话补成一份**完整、具体的要求说明**——对象落到具体文件/界面/模块、结果是什么样子、在哪些使用情形下要成立（双击打开/离线/窄窗口/换语言主题）、边界怎么处理、范围到哪里。
**不写流程、不写步骤、不写验收清单、不写验证纪律、不写禁止事项**——这些是下游 AI 自己的能力；写进去只会占它的注意力预算、收束它的解法空间。

| 版本 | 系统提示词 | 同一句 20 字请求的产出 | 管理性文字 |
| --- | --- | --- | --- |
| 0.3.x | 6478 | — | 大量（阶段／闸门／证据清单） |
| 0.4（v4） | 2069 | 4588 | 大量 |
| 0.4.1（v4.1） | 2118 | 2164 | 部分 |
| **0.4.3（v5）** | **515** | **422** | **全 0** |

管理性文字是有代价的：旧策略要求"逐步验证并贴证据"，把下游程序撑爆，**10/24 格被判预算截断而白扔**。
（详细推导见 `evidence/ARCHITECTURE-v5.md`；以下按版本倒序保留历史记录。）


## v0.4.3-beta.1 — 2026/09/16

作者：啃轮胎的西狐

**策略 v5：只补全要求（Requirement Completion Only）—— 一次减法**

v2/v4/v4.1 都默认"优化器应当管理员工的工作方式"（给步骤、给验收清单、给验证纪律、给禁止事项）。这个假设被推翻：

1. **优化器的唯一价值是补上用户没说的内容**；除此之外写的每个字，都在替员工做它本来就会做的事。
2. **复述通用能力＝教它已经会的东西**：v4.1f 具备基本验收与认知能力，写进去只占它的注意力预算
   （实测：旧策略要求"逐步验证并贴证据"，把执行端程序撑爆，**10/24 格被判预算截断白扔**）。
3. **禁止性措辞有副作用**：把注意力引到被禁止的事上并收窄解法空间（与"权限太少、限制太多"的观察一致）。

分工改为：**优化器只管"要什么"（内容层）；怎么做、怎么验全归员工（能力层）。**
"验收"不再是检查清单，而是写成**使用情形与结果的样子**（例："用户双击这个文件就能看到坦克，不需要装任何东西、也不需要联网"）。

实现：系统提示词 **515 字符**（v4 为 2069、v4.1 为 2118）；删除流程编排、步骤安排、验收清单、验证纪律、探针、回执格式、禁止事项、通用教学。

**活实例实测**（同一句 20 字请求）：产出 **422 字符**（v4 为 4588、v4.1 为 2164）；
管理性痕迹 **全 0**（验收/验证/探针/必须/步骤/回执/pass/fail/基线均为 0；唯一一处"不要"是内容里的"加载异常时不要静默隐藏"）。
覆盖度仍完整：对象消解、结果形态、常见使用情形（窗口大小/缩放/主题/语言）、边界（资源缺失/路径错误/逻辑隐藏）、范围限定。

工程：旧策略全部保留作 A/B（测试台策略清单已有 v5/v41/v4/v011/v0310/v038/norefine）；零依赖不变；UI 与功能未改。
发布资产 224540 bytes，本地与 GitHub 回读 sha256 一致（`d0052d04…9f6c`）。


## v0.4.2-beta.1 — 2026/09/16

作者：啃轮胎的西狐

**策略 v4.1：覆盖优先 + 终局单次验证**

底层推理（不是手感调整）：
1. **出错几乎全因"提示词没考虑到"**，而**再多的检查也找不出一个从没被写进去的要求**——检测无法弥补遗漏；
2. 每次检查在 PTC 里都要占**程序篇幅 + 执行时间 + 下一轮上下文**（实测：要求"逐步验证并贴证据"的旧策略把执行端程序撑爆，10/24 格被判预算截断白扔）；
3. 唯一与"用户将来满不满意"**同分布**的观测，是**完成后在真实媒介里对成品看一次**——其余都是代理的代理。

于是：**预算的绝大部分给"覆盖"，验证降级为一次终局观测。**

五节结构：**目标** → **完成时应当是什么样**（＝验收清单，覆盖度全部载体，逐条写明"什么情况算没做到"）→ **要做的事**（纯动作，**不挂验证、不挂"预期"**）→
**隐含要求**（只加检查与约束，不加工作量）→ **交付物与最后一次观测**（做完对成品看一次，逐条回执 + 未验证清单）。
验证只有三条纪律：不边做边验（中途最多"偶尔看一眼"，不是门、不产生分支）；只在真实媒介里对成品看一次；那一次必须能失败。
修复类任务＝动手前一张基线 + 修完一张对比（两次截图够了）。探针能省就省，优先"构造上稳健"（直接本地内联资源，而不是先探 CDN）。

**活实例实测**（坦克履带 20 字请求）：产出 **2164 字符**（v4 为 4588，减半）；逐步验证痕迹归零（`预期：`=0、`探针清单`=0、`观测点与基线`=0）；
步骤为纯动作，第 3 步给出**病因分类**（资源 404 / 节点可见性 / 材质 opacity·alphaTest·色彩空间·背面剔除 / UV 与图集 / 遮挡与深度 / 加载时序被静默 catch / canvas 与 DOM 层叠）；
中途仅保留"重新加载真实画面看一眼（**不作为关卡**）"。

工程：旧策略全部保留可作 A/B；零依赖不变；UI 与功能未改。发布资产 222438 bytes，本地与 GitHub 回读 sha256 一致（`a28ea32b…7250`）。

## v0.4.1-beta.1 — 2026/09/16

作者：啃轮胎的西狐

**策略换代：探针优先的适应式计划（V4）**

不再试图预先枚举领域约束（那需要人工维护清单、换个领域就废、无法交付他人维护），改为规定**如何从真实媒介里把未知问出来**：
把每个"我不确定"改写成一次能用是／否回答的最小实验（探针），并写清"失败长什么样、失败时改走哪条路"。

三条不变式（均有实测支撑）：① 员工只做明说的 → **覆盖率＝完成率**；② 优化器在想象里写、员工在真实里做 → **不确定的事实一律改写成探针，不许断言**；
③ **不能失败的检查＝装饰**（实测：验证桩把 `COMPILE_STATUS` 硬编码为 true，等于把最容易出事的判定从验收里删掉）。

产出固定六节：**目标与判据**（成功/失败长什么样 + 主观词翻译）→ **观测点与基线** → **步骤**（风险优先；动作｜预期｜若不符怎么办）→
**探针清单** → **隐含要求**（只加检查与约束，不加工作量）→ **交付物与回执**（原始证据 + pass/fail + 未验证清单）。
另有：手段全开／范围冻结；代理只能定位不能判定；观测点建不起来就停下报告；不得把该员工做的事推给用户。

**活实例实测**（坦克履带那句 20 字请求，输出 4588 字符、六节齐全）——它自行推导出了此前三轮才踩到的坑：
"跑不起来先解决，不算修履带"；用 Network 看履带资源状态码；临时改高饱和色区分"没渲染"与"同色看不见"；有头/无头各开一次；
并写死"无头模式只能作辅助定位，不能单独作为'完成'的判定依据"。

工程：`release-local.cjs` 新增自动同步 `lib/client.js` 的 build 标签（此前手工维护，实测漂移停在 `v0.3.10-beta.2`）；
策略文本 2069 字符（三档一致）；旧策略全部保留可作 A/B；零依赖不变；UI 与功能未改。
发布资产 219535 bytes，本地与 GitHub 回读 sha256 一致（`67b9af68…6e5f`）。

## v0.3.13-beta.1 — 2026/09/16

作者：啃轮胎的西狐

**修复：settings 命名空间自愈注册**

现象（重启后实测）：`/api/state` 的 `settings` 从 `error: TypeError: schema is not a function`（0.3.11 已修）
变成 **`no-settings-service`** —— 插件初始化时没拿到 settings 服务，命名空间未注册、设置镜像未启用。

诊断（宿主探针实测）：此刻 `ctx.get('settings')` **可用**（`register` 是函数），且 `describe()` 的命名空间清单里
没有 `prompt-optimizer` ⇒ **settings 服务晚于本插件挂载**，而 `initSettingsNamespace(ctx)` 只在 apply 时执行一次，
一次性查询永久错过。

修法：在既有 1.2s 看门狗里加自愈重试 —— 状态仍为 `no-settings-service` 时再试注册（幂等，成功即停）。

校验：`node --check` 通过；提示词逐字节未变（1273/1627/1736）；`lib/index.js` 123347 bytes / sha256 前缀
`fa4a6dd58415a8ba`；`lib/client.js` 未改动。发布资产 211989 bytes，本地与 GitHub 回读 sha256 一致（`a66c841f…9c9c`）。
**需再次重启才在活实例生效**（重启后应看到 `settings: registered`）。

## v0.3.12-beta.1 — 2026/09/16

作者：啃轮胎的西狐

**仅代码卫生（P1），优化策略与提示词逐字节未变**（basic/advanced/extreme = 1273/1627/1736 字符，与 0.3.10 一致），UI 与功能不受影响。

| 项 | 改动 |
| --- | --- |
| `buildSystem` 死分支 | 改显式开关 `const STRATEGY = 'v011-ptc' \| 'v03x'`；注明"停用不等于删除"（`TIER_PARTS`/`HISTORY_RULES_*` 仍被 tier-compare、自检引用） |
| 历史纪律 | 新增 `const HISTORY_INJECTION = false` —— 明确"不注入"而非"参数被静默忽略"；置 true 即恢复按 `historyMode` 追加 `HISTORY_RULES_*` |
| 内存边界 | `liveRuns` / `optSessions` 改用 `CappedMap(64)`：超限按插入序淘汰最旧，**running 条目永不淘汰**（避免掐断 SSE 流） |
| 生产包卫生 | 新增总开关 `DSH_PROMPT_OPTIMIZER_DIAG=0`：关闭本插件写入 `evidence/` 的全部诊断流；实现在 `appendFileSync` 外包一层统一守卫（6 处调用点无需逐处改，新增写入自动受控） |

