Agent-System-Dev/.task/genui-u1

U1 受控价值与选型试验（原型，任务 feature/generative-ui-u1）

依据：modules/documents/docs/proposals/2026-10-10-generative-ui-plugin.md U1 节； 试验参数经用户 2026-10-11 裁定（模型限 MiniMax M3 + M2.7-highspeed；材料限合成样本； 费用上限 ¥200）。本目录全部为原型实验件，不接入生产路径，不修改业务代码。

协议

• 任务集：fixtures.json（seed 20261011，确定性生成）。30 个固定任务： research-compare(rc)×10、task-overview(to)×10、requirement-input(ri)×10。 rc 内两组「同料不同目标」（facts-A/B：compare/risk/order 三目标共享同一材料）用于 R1 结构分化检验。
• 臂：
  • B（基线）：材料+目标 → Markdown 卡片（当前系统 submit_card 形态）。30 任务 ×1 次调用。
  • G（生成）：同一材料+目标 + 16 类 UINode 目录与硬限制 → JSON 页面规格； 校验失败带错误至多重提一次（KTD2 约定）。30 任务 ×（1+≤1 修复）。
  • G-hs（轻量档子集）：同 G 协议换 MiniMax-M2.7-highspeed，取前 10 任务对照成本/质量。
• 模型通道：https://api.minimaxi.com/v1（OpenAI 兼容；与 dev 实例 settings 同源）， 密钥经环境 MINIMAX_API_KEY 注入，不入仓。温度 0.3。
• 校验器（harness.py::validate_spec）对齐 modules/core/ui.go 16 类词汇： 未知类型/字段、非法 props、重复/非法 nodeId、引用不存在的 sourceId、>200 节点、>8 层、

  256KiB 均判无效（KTD5 纪律）。

• 护栏：单臂调用上限 B=60 / G=60 / G-hs=20；预算 >¥200 即停（run_trial.py 每次调用前核算）。 成本单价取 E5 任务卡记录（M3 $0.3/$1.2、hs $0.6/$2.4 每 M tokens 入/出，汇率 7.2，不计缓存折扣——保守）。

运行

export MINIMAX_API_KEY=…   # 运行时从 dev 实例 settings 取，不落盘
python3 gen_fixtures.py     # 已生成并提交；重跑逐字节一致
python3 run_trial.py --arm B
python3 run_trial.py --arm G
python3 run_trial.py --arm G-hs
python3 score.py            # → results/summary.json

断点续跑：results/<arm>/<task>.json 已完成即跳过。原始模型全文只存 results/ （合成材料，无真实数据；按 r1 约定评测原始材料不进 Documents）。

判据（对齐 r1「试点评价方法」可自动化部分）

• 规格有效率：G 首次合法 ≥90%、修复一次后 ≥98%（r1 建议目标）。
• R1 结构分化：同料不同目标的类型多重集 Jaccard 与主类型差异。
• 结构契合：预期节点类型出现比例（按族/目标）。
• 来源可追溯：specs 引用的 sourceId 覆盖率；幻觉引用（校验前）计数。
• 成本/延迟：每任务 token（含 cached 口径）与折算费用；B 对照。
• 人类可用性对照（完成耗时/满意度）不在本轮自动化范围，标注 NOT_RUN，留后续人工评审。