Document the U3 r0.3 evidence implementation plan

Why: The approved r0.3 design needs a reviewable implementation and validation path.

Evidence: Design approval recorded in the task conversation; plan self-reviewed against the spec and current Core/Backend interfaces; git diff --cached --check passed.

Impact: Documentation only; semantic code and paid model trials remain unapproved.

Refs: Dev task feature/fast-slow-u2-u3-plan; Documents PR #95

docs/proposals/2026-10-13-fast-slow-u3-r03-evidence-backed-judgments-design.md

@@ -1,6 +1,6 @@
-# U3 r0.3：有依据的阶段判断（书面设计草案）
+# U3 r0.3：有依据的阶段判断
 
-状态：**待用户审阅**。用户已选择“保留阶段判断，数字和归属须有可验证依据；不能证明就标待确认；不增加模型调用”的设计方向，并授权先提交本文。本文不授权语义校验代码改动、新付费模型样本、合入或部署。
+状态：**书面设计已于 2026-10-13 获用户批准，进入[详细实施计划](2026-10-13-fast-slow-u3-r03-evidence-implementation-plan.md)评审**。用户选择“保留阶段判断，数字和归属须有可验证依据；不能证明就标待确认；不增加模型调用”。设计批准不授权语义校验代码改动、新付费模型样本、合入或部署。
 
 关联：[U2/U3 原计划](2026-10-13-fast-slow-u2-u3-plan.md)、[r0.2 质量设计](2026-10-13-fast-slow-u3-quality-revision.md)、[r0.2 实施计划](2026-10-13-fast-slow-u3-quality-implementation-plan.md)及[真实样本核验](../reports/2026-10-13-fast-slow-u2-u3-validation.md)。既有任务卡、来源权限、执行权和三栏工作台继续有效。
 

