Merge pull request 'Add O2 A01 checkpoint evidence compliance design and plan' (#662) from feature/fast-slow-o2-a01-evidence-design into main

.task/archive/feature-fast-slow-o2-a01-evidence-design.md

@@ -0,0 +1,168 @@
+# feature/fast-slow-o2-a01-evidence-design 任务卡
+
+任务主记录：PR #662 https://git-home.u1680832.nyat.app:30319/weichen/Agent-System-Dev/pulls/662；状态：已完成（合入前闭合）；owner：weichen
+
+## 基线与授权
+
+- 权威仓：ssh://git@git-ssh.u1680832.nyat.app:31411/weichen/Agent-System-Dev.git；目标分支：main；R0（initial_base_sha）= 556201541c9a98f34fdad860cfad886af069279d
+- 工作区：/home/weichen/projects/Agent-System-Dev-wt-feature-fast-slow-o2-a01-evidence-design（worktree）；分支：feature/fast-slow-o2-a01-evidence-design
+- 分支类型：standalone；root_target：main；immediate_target：main；accepting_requirements：false
+- 需求分流：verdict=NEW；selected_initiative=无；requirement_sha256=df1a6812c2cf304f074b3d29139cfafd427960f9720935b99497ab67e5d2a646；triage_receipt=/tmp/o2a01d-20261020/triage.json；receipt_sha256=2828ea8adadd8f90cb348a28a7c750dfa85dc5a91f8d3e6877decdbed120ea27
+
+- 授权与交付终点：用户 2026-10-20 选定“立项：出设计和资源提案，方向是收紧说明并让评测允许修正一次（推荐，先零付费）”。本任务只交付方案、实施计划（入仓）与源码外资源提案，经 PR 合入 Dev 后请用户审阅。**未授权**：产品代码改动、派遣实施 worker、任何付费请求或 A01 复验、实例系统层配置写入、部署。
+- 交付模式：goal-first（目标、范围和交付终点一次确认；范围内连续推进）
+- 实施执行：agent-per-unit（配置：AGENT-EXECUTION.md）
+- 合入执行：agent（已授权交付范围内，Review 通过、冲突解决且当前 HEAD 的 CI 通过后合入）
+- 人工决策点：仅限目标/范围/验收变更、重大取舍、高后果操作或无法自动判定的业务验收
+- 当前阶段：方案与计划已成稿，待合入后人审；当前增量：D1（设计文档，无实施单元）
+- 流程依据：仓库根目录 policy/delivery.md（归档后仍按仓库根目录定位）
+
+## 目标与非目标
+
+**目标**：针对 O2 P1 第二段 A01 被核心校验拒绝（`checkpoint.evidence: direct relation cannot have result`）后评测立即停止的问题，产出零付费的方案与实施计划：收紧 `publish_work_checkpoint` 工具说明/字段说明与材料任务提示，让模型按 mode 填对 evidence；评测把“首次被拒即停”改为“累计 2 次即停”；并提出一次 A01 付费复验的资源提案。
+
+**非目标**：不改 core 校验器与宿主证据归一语义；不改 schema 结构（不引入 `oneOf`）；不改路由契约/传输层；不实施、不付费、不写实例配置、不部署。
+
+## Agent 实施收据
+
+路由与 fail-stop 规则见根目录 AGENT-EXECUTION.md 与 policy/delivery.md；每次尝试一行，原始日志留在源码外收据路径。
+
+| 单元 ID | 预期范围 | 配置摘要 | 角色 | 候选顺序 | attempt | CLI/模型 | 终态 | transport | fallback | 源码外收据路径 |
+|---|---|---|---|---|---|---|---|---|---|---|
+| 无（本任务仅 host 豁免路径：`.task/**`、`docs/superpowers/{specs,plans}/**`） | — | NOT_RUN | NOT_RUN | NOT_RUN | NOT_RUN | NOT_RUN | NOT_RUN | NOT_RUN | NOT_RUN | — |
+
+## 关联方向与规划
+
+- 适用状态：适用——快慢通道 O2 后续（O2 方案 `docs/superpowers/specs/2026-10-19-fast-slow-o2-route-contract-eof-design.md`；P1 结论见 `.task/archive/feature-fast-slow-o2-p1.md`）
+- 主记录路径/版本：本卡；方案与计划见下
+- 对应里程碑：快慢通道 O2 收口（A01 真实路由通过）
+
+## 需求分析
+
+| ID | 描述 | 项目符合度及依据 | 优先级 | 验收条件 | 依赖 | 结论 |
+|---|---|---|---|---|---|---|
+| R1 | 方案：定位 A01 被拒根因并给出说明收紧与评测修正一次的设计 | 符合：用户 2026-10-20 选定 design_both；根因由离线重放（SELF）确认 | P1 | 方案文档入仓，含根因、改动、非目标、替代方案、判定表 | P1 结论 | 已成稿 |
+| R2 | 实施与测试计划：单元范围、允许路径、离线测试与停止条件 | 符合：policy/delivery.md 计划阶段 | P1 | 计划文档入仓，测试全部零付费 | R1 | 已成稿 |
+| R3 | 一次 A01 付费复验资源提案（≤60,000 tokens） | 符合：付费须单独批准 | P2 | 源码外提案就位并请用户批准 | R1、R2 | 已成稿，待批准 |
+
+## 方案与计划
+
+- 方案引用：`docs/superpowers/specs/2026-10-20-fast-slow-o2-a01-evidence-design.md`（sha256 前缀 d99475c4ae6741ee；Backend 依据 74e5396）
+- 实施计划引用：`docs/superpowers/plans/2026-10-20-fast-slow-o2-a01-evidence-plan.md`（sha256 前缀 5925f66ae205d6d2；增量 I1 Backend、I2 Dev 改钉、P2 付费复验）
+- 测试计划引用：同计划 §2 T1–T9（全部离线；eval/live 用 -tags live 单独运行）
+- 资源提案：`~/.local/share/agent-system-evidence/fast-slow-o2-a01e-20261020/resource-proposal.md`（源码外，sha256 前缀 bd00293f0b8240e7）
+
+## 阶段记录
+
+| 阶段 | 对象版本 | 状态 | 决策/执行者 | 时间 | 依据 |
+|---|---|---|---|---|---|
+| 需求拆解 | R1–R3 | 完成 | host | 2026-10-20 | 用户选定 design_both |
+| 需求评估 | R1–R3 | 完成 | host | 2026-10-20 | 零付费调查与离线重放（SELF） |
+| 需求表确认 | R1–R3 | 完成 | 用户 | 2026-10-20 | AskQuestion a01_next=design_both |
+| 方案设计 | d99475c4ae6741ee | 成稿，待人审 | host | 2026-10-20 | 方案文档 |
+| 实施计划 | 5925f66ae205d6d2 | 成稿，待人审 | host | 2026-10-20 | 计划文档 |
+| 实施与自检 | — | 不适用（未授权实施） | — | — | 授权与交付终点 |
+| 正式测试与验收 | — | 不适用（仅文档） | — | — | — |
+| 代码 Review | 6db2d614 | PASS（第 2 轮） | code-reviewer 子智能体（fresh session） | 2026-10-20 | 见合入与清理节 Review 记录 |
+| 合入 | 待定 | 待执行 | — | — | — |
+| 合入核验与收口 | 待定 | 待执行 | — | — | — |
+
+## 探索试验与迭代
+
+| 增量/试验 | 假设 | 范围 | 判断和停止条件 | 授权/决策依据 | 结果 | 变更影响 | 需重审补测 |
+|---|---|---|---|---|---|---|---|
+| D0 离线重放 | A01 被拒源于 finding 0 在 direct_relation 下混入 total/phase 前提与 result | `/tmp/o2a01-replay`，同参数 + core 当前版本 | 重放能复现拒绝原因即止 | 零付费只读调查 | 复现：整检查点被拒；去掉 evidence 后通过（SELF） | 支撑方案 §2 根因 | 否 |
+
+## 同步记录
+
+| 节点 | sync_base_sha | tested_head_sha | checked_at |
+|---|---|---|---|
+| 启动 | 556201541c9a98f34fdad860cfad886af069279d | 556201541c9a98f34fdad860cfad886af069279d | 2026-10-20T14:12:47Z |
+
+## 证据（Evidence）
+
+<!-- CMD="<命令>" make evidence 写入；手抄/转写输出视为无效证据（AGENTS.md 证据与验证门禁）。 -->
+| 时间(UTC) | 命令 | 被测HEAD | exit | 来源 | sha256(16) |
+|---|---|---|---|---|---|
+
+## 交付调度
+
+- 调度状态：未入队；调度记录：无
+- entry_id：无；attempt_id：无；窗口执行者：无
+- 固定候选：无（base/head、组件与相关配置引用实际尝试）
+- 调度依据：policy/delivery.md#合入调度
+- 固定后证据：源码外 RECEIPT；实际结果后按授权原样导入和闭合
+
+## 结果与验证
+