校验：`node --check` 通过；提示词快照与 0.3.10 逐字节一致；`lib/index.js` 122949 bytes / sha256 前缀 `4be06956cbb26553`；
`lib/client.js` 未改动。发布资产 211183 bytes，本地 sha256 与 GitHub 回读一致（`4cc7e3ef…dafd`）。
**需重启 DSH 才在活实例生效。**

## v0.3.11-beta.1 — 2026/09/16

作者：啃轮胎的西狐

**修掉线上真实报错：`settings: "error: TypeError: schema is not a function"`**

根因：插件把 **zod** 对象当 schema 传给 `settings.register(ns, schema)`，而 DSH 的 settings 服务要求
**schemastery** schema（schema 必须是**可调用对象**，字段自带默认值与校验）—— zod 对象是普通对象，
服务内部的 `schema(...)` 调用直接抛 TypeError。用宿主探针实测确认：`@deepseek-ai/schemastery`
从 profile 可解析，`S.object({...})` 返回 `typeof === 'function'`，默认值/校验行为正常。

修法：按候选名解析 `@deepseek-ai/schemastery`（回退 `schemastery`）→ 构造 schema → **显式自检
`typeof schema === 'function'`**；解析不到或形态不符时给出准确状态串（`schema-unavailable` /
`schema-not-callable`），不再抛含混的 TypeError。

**优化策略未变**：仍是 0.1.1 原样提示词 + PTC 规则（A 交付形态对齐 PTC / B 验收≤3 条可机器判定 / C 删失败预案）。

发布校验：`lib/index.js` 120752 bytes / sha256 前缀 `1beb58f2820a6ac1`；tgz 209436 bytes，
本地 sha256 与 GitHub 资产回读一致（`70aa20678df1928bd72ec73ba51e94f3a66be939723fe35d92135dd50c19ef57`）。

**⚠️ 需重启 DSH 才在活实例生效**（loader entry 按包名重新解析；只改 junction 或热重载不会切换）。

## v0.3.10-beta.2 — 2026/09/15

作者：啃轮胎的西狐

**同批代理指标验证 A/B/C 生效（5 题 × 3 策略，同一次运行）**

| 策略 | 平均字数 | 硬约束/条 | 流程闸门·阶段/条 | 计划(goal/todo)/条 | 失败预案/条 | 一次成程序/条 |
|---|---|---|---|---|---|---|
| 0.1.1（回退基线） | 1769 | 3.6 | 8.6 | 1.0 | 1.2 | 0 |
| 0.3.8（旧重约束） | 3004 | 35.6 | 11.2 | 1.0 | 0.6 | 0 |
| **0.3.10（0.1.1 + A/B/C）** | **807** | **2.0** | **0.2** | **0** | **0** | **0.6** |

- 读法：A（交付形态）把"流程闸门/阶段"从 8.6~11.2 压到 **0.2**、"计划(goal/todo)"压到 **0**；B/C 把"失败预案"压到 **0**、硬约束从 3.6（0.1.1）/35.6（0.3.8）压到 **2.0**；平均字数比 0.1.1 还短 54%（**807 vs 1769**），并首次出现"一次成程序"类表述（0.6/条）。
- 数据：`evidence/ptc-proxy-compare.json`（逐题明细）；脚本 `evidence/ptc-ab.cjs` 与 staging 工具 `ptcproxy`。
- **诚实标注**：这是**关键词代理指标**（测"有没有出现"，不测效果），且**未在真 PTC 中验证**；本版**不声称提升**。真实验证入口：`evidence/ptc-manual-packet-v0310.md`（B 组已用 0.3.10 重生成）。
- 本轮同时修正上一版文档里的数字偏差（预估 1726/1835 → 实测 **1627/1736**）。
## v0.3.10-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**在 0.1.1 基础上加"面向 PTC 的交付形态"（A+B+C），不再走 0.3.x 的重约束路线**

### 为什么（结构分析，见 evidence/ptc-gap-analysis.cjs / .json）

| 指标（extreme 档） | 0.1.1 | 0.3.8 |
|---|---|---|
| 提示词字数 | 1421 | 6478（4.6×） |
| 小标题数 | 0 | 18 |
| 必须/不得类硬约束 | 7（4.9/千字） | 93（14.4/千字） |
| 流程编排（分阶段/todo/goal） | 6 | 16 |
| **流程闸门（切片/逐层/停手）** | **0** | **16** |
| **失效模式清单（逐域）** | **0** | **29** |
| 自检证据（贴输出/明细/对账） | 2 | 29 |

机制：PTC 执行体用**一个程序**组合多步、没有逐步工具，**每次往返都要重新起程序**。因此"切片/逐层验收/每阶段贴输出"在 PTC 里等于强制多轮往返（耗时暴涨），"十几条领域清单"则挤占程序需要的上下文并压掉模型自己的判断——这与"过度约束→随机应变下降、调试拘谨、时间变长"的实测反馈一致。

### 本版三条补丁（只加这三条，其余保持 0.1.1 原文）
- **A 交付形态**：下游是 PTC 型执行体（一个程序一次做完）；**不得**要求分阶段、逐步、每阶段贴输出、先建 goal/todo、先规划再动手。
- **B 验收瘦身**：验收标准**最多 3 条**，每条必须**可机器判定**（数值/存在性/逐字符相等/退出码/可解析）。
- **C 删预案**：不写失败预案，压成一句"任何不确定处走最保守路径并在交付里注明"；拿不准处宁可留白，不要堆"必须/不得"。
- 规模：advanced 1312 → **1627**，extreme 1421 → **1736** 字符（实测值；此前脚本预估写成 1726/1835，已更正）（仍远低于 0.3.8 的 6480/6478）；普通档保持 0.1.1 原文（1273）。

### 诚实边界
- 上述差距是**关键词代理指标**（测"有没有出现"，不测效果）；机制推理是解释性的，**尚未在真 PTC 中验证**。
- 本版**不声称提升**：它只声称"移除了与 PTC 消费方式冲突的要求，并补上一条交付形态指引"。真实验证用 `evidence/ptc-manual-packet.md`（人工 PTC 测试包）。
- 待修 bug：插件活实例热重载后 `/run` 仍走旧策略（0.3.8 指纹），需单独排查路由/模块缓存。
## v0.3.9-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**优化策略回退到 0.1.1（PTC 口径实测确认假设；UI 与功能不受影响）**

### 为什么回退：同口径 PTC 适配度实测（10 题 × 2 采样 = 20 格/条件）

| 条件 | 平均字数 | 硬约束/条 | 每千字 | 流程开销/条 | 自由度/条 | **PTC 适配分** | 旧评分卡 |
|---|---|---|---|---|---|---|---|
| **0.1.1 旧策略** | 1822 | **3.2** | 1.8 | **2.85** | 0.2 | **+1.93** | 71.9% |
| **0.3.8 现策略** | 2699 | **30.6（≈10×）** | 11.3 | **9.9（≈3.5×）** | 0.1 | **−17.52** | 92.8% |

- 结论：0.3.x 的**硬约束数量高一个量级、流程开销高约 3.5 倍、命令长 48%**，与"AI 被过度约束、随机应变下降、调试拘谨、开发时间变长、UI/操作反而退步"的真实反馈一致。
- **同时暴露量尺问题**：旧评分卡给 0.3.8 更高的分（92.8% vs 71.9%）——说明它测的是"约束齐全度"，**不是**对 PTC 消费者的适配度。此前基于该量尺的"提升"结论**不再作为效果证据**。

### 本版改了什么（只回退优化策略）
- `buildSystem()` 增加回退分支：三档 system 直接返回 **0.1.1 原文**（内联常量 `LEGACY_V011`，逐字节取自 `prompt-snapshot-v011.json`）；
- **逐字校验通过**：basic 1273 / advanced 1312 / extreme 1421 字符，与 0.1.1 快照 `一致=true`；
- **UI、i18n、上下文模式、迷你窗、模型弹层、进度面板等功能一概未动**（仅提示词策略回退）。

### 文档：中英文最上方新增 PTC 使用警示
> **本插件针对 PTC 模式进行优化**；建议在 PTC 模式下使用，否则可能无法实现明显的效果提升，**不排除其他模式倒退的可能性**。（English 版同样置顶）

### 诚实标注
- `evidence/prompt-invariants.cjs`（34 项"0.3.x 约束不丢失"断言）**对本版已过期**：本版有意回退到 0.1.1 策略，该闸门必然失败；它现在只能用于"若将来再引入 0.3.x 规则"的对照，不应作为本版回归证据。
- PTC 适配分是**文本层代理指标**（硬约束密度、流程开销、自由度、单程序友好、交互覆盖），衡量的是"命令对 PTC 消费者的友好度"，**不等于**真实任务成功率；真实成功率需要在 PTC 环境里端到端跑（待办）。
## v0.3.8-beta.1 — 2026/09/15（收尾轮）

作者：啃轮胎的西狐

**第三方口径复检（⑦c）——候选改动，尚未测**

- 诊断（来自上一轮）：0.3.5~0.3.7 三份 H3 候选样本中 **2 份"假完成"**（自检说修好了、独立审计实测 24 / 21 个内向面）⇒ 问题已从"入口没落地"转移到"**自检结果与真实几何不一致**"。
- 改动（⑦c）：自检必须**逐项给出被检查对象明细**（几何逐面判定或用"检查面数 = 网格面数"对账并给出反向面索引；数据逐条或抽样明细）；检查数少于实际对象数时必须说明跳过了什么、为什么；**只给汇总数字不算完成**，且第三方按明细能复算出同一个数字。
- **诚实标注：本改动尚未测量**（本轮无剩余采样预算）。它作为候选进入 0.3.8，下一轮按同口径测 H3（目标 n≥2/条件）后再决定保留或回退；**不声称任何提升**。