docs/proposals/2026-10-13-fast-slow-u3-r03-evidence-implementation-plan.md

@@ -0,0 +1,144 @@
+# U3 r0.3 有依据的阶段判断 Implementation Plan
+
+> **For agentic workers:** REQUIRED SUB-SKILL: Use superpowers:subagent-driven-development (recommended) or superpowers:executing-plans to implement this plan task-by-task. Steps use checkbox (`- [ ]`) syntax for tracking. 本计划是**待人工评审的阶段5产物**；用户只批准了[书面设计](2026-10-13-fast-slow-u3-r03-evidence-backed-judgments-design.md)，尚未授权 r0.3 语义代码实施或新付费样本。
+
+**Goal:** 保留同一任务卡中有用的阶段判断；数字、集合归属和决定状态没有可核对依据时，只显示待确认问题，不把模型的肯定句当成事实。
+
+**Architecture:** Core 为材料检查点候选增加可选结构化依据；Backend 沿既有来源注册表校验短引与有限数量关系，把可复算结论或未定关系归一化，再用现有 CAS 一次提交。UI 仍消费原有 `material_record`、`analysis`、`needs_user`；不增页面、按钮、数据库表或模型回合。真实模型质量仍须另行授权验证。
+
+**Tech Stack:** Go、Core Go/TypeScript 契约、Backend runmgr/runtime、SQLite/PostgreSQL、React/TypeScript、Vitest、Playwright、Dev `make evidence` 与 Gitea CI。
+
+**Spec:** [U3 r0.3 书面设计](2026-10-13-fast-slow-u3-r03-evidence-backed-judgments-design.md)；失败依据在[U2/U3 核验报告](../reports/2026-10-13-fast-slow-u2-u3-validation.md)。初始工作区沿用已登记的 Dev `feature/fast-slow-u2-u3-plan`，不重做本任务 precheck、不创建第二份任务卡。r0.2 唯一 A01 的 `46,154` Usage、语义 FAIL 和原始文件均不改判。用户已于 2026-10-13 批准书面设计进入本计划；本计划自身待人工评审。
+
+## Global Constraints
+
+- **阶段边界：** 本计划获人工批准后才改 r0.3 语义代码；真实模型样本仍须另外固定 run/Usage/在途风险并单独批准。旧授权已用尽，不自动重试。新样本任一语义或停止规则失败，六 PR 保持草稿，不合入或部署。
+- **既有能力：** 不改 TaskSnapshot 数据表、事件序号、owner/project/attempt/epoch 权限、连续原文引用、历史更正与最终正文所有者。来源无效/版本漂移仍整批拒绝；依据不足但来源有效则安全归一化，并将同批结果一次 CAS 保存。
+- **界面：** 左侧上下文、中间对话、右侧工作/文件不变；默认最多三项普通发现，关键 `needs_user` 可见，历史和依据仍用 `@ui` Collapsible。颜色/字号/圆角仅用 `@ui/tokens.css`，动效仅用 `@ui/motion.css`；异步状态唯一所有者仍是 Frontend store，旧 seq 丢弃。
+- **成本：** 不增摘要/审核模型回合，不改生产路由或默许提高预算；依据字段增加 token 的影响必须离线量化，最终答复预留按真实返回 Usage 继续生效。
+- **治理：** 实施首步先核对并同步已推进的权威 main，组件各自提交后推进 Dev gitlink；已有任务不重复 `make precheck`。验收、请求审核和合入前分别以 `CMD='make task-sync' make evidence` 同步；组合 `make test && make build` 的完整 SELF 收据由工具导入任务卡。独立 REVIEW/REPLAY 与精确 HEAD GATE 分开标记，禁止用旧 SHA CI 放行。
+
+## File Map and Interfaces
+
+| 单元 | 文件 | 职责 |
+|---|---|---|
+| 候选契约 | `modules/core/task_snapshot.go`、`task_snapshot_test.go`、`ts/types.ts` | 可选 `WorkFindingEvidence`，只约束候选，不改持久 TaskFinding；`sourceIndex` 指向同条现有 `sources` |
+| 原文计数 | `modules/backend/internal/runmgr/material_evidence.go`、`material_evidence_test.go` | 在已校验来源短引中识别有限的总量/首期/依赖数量，算差额和可能交集，未知降级 |
+| 提交与提示 | `modules/backend/internal/runmgr/task_checkpoint.go`、`material.go`、`material_sources.go`、相关测试；`internal/runtime/work_checkpoint.go` | 全字段风险检查、单批归一化/CAS、工具 JSON、归一化回执与 v9 处理配方 |
+| 类型镜像/展示 | `modules/frontend/src/contracts.ts`、`modules/ui/src/contracts.ts`（`make contracts` 生成）；`modules/ui/test/progressive-cards.test.tsx`、`modules/frontend/test/work-state.test.ts` | 消费相同现有卡片类别，待确认默认可见、历史/阅读无回退；无新页面 |
+| 组合和记录 | Dev gitlinks、`.task/feature-fast-slow-u2-u3-plan.md`、Documents 核验报告 | 精确 SHA、SQLite/PG/浏览器、独立评审、草稿 PR 和结果出口 |
+
+候选新增的内部契约固定为：
+
+```go
+type WorkEvidencePremise struct {
+    Role string `json:"role"` // total, phase, dependent, direct_relation
+    SourceIndex int `json:"sourceIndex"` // index into this finding's Sources
+    Value *int `json:"value,omitempty"`
+}
+type WorkFindingEvidence struct {
+    Mode string `json:"mode"` // direct_relation, difference, unresolved_relation
+    Premises []WorkEvidencePremise `json:"premises"`
+    Result *int `json:"result,omitempty"` // only difference
+}
+// Add to existing WorkFindingCandidate only:
