# A/B 实测报告 v3（真实会话 session-） ## 决定性发现：A 的 7703 token 买的是"最近的连贯叙述"，不是历史细节 | 区域 | 路径总数 | A 组摘要保留 | 保留率 | |---|---|---|---| | 早期（seq ≤ 848） | 146 | 10 | 6.8% | | 之后 | 743 | 7 | 0.9% | ## 三方对比（早期专属事实） | 方案 | 表层占用 | 早期事实存活 | 产物账本 | |---|---|---|---| | A 官方滚动重压 | 20029 字（≈7703 tok） | 0/407（0.0%） | 摘要含 6 条路径 | | B 索引式不可变条目 | 1003 字（≈386 tok） | 0/407（0.0%） | **259 条结构化产物（243 条经校验存在）** | | B + 锚点检索 | 索引 + 按需 | **407/407（100%）** | 同 B | ## 尺子修正记录（v1→v3） 1. v1：从 JSON 序列化文本抽事实却匹配原始文本 → 路径类永不命中（全代 0/71）。 2. v1：对计数类去空格规范化 → 22 条自己找不回自己。 3. v3 诊断：A 组 0/407 **经复核为真实结果**——严格与去空格匹配均为 0，但数字碎片仍在（26 个数字核心出现 16 个）→ 摘要提到数字、从不保留早期事实原形。 4. v3：产物来源修正——`workspace/changes` 载荷只含 `{turn}`，不含路径；权威产物账本是 `deliverables/presented` 的 `files[].path`。 ## 产物账本全量 - `\\\\` - `\\.dsh\\skills\` - `\\\` - `\` - `\\\\` - `\\\\.dsh\\\\skills` - `\\\\index\` - `\\\\` - `\\\\schema\\rule_card.schema.json` - `\\\\compiler.py` - `\\\\validate_cards.py` - `\\\\bench.py` - `\\\\fetch_stars.py` - `\\\\analyze.py` - `\\\\rescore.py` - `\\\\inspect_invented.py` - `\\\\run_all.py` - `\\\\verify_flagged.py` - `\\\\rank_skills.py` - `\\` - `\\AppData\\Local\\Doubao\\User` - `\\\\nightrun.ps1` - `\\\\verify_stars.py` - `\\\\stage.py` - `\\AppData\\Local\\Programs\\Python\\Python311\\python.exe` - `\\\\daemon.ps1` - `\\\\watchdog.ps1` - `\\\\report.py` - `t:\nreports/audit_sample.md` - `\\\\audit_sample.py` - `T:\\n#` - `\\\\probe_models.py` - `\\\\metrics\\model_probe.json` - `\\\\health.py` - `\\\\verify_top.py` - `\\\\batch_report.py` - `\\\\test_judge.py` - `\\\\reports\\judge_tests.json\` - `\\\\runs\\policy.json` - `\\\\audit_trace.py` - `\\\\rejudge.py` - `\\\\.dsh\\\\skills\\\\full-output-enforcement\\\\SKILL.md，共` - `\\\\reports\\lead_audit.json` - `\\\\tmp_show_dry.py` - `\\\\state_check.py` - `\\\\star_state.py` - `\\\\verify_all.py` - `\\\\reports\\REPORT.md` - `\\\\reports\\BATCHES.md` - `\\reports\REPORT.md` — 汇总报告（1400 行）：外部指标与排序、四模型基准与降噪优化、硬规则缺陷与机械修复、路由空转缺陷（L11）、被否掉的优化、Lead 审计记录 - `\\reports\BATCHES.md` — 分批结果清单：按技能统计（非日志记录），逐批给出当前判据下的通过率、平均引用落地率、编造标识符数 - `d:\n\n` - `\\\\card_integrity.py` - `\\\\subset_export.py` - `\\\\keepawake.ps1` - `\\\\setup_tasks.ps1` - `\\\\setup_tasks2.ps1` - `\\\\deliverables\\TOP_N.md` - `\\deliverables\TOP_N.md` — 高分技能包：308 张已通过当前判据的规则卡（按外部 star / 内部结构分排序，两类排名从不混用），含每张卡的判级、引用逐字落地率、卡片与源文 sha256 - `\\\\probe_split.py` - `\\\\diag_exits.py` - `\\\\runs\\daemon.log\` - `\\\\diag_failctx.py` - `\\\\diag_race.py` - `\\\\diag_trace.py` - `\\\\cost_account.py` - `\\\\cost_structure.py` - `\\\\fix_daemons.ps1` - `\\\\share_audit.py` - `\\\\model_quality.py` - `\\\\head_to_head.py` - `\\\\audit_packet.py` - `\\\\completeness_gap.py` - `\\\\ab_prompt.py` - `\\\\hard_rules.py` - `\\\\backfill_hard_rules.py` - `\\\\audit_r2_recheck.py` - `\\\\record_audit_r2.py` - `\\\\reports\\lead_audit.json\` - `\\\\record_audit_l11.py` - `\\reports\lead_audit.json` — Lead 审计档案：L1–L11 逐条发现、根因、修复与修复后复验证据 - `\\\\model_real_quality.py` - `\\\\record_audit_l12.py` - `\\\\record_audit_l13_l14.py` - `e:\n\n` - `\\\\model_production_compare.py` - `\\\\low_grounding_audit.py` - `\\\\record_audit_l15.py` - `T:\n\n` - `\\\\corpus_integrity.py` - `\\\\diagnose_stale.py` - `\\\\stale_impact.py` - `\\\\stale_root_cause.py` - `\\\\blind_spot_audit.py` - `\\\\index_freshness.py` - `n:\n\n` - `\\\\hashutil.py` - `\\\\refresh_index_hashes.py` - `\\\\record_audit_l16_l17.py` - `\\\\verify_provenance_fix.py` - `\\\\time_breakdown.py` - `\\\\bottleneck.py` - `\\\\waste_audit.py` - `\\\\field_grounding.py` - `\\\\invention_proxy.py` - `\\\\polarity_check.py` - `\\\\fix_polarity.py` - `\\\\record_audit_l18_l20.py` - `\\\\anti_trigger_check.py` - `\\\\fix_anti_triggers.py` - `\\\\record_audit_l21.py` - `s:\n\n` - `\\\\verify_batches.py` - `\\\\record_audit_l22.py` - `\\\\routing_reconcile.py` - `\\\\compare_assignment.py` - `\\\\routing_allocation.py` - `\\\\record_audit_l23.py` - `\\\\record_audit_l24.py` - `\\\\maintain.py` - `\\\\record_audit_l25.py` - `o:\n\n` - `\\\\spotcheck_sample.py` - `\\\\neg_gap_audit.py` - `\\\\backfill_guardrails_verbatim.py` - `\\\\validate_new_criteria.py` - `\\\\check_fabricated_commands.py` - `\\\\record_audit_l26_l28.py` - `\\\\review_top_deliverable.py` - `\\\\adjudicate_top_review.py` - `\\\\label_pessimism_audit.py` - `\\\\hard_rule_loss_audit.py` - `\\\\guardrails_verbatim_residual.py` - `\\\\record_audit_l29_l31.py` - `\\\\routing_window_audit.py` - `\\\\record_audit_l32.py` - `\\\\invented_fact_audit.py` - `\\\\correct_audit_l31_l33.py` - `\\\\hard_rule_miss_classify.py` - `\\\\correct_audit_l29_l34.py` - `\\\\local_cross_review.py` - `\\\\nested_export_gap.py` - `\\\\verify_nested_export.py` - `\\\\record_audit_l35_l36.py` - `\\\\reviewer_diagnose.py` - `\\\\reports\\cross_review_c.json\` - `\\\\record_audit_l37.py` - `\\\\record_audit_l38.py` - `\\\\stem_join_impact.py` - `\\\\record_audit_l39.py` - `\\.dsh\\skills` - `\\\\HANDOFF.md` - `\\\\record_audit_l40.py` - `\\HANDOFF.md` — 