**0.3.1 → 0.3.8 能力与指标汇总（同口径，n≥2 处已标注）**

| 版本 | 主线改动 | 命令侧（满分 180） | 产物级 0~3 分档（三题） |
|---|---|---|---|
| 0.3.1-beta.1 | 先防后查（押注首要失效/最小切片/机器可判定不变量/惯例优先/失败即报告） | **169（93.9%）**，配对 9-0-1 | — |
| 0.3.2-beta.1 | ＋切片闸门、统一自检入口（"或等价"） | 165（91.4%），噪声内 | — |
| 0.3.3-beta.1 | 自检入口**写死**（`__selfcheck` 结构 + 真实输出） | 165（91.9%） | 12/36（33.3%） |
| 0.3.4-beta.1 | ＋命令侧子指标（入口要求 100% vs 发布版 0%） | 165（91.9%） | 12/36 |
| 0.3.5-beta.1 | 入口与交付物同体 | 未测（规格澄清） | H3 仍 0/18（后判定为量具混淆） |
| 0.3.6-beta.1 | 量具修复后 H3 首次可信测量 | — | **17/45（37.8%）**；H3 4/6 对 0/6 |
| 0.3.7-beta.1 | ＋改完必须复检（⑦b） | — | H3 仍出现假完成（21 个内向面） |
| **0.3.8-beta.1** | ＋第三方口径对账（⑦c，**未测**） | — | 待测 |

- 发布版对照（0.2.2-beta.1）：命令侧 125（69.2%）· 产物级 0/45（0%）。
- 两条主指标的分工：**命令侧**量"要求是否写进命令"（规格层，n=2 有噪声估计）；**产物级 0~3 分档**量"执行体是否真的做到并可被第三方复跑"（执行层）。

**仍未解决（如实列出）**
1. **假完成**：入口能落地，但自检数字与真实几何不一致（H3 三样本里 2 份）；⑦c 是针对它的候选对策，未验证。
2. **产物级样本小**（每格 n≤4），且 H3 单次生成 2~18 分钟，采样成本高。
3. **H2/H3 的"2 分档"从未出现**（要么全过要么 0/1），说明中间档判据还不够敏感。
## v0.3.7-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**加"改完必须复检"（⑦b）——但"假完成"仍在，如实记录**

- 改动（⑦b）：任何修复/优化之后必须**重跑同一个自检入口**并贴出输出，且**修复前后数字都要给**（例："反向面 24 → 0"）；只声称"已修好"而没有复检输出视为未完成。动机来自上一轮抓到的那份"声称修好、实测 24 个内向面"。

**复测（H3 两条件各 1 份，n=1）**

| 条件 | 得分 | 明细 |
|---|---|---|
| **v0.3.7-beta.1** | **1** | 统一自检入口**已具备**（上版常缺），但独立审计仍测到 **21 个内向面** ⇒ "假完成"模式**依旧存在** |
| 发布版 0.2.2-beta.1 | 0 | 无统一自检入口；但独立审计 `inwardFaces=0`（几何本身修对了） |

- **诚实结论**：本版改动**没有消除假完成**（n=1，样本极小，只说明"仍然存在"，不足以说明频率）。把 0.3.5~0.3.7 三份候选样本合起来看：**1 份满分（inward=0）、2 份假完成（24 / 21 个内向面）** ⇒ 该题的核心问题已经清晰：**入口能落地了，但"几何真的修好了没有"仍靠不住**。
- 第二主指标：**V3 17/45 = 37.8%（分布 8/2/0/5）· 发布版 0/45 = 0%（15/0/0/0）**；"1 分档"（部分做到）样本增至 2 份。
- 规模：极端档 6314 字符（普通档仍 1405）；约束闸门 34 项断言全 PASS。
## v0.3.6-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**H3 首次可信测量：候选版 4/6 对发布版 0/6，并抓到真实产物缺陷**

量具修复后（执行体声明"无工具、直接产出完整文件"）重测 H3（审计并修复反向面网格），两条件各 2 份：

| 条件 | 新样本得分（0~3 分档） | 明细 |
|---|---|---|
| **v0.3.6-beta.1** | **4/6** | r1 = **3 分**（入口齐备 + 修复正确 + 独立审计通过，inwardFaces=0）；r0 = **1 分**（有入口，但独立审计发现 **24 个内向面**） |
| 发布版 0.2.2-beta.1 | 0/6 | r0 = 0 分（无入口，且 **10 个内向面**未修好）；r1 = 0 分（无入口，法线本身正确） |

- **真实缺陷**：候选版那份"声称修好、实测 24 个内向面"的产物，正是用户最初描述的失效模式（该看见的面看不见）；说明"要求写明自检 + 第三方复跑"确实能把这类假完成揪出来。
- **可靠性而非能力**：候选版 2 份里 1 份拿满、1 份假完成 ⇒ 能力存在但**不稳定**；这正是下一轮要压的方向。
- 第二主指标（三题 0~3 分档）：**V3 16/42 = 38.1%（分布 8/1/0/5）· 发布版 0/42 = 0%（14/0/0/0）**——首次出现"1 分档"（部分做到）样本，区分度提升。
- 诚实标注：H3 每格 n=2，样本很小；结论只针对"该题该量具下的形态差异"，不外推。
## v0.3.5-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**规格澄清：自检入口与交付物同体（H3 前沿未攻下，如实记录否定结果）**

- 改动（⑦ 的补充）：`window.__selfcheck()` 必须**在脚本顶层直接可调用**（不得只挂在 `load`/`DOMContentLoaded` 回调里、不得依赖用户先操作才挂载）；**交付前必须真跑一次并把输出原样贴出**。
- 动机：H3（审计并修复反向面网格）六份产物**全部缺统一自检入口**，怀疑是"挂载时机"造成第三方取不到。

**H3 近空产物的诊断（本轮，测量端混淆）**

逐份查原始产出后发现：近空产物并非"做不出来"，而是**执行 AI 开始"干活"就停了**——
- SHIP 的一份（1536 字节）只输出 TODO 清单（遵循了命令里"先列 todo"）；
- 候选版的一份（640 字节）写着 `Step 1 — 侦察：查找工作目录下的几何文件`，并输出 `<tool_calls>` 想执行 `pwd` / `ls` / `find *.obj`。

**但测量台的执行 AI 没有任何工具**（无文件系统、无 shell），于是它卡在第一步、产出近空文件。
结论：**H3 的测量被"无工具执行体 + 命令要求先查证"这对矛盾污染**，不能据此判断提示词优劣。
处置：在产物级执行体的系统提示里明确"你没有工具、不要输出计划或工具调用，直接产出完整单文件 HTML"，下一轮用**修好的量具**重测 H3。

**复测（同口径，H3 两条件各 3 份）**

| 条件 | H3 得分（0~3 分档） | 分布 0/1/2/3 |
|---|---|---|
| 发布版 0.2.2-beta.1 | 0/18 | 6/0/0/0 |
| **0.3.5-beta.1** | **0/18** | **6/0/0/0** |

- **否定结果（诚实标注）**：本版改动**没有让 H3 有任何一份满足判据**（0/6 对 0/6），因此**不声称提升**；该改动仅作为规格澄清保留（对 H1/H2 亦无副作用：三题合计 V3 12/42 = 28.6%、发布版 0/42 = 0%，V3 的 4 份满分仍全部来自 H1/H2）。
- **新观察到的执行侧现象**：H3 本轮出现 **528 字节与 1072 字节的近空产物**（执行 AI 基本没产出）——说明该题对执行侧本身偏难，第三方复跑失败未必全是"入口形态"问题，下一轮需要先排查"为什么 H3 的产物会近乎为空"。
- 规模：极端档 6192 字符（普通档仍 1405）；约束闸门 34 项断言全 PASS。
## v0.3.4-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**补齐量尺：0.3.3 的"统一自检入口"要求在命令侧首次被测到**

- 背景：前两轮发现 0.3.3 的改动在**命令侧评分卡上测不到**（评分卡没有该要点），于是补一个**独立确定性子指标**，用同一批命令直接量它（零额外 LLM 成本，脚本 `evidence/selfcheck-metric.cjs`）。
- 子指标三项：① 命令是否要求统一自检入口 ② 是否写明返回结构（`checks` / `pass` / `evidence`） ③ 是否要求附**真实运行输出**。

**同批命令（10 题 × 2 次采样 = 60 格，291 秒）**

| 条件 | 子指标：三项齐备 | 命令侧总分（满分 180） | 配对 |
|---|---|---|---|
| **0.3.4-beta.1（=0.3.3 提示词）** | **100%（20/20）** | **331/360 = 91.9%**（165/180） | **9 胜 / 0 负 / 1 平** |
| 发布版 0.2.2-beta.1 | **0%（0/20）** | 249/360 = 69.2%（125/180） | — |
| 无优化 | 0% | 8/360 = 2.2% | — |

- 噪声：同格重复采样平均极差 **0.87 分/18**（最大 5）。
- 子指标明细：V3 提到入口/结构/要求实跑输出 **各 100%**；发布版分别 **0% / 0% / 5%**。
- **诚实标注**：子指标测的是"**要求是否写进命令**"（规格层），不等于执行方真的照做——执行侧落地率见产物级指标（H1/H2 各 2/4 对 0/4、旧基线 0/14）。两条指标一起看才算完整。

**产物级 0~3 分档（第二主指标升级，本轮）**

规则：**3** = 统一自检入口齐备 + 独立法线审计通过 + 其余判据全过；**2** = 入口 + 法线审计过但仍有判据未过；**1** = 有入口但审计未过/无法审计；**0** = 连入口都没有（第三方无法复跑）。

| 条件 | 得分 | 百分比 | 分布 0/1/2/3 |
|---|---|---|---|
| **v0.3.4-beta.1** | **12/36** | **33.3%** | **8 / 0 / 0 / 4** |
| 发布版 0.2.2-beta.1 | 0/36 | 0% | 12 / 0 / 0 / 0 |

- 分题：V3 的 H1 法线 **6/12**、H2 操控 **6/12**、**H3 审计并修复反向面 0/12**（四份都缺统一自检入口 —— 这是尚未攻下的前沿）。
- 诚实标注：V3 的得分是"全有或全无"形态（4 份拿满 3 分、8 份因缺入口得 0），说明当前瓶颈是**入口落地率**而不是判据质量；样本仍小（每格 n=4）。

**产物级（同一把尺子，v0.3.3 起写死的判据）**：H1 法线 2/4 对 0/4 · H2 操控 2/4 对 0/4 → **合计 4/12（33.3%）对 0/12（0%）**，旧产物基线 0/14；独立法线审计两条件均 0 内向面。
## v0.3.3-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**把"统一自检入口"写死（不留"或等价"口子），并测到该判据上的真实变化**

- 改动：`⑦ 统一自检入口` 由"如 `window.__selfcheck()` 或等价"改为**写死**——必须提供 `window.__selfcheck()`，返回 `{checks:[{name,pass,evidence}],pass}`（每项带证据字符串、顶层 pass 为全部通过的布尔），**交付必须附真实运行输出**；只给 `__selftest` 等单项函数、或换个名字，都算未交付。
- 动机（上轮基线）：14 份既有产物 **0/14** 提供统一自检入口 —— "或等价"的写法在实践中没有被执行，导致第三方无法复跑（这正是产物级失败的根因）。

**复测（新判据：统一自检入口 + 独立法线审计）**

| 条件 | H1 产物通过 | 独立审计 inwardFaces |
|---|---|---|
| 发布版 0.2.2-beta.1 | **0/2** | [0, 0]（法线本身正确） |
| **0.3.3-beta.1** | **1/2** | [0, 0]（法线本身正确） |
| （上轮基线：全部 14 份旧产物） | 0/14 | — |

- **诚实标注**：样本很小（H1 两条件各 2 份），提升只体现在"统一自检入口"这一判据上（0/2 → 1/2），**不能外推为"产物质量整体提升"**；法线审计在发布版与候选版都已是 0 内向面（即该题的法线正确性本来就达标）。
- 另记：发布版有一份 H1 产物只有 167 字节（执行 AI 基本没产出），属执行侧失败，未计入判据结论。
- **n=4 复核（两题，同一把尺子）**：
  - H1 法线盒体：**0.3.3 = 2/4 通过 · 发布版 = 0/4**（上轮 n=2 为 1/2 对 0/2）；独立审计法线均为 0 内向面。
  - H2 操控题：**0.3.3 = 2/4 通过 · 发布版 = 0/4**；独立审计法线均为 0 内向面。
  - 合计：**0.3.3 = 4/12（33.3%）· 发布版 = 0/12（0%）**；旧产物基线 0/14。判据相同：产物是否提供 `window.__selfcheck()` 且返回 `{checks:[{name,pass,evidence}],pass}`。
  诚实标注：样本仍小（n=4），且该差异**只体现在"统一自检入口"这条判据**上；发布版从不满足它，是因为发布版提示词没有这条要求（而非产物法线有问题）。
- 规模：极端档 6115 字符（普通档仍 1405）；约束闸门 34 项断言全 PASS。
## v0.3.2-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**先防后查再加两条机制级要求（命令侧未测到提升，如实记录）**

- ⑥ **切片闸门**：命令必须写明"先交一个能跑通的最小版本 + 判据实跑输出"并给出**明确通过条件**（哪个数字/哪种现象算过）；**通过前不得扩展**，每扩一层再附一次复跑输出。
- ⑦ **统一自检入口（可被外部复跑）**：所有不变量由一个入口统一暴露（如 `window.__selfcheck()` 返回 `{checks:[{name,pass,evidence}],pass}` 或等价命令行自检），**交付必须附真实运行输出**；只写"我已检查"不算证据，第三方取不到入口即视为未交付。
  （动机来自产物级实测：四份失败全是"接口取不到、第三方无法复跑"。）

**同口径 n=2 复测（10 题/满分 180）**

| 版本 | 得分 | 换算 180 | 配对 | 噪声（同格平均极差/最大） |
|---|---|---|---|---|
| **0.3.1（先防后查）** | 338/360 = 93.9% | 169 | 9 胜 / 0 负 / 1 平 | 0.83 / 4 |
| **0.3.2（+切片闸门+统一自检）** | 329/360 = 91.4% | 165 | 9 胜 / 0 负 / 1 平 | 0.73 / 4 |
| 发布版 0.2.2-beta.1 | 261/360 = 72.5% | 131 | — | — |
| 无优化 | 8/360 = 2.2% | 4 | — | — |

- **诚实结论**：本版比 0.3.1 **低 2.5 分，落在噪声内、配对计数不变** ⇒ **命令侧没有测到提升**，因此不声称提升。
- **量尺不匹配（重要）**：现有 10 题评分卡里**没有**"切片闸门/统一自检入口"这两条要点——命令侧本就不是验证它们的合适工具。它们真正的作用点是**产物侧**（第三方能否复跑），需产物级复测才能判定；本轮未做（单份产物 2~13 分钟）。
- 版本命名：继续线性迭代（0.3.2、0.3.3 …）。提示词规模：高级/极端 6038 / 6036 字符（普通档仍 1405）；约束闸门 34 项断言全 PASS。
## v0.3.1-beta.1 — 2026/09/15

作者：啃轮胎的西狐

> 命名变更：自本版起线性迭代（0.3.1、0.3.2 …），不再使用 v0.4 / 0.3.0-beta.N 这套叫法。

**"先防后查"跑分定论（同口径 n=2）**

| 版本（同口径 n=2，10 题/满分 180） | 复杂题 | 配对 | 简单任务回归 |
|---|---|---|---|
| 仅硬闸门（0.3.0-beta.3 口径） | 88.9%（160/180） | 7 胜 / 2 负 / 1 平 | PASS（泄漏 0/4、长度 1.37×→修正后 0.95×） |
| **本版：闸门 + 先防后查** | **93.9%（169/180）** | **9 胜 / 0 负 / 1 平** | **PASS（泄漏 0/4、长度 0.39×、越权索取流程 0/4）** |
| 发布版 0.2.2-beta.1（对照） | 70.8%（127/180） | — | — |
| 无优化（对照） | 2.2%（4/180） | — | — |

- 噪声：同格重复采样平均极差 **0.83 分/18**（最大 4）。结论表述：**先防后查把硬闸门付出的约 5 分补了回来**（88.9% → 93.9%，配对由 7-2-1 改善到 9-0-1），且简单任务比之前更克制（长度 0.95× → **0.39×**、越权索取流程 0/4）。
- 提示词规模：高级/极端 5755 / 5753 字符（普通档仍 1405，闸门含"普通档不得出现能力包"反向断言）；约束闸门 34 项断言全 PASS。

**先防后查（本版能力核心）**：① 先押注首要失效 ② 最小可跑切片 + 逐层验收 ③ 机器可判定不变量（几何/交互/数据/并发/性能五域给数值判据） ④ 惯例优先（默认键位取自平台惯例） ⑤ 失败即报告、不许静默降级。详见 0.3.0-beta.5 条目的诊断表。

**进度可视化**：`node evidence/dashboard.cjs --watch` 每 3 秒重写 `evidence/dashboard.html`（单文件、内嵌数据、浏览器自动刷新），面板含命令侧各条件得分、产物级通过率与分题、数据新鲜度与"近期活动"。
## v0.3.0-beta.5 — 2026/09/15

**先防后查（v0.4 突破点）——从"事后检查清单"改为"先防后查"**

逻辑诊断：v0.3 的能力包本质是**事后检查清单**（列了要查什么），因此仍有五处系统性不足，逐条给了对策：

| 不足 | 突破点（写进命令的硬要求） |
|---|---|
| 不先押注首要失效 → 细节 bug 层层叠加 | ① **先押注首要失效**：命令开头一句话写"最可能坏在哪一处"，先做对、先验证，再铺其余 |
| 全部做完才验证 → 返工大、漏检多 | ② **最小可跑切片 + 逐层验收**：先跑通最小切片再过判据，每扩一层重跑关键断言 |
| 检查项是散文 → 执行 AI 可以"看着还行" | ③ **机器可判定的不变量**（按域给数值）：几何＝外观面朝外比例 1/无内向面/无 NaN/碰撞不超出网格；交互＝Esc 释放捕获/灵敏度 0~1 且默认值明确/反转布尔/每动作有反馈；数据＝保存→读取往返一致/迁移幂等/半截文件不作正式存档；并发＝同一请求只处理一次/锁顺序固定且超时可释放；性能＝先基线、改后复测帧率与画质均不下降 |
| 交互默认值靠自创 → 不人性化 | ④ **惯例优先**：默认键位取自平台惯例（WASD/方向键、鼠标看、Esc 释放、手柄死区），偏离必须写理由 |
| 断言没过可以静默略过 | ⑤ **失败即报告，不许静默降级**：未过项必须点名列出"未过项 + 证据 + 影响" |

规模：高级/极端 5755 / 5753 字符（普通档仍 1405）；约束闸门 34 项断言全 PASS。

跑分（命令侧 10 题/满分 180，本轮 n=1）：**v0.4 164/180 = 91.1%** · 发布版 129/180 = 71.7% · 无优化 2.2%；配对 7 胜 / 2 负 / 1 平。
**诚实标注**：上一版（v0.3，n=2）为 88.9%，本版 n=1 为 91.1% —— 差约 2 分，落在既有噪声范围内（同格极差最大 5），**因此本轮不能声称"突破点已被分数证明"**，需同口径 n=2 复测后才能定论。

**进度可视化**：新增 `evidence/dashboard.cjs`（`--watch` 模式每 3 秒重写 `evidence/dashboard.html`，单文件、内嵌数据、浏览器自动刷新，无需服务器），面板显示命令侧各条件得分、产物级通过率与分题、数据新鲜度与"近期活动"，避免把"没在跑"误看成卡死。


作者：啃轮胎的西狐

**产物级 n=7/条件 + 验证器三项修正 + 一次结论更正**

1. **产物级采样翻倍到 n=7/条件**（H1 法线盒体 1、H2 操控 2、H3 审计并修复反向面 4）：**发布版 5/7 = 71.4% · v0.3 5/7 = 71.4%（打平）**。
   - H1、H2 两条件**全部通过**，独立审计 inwardFaces 全 0（"该看见的面都看得见"在产物级成立）。
   - H3 两条件各 2/4，**四份失败全部是"接口未暴露到全局"**（验证器取不到几何，无法独立审计）；命令侧 4/4 都已要求该接口 ⇒ 瓶颈在执行 AI 的接口一致性。
   - 如实结论：**产物级目前不区分两个条件**；有区分度的是命令侧（88.9% vs 73.9%）。
2. **验证器三项修正**（上一轮误判的根因，已更正）：
   - "单文件"判定：允许 CDN 引入 three.js，只把"依赖本地外部脚本"视为非单文件；
   - "操控取值可用"：键位值接受字符串 / 数组 / 子映射对象三种形态，灵敏度须 0<s≤1、反转须为布尔（比"只看键名存在"严格）；
   - 题型感知：法线/修复题不把操控项计入失败（H2 操控题才要求）。
   - 自证保持：gold **16/16 PASS**；bad（绕序反转）**FAIL 且独立审计 inwardFaces=12**。
3. **结论更正（诚实标注）**：上一轮曾报告"v0.3 的 H2 产物 0/2、键位在但取值不可用"，并据此声称做了一次优化——复核后确认那是**验证器过严**造成的误判，该"优化"**没有被证据支持**；本版不再声称它带来提升，仅保留"可配置项须给出可校验取值"这一规格澄清。
4. **命令侧（同批，未变）**：无优化 2.2% · 发布版 73.9%（133/180）· v0.3 **88.9%（160/180，目标线）**；配对胜 7 / 负 2 / 平 1；同格重复采样平均极差 0.93 分/18。
## v0.3.0-beta.4 — 2026/09/15

作者：啃轮胎的西狐

**产物级接入 H2/H3 并做一键通过率统计 + 一次定向优化**

1. **一键产物级检查**：新增 `evidence/artifact-check.cjs` —— 扫描所有单文件 HTML 产物、按题型调用验证器、汇总"条件 × 题"通过率与独立审计数字，落盘 `evidence/artifact-check.json`（可复核）。
2. **产物级扩到三类题**：H1 法线盒体 / H2 操控人性化 / H3 审计并修复反向面，两条件各 2 次采样。实测（5 份/条件）：**发布版 4/5 = 80%、v0.3 4/5 = 80%**；H1、H2 两条件**各自 100%**（独立审计 inwardFaces 全为 0），H3 两条件各 1/2。
3. **定向优化（可自动化验收的接口独立性）**：产物级数据显示 v0.3 在 H3 上 0/2（产物把几何构造藏进闭包，第三方取不到）。据此把要求写死为"几何构造与自检写在**同一个可独立取用的函数**里（或把依赖一并导出）"——重跑后 **v0.3 H3 追平发布版（1/2），产物级总通过率 60% → 80%**。
4. **诚实边界**：① 产物级样本太小（每题 n≤2），两条件在产物级**打平**，不能据此说产物质量有差异；② H3 剩余失败仍是"接口未暴露到全局"，属执行 AI 的接口一致性；③ 一次真跑要约 2~13 分钟，故采样受限。
5. **命令侧（同批复测，未变）**：无优化 2.2% · 发布版 73.9%（133/180）· v0.3 **88.9%（160/180，目标线）**；配对胜 7 / 负 2 / 平 1；噪声平均极差 0.93 分/18。
## v0.3.0-beta.3 — 2026/09/15

作者：啃轮胎的西狐

**"可自动化验收"能力 + 简单/复杂平衡的取舍（本轮）**

1. **新增能力：可自动化验收**。用户说"我要能自动化验收 / 能自测 / 我要跑检查"时，命令必须把**验收接口原样带进命令**
   （接口名、返回值、判据），并要求该自检**能在无浏览器/无引擎的纯计算环境独立跑通**（不依赖 DOM 事件、不依赖闭包外部变量、不递归爆栈）、**接口挂到全局**。
   理由是实测出来的：产物级验证台发现"命令里没说清楚接口"时，产出的单文件 HTML 有 2/4 连 window.__selftest 都没暴露，无法自动验收。
2. **复杂度闸门加固（取舍，如实记录）**：未命中复杂信号时，命令里**不得出现**（现象量化 / 失效模式 / 全局验收场景 / 不得降级清单 / 本轮不做项 / 停手条件 / 证据形式 / 可自动化验收），且长度 ≤ 原话 1.5 倍或 800 字。
   - 加固前：复杂题 **93.9%**，但**简单任务回归不合格**（复杂包泄漏 1/4、长度 1.37×）。
   - 加固后：复杂题 **88.9%**（仍在目标线 83% 以上），简单任务回归 **PASS**（泄漏 0/4、长度 **0.95×**，比发布版还短）。
   - 结论：用约 5 分（复杂题）换回了"简单任务不被撑长/不越权"，这是有意的取舍，不是纯提升。
3. **产物级验证台（单文件 HTML，独立审计）**：不依赖浏览器（本会话 Edge 无法无头渲染），把产物脚本放进 Node 沙箱执行，
   **由验证器自己**从 `buildGeometry()` 取几何、算每个三角面的法线朝向并与质心比较，得出 `inwardFaces / facesOutwardRatio`；产物自报只作次要证据。
   - 验证器自证：`html-fixtures/gold.html`（按"从外看逆时针"构造）**15/15 PASS**；`html-fixtures/bad.html`（绕序整体反转）**FAIL 且独立审计 inwardFaces=12**。
   - 真实产物（H1 法线盒体 / H3 审计并修复反向面，两条件）：**通过 3/6**；SHIP H1、SHIP H3、V3 H1 三份 PASS 且独立审计 `inwardFaces=0`；
     其余三份 FAIL 的原因都是**产物没把接口挂到全局**（验证器取不到几何）。命令侧 4/4 都写了该要求 → **瓶颈在执行 AI 的接口一致性，不在优化器**。
   - 期间抓到的真实缺陷：V3 某次 H3 产物 `buildGeometry` 调用即**爆栈**；另一份 60 面中 **22 面朝内**（比例 0.63）——正是"该看见的面看不见"。

**命令侧实测（10 题 × 2 次采样 = 60 格，并发 4，共 265 秒，满分 180）**

| 条件 | 得分 | 换算满分 180 | 达标 |
|---|---|---|---|
| 无优化（对照） | 8/360 = 2.2% | 4 | 未达标 |
| 发布版 0.2.2-beta.1（极端档） | 266/360 = 73.9% | 133 | 及格线 |
| **v0.3.0-beta.3（极端档）** | **320/360 = 88.9%** | **160** | **目标线** |

- 配对：**胜 7 / 负 2 / 平 1**；同格重复采样平均极差 **0.93 分/18**（最大 5）。逐题差距最大的是 C1 3D 场景（+11.5）。
- 提示词规模：高级/极端 **5088 / 5086** 字符（普通档 1405）；约束闸门 **34 项断言全 PASS**（含"普通档不得出现能力包"反向断言）。
- 简单任务回归：复杂包泄漏 **0/4**、长度 **0.95×**、流程索取不比发布版重 → **PASS**。

## v0.3.0-beta.2 — 2026/09/15

作者：啃轮胎的西狐

**测试集扩容 + 答案侧测量 + 一个能力缺口修复**

1. **测试集 8 题 → 10 题、满分 144 → 180**：新增 **C9 载具物理细节**（斜坡打滑/抖动/陷地/穿模、物理帧与渲染同步）与 **C10 存档与配置持久化**（原子写入、版本迁移、损坏恢复、并发写、可观测）。
2. **能力缺口修复**：复查逐题得分发现"跨模块重构"被能力包漏掉（C5 一度 −2）→ 在分域清单补上 **重构/多模块** 域（调用面盘点、对外兼容或薄适配、分阶段且每阶段可验证、回归验证方案、可回退/开关/灰度、不趁机扩大范围）。修复后 C5 两次采样均满分（18/18）。
3. **答案侧测量（首轮，带局限说明）**：relay → solve → judge 三段真跑 5 题 × 3 条件 = 15 格（全部评分成功）：
   无优化 51.1% · **v0.3 47.8%** · 发布版 23.3%。数据/持久化题（可纯文本回答）v0.3 **17/18 vs 发布版 0/18**；
   但**无工具执行 AI 在 3D 题上全体贴地板**（C1 2/18、C2 5/18），且"无优化"因输出宽泛而虚高 —— 因此答案侧**只作辅证**，主指标仍是命令侧。

**命令侧实测（10 题 × 2 次采样 = 60 格，并发 4，共 289 秒，满分 180）**

| 条件 | 得分 | 换算满分 180 | 达标 |
|---|---|---|---|
| 无优化（对照） | 8/360 | 4 | 未达标 |
| 发布版 0.2.2-beta.1（极端档） | 273/360 = 75.8% | 136 | 及格线 |
| **v0.3 候选（极端档）** | **325/360 = 90.3%** | **163** | **目标线** |

- 逐题（两次采样均值/18）：C1 15.5 vs 4、C2 17.5 vs 10、C3 12.5 vs 13.5、C4 16 vs 12.5、C5 18 vs 18、C6 18 vs 18、C7 17 vs 16、C8 15 vs 13.5、C9 15.5 vs 16.5、C10 17.5 vs 14.5。
- 诚实标注：C3/C9 的 −1 分**落在噪声内**（同格重复采样平均极差 1.07 分/18、最大 7）；配对计数随批次波动（本轮 6 胜 2 负 2 平，上一轮 8 胜 1 负 1 平）。稳定结论是**总分 90% vs 76%**，不是"每题都赢"。
- 简单任务回归（4 道原题）：复杂包泄漏 0/4、长度比 1.11×、流程索取不加重 → PASS。

## v0.3.0-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**复杂任务能力包：细节逐项过关（v0.3 主功能）**

针对真实使用反馈 —— 一次性搭大场景 / 做精细可驾驶模型时，反复出现"法向量反向导致该看见的面看不见、不该看见的面看得见"、各类操控与交互 bug、交互方式不人性化 ——
在高级/极端档新增 `COMPLEX_RULES`（命中域信号才展开，普通档不注入）：

1. **现象量化**：先给\"怎么观测到问题\"的动作（数值审计 + 视觉对照两条路），不许凭感觉。
2. **分域失效模式清单，逐条变成可检查的要求**：
   - 3D/几何：法线朝向一致且外观面朝外、坐标与单位/尺度约定、不得穿插悬空、碰撞体与网格一致、光照阴影不受朝向影响、判定标准（应从外部可见/不应从内部可见）、导入后检查固化（防复发）。
   - 交互：用户主流程、**输入映射表**（键鼠/手柄各一套）、每操作有可见反馈、可发现、可恢复、可配置（灵敏度/反转/重绑）、**无障碍**（键鼠手柄并存/对比度/字号/色盲）。
   - 数据：幂等、回滚并演练、边界数据、一致性校验、上线顺序与并发写入、回归验证方案。
   - 并发：前端去重 + 后台幂等 + 失败/超时/重试语义 + 可观测 + 压测 + **不得引入死锁**（锁粒度/顺序/超时释放）。
   - 性能：先量化基线 → 按影响排序定位瓶颈 → 优化不得降画质（给等价替代）→ 目标值与达标线 → 每次改动后同时复核帧率与画质。
3. **全局验收场景** + 4. **不得降级清单**（逐条列出不得被砍的能力）+ 5. **影响面排序、范围边界与回退方式、本轮不做项与停手条件** + 6. **判定标准与证据形式**（没有证据不算完成）。
7. **细节缺陷自检**：交命令前逐条对照（法线/朝向/可见面、坐标单位、碰撞、输入映射与反馈、可恢复可配置、幂等回滚、并发去重与锁顺序、边界数据、性能预算与画质）。
8. **细节要求不得变成流程开销**：是否建 goal/todo/分阶段仍只由"流程长度"规则决定；不得写与本题无关的模板段落。

**新测试集（可复核）**：`evidence/lab-cx.cjs` —— 8 道复杂题（3D 场景 / 可驾驶坦克 / 法向量审计 / 交互人性化 / 跨模块重构 / 数据迁移 / 竞态 / 性能预算），
每题 6 条要点 × 4 档（0 缺失 / 1 模糊提及 / 2 可判定要求 / 3 可判定 + 验证或边界），**每题满分 18、全表满分 144**，
并给出 60% / 83% / 100% 三条达标线；判分**确定性执行**（概念级同义扩展，0 次额外 LLM 调用）。

**实测（同一批 8 题 × 2 次重复采样 = 48 格，并发 4，共 230 秒）**

| 条件 | 得分 | 换算满分 144 | 达标 |
|---|---|---|---|
| 无优化（对照） | 6/288 | 3 | 未达标 |
| 发布版 0.2.2-beta.1（极端档） | 201/288 | 101 | 及格线 |
| **v0.3 候选（极端档）** | **265/288 = 92.0%** | **132** | **目标线** |

- 配对（每题两次采样均值，满分 18）：**v0.3 胜 7 / 负 0 / 平 1**；逐题：C1 场景 +11.5、C2 坦克 +4.5、C3 法向量 +3.5、C4 交互 +4、C5 重构 +4.5、C6 数据 ±0、C7 竞态 +2.5、C8 性能 +1.5。
- 同格重复采样波动：平均极差 **0.75 分/18**（最大 5）。
- **简单任务回归**（`lab-simple.json` 4 道原题）：复杂包泄漏 **0/4**、命令长度比 **1.11×**、流程索取不比发布版重 → PASS（细节要求没有变成流程开销）。
- 提示词约束闸门：**34 项断言全 PASS**（新增 4 条能力包正向断言 + 1 条"普通档不得出现能力包"反向断言）。

## v0.2.2-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**界面国际化（本版主功能）：插件 UI 跟随 DSH 的语言设置，中英双语**

- 客户端读取 DSH 的 `locale` 服务（`getSnapshot().active` ＝ `zh` / `en`）并订阅变化，**切换即时生效、无需重启**。
- 覆盖范围：控件行（档位/权限/上下文/模型）、上下文「回合 / 全文」按钮、模型弹层、**迷你窗**（栏目标题、按钮、状态行、token 行）、通知提示、`?` 帮助面板全部 6 节 21 行、悬浮球与署名行。
- 文案表 `EN_TEXT` 以**中文原文为键**（179 条，无重复键），查不到即原样返回中文 → **漏翻只会显示中文，永不空白**；读不到 locale 服务时同样按中文兜底。
- 帮助面板「怎么用」新增第 ④ 行：说明界面语言跟随 DSH 设置。
- **英文档位名定为 `Off / Low / High / Ultra`**（中文仍为 关闭 / 普通 / 高级 / 极端）；档位名一律经 `L()` 翻译，
  提示文案不再直接暴露内部 id（原先英文会显示 `tier extreme`）。自检断言：EN 四个档位名渲染为 `["Off","Low","High","Ultra"]`、ZH 为 `["关闭","普通","高级","极端"]`（`tierLabelsOk:true`），
  英文提示条实测 `"Sent the result optimized at tier Ultra"`。
- 自检（全部实测，客户端 beacon 回执）：
  - `i18n-demo` **PASS** —— EN 必须命中 `Help` / `Tier` / `Substance first` / `Process weight` / 语言行，ZH 对应中文；`rows=21 / sections=6`。
  - `i18n-overlay-demo` **PASS** —— EN 迷你窗 **26 个文本节点中文残留 `cjk=[]`**、按钮 `["‹ Roll back","Confirm & send","Regenerate"]`；模型弹层 `popCjk=[]`。
  - `locale-switch-demo` **PASS（真·跟随 DSH 设置）** —— 真调 locale 服务 `setLocale("en")`：档位标签变 `"Off"`、帮助按钮 aria 变英文；切回后 `after:"zh"`（用户语言已还原）。
  - `i18n-missing.cjs` 静态扫描：渲染代码里未包裹 `L()` 的中文字面量 **0**。
  - `lang-probe.cjs` **真跑实测产出语言**（走宿主生产路径 `POST /run`，不进会话、不发消息）：英文输入 → 产出全文 **3511 字符、中日韩字符 0**；中文输入 → 1353 字符、中日韩 **1037**（占 0.766）；`pass:true`，原始数据 `evidence/lang-probe.json`。

**本轮顺手修掉的三个真缺陷**

1. `frame()` 等两次 `requestAnimationFrame` —— **后台标签页 rAF 不触发**，探针/自检会永久挂住（实测演示通道假死 90s 无回执）；改为 rAF 与 150ms 超时竞速。
2. 探针互斥标记 `__DPO_PROBE_RUNNING__` 卡死无自愈 → 整个演示通道假死；加 90s 陈旧自愈（`probe-stale-reset`）与 `probe-skip` 留痕。
3. 英文界面残留中文（浮层状态行「上下文 N 回合」、查证行「N 步 / N行」、按钮「放行本条」等 40 处 + 43 条词典补齐）。

**产出语言跟随用户原话**

- `RELAY_IDENTITY` 增加硬规则：**输出语言＝用户原话的语言**（英文原话通篇英文，含小标题与清单项，不中英混排；中文原话中文输出；其他语言同理跟随）。

**版本与文档**

- 版本号 0.2.1-beta.2 → **0.2.2-beta.1**；`README.md` / `README.en.md` 按新版本**重构**：两份文档**顶部互相提供大号跳转按钮**、
  五点声明更新（明确「已支持中英双语，跟随 DSH 语言设置」，不再是"仅中文"），新增「更新介绍 What's new」与
  「实测数据与证明」两节（命令侧 / 答案侧数据 + 四条限制说明 + 复现入口），并写明当前适配 `dsh-0.1.6-alpha.1`。
- 插件内 `?` 面板署名版本同步为 `0.2.2beta1`。

## v0.2.1-beta.2 — 2026/09/15

作者：啃轮胎的西狐

**答案侧测量：修掉两个"把活推回去"的缺陷（0.2.1-beta.1 的补充）**

beta.1 只量了命令侧；这一轮补上**下游回答侧**（严格评分 0/1/2、盲评），并加了两道硬题：
T5 条件概率陷阱（"至少有一个是女孩"→ 1/3，naive 答 1/2）、T6 物理量级估算（缓冲距离主导 → 约 20~100 倍体重）。

**答案侧结果（满分 10/题）**

| 条件 | T5 陷阱题 | T6 物理估算 | T4 工程题 |
|---|---|---|---|
| 无优化 | 8 | 4~5 | 9 |
| 0.1.1 旧 | 10 | 9 / 7 | 9 |
| 0.1.9 当前 | 8 / 10 | 9 / 9 | **4** |
| 0.2.1-beta.1 | 10 / 10 | 10 / 9 | **4** |
| **0.2.1-beta.2** | **10** | **10** | **10（高级档）** |

**测出并修掉的两个真缺陷（都属"把活推回给用户"）**

1. **项目事实未知 → 写成"停下等我确认"**：题目只说"给一个 Python 函数加缓存"，relay 判断"没指定哪个函数"，
   于是命令写成"先列候选、停下等我确认，确认前不得改任何源码" → 执行 AI 卡在第一轮（T4 只得 4/10）。
   修法：`FACT_RULES` 增加**两种"不知道"的区分** —— 项目事实未知（哪个文件/函数/测试命令）→ 写成工作 AI
   **自己去查**的动作；用户意图未知（要改什么、做到什么程度）→ 才写"先向我确认"。
2. **过度把设计选择退给用户**：修完第 1 条后，命令变成"7 条确认清单等你答复"，仍然卡住。
   修法：`SUBSTANCE_RULES` 增加**"能定的自己定"**（能从目标推出的实现细节与默认选择直接写进命令并说明取舍；
   该问的一次最多 1~2 条、必须带推荐默认值）与**"查不到也要能推进"**（给出"无法唯一确定时选影响面最小的那个、
   写明依据继续做完"的兜底路径）。

**实测效果**：高级档在 T4/T5/T6 三题上 **10/10/10 全满**；活路径实测输出已含兜底路径与默认选择
（"若无法唯一确定是哪个函数，选调用点最多、影响面最小的那个，写明依据后继续做完；只有破坏对外接口兼容
或涉及持久化数据时才停下来先问我，不得空等"）。

**诚实标注**：极端档 T4 的答案侧分数（1~6/10）属**测量台局限** —— 台里的执行 AI 没有文件系统/命令工具，
而命令要求它"先扫工作目录"，于是只能停下；该格不作为提示词缺陷记入（命令本身经逐字检查质量最高）。

## v0.2.1-beta.1 — 2026/09/15

作者：啃轮胎的西狐

**修复"提示词相对 0.1.1 反而退化"：实质优先（SUBSTANCE）重新前置，合规机器让位**

结论先说：用户体感属实，并且量到了。用控制变量测量台（同题、同执行 AI、同评分卡）在 4 道题上比对
「无优化 / 0.1.1 旧提示词 / 0.1.9 当前提示词 / 新候选」，命令侧评分＝优化器产出的命令本身注入了多少实质要求（满分 5/题）：

| 题（高级档） | 0.1.1 旧 | 0.1.9 当前 | 0.2.1 发布版 |
|---|---|---|---|
| T1 数学·注水 | 5 | 4 | 5 |
| T2 数学·Ramsey 定理 | 5 | 4 | 4 |
| T3 物理·碰撞估算 | 5 | 5 | 5 |
| T4 工程·线程安全缓存 | 4 | 3 | 4 |
| **合计 /20** | **19** | **16** | **18** |

极端档（n=2~3 重复采样）：0.1.1 **18.7**、0.1.9 当前 **15.3**、0.2.1 发布版 **18**；
其中 **发布版 ≥ 当前版 10/10 次配对比较**（p≈0.001），不是噪声。

- 根因诊断：0.1.6~0.1.9 累积加的「交付闸门 / 流程长度 / 事实纪律」约 600 字符，把注意力从"注入实质要求"拉到了"别违规"，
  产出变得**合规但浅**；0.1.1 只有「身份 + 档位正文 + 禁止元话语」≈1.3KB，实质反而更足。
- 修法（按实测选出的赢家 C7）：新增 **`SUBSTANCE_RULES` 实质优先**段，置于身份之后、档位正文之前 ——
  要求先在推理通道里把事推一遍（必要假设 / 领域必需量 / 中间步骤 / 边界与异常 / 不确定处写成查证动作），
  再把结论变成对工作 AI 的要求；其余合规段精简（`交付契约` 3 条、`事实与硬度` 4 条、`流程长度` 压成两行放末尾）。
- 规模：普通档 1319 → **1172** 字符（−11%）；高级 1857 → **1815**；极端 1877 → **1813**（更短且更强）。
- 约束零丢失：`prompt-invariants.cjs` 29 正向 + 4 反向断言全 PASS（仅"完成判据"一条按新措辞同步更新）。
- 四档都测：**关闭**＝无优化对照（只得 2/12 要点，证明优化确有效果）；**普通**＝只做语言层（4/20，设计如此、不新增需求）；
  **高级 18/20**、**极端 18/20**。

**兼容性声明**：本版本适用于 **dsh-0.1.6-alpha.1**（升级后在 0.1.6 上完成全链路验收；0.1.5-rc.1 亦可运行）。详见 `DSH-COMPAT.md`。

## v0.1.9-beta.1 — 2026/09/14

作者：啃轮胎的西狐

**修复：放行/回退后仍被自动发出第二条（表现为「排队发送」）**
- 根因：`releaseOriginal()` / `rollbackYes()` 只清了 `store.run`，但 SSE 事件闭包里持有的那份 run 对象依旧存活；`done` 事件只看 `store.permission === "auto"` 就调用 `autoSend()` → 用户已经放行或回退之后，又自动提交了一次（第二次撞上正在处理的会话，于是变成「排队发送」）。回退路径更严重：面板明确承诺「不发送任何消息」。
- 修法：给运行加"已被用户终结"标记（`run.settled = released / rolled-back`），`autoSend()` 与 `done` 分支都先看这个标记；`autoSend` 自身置 `settled = auto-sent` 保证同一次运行只自动发送一次；放行时同时关流并向后端 `/run/abort`（不再白烧 token）。
- 回归测试 `release-race-demo`（客户端自检，提交用计数桩、不真发消息）：放行后 `submit` 增量必须是 1、回退必须是 0、以及"流仍活着且 `done` 真的到达"时必须是 0（该场景打出 `done-after-settle` 证据）。
- 负对照（保留同一份自检、只拆掉守卫）实测 `PASS=false`：放行用例 `submitDelta=2`、`sentFlag=true`，第二次发出的正是优化后的文本；守卫用例漏发 1 次 —— 证明该缺陷真实存在且此测试抓得住它。
- 修复版复验：`PASS=true`，`submitDelta` 分别 1 / 0 / 0，客户端报错 0 行。

**同批一并发布：传话 AI 提示词的提效与硬化（详见 PROMPT-OPTIMIZATION.md）**
- 三档 system 改为共用部件 + `buildSystem(tier, { historyMode })` 组装；重复表述三处合一，普通档 1445 → 1319 字符（−8.7%）。
- 约束力硬化：长度上限、逐句回溯删除、软措辞禁令（尽量/最好/建议… → 必须/不得/判据）、硬约束三分类 + 每条违反时的处置 + 不得替用户承诺、事实纪律白名单化。
- 新增**难度 → 开发长度**判定：轻（默认，禁止建 goal/todo/计划）/ 中（3~6 条 todo）/ 重（建 goal + 分阶段 + 每阶段验证）；高危信号命中即不得停留在轻档；未命中不得升档、不得因字数多升档。带标准答案的判定用例终测 12/12，漏隐患 0、徒增开销 0。
- 修复全文模式下的提示词谎报（旧文案称"工作 AI 回复只留长度"，而全文模式恰恰发送全文）——拆成回合/全文两份纪律，按 `run.historyMode` 注入。

## v0.1.8-beta.1 — 2026/09/14

作者：啃轮胎的西狐

**上下文模式：回合（0~10）/ 全文（与工作 AI 看到的上下文一致）**
- 回合量程从 0~100 收到 **0~10**：100 回合足以把优化模型的上下文撑爆；宿主夹紧同步改为 10（写 999 → 10、写 12 → 10、写 -5 → 0）。
- 滑块右侧**贴着**一枚「回合 / 全文」转化按钮（同一胶囊内、竖线分隔、点一下换一态）：
  - **回合**：滑块 0~10 档，只带用户原话（工作 AI 回复只留长度与工具次数，防污染）。
  - **全文**：滑块两档 **关 / 开**；开启后把工作 AI 当前看到的完整上下文（双方全文）交给优化模型，总预算 **60000 字**，超限**整回合省略**、绝不截断单条约束。
- 实测（活会话 `session-ae0b2c09…`）：回合态 `turns=10 → 10 回合 / 10356 字 / 省略 0`；全文态 → `25 回合 / 57591 字 / 整回合省略 93`；全文态关闭 → 不带历史（`history:null`）。
- 模式与开关随配置落盘（`historyMode` / `fullOn`），非法值自动回落 `turns`（写 `bogus` 读回 `turns`）。

**UI 扁平化极简（对齐 DSH 观感）+ 底栏压缩**
- 去掉渐变、内阴影、玻璃拟态与"实体感"高光：胶囊 / 滑块 / 模型钮 / 帮助钮统一 **26px 高**、**7px 圆角**、单层平色底 + 1px 描边；轨道 3px、圆钮 12px 平色。
- 底栏行高 26px 且贴底：实测宿主容器 28px、控件行 26px、底边对齐 → **不再把输入框挤上去**。
- 圆钮两端各内缩 6px（新增 `.dpo-range-inner` 行程道）：0% / 100% 时圆钮**不再越出轨道**（修复前实测越界 8px）。
- 交互与无障碍不变：拖动 / 点击 / ←→（Shift ±10）/ PageUp-Down / Home-End；`role=slider` 落在轨道上（胶囊去掉 slider 语义，避免按钮嵌进 slider），回合态 aria `max=10`、全文态 `max=1` 且文案「全文 关 / 开」。
- 修复：底栏内的按钮不再被「发送」判定误吞（`[data-dpo="controls"]` 直接放行）。

**自检**
- `range-demo`：两模式共 5 个采样点（回合 0/5/10、全文 关/开），文本、几何（圆钮居中比例与设计值逐点一致）、aria、按钮两态切换、扁平化（无渐变 / 无阴影 / 26px）全部通过 —— `pass:true`。
- 模式按钮经两次合成点击实测 `turns → full → turns`。

## v0.1.7-beta.1 — 2026/09/14

作者：啃轮胎的西狐

**UI 归一化：上下文控件改为「数字滑块」+ 三控件统一尺寸**
- 上下文控件去掉中文标签（不再显示「上下文 12 / 上下文 关」），**滑块上直接显示当前回合数**（等宽数字，避免宽度抖动），一眼可知当前设定。
- 形态改为**固定宽度滑块 + 数字写在滑块上**：原实现"每格一个标签"，100 档时每格仅约 8px，文字必然溢出边框；新实现滑块恒为 40px 宽，数字永远在框内。
- 三枚胶囊统一 **30px 高**、12px 字号、同圆角同配色；模型胶囊与帮助按钮同高 → 整行视觉归一。
- 交互：拖动 / 点击 / ←→（Shift 加速 ±10）/ PageUp-Down / Home-End；`role=slider` + `aria-valuenow/valuetext`。

**默认值与会话回退**
- 读取回合数默认 **0**（= 改动前的等价行为），客户端与宿主默认值同步为 0；随时可调大。
- 历史总预算 **12000 字**：超出时**按整回合丢弃最早的**，并在上下文里标注省略了几个回合——**绝不截断单条约束条款**。
- 实测：`N=0 → 无历史`；`N=10 → 10 回合 / 2855 字 / 省略 0`；`N=100 → 保留 26 回合 / 10082 字 / 整回合省略 74`。
- 配置往返与夹紧实测：写 12 读回 12；写 999 → 100；写 -5 → 0。

## v0.1.6-beta.1 — 2026/09/14

作者：啃轮胎的西狐

**优化 AI 读入最近 N 回合上下文（0~100，可调）+ 防污染设计**

- 新增「上下文」胶囊滑块（与档位/权限同款长圆框 + 内部小滑块）：0 = 不读，档位为非线性刻度 ,1,2,3,4,6,8,12,16,24,32,48,64,80,100，兼顾"近几回合"的精度与 100 回合的量程；格内只显示当前档文字，避免糊成一团。
- 宿主通过 `ctx.sessions.get(id).ownEvents()` 读取真实会话事件：**用户原话全文**进入上下文（单条上限 4000 字）；
  **工作 AI 的回复被刻意只保留长度与工具调用次数，内容一律不喂**——只借"用户想要什么"，绝不吸收工作 AI 的方案/结论/术语/口吻。
- 提示词里新增 `HISTORY_RULES`（三档共用）+ 历史块自带纪律行；历史与用户原话冲突时以原话为准。
- 运行状态行新增「上下文 8 回合 · 873 字」徽标（`run.history`），可直观确认这次究竟读了多少。
- 落盘新增 `turns`（全局偏好，0~100 夹紧）；`/runs` 遥测暴露 `turns` 与 `history`。
- 实测：`turns=8 → history={turns:8, userTurns:8, chars:873, degraded:false}`（`chars` 只累计用户文本，证明工作 AI 内容确实未进入上下文）。
- 隐私说明更新：上下文**在本机读取**，只有用户文本会随优化请求发给优化模型；工作 AI 的回复内容不会离开本机。
## v0.1.5-beta.1 — 2026/09/14

作者：啃轮胎的西狐

**胶囊滑块（更简洁的控件形态）**
- 档位/权限改为**一个长圆框、里面一个小滑块滑动**：取消外侧标签与数值胶囊，控件行更短更干净。
- **单元对齐**：滑块覆盖当前档位整格（left=i/N、宽=1/N），点击/拖动命中用同一套单元坐标 floor(t*N) —— 视觉、命中、键盘三者同源。
- 语义色延续：档位 灰/蓝/紫/橙、权限 绿/琥珀，滑块底色与选中文字同色系；hover 强调色描边 + 外发光。
- 无障碍保留：role=slider / aria-valuenow / aria-valuetext / tabIndex + ←→ Home/End。
- 宽度显式化（内部绝对定位）：档位 152px、权限 98px，并按窗口宽度三档收缩。

## v0.1.4-beta.1 — 2026/09/14

作者：啃轮胎的西狐

**修复：探针标记可能泄漏进真实会话（作者失误的根因修复）**

事故：作者发了一条**未知命名的自检命令**，而当时浏览器里是旧版客户端 → 命令没有匹配到任何自检分支，**回落到通用探针分支**并启动了整套 19 步探针；随后热重载把探针**中途打断**，其收尾自清场没跑完，于是探针用于"真投递验证"的 `DPO-基线测试-<token>` 标记被提交进了真实会话。

三道闸门（都已实测）：
1. **未知命令一律拒绝**：`run` 不等于 `selftest` 时只记 `cmd-unknown` 埋点并返回，**绝不回落探针**。回归实测：`run=slider-demo-TYPO` → 仅 `cmd-unknown`，无 `probe-start`。
2. **探针需显式投递授权**：`selftest` 还必须带 `deliver:true`，否则记 `probe-refused` 并跳过 —— 探针的投递步骤再也不会"顺手"发生。
3. **两侧兜底清扫**：客户端启动 1.2s 后 + 每 60s 调一次 `/inbox/sweep`；宿主开机时对 `DPO-` 做一次权威清扫。实测队列：全部会话 `nextTurn/nextStep` 为空，**零残留**。
## v0.1.3-beta.1 — 2026/09/14

作者：啃轮胎的西狐

**采纳社区 PR 报告的真实缺陷（已修复并实测）**
- **长草稿被截断**（PR#4 @ChinaBuleSky）：`record()` 是遥测行、会把 text 截到 160 字，而拦截路径把它的返回值当成了功能载荷 → 超过 160 字的输入只有前 160 字进入优化器。现改为另取草稿原文；实测 255 字长草稿完整送达（`sent=255, captured=255`）。
- **滑块刻度与拇指坐标不一致**（PR#1 @NekoDD-wow、PR#2 @S-AN-Shu）：刻度点用 flex 中心 `(i+0.5)/n`、拇指/填充用 `i/(n-1)`，四档里有三档会点错。现刻度层与拇指同用 `i/(n-1)`；实测四点偏差全为 0，逐点点击 4/4 命中。
- **滑块可达性**：补 `role=slider` / `aria-valuenow` / `aria-valuetext` / `tabIndex` 与 ←→ Home/End 键盘操作。

**学自社区风格的 UI 升级**
- **语义化颜色**：档位 关闭=灰 / 普通=蓝 / 高级=紫 / 极端=橙；权限 审查=绿 / 自动=琥珀 —— 填充、拇指、刻度、数值标签同色系，一眼看出状态。
- **刻度层重做**：独立层、与拇指同源，灰点 11px/72% + 描边，选中态外扩；仍保留逐档可点与 tooltip。
- **结果悬浮球**（PR#1 思路）：发送成功后把结果收成一颗按档位配色的小球（可拖动、单击展开回看），并新增**已发送只读**态（「已发送 · 仅供查看」，不再出现「确认提交」，`confirmSubmit` / `releaseOriginal` 在已发送态直接短路，杜绝重复发送）。
- 控件行自愈重挂改用不同优先级，消除 `list slot ... already has an entry` 报错。
## v0.1.2-beta.1 — 2026/09/11

作者：啃轮胎的西狐

UI 迭代：更合理、更人性化、更极简、更优雅。

**控件行**
- 两个滑块加**内联名称**（档位 / 权限），首次使用不必靠 tooltip 猜。
- 移除会顶动布局的**行内提示条** → 改为**浮动通知气泡**（固定于输入框上方，不参与行内布局）。
- 移除行内**拦截累计徽标** → 收进标题栏小徽标与帮助面板抬头（信息不丢，行更干净）。
- 滑块与模型胶囊之间加**发丝分隔线**，形成"强度 / 权限 ｜ 模型 ｜ 帮助"的分组；帮助按钮改为无边框幽灵样式。

**迷你窗**
- 标题栏极简：状态点 + 「提示词优化」+ **本次运行档位徽标** + 拦截计数；尺寸提示改为悬浮才显形。
- 删除冗余的「档位/权限/拦截累计」信息行。
- **思考 / 原文 / 查证动作** 三块改为**可折叠**（默认收起，各带一行摘要：token 与字数 / 原文字数 / 查证步数）；运行中思考自动展开，完成后自动收起，把空间让给产出。
- 审查态**不再重复渲染只读产出面板**（可编辑文本框即产出）；错误重试/默认模型重试移入常驻底栏。
- 回退按钮统一到**常驻底栏一处**（审查态底栏为 回退 / 确认提交 / 重新生成 三键）；回退确认改为内联卡片。

**其他**
- 折叠箭头带旋转动效、通知气泡带弹入动效；`prefers-reduced-motion` 下全部关闭。
- 自检扩充：`run-demo` 上报标题栏/折叠状态/底栏按钮/whether-toast，`controls-demo` 上报内联标签与行内冗余元素是否存在。
## v0.1.1-beta.1 — 2026/09/11

作者：啃轮胎的西狐

首个对外分享版本。核心能力：

- **发送接管**：捕获阶段拦截回车与发送按钮（`Shift+Enter`、`/` 命令、空草稿、卡片外回车一律放行）。
- **传话者语义**：优化 AI 明确是"把用户意思转达给工作 AI"的传话器 —— 不回答用户、不替用户干活、不向用户提问；产出是**可直接发送的命令正文**，无「优化后的提示词 / 改动说明」这类元话语。
- **三档强度**：普通（语言精确化，约 3 秒）／高级（补"显然需要"的约束与验收，约 20 秒）／极端（只读查证项目结构 → 分阶段行动计划 + 验收标准 + 多情况预案，约 20 秒）。
- **两种权限**：需要审查（产出可编辑，确认后发送）／自动输出（完成即发送；失败也按原文发出，绝不静默吞消息）。
- **迷你窗**：可拖动、可改尺寸（记忆）、按会话隔离、常驻底部操作栏（窗口再小按钮也不消失）、思考/产出双通道流式 + 流式光标 + 自动跟随滚动、**思考 token 计数**。
- **按会话独立的档位与权限**：A 会话的设置不影响 B。
- **模型独立**：优化模型与对话模型互不影响；目录预热 + 双层缓存 + 单家超时，死模型自动回退。
- **使用帮助**：控件行 `?` 面板（怎么用 / 档位 / 权限 / 迷你窗按钮 + 推荐组合）。
- 测试与证据：`ACCEPTANCE.md` 逐格验收清单；`evidence/` 内为自检报告、三档对照、几何与产物形态回归等机器留痕。

### 已修复的典型缺陷（详见 `ACCEPTANCE.md`）

- 回退 / × 点击无效（pointerdown 的 `preventDefault` 抑制了 click）。
- 审查态看不到确认提交 / 重新生成（浮层内容被裁且不可滚动）。
- 浏览器缩小后弹窗出现在不可见坐标（开窗未夹紧）。
- 开启档位后"无法发送"（优化模型不可用 + 失败被静默吞掉）。
- 弹窗不再显示（React #310：hook 写在 early return 之后）。
- 模型目录加载不出来（客户端从未拉取 `/models`）。
- 右下角拖不动改尺寸（手柄被常驻底栏盖住 + `onSizeUp` 丢掉最后一次位移）。
- 优化 AI 误以为在跟用户对话（角色与用户消息都缺少"传话"框架）。