+Evidence *WorkFindingEvidence `json:"evidence,omitempty"`
+```
+
+Core 只验证枚举、数量、索引、字段组合和现有 16KiB 候选上限。Backend 的 `normalizeMaterialEvidence(candidate core.WorkCheckpointCandidate, sources materialSourceRegistry) (core.WorkCheckpointCandidate, []string, error)` 对已验短引、数值角色和关系作安全归一化：返回归一化候选、给工具结果看的简短说明、或必须整批拒绝的错误。实现时用 `TaskFinding` 原有类别和 `Sources/Assumptions` 保存输出，不引入新表。`direct_relation` 仅允许 `material_record`，只在短引本身明确写出关系时按现有宿主路径展示原文；`difference` 由宿主生成 `analysis` 和 `total-phase` 算式及“推算”；`unresolved_relation` 对可验证的三个计数计算交集范围，范围不唯一时由宿主生成 `needs_user`，范围唯一时也只由宿主生成有前提的判断，均不复制模型肯定归属句。现有无依据的 `material_record` 原文路径继续有效。
+
+有限识别只接受短引中明确的“总/包含 N 项”“第一期 N 项”“其中 N 项依赖外部接口”等受支持中文数量语法及直接关系原句；超过已提供前缀、单位不一致、多个无法消歧的数字、陌生表述均走待确认。**不声称通用自然语言蕴含证明**。风险检查同时覆盖 findings 的 text/impact/assumptions 和 focus/remaining/nextStep；后者不能携带未经证明的归属或决定肯定句，必要时由宿主替换为中性进度/待核对说明。结构合法但原文不能证明的依据按“待确认”处理；sourceId/版本/权限不合法仍整批拒绝。
+
+## Review Focus
+
+1. **数字同句多义：** “第一期8项、第二期4项”不能把第二个数字当首期；单位“万元/项”不得交叉计算。Task 2 的多数字/混合单位 RED 用例必须保守降级。
+2. **来源重复与截断：** 相同文字在两个文件、无 Origin、或来源只提供了首段时，`sourceIndex` 不得越权引用另一个块。Task 2 的来源映射与版本 RED 用例必须整批拒绝伪造来源。
+3. **旁路字段：** findings 正确但 focus/remaining/nextStep 称“已决定第二期含3项”时，默认卡不能泄露该肯定句。Task 3 的全字段投影测试必须验证中性替换。
+4. **混合批次：** 一条有效差额、一条归属未定、一条来源无效：前两者可在来源均合法时原子归一化；来源无效时全部不提交，且没有后继付费请求。Task 3 的 CAS/拒绝/幂等测试覆盖。
+5. **预算和阅读回归：** 结构化依据扩大提示后，final-only 仍为最终正文留额度；待确认发现刷新/窄屏/来源跳转不抢文件和焦点。Task 4 的 fake-stream、UI/Frontend 与真实 HTTP 浏览器测试覆盖。
+
+---
+
+### Task 1：Core 候选依据契约
+
+**Files:** Modify `modules/core/task_snapshot.go`、`task_snapshot_test.go`、`ts/types.ts`；不改 `TaskSnapshot`/`TaskFinding` 和数据库。
+
+**Interfaces:** `WorkFindingCandidate.Evidence *WorkFindingEvidence`；`SourceIndex` 只引用同一 finding 的 `Sources`。Core 的 `ValidateWorkCheckpoint` 验证 `direct_relation` 恰一条关系前提且无 Result；`difference` 恰有 total/phase 两项且有 Result；`unresolved_relation` 恰有 total/phase/dependent 三项且无 Result。整数范围 `0..1,000,000`，同一模式不允许重复 role，索引须 `0 <= index < len(Sources)`；计算与原文语义交给 Backend。
+
+- [ ] **Step 0: 在现有任务工作区同步基线。** 确认当前 Root/组件提交及任务卡收据已保存，使用 `RECEIPT=/tmp/fast-slow-u3-r03-first-sync-20261013.json CMD='make task-sync' make evidence`；导入原始收据。先核对最新 main 的项目成员/公开契约差异，遇到需改变本设计的冲突停在计划阶段。组件分支随后以同一权威主干处理各自合并；不得用旧 r0.2 组合假定兼容。
+- [ ] **Step 1: 写 RED。** 在 `task_snapshot_test.go` 用现有合法候选加 `Evidence`，表驱动覆盖三个模式的合法组合、索引越界、负数、重复 role、未知 mode、difference 缺结果、unresolved 偷带结果以及候选 JSON 不超过现有16KiB工具上限。TS `types.ts` 增加同名可选字段后，构建期校验生成镜像一致。
+
+  ```go
+  candidate.Findings[0].Evidence = &WorkFindingEvidence{Mode: "difference", Premises: []WorkEvidencePremise{
+      {Role: "total", SourceIndex: 0, Value: intPtr(12)},
+      {Role: "phase", SourceIndex: 1, Value: intPtr(8)},
+  }, Result: intPtr(4)}
+  if err := ValidateWorkCheckpoint(candidate); err != nil { t.Fatal(err) }
+  ```
+- [ ] **Step 2: 跑 RED。** `cd modules/core && go test ./... -run 'TestWorkCheckpointEvidence' -count=1`；预期新类型/校验缺失。
+- [ ] **Step 3: 实现 Core 类型与结构校验。** 仅增加上述候选字段及 `ValidateWorkCheckpoint` 的有限模式检查；TS 权威镜像同步，不增加状态枚举或前端行为。
+- [ ] **Step 4: 跑 GREEN。** `cd modules/core && go test ./... -count=1`；检查 `git diff --check` 和 Go/TS 字段名一致。
+- [ ] **Step 5: 独立提交 Core。** 主题行英文祈使，body 写 `Why:/Evidence:/Impact:/Refs:`；Dev 指针留到 Task 4 统一绑定。
+
+### Task 2：Backend 纯依据判定与保守降级
+
+**Files:** Create `modules/backend/internal/runmgr/material_evidence.go`、`material_evidence_test.go`；Backend 内嵌 `deps/agent-system-core` 指向 Task 1 精确 SHA。组件同步若涉及权限/公开契约取舍，暂停并交人工决定。
+
+**Interfaces:** `normalizeMaterialEvