# Validation ## 0.2.1 / protocol 4 acceptance This refactor has offline controller/adapter/transaction regression evidence. Historical gameplay below belongs to earlier implementations and is not evidence of new-version speed or win rate. Fresh live gameplay has not been resumed during this refactor. The state envelope reports the installed core version and protocol. # 验证记录 此文件区分实际游戏、离线测试与尚未验证的能力。正在进行的整局试玩不会提前记为通过。 ## 核心决策路径重构（仅离线，follow-up） - 精确推演只覆盖完整白名单：纯数值伤害/格挡、已知费用、无未建模状态/遗物。玩家触发器、X 费、空白 Attack 意图均为 unknown，不是 0。 - 本地斩杀/保命走同一套 `projectPlay` 证明，不用正则命中代替。 - 真实桥接 run 只有 act/floor/ascension。持久策略仍要求 run identity；无 identity 时只能把策略作为当次 `battle` 参数，绑定 `expectedStateId`，调用结束即失效。 - 策略只约束菜单，不代选牌。未匹配则交回。 - 候选包含全部单步（含结束回合与未知牌）和有上限的已证明前缀。`max_steps` 限制前缀长度。 - 单步与多卡共用 `dispatch` 事务。发送出错保留停止。协议号 4。 - 默认置信度 0.5。失败请求会计数；失败用量标为 unavailable。 ## 核心决策路径重构（仅离线） - 已知效果与未知效果共用一套战斗算术：格挡先于生命；8 HP + 3 格挡不会被 6 点伤害算成斩杀。 - 单步动作与多卡前缀走同一套已验证发送：两卡候选为一次模型请求、两次核对后的发送；预测偏离会拦住第二次发送并保持停止。 - 成功发送后可见状态不变视为未知结果：停止标记保留，不能重发。任何发送错误都不能仅凭错误文字证明无副作用；发送后异常保留停止。 - 未匹配的策略不会在仍有可打牌时默认结束回合；缺少 run identity 或未知失效条件时策略不生效。 - 升级牌的英文效果用当前牌面数值，不再沿用种子里的固定 6 点。 - 上述均有离线回归。真实对局兼容由后续有界运行时检查证明；离线通过不等于实战通过。 ## 基线实战（原型） - macOS arm64，Slay the Spire 2 v0.107.1。 - 铁甲战士，第一幕第 3 层，3 只史莱姆，5 回合获胜。 - 11 手牌：Jev 自动执行 8 手，主模型接管 3 手，另有 4 次程序结束回合。 - Jev 共 12 次调用（包含 dry-run 与暂停）；28,060 输入、583 输出 token。 - 6 次同进程后续推理中位约 0.365 秒；各进程首个请求约 1.0–1.36 秒。 - 8 次自动出牌从决策开始到确认，中位约 1.40 秒；结束回合需约 3.6–4.7 秒。 - 从第一手确认到胜利约 2 分 20 秒，包含检查和主模型接管时间。 - 奖励状态与原生游戏画面一致，未把一次 HTTP 成功当作完成。 这些是一次小样本，并非通关率或泛化性能。 ## 独立项目 - 二十七项离线测试已通过：合法选项、相同牌合并、药水目标、分工、旧状态、单写锁、未知动作结果停止、单战斗边界、模型输出校验、选牌弹窗、多卡计划及延迟伤害。 - 用固定上游版本从全新下载目录编译，零警告零错误。 - 支持完整战斗状态读取、出牌、结束回合和奖励等菜单操作；实际覆盖将随整局试验更新。 - **本机 DeepSeek Harness（DSH）已实测通过**：沿用已有配置，官方 DeepSeek provider 真实调用 `state` 观察战斗；在移交写入权后，真实调用 `act` 从攻击药水选择头槌，读回头槌以零费进入手牌。会话记录包含实际 `tool/call` / `tool/result`，并由主控再次读取游戏验证。没有依赖图像或鼠标。 - 前期误用 Reasonix 的认证/额度失败不代表 DSH 不可用；那条路线已停止，不是本项目的默认接入方式。 - 实战发现仅等待“手牌已移除”可能早于伤害结算。新的桥接补丁加入动作执行器空闲与队列清空条件，已编译、在第9层商店安全重启并续同局读回。第11层精英战真实执行两卡计划“防御→突破”，两步分别约584ms、777ms；能量2→0、格挡0→5、自HP63→62、敌HP73→62均吻合，队列空闲字段读回成功。两张牌之间没有模型调用。多卡计划等待预期伤害/格挡/意图等全部满足，不把移牌当完成。 ## 操作者偏差（本轮实测的失败面） 接管后有相当一段推进是**主模型手动逐张出牌**，而不是让 Jev 主导。这不是设计意图，记录在此以免被当作已完成的自动化： - 该时段事件来源统计为 planner 21 张 / Jev 0 张 / 程序局部 0 张。 - 原因是当时 CLI 单步接口过于笨重，加上 `resolve` 规则写得过窄（只认"数值明确的攻击牌"），遇到纯防御/抽牌回合就直接交回主模型。 - 随后补的规则（`fill` 自足格挡或抽牌、已行动回合的安全收尾）修掉了这个缺口，但**这些新规则只经过离线测试**，尚未在真实对局中复验。 - 低置信度占 Jev 调用的 49%（90/182），其中一部分属于"模型看不到虚无/回合结束"的信息缺口，而不是真正的策略不确定。 结论：本轮不能宣称"常规战斗已由 Jev 主导"。下一步应以 Jev 优先的循环开新局并重新统计来源比例。 ## 新局入口与"程序主导"复验 - 实现并实测了受支持的开新局路径：`game_over → main_menu → singleplayer → standard → character_select → embark`。角色选择界面暴露 `IRONCLAD`/`SILENT` 与 `confirm`/`embark`/`back`；`abandon_run`、`quit`、`multiplayer`、`daily`、`custom` 不进入动作列表。 - 开新局时误触发过一次停止标记：点选角色时 state_id 未变化，`settled` 判定"没有稳定跃迁"。核实后发现是**假警报**（角色本来就已选中），按接口 `clear-halt` 清除，未重放动作。 - 新增防守：奖励界面把 `proceed` 放到最后并标注"放弃剩余奖励"，避免再次出现"直接离开而漏领奖励"。此前确实漏领过一次第 1 层奖励。 - 新规则下的第一场战斗（第 1 层，毛绒伏地虫）：**12 步 16 秒结束，程序决定全部动作，Jev 调用 0 次、主模型 0 次**。 - 新局前 17 个回合的来源统计：程序 `local` 80、程序确定动作 24、Jev 2、主模型（我的手动干预）38；`local` 明细为 resolve 34、kill 3、guard 2；无停止、无预测偏离。 - 回合指标：`turn_ms` 中位 7.9s、`action_ms`（动画结算）中位 4.9s、`agent_gap_ms` 中位 0ms。对照上一局的 36.6s / 7.1s / 18.7s，模型往返基本消失，剩余耗时主要是动画。 - 仍需注意：`cards` 统计在新局明显偏低（72 个动作只记到 4 张牌），说明按预期状态匹配的套牌计数在程序连续出牌下并不准确，不能用来代替来源统计。 ## 短计划与机械推进（protocol 3 窗口） - `SPIRE_CANDIDATES=1` 已在真实战斗跑通：同一回合内程序先本地收尾、再走候选决策（`planned=true`），单场 8 步推进、我方 80→34、无预测偏离。 - 修掉三个真实缺陷： 1. **候选路径绕过置信度门槛**：模型给 0.01 置信度、且它自己的独立判断自相矛盾（选斩杀线却给 safe_c0=0.31 / safe_c1=0.66），程序仍直接采用。现在候选答案同样受门槛约束。 2. **非致命回合不该问"是否安全"**：进伤 12、满血 80 时程序本就能证明每条线都能活。现在只有程序算出该回合会死的候选才附带安全判断。 3. **上一局的策略污染新局**：旧 `.runtime/strategy.json` 仍在生效，把候选强行导向"打击"。策略现在绑定创建时的楼层，低于当前楼层即判定为上一局并清除。 - 阈值按风险分级（官方 guidance）：致命回合/未知信息用 0.5，程序已证明全部候选可存活的低风险回合用 0.25；安全从不依赖这个数字，survival 约束与合法性始终在代码里。 - 低风险且模型仍不确定时，追加一次**二选一风格问题**（进攻线 / 防守线 / 不确定），让模型能明确说"不清楚"而不是被迫猜。 - `advance` 机械推进实测：在事件处正确停下，未代选战略。 ## 整局结果（第 2、3 局，均已终局） - 第 2 局：铁甲战士，**第 1 幕第 11 层阵亡**于雾菇战（`ENCOUNTER.FOGMOG_NORMAL`，1345 秒，未放弃）。死因是进入该战时仅 24/80 血，策略续行仍执行了 12 步。 - 第 3 局：铁甲战士，**第 1 幕第 6 层阵亡**于毛绒伏地虫（`ENCOUNTER.FUZZY_WURM_CRAWLER_WEAK`，584 秒，未放弃）。21/80 血进入长血怪消耗战，策略续行 38 步后耗尽。 - 三局全部未通关。结论：当前策略在**低血量进入长消耗战**时不足；这是策略问题，不是执行机制问题（机制侧动作全部合法、无重放、无预测偏离）。 ## 策略续行与护栏（实测） - 策略续行已在两局中反复生效：单场最长 **38 步连续执行**、期间 0 次模型调用；`local_decision kind=strategy` 累计 62 次（第 3 局窗口）。 - 低血量护栏改为"同一血量档 + 同一敌人集合只提示一次"，并新增 `guard_repeat` 事件；重复时**明确交回并说明需要显式策略**，不再逐牌打断、也不静默空转。 - 药水审查同样标记为护栏，可被策略续行：否则药水位会变成逐回合接管来源。 - 修正：`--protocol` 参数双自增导致窗口过滤失效；`find` 局部变量遮蔽数组方法；批次协议标签改为按多数票。 - `act` 现在记录决策者标签（`caller`/`agent`/`plan`），因此"调用方自己推进"不再被算作主模型接管。 ## 第 4 局（人工接管，不用快模型） - 结果：铁甲战士，**第 2 幕第 24 层阵亡**于感染棱柱精英（`ENCOUNTER.INFESTED_PRISMS_ELITE`，2196 秒，未放弃）。 - 首次**击杀第 1 幕首领**（仪式兽 252HP）：8HP 时用完美打击 23 伤斩杀 17HP 的它，抢在它 18 伤攻击之前。 - 全部操作由调用方逐张决定，快模型参与 0 次；每一步都经 `act`/`seq` 的合法性与结算校验。 - 死因是**资源耗尽**而非机制缺陷：25/80 血、0 药水进入第 2 幕精英，该精英 161HP 且会给玩家的牌附加"污染"。 - 局内被验证的机制（实测，非理论）：打击木偶（名字含"打击"的牌 +3 伤，基础打击 6→9）；苦无（每回合 3 张攻击牌 +1 敏捷，防御 5→6）；地狱狂徒（抽到"打击"类牌自动对随机敌人打出）；开信刀（每回合 3 张技能牌 → 全体 5 伤）；毒素（回合结束仍在手牌则受 5 伤，需花 1 能量清掉）；昏眩（手牌全体 `BlockedByHook`，整回合不能出牌）；振翅（按数值减伤，32 伤实际打出 15）；逃脱大师（倒计时结束敌人逃跑）；顺走（偷牌，胜利后可取回）。 - 关键教训：**进精英前的血量与药水储备决定成败**，不是战斗内的操作。第 2 幕两次精英战都是低血进入。 ## 第 5 局（人工接管，不用快模型）—— 打满两幕 - 结果：铁甲战士，**第 2 幕第 33 层阵亡**于知识恶魔 Boss（`ENCOUNTER.KNOWLEDGE_DEMON_BOSS`，3921 秒，未放弃，seed `72W8PMZY6E`）。 - **通关第 1 幕**，Boss 是同族神官 190 + 信徒 58/59（307HP 三敌阵容）：12HP 时用暴走+(24，被虚弱削过) + 打击(6) 凑够 30 斩杀 25HP 的神官，爪牙随之消失。 - **第 2 幕**推进到 Boss：击杀 2 只精英（感染棱柱 161、蜂群术士 145），拿到 8 件遗物。 - 死因是**资源耗尽**：进 Boss 时只有 37/80 血、0 药水；Boss 379HP 且会逼你二选一诅咒。选了「心灵腐化」（每回合少抽 1 张）而非「瓦解」（每回合结束 6 伤），但少抽牌让后续几回合摸不到格挡——最后一回合手上零格挡牌，靠剑柄打击抽到的 1 张防御把 24 点来袭压到 19，从 20 血剩 1 血，下一回合 7 格挡 < 11 来袭而亡。 - 局内实测的机制：**人工制品**（吸收减益，战栗的易伤会被吃掉）；**知识恶魔的诅咒二选一**；**心灵腐化**（每回合少抽 1 张）；**棘刺蟾蜍**无荆棘（扣血来自别处）；**敌人 id 会在同伴死亡后重编号**（CHOMPER_1 → CHOMPER_0，用旧 id 会被正确拒绝）。 ## 尚未验证 - 整局胜利、持续无人接管及不同角色的通关率。 - 非 macOS 平台与其他游戏版本。 - 所有事件、特殊选牌、遗物选择、宠物目标、多人游戏。 - 多用户部署、远程暴露或恶意本地进程隔离。 原始逐步日志留在本地私有运行目录。公开结果应为去除个人路径、存档、身份信息与凭据后的汇总。 ## 进行中的整局 原型首战之后，独立控制器已新增验证第4层单敌、第5层四敌、第6层药水选牌与弃牌选择、第8层多段/虚弱战；并走过休息、商店和宝箱。 ## 整局结果（已终局，非通关） 铁甲战士一局在**第三幕第43层三骑士精英战阵亡**结束，`state_type: game_over`、无可用选项、HP 0/86。全程未重开、未改生命/能量、未覆盖存档。 - 阵亡回合是**算术上已注定**的：第5回合 33 HP、抽牌堆为空、敌方意图 15+35=50，手牌最多只能产生 20 格挡与 22 伤害，既无斩杀线也无足够格挡。程序算术在出牌前就标出"缺口 50"。 - 因此这一局的结论是**未通关**，不能当作决策质量或通关率的证据。整局覆盖：三幕、普通战、精英、两个幕首领、事件、商店、休息、宝藏、多选牌与选牌弹窗、随机效果。 - 全日志动作来源（含前一位操作者的时段）：planner 737、Jev 178、程序确定动作 90、程序局部决策 18。 ## 决策粒度改版实测（第三幕） - 第33层首领无厌沙虫：明确沙坑计时=2、归零即被吞下；实测确认「狂乱逃离」是**增加**沙坑计数（延长存活），与网上指南“Frantic Escape buys time”一致。 - 第35、38、39层：第三幕普通战与长血怪。第39层史莱姆狂战士 261 HP 打到胜利（HP 59→34，含纸伤难愈与黏液入牌）。 - 新增程序侧 `guard` / `resolve` 在真实回合内触发：事件日志出现 `local_decision kind=resolve`（连续 14/6/6 伤害三连，中间无模型调用）与 `kind=guard`（5 格挡挡下 15 点显示伤害）。 - Jev 在同一场长战里多次以 0.17–0.36 置信度交回；未下调阈值，改为收窄选项重问与程序保底。整局长血的自动推进仍不完整。 - 沙盒实测：`spire_act` 结束回合 + `spire_battle` 真实调用 Jev，低置信度时返回交接包且**没有出牌、没有误停**。 - 一次 `spire_battle` 只走一步就交回属正常收敛，但这也是当前最大的未消除往返来源。 ## 回合级指标（新增观测） `node scripts/metrics-jsonl.mjs .runtime/events.jsonl --turns 6` 从私有事件日志读出，不触碰游戏： - 全量样本（原型+整局，77 个按 act:floor:round 切分的回合）：动作与结算中位约 7.1s，**代理等待中位约 18.7s**，即时间主要花在模型往返而不是动画。 - 终局四个回合的代理等待分别为 20.3s、59.7s、50.4s、10.6s；其中两个高值来自主模型接管，不是动画。 - Jev 单次推断中位约 0.9s；`decision` 只记录 Jev，主模型调用数需由调用方 harness 提供。 - 已知缺陷并已修正：`battle.round` 跨战斗不重置，早期按裸回合号统计会把多场战斗合并成一个“回合”；现按 `act:floor:round` 复合键切分。 - 已知缺陷并已修正：单次推断统计曾误用“回合内推断总和”的中位数。 ## 尚未验证 - 整局胜利、持续无人接管及不同角色的通关率。 - 非 macOS 平台与其他游戏版本。 - 所有事件、特殊选牌、遗物选择、宠物目标、多人游戏。 - 整回合无人接管的自动重排（新牌出现后由程序重排剩余动作）仍未完成；当前只覆盖 guard/resolve 两类确定性动作。 - 优化前后对照尚未在相同局面下完成（需要同一存档局面重放，当前只有同规则的历史样本）。 原始逐步日志留在本地私有运行目录。公开结果应为去除个人路径、存档、身份信息与凭据后的汇总。 ## 发布包检查 从打包文件解压到独立临时目录运行离线测试和语法检查通过；没有 npm 运行依赖。Git 跟踪文件经密钥值、个人绝对路径、游戏程序集和存档检查，均未检出。旧运行目录锁/停止标记的迁移保护已补齐；实际在第9层安全点确认旧操作者结束后切换了共享锁。 ## 新发现：多选卡读回 第二幕熔合者事件需要移除两张牌。第一次选择的青色选中边框已出现，但上游旧JSON没有包含选中集合，导致状态不变并触发停止。经一次GUI核实后，DSH原生插件补选第二张普通防御，预览确认两张普通牌且保留升级牌。桥接补丁现输出选中计数、索引和逐牌选中标志；已编译并在第23层安全重启保留同局进度，后续商店移除牌已实际读回 selected_count 0→1、selected_indices []→[0] 和 is_selected，再确认移除成功。完整的双选中间态仍待再次出现时复验。该次排障用过截图，不计为完全无GUI覆盖。 商店退出兼容：实际API先关闭商品面板再点击离开，旧的 can_proceed 是关闭前按钮状态。核心已按这一复合动作语义修正，避免把可执行的退出误挡住。