+- 结果：方案、实施计划入仓；源码外资源提案就位；均待用户审阅。
+- 验证：文档任务，无代码测试（NOT_RUN 不适用）；PR CI 为准（`make test`+`make build`）。
+- 影响与剩余项：仅新增两份文档与本卡；产品行为不变。
+
+## 规划进展与下一步
+
+- 本次推进/剩余：O2 后续设计完成；剩余 I1/I2 实施与 P2 付费复验。
+- 首选下一任务：按计划实施 I1（Backend 单元 `o2a01e-i1-backend-evidence-guidance`）与 I2（Dev 改钉）
+- 推荐依据：零付费、范围限于 Backend 文案与评测代码，是付费复验的前置
+- 前置条件/待确认：用户批准方案与计划；P2 另需批准资源提案并重新放置路由文件
+- 预期产物/验收条件：计划 §2 T1–T9 通过、Backend 与 Dev PR 当前 HEAD CI 通过并合入
+- 重复任务核对：无在途同题任务或 PR（task-triage verdict=NEW）
+- 启动授权：未授权（待用户审阅）
+
+## 合入与清理
+
+- Review 记录：
+  - 第 1 轮：Cursor code-reviewer 子智能体（fresh_session=true，session `8826f456`，只读），base 556201541c / head 9c6c2f0，结论 BLOCK。B1：方案让分析类使用 `direct_relation`，但宿主仅对单一来源完整原句的 `material_record` 保留，其余转待确认；B2：`eval/live` 带 `live` 构建标签，计划验证命令会失败且 CI 不覆盖。host 复核两项属实（`material_evidence.go:215-227`；`go list ./eval/live/` exit 1），已修订方案 §2/§3.1/§3.2 与计划 §2（允许路径、T1/T4/T5、新增 T8/T9、验证命令）；非阻塞建议 1–5 一并吸收。
+  - 第 2 轮：Cursor code-reviewer 子智能体（fresh_session=true，新 session `c9f1fce3`，只读，未转交第 1 轮会话），head 6db2d614，结论 PASS；B1/B2 确认闭合，审阅者重放 `go test -tags live -run '^TestFollowupA01KeepsItsOwnOneShotResult$' ./eval/live/` 与 `go vet -tags live ./eval/live/` 通过（REPLAY，Backend 74e5396）。3 条非阻塞提示（T5 夹具同缺 `}`、无 evidence 的 `needs_user` 原文被替换、T3 比较基准）已作为澄清写入文档，未改变方案结论。
+- 冲突记录：task-sync 合入 main 7e19cf3（#661 卡闭合），无冲突；本变更仅文档与任务卡，无组件组合影响。
+- CI 记录：以 PR #662 合入时 HEAD 的必需检查为准（GATE，`make ci-wait SHA=<HEAD>` + 合入脚本核验 commit status=success）；HEAD 与运行结果见窗口释放评论（Agent-System-Dev#518）。
+- 合入记录：授权范围为本卡“授权与交付终点”（仅文档）；PR #662 合入 main，被核验 HEAD 与 merge commit 见窗口释放评论（Agent-System-Dev#518）。
+- 清理记录：合入后核对写者退出，于任务 worktree 运行 `TASK_WRITERS_STOPPED=1 make task-finish`；本卡随本 PR 闭合归档。
+
+<!-- Local receipt: SELF. Digests detect corruption; they do not authenticate a reviewer or CI. -->
+```json
+{
+  "summary_schema": 1,
+  "source": "SELF",
+  "timestamp": "2026-10-20T13:52:28.231377+00:00",
+  "command": "make precheck",
+  "exit_code": 0,
+  "cwd": "/home/weichen/projects/Agent-System-Dev",
+  "before_head": "556201541c9a98f34fdad860cfad886af069279d",
+  "after_head": "556201541c9a98f34fdad860cfad886af069279d",
+  "branch": "main",
+  "target_branch": "main",
+  "target_head": "556201541c9a98f34fdad860cfad886af069279d",
+  "root_target": "main",
+  "immediate_target": "main",
+  "before_tracked_diff_sha256": "e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855",
+  "after_tracked_diff_sha256": "e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855",
+  "output_tail": [