交接与状态说明（已更新到当前真实状态）：含最重要的运行事实、四子目标状态、稳健速率与 ETA、库「顺手化」结果、验命令、诚实缺口、14 条方法论规则 - `\\\\export_completeness_check.py` - `\\\\record_audit_l41.py` - `\\\\correct_audit_l38_l42.py` - `\\\\record_audit_l43.py` - `\\\\patch_l43_evidence.py` - `\\\\reports\\vendor_review_minimax_c.md` - `\\\\reports\\vendor_review_codebuddy_c.md` - `\\\\reports\\vendor_review_cursor_c.md` - `\\\\verify_vendor_omission.py` - `\\\\record_audit_l44.py` - `\\reports\vendor_review_minimax_c.md` — MiniMax Code 对名次 26–30 五张榜首卡的独立审阅（10 条指认，含卡片字段、源文行号与原句） - `\\reports\vendor_review_codebuddy_c.md` — CodeBuddy Code 对名次 31–35 五张卡的独立审阅（17 条指认，主动标注 2 处截断不可判定项） - `\\reports\vendor_review_cursor_c.md` — Cursor Agent 对名次 36–41 五张卡的独立审阅（14 条指认，同样标注截断不可判定项） - `\\\\reports\\corpus_survey.md\` - `\\\\corpus_survey.py` - `\\\\category_signal.py` - `\\\\dedup_catalog.py` - `\\\\dedup_revert.py` - `\\\\skill_taxonomy.py` - `\\\\taxonomy_sample.py` - `\\\\taxonomy_debug.py` - `\\\\unclassified_sample.py` - `p:\n\n` - `\\\\build_router.py` - `\\\\export_batches.py` - `\\\\catalog\\llm_out\\unclassified_01.minimax.txt` - `\\\\catalog\\llm_out\\unclassified_02.codebuddy.txt` - `\\\\catalog\\llm_out\\unclassified_03.cursor.txt` - `\\\\merge_llm_taxonomy.py` - `\\\\record_audit_l45.py` - `\\\\catalog\\ROUTER.md` - `\\\\catalog\\DEDUP.md` - `\\\\catalog\\CLASSIFY.md` - `\\catalog\ROUTER.md` — 重建后的技能路由索引（2.9 KB，27 个领域）：先读它选定领域，再只读那一个领域文件 - `\\catalog\DEDUP.md` — 去重目录：146 组重复、保留规则、非破坏性处置方式与撤销方法 - `\\catalog\CLASSIFY.md` — 分类目录：26 类受控词表、五层判据与各类数量 - `\\\\catalog\\llm_out\\unclassified_04.minimax.txt` - `\\\\catalog\\llm_out\\unclassified_05.codebuddy.txt` - `\\\\record_audit_l46.py` - `\\\\biggest_bucket_check.py` - `\\\\saas_family_check.py` - `\\\\add_saas_category.py` - `\\\\saas_false_positive.py` - `\\\\record_audit_l47.py` - `\\\\reports\\saas_family_check.md` - `\\reports\saas_family_check.md` — 缺类目测量与验证：为何新增 saas 类、131 个服务家族/1631 个技能的归属与误判率 - `\\\\description_quality.py` - `\\\\desc_rewrite.py` - `\\\\desc_review.py` - `\\\\desc_resolve_pointers.py` - `\\\\broken_shell_audit.py` - `\\.dsh\\skills-enabled\` - `\\\\pick_candidates.py` - `\\\\.dsh\\\\skills-enabled` - `\\\\record_audit_l48.py` - `\\\\catalog\\PICK.md` - `\\\\reports\\broken_shells.md` - `\