+    "make[1]: Entering directory '/home/weichen/projects/Agent-System-Dev'",
+    "[repo]   branch=main head=556201541c",
+    "[remote] origin/main=556201541c ahead=0 behind=0",
+    "[tree]   clean submodules_drift=0 uninit=0",
+    "[worktrees] linked=3",
+    "[initiatives] local cards (not authoritative): none",
+    "[hooks]   core.hooksPath=scripts/hooks（pre-commit/post-merge 实际接线）",
+    "[facts]   policy/facts.md 6 条事实均在有效期内",
+    "[required-reading] core/baseline.md, workflows/delivery.md §1, policy/delivery.md",
+    "[R0] 556201541c（完整：556201541c9a98f34fdad860cfad886af069279d）",
+    "[worktree] before-sync: recursive component checks passed",
+    "[verdict] READY — 保留本次 precheck receipt 后建任务工作区：PRECHECK_RECEIPT=/tmp/task-precheck.json make task-start NAME=feature/your-branch",
+    "make[1]: Leaving directory '/home/weichen/projects/Agent-System-Dev'"
+  ],
+  "output_sha256": "b9fa778a80fdbf2d33925aa16abddd250afd5dee536104a503c73e7e540bd62f",
+  "receipt_sha256": "2a13d032916edd33cee13cf74004a0f5feeabc71fa751e68d738adc425297196",
+  "receipt_path": "/home/weichen/.cache/agent-system-dev/evidence/2a13d032916edd33cee13cf74004a0f5feeabc71fa751e68d738adc425297196.json"
+}
+```
+| 同步（记录前对象） | 7e19cf3e182b566bdc48a7e690e44ff11b4ab33c | 25d22faae7726176c16ca4bcdf5ff0094af404a2 | 2026-10-20T14:24:43Z |
+
+## 闭合记录（合入前折叠）
+
+- 本卡在 PR #662（https://git-home.u1680832.nyat.app:30319/weichen/Agent-System-Dev/pulls/662）合入前闭合并归档，随该 PR 一同合入。
+- 该 PR 的合并提交即本任务的落地记录。
+- 合入后无需回填，也无需单独的闭合 PR。
+| 同步（记录前对象） | ed3847c85ce111a74f0cb100908abfb40f62db07 | 398e8e6ff91eb5109878f69c6a2ca6ef7c174513 | 2026-10-20T14:46:15Z |
+| 同步（记录前对象） | 6945b6701f7579bf4e31def283825e392c33ad16 | 316e087262219272af5f74a5f6758cc8e82919f2 | 2026-10-20T15:16:46Z |

docs/superpowers/plans/2026-10-20-fast-slow-o2-a01-evidence-plan.md

@@ -0,0 +1,73 @@
+# 快慢通道 O2 后续：A01 检查点证据合规 实施与测试计划
+
+- 状态：**计划稿，待人审**（与[方案](../specs/2026-10-20-fast-slow-o2-a01-evidence-design.md)同批评审）。人审通过前不派 worker、不改产品代码。
+- 日期：2026-10-20；作者：host；来源等级：SELF。
+- 实施执行：agent-per-unit（配置：AGENT-EXECUTION.md）；worker 不提交、不推送、不开 PR；host 负责范围审阅、权威验证、PR/CI/合入。
+- 付费与真实模型：I1/I2 零付费；P2 付费复验按资源提案单独批准。
+
+## 1. 交付切分与顺序
+
+| 增量 | 仓 | 内容 | 依赖 | 合入方式 |
+|---|---|---|---|---|
+| I1 | Backend | 说明/提示收紧（方案 §3.1）+ 评测允许修正一次与新标签（§3.2） | 无 | 组件仓 PR，当前 HEAD CI 通过后合入 |
+| I2 | Dev | `modules/backend` gitlink 前移到 I1 合入提交 | I1 | Dev PR，`make test` 组合验证 + 合入窗口 |
+| P2 | 证据目录 | 一次 A01 付费复验 | I2 + 用户批准资源提案 | 不入仓；结论写回后续任务卡 |
+
+I1 是一个可独立实施的单元：文案与评测两处改动都在 Backend 且共享同一验证命令，拆开只会增加一次派遣与一次 CI。
+
+## 2. I1 Backend（单元 `o2a01e-i1-backend-evidence-guidance`）
+
+**允许路径**（前缀）：
+
+- `internal/runtime/work_checkpoint.go`、`internal/runtime/work_checkpoint_test.go`
+- `internal/runmgr/material.go`
+- `internal/runmgr/material_sources_test.go`、`internal/runmgr/material_first_checkpoint_test.go`（提示断言所在文件）
+- `internal/runmgr/material_evidence_test.go`（宿主归一断言，只加测试，不改 `material_evidence.go`）
+- `internal/server/work_checkpoint_eval_test.go`、`internal/server/work_checkpoint_eval_budget_test.go`
+- `eval/live/work_checkpoints_test.go`
+
+**改动**：
+
+1. `checkpointDecl()`：按方案 §3.1 第 1、2 条重写 `Description`，并只给现有 schema 字段补 `description`；类型、枚举、`required`、`additionalProperties`、`minItems/maxItems` 与嵌套结构逐字不变。
+2. `material.go`：按方案 §3.1 第 3 条调整材料任务提示的三句；其余提示不动。
+3. `evalRejectedCheckpointPersisted` 改为返回被拒检查点去重计数；评测流按方案 §3.2 计算 `max(库内计数, 本次输入计数)`，达 2 才停，原因 `repeated rejected work checkpoint`，停止状态保持且判断优先于终态异常；库读失败仍 `checkpoint stop state unavailable`。
+4. 新标签：`evalA01Budget` 增加 `approved-o2-a01-evidence`（30,000、护栏开）；`checkpointEvalOutputName("A01", "approved-o2-a01-evidence")` → `candidate-o2-a01-evidence`。评测调用记录增加本样本被拒检查点计数字段。
+
+**测试**（全部离线、零付费）：
+
+| ID | 测试 | 断言 |
+|---|---|---|
+| T1 | 说明示例可校验 | 从 `Description` 抽出的示例 JSON（`material_record` 无 evidence、`material_record`+`direct_relation`、`difference`、`unresolved_relation`）套入最小合法检查点后 `core.ValidateWorkCheckpoint` 通过 |
+| T2 | 反例仍被拒 | `direct_relation` 带 result、`unresolved_relation` 带 result 均被核心校验拒绝（锁定说明与校验一致） |
+| T3 | Schema 结构不变 | 现有 `work_checkpoint_test.go` schema 断言保持通过；新增断言：新旧 schema **都**去掉全部 `description` 键后一致（旧 schema 的 `quote` 已带 description，不能直接与改动前原文比） |
+| T4 | 一次被拒可继续 | 改写 `TestEvaluationStopsPaidRequestsAfterRejectedCheckpoint`：先修正该测试 SSE 夹具缺失的结尾 `}`（否则真实调用会触发终态异常）；输入含 1 次被拒 → 允许 1 次 provider 调用且无错误；输入含 2 次被拒 → 不调用、原因 `repeated rejected work checkpoint`；其后再发一次无被拒输入的请求仍被拒（停止状态保持） |
+| T5 | 跨 run 累计 | 改写 `TestEvaluationStopsAcrossRunsAfterPersistedCheckpointRejection`（同样先修正其 SSE 夹具缺失的结尾 `}`；因 `terminalFault` 在同一评测流内保持，各子用例各用新的评测流与数据目录）：库内 1 次被拒 → 允许；2 次（不同 callId）→ 停；同一 callId 重复事件只计 1；库内 1 次 + 输入中同一次 → 仍只计 1 |
+| T6 | fail closed 不变 | `TestEvaluationFailsClosedWhenCheckpointEventsUnavailable` 保持通过 |
+| T7 | 新标签 | `evalA01Budget` 与 `checkpointEvalOutputName` 表驱动用例覆盖新标签；未知标签仍拒绝 |
+| T8 | 宿主降级与说明一致 | `material_evidence_test.go`：`analysis`+`direct_relation` 经 `normalizeMaterialEvidence` 转 `needs_user`；`material_record` 无 evidence 保持 `material_record` |
+| T9 | 提示约定 | 提示断言文件中断言材料任务提示含“原样记载用 material_record，只附 sources，不附 evidence”的约定 |
+
+**单元验证命令**（worker 自检与 host 权威验证相同）：
+
+1. `go test ./internal/runtime/ ./internal/runmgr/ ./internal/server/ -count=1`
+2. `go test -tags live -run '^TestFollowupA01KeepsItsOwnOneShotResult$' ./eval/live/ -count=1` 与 `go vet -tags live ./eval/live/`：`eval/live` 全部文件带 `//go:build live`，默认 `go test ./...` 与 Backend CI **不覆盖**，须单独运行；该用例为表驱动、不联网（2026-10-20 在 Backend 74e5396 本地实测通过，SELF）。不设置 `WORK_CHECKPOINT_SERVER_MODE`。
+3. host 另在 Backend 根目录运行 `go test ./... -count=1` 与 `go vet ./...` 各一次；PR CI 为准（不含第 2 条，由 host 经 `make evidence` 记录）。
+
+**越界即停**：需要改 core、schema 结构、生产停止逻辑或其他文件时，worker 以 `scope-expansion` 终止，由 host 请求授权。
+
+## 3. I2 Dev 组合
+
+- 前移 `modules/backend` 到 I1 合入提交；`make test` + `make build` 由 PR CI 验证；按合入窗口流程合入。
+- 不改 `pins/` 与其他组件；`task-pr-check` 通过后合入。
+
+## 4. P2 付费复验（不在本计划授权内）
+
+- 依据方案 §5、§6 与源码外资源提案执行一次 A01；标签 `approved-o2-a01-evidence`，数据目录名含 `fast-slow-u2-u3-`（如 `fast-slow-u2-u3-o2-a01e-model-data`）。
+- 候选二进制从 I2 合入后的 Dev 精确提交构建，记录 Dev/Backend SHA。
+- 结束后删除路由文件，判定按方案 §5 表格，结论与花费写入后续任务卡。
+
+## 5. 完成与停止
+
+- 本任务（设计）完成标准：方案、计划与源码外资源提案经 PR 合入 Dev，用户收到审阅请求。
+- I1/I2 在用户批准方案与计划后启动；P2 在用户单独批准资源提案后启动。
+- 任一单元 fail-stop 终态（`failed-unknown`、`scope-expansion`、`blocked` 等）立即停止并报告，不自动重试。

docs/superpowers/specs/2026-10-20-fast-slow-o2-a01-evidence-design.md

@@ -0,0 +1,93 @@
+# 快慢通道 O2 后续：A01 检查点证据合规方案
+
+- 状态：**方案稿，待人审。** 本文不授权产品代码改动、付费请求、A01 复验、实例配置写入或部署；人审通过后才按配套计划派 worker 实施零付费部分，付费复验按[资源提案](#6-付费复验资源提案摘要)单独批准。
+- 日期：2026-10-20；作者：host（只读调查与文档撰写）；来源等级：SELF。
+- 决策来源：用户 2026-10-20 选定“立项：出设计和资源提案，方向是收紧说明并让评测允许修正一次（推荐，先零付费）”。
+- 前序：[O2 方案](2026-10-19-fast-slow-o2-route-contract-eof-design.md)；P1 结论见归档卡 `.task/archive/feature-fast-slow-o2-p1.md`（限路由契约在真实路由上有效；A01 停在应用层证据合规）。
+- 配套计划：[实施与测试计划](../plans/2026-10-20-fast-slow-o2-a01-evidence-plan.md)。
+
+## 1. 目标与非目标
+
+**目标**：让 A01 在已生效的限路由契约下，第一批检查点按工具约定发布成功；偶发一次不合规时，评测允许模型按工具结果修正一次，而不是立即判失败。
+
+**非目标**：
+
+- 不改 `agent-system-core` 校验器（`validateWorkFindingEvidence`）与宿主证据归一（`normalizeMaterialEvidence`）语义；“不合规证据软降级为待确认”另行讨论（§5）。
+- 不改工具 JSON Schema 结构（不引入 `oneOf`/条件 schema）；不改路由契约、传输层或 `[DONE]` 判定。
+- 不放宽评测质量判据（仍要求至少 2 个 running 检查点落库并经独立评估）；不改预算上限的数值口径。
+- 不写实例系统层配置、不部署。
+
+## 2. 现状与根因（零付费调查）
+
+**A01 事实**（P1 第二段，收据 `a01-run-receipt.json` sha256 前缀 `7e3583a8`）：第一批检查点被核心校验拒绝：`checkpoint.evidence: direct relation cannot have result`。离线重放（同一参数、`agent-system-core` 当前版本）得到：finding 0 为 `kind=material_record`、`mode=direct_relation`，却带 `total=2`、`phase=1` 两个前提与 `result=8`；去掉 evidence 后同一 finding 校验通过。评测随即按“检查点被拒即停”停止全部付费请求，样本终止。
+
+| 位置 | 现行行为 | 问题 |
+|---|---|---|
+| Backend `internal/runtime/work_checkpoint.go` `checkpointDecl()` | 工具说明用一句话并列三种 mode；schema 为单一扁平对象：`mode` 枚举、`premises[].role` 四值枚举、`result` 可选 | schema 允许任意 mode 搭配任意 role/value/result；各 mode 的必填与禁填只在核心校验器里，模型看不到 |
+| Backend `internal/runmgr/material.go`（材料任务提示） | “分析判断必须写 assumptions，并说明单位、算式或前提”；“数字或分期归属用 evidence 给依据” | 未说明 `material_record` 不需要 evidence；“算式或前提”推动模型给原样记载也补数字前提 |
+| core `task_snapshot.go` `validateWorkFindingEvidence` | `direct_relation`：恰 1 个 `direct_relation` 前提、无 value、无 result；`difference`：total、phase 带值且有 result；`unresolved_relation`：total、phase、dependent 带值、无 result | 一条 finding 不合规即整次检查点被拒（工具说明称“宿主会改为待确认”，与此不一致） |
+| Backend `runmgr/material_evidence.go` `normalizeMaterialEvidence` | 无 evidence 的 `material_record` 由宿主扩展为整句并按原句展示（原句语境不唯一则转待确认）；无 evidence 的非审慎分析转待确认；`direct_relation` **仅当** kind 为 `material_record`、单一来源、短引即完整原句且原句明确表达关系时保留，其余一律转待确认；`difference` 要求 `result == total − phase`，否则转待确认 | 正常路径本已支持“原样记载不附 evidence”；分析类使用 `direct_relation` 必然被降级 |
+| Backend `internal/server/work_checkpoint_eval_test.go` 评测流 | 输入中出现被拒的 `publish_work_checkpoint` 工具结果，或库内已落一次被拒结果 → 停止后续全部付费请求 | 比生产严格：生产（`runtime/sub_loop.go`）把错误结果回给模型并继续 |
+
+**根因**：模型看不到“按 mode 的必填/禁填”，提示又鼓励给记载补前提；而评测对首个不合规零容忍。前者是主因，后者把一次可修正的偏差放大为整样本失败。
+
+## 3. 方案
+
+### 3.1 收紧工具说明与任务提示（生产可见，零付费）
+
+1. **工具说明**（`checkpointDecl().Description`）改为分条写清：
+   - `material_record` 默认只引用原句，**不附 evidence**（宿主扩展为整句并按原句展示）。
+   - 唯一例外：原句本身明确表达关系（如“第二期包含3项依赖外部接口的需求”）时，`material_record` 可附 `direct_relation`：单一来源、短引即完整原句、恰 1 个前提 `{role:"direct_relation", sourceIndex:0}`，**不写 value、不写 result**；不满足这些条件宿主会转待确认。
+   - `analysis`/`provisional`/`needs_user` 里的数字或分期归属用以下两种 mode 之一（每条 finding 只选一种；不要用 `direct_relation`，宿主会转待确认）：
+     - `difference`：前提 `total`、`phase` 各 1 个且都写 value；`result` 必须等于 total − phase。
+     - `unresolved_relation`：前提 `total`、`phase`、`dependent` 各 1 个且都写 value；**不写 result**。
+   - 各给一个最小 JSON 示例（字段名与 schema 一致）。
+   - 删除“宿主会把不能证明的判断改为待确认”中与校验器不一致的承诺，改为如实描述两类结果：(a) evidence 结构不符（如 `direct_relation` 带 result）会**整次被拒**并在工具结果给出原因，须按原因修正后重发；(b) 结构合规但宿主核不上的——前提数字与短引不符、`direct_relation` 不满足上述条件、原句语境不唯一、无 evidence 的非审慎分析、无 evidence 的 `needs_user`（原文会被替换为通用待确认文案）——该条转为待确认并在工具结果说明。
+2. **Schema 字段说明**：仅在现有字段上补 `description`（`evidence`、`mode`、`premises`、`role`、`value`、`result`），写明上面的按 mode 约束；**不改类型、枚举、必填和嵌套结构**，不引入 `oneOf`（部分 OpenAI 兼容服务对复合 schema 支持不确定）。
+3. **材料任务提示**（`material.go`）：把“分析判断必须写 assumptions，并说明单位、算式或前提”限定为分析类；补一句“原样记载用 material_record，只附 sources，不附 evidence”；保留现有 12/8/3 反例。
+
+**测试锚点**：
+
+- 说明中的每个 JSON 示例在测试里抽出并经 `core.ValidateWorkCheckpoint`（套入最小合法检查点）校验通过；反例（`direct_relation` 带 result）断言被拒。
+- 宿主归一层（`normalizeMaterialEvidence`）补断言：`analysis` + `direct_relation` 转 `needs_user`；`material_record` 无 evidence 保持原样记载——锁定说明所述的降级行为与宿主一致。
+- 材料任务提示补断言：含“原样记载不附 evidence”的约定。
+- 不以整段文案做快照断言，避免文案调整引起脆弱失败。
+
+### 3.2 评测允许修正一次（仅评测代码）
+
+- 现行“首个被拒即停”改为：**同一评测数据目录内，被拒的 `publish_work_checkpoint` 结果累计达 2 次即停**，原因串改为 `repeated rejected work checkpoint`；第 1 次被拒后允许继续请求，让模型按工具结果修正。
+- 计数口径：库内按 `(conversation, run, callId)` 去重的被拒检查点数，与当前请求输入中被拒检查点工具消息数取较大值（同一次被拒同时出现在库与输入中只计 1）；库不可读仍 fail closed（原因不变）。停止状态一旦触发即保持，后续请求一律拒绝；被拒判断优先于终态异常等其他原因。
+- 已知边界：生产写 `tool.result` 事件时忽略写入错误（`runtime/sub_loop.go`），若事件未落库且两次被拒分属不同 run，可能少计一次、多放行一次请求；该请求仍受预算与单 run 调用上限约束，不阻塞本方案。
+- 其余停止条件（预算、单 run 8 次调用、6 个 run、终态异常、用量不可得）全部不变；修正请求同样计入这些上限。
+- 评测输出新增已批准标签（见 §6），不复用 `approved-r04-20261014`；该标签沿用 A01 30,000 token 画像上限与护栏。
+- 评测调用记录写入每次调用前的被拒计数；因最后一次被拒可能发生在最后一次调用之后，**判定以收尾时库内去重计数为准**，供独立评估区分“一次修正后通过”与“首发即通过”。
+
+### 3.3 不做的替代方案
+
+| 方案 | 不选原因 |
+|---|---|
+| Schema 改为按 mode 的 `oneOf` | 模型侧约束最强，但 provider 对复合 schema 的支持未核实，可能整体拒绝工具或静默忽略；收益不确定且扩大验证面 |
+| 核心校验器对不合规 evidence 软降级为待确认 | 改变核心契约与跨仓语义，影响生产展示；作为二次失败后的候选（§5） |
+| 只改评测不改说明 | 修正一次能掩盖说明缺陷，但每个样本多花一轮，且生产用户仍会看到被拒结果 |
+
+## 4. 影响面与风险
+
+- 生产：仅改模型可见文案与 schema 字段说明；校验与归一逻辑不变。风险是模型更少附 evidence，结果更多显示为“待确认”——这是当前设计允许的保守方向。
+- 评测：只放宽“被拒即停”的次数，预算与调用上限不变，最坏额外消耗受同一上限约束。
+- 跨仓：仅 Backend 一个组件仓 PR + Dev gitlink 组合 PR；不触 core、Agent-Native、Frontend/UI。
+
+## 5. 付费复验判定
+
+| 结果 | 判定 | 后续 |
+|---|---|---|
+| 首发检查点即合规，≥2 个 running 检查点落库，最终正文完整且独立评估通过 | PASS | O2 收口；是否写实例契约配置另行决策 |
+| 第 1 次被拒、修正后合规，其余同上 | PASS（附注：说明仍有缺口） | 记录被拒原因，评估是否需进一步收紧 |
+| 被拒 2 次 | FAIL（证据合规） | 提出“核心软降级”方案另行评审，不追加付费 |
+| 传输终态、预算、用量等其他原因停止 | 按原因归类，不计入本方案结论 | 按原因另行处理，不自动重跑 |
+
+## 6. 付费复验资源提案（摘要）
+
+- 范围：在本方案零付费部分合入 Dev 后，一次 A01（同一 MiniMax-M3 路由 + 已验证的限路由契约），不重跑、不扩样本。
+- 上限：报告 token ≤ 60,000（`WORK_CHECKPOINT_REMAINING_TOKENS=60000`）；单 run ≤ 8 次调用；被拒检查点达 2 次即停。
+- 前置：用户重新放置路由文件（P1 结束后已删除）；host 只核验权限、哈希、模型、主机、key 是否存在及三元组摘要，不读取或回显 key。
+- 详细提案（逐项命令、收据路径、停止规则）放在源码外证据目录，人审时一并提供；本提案不随本文获批，须用户单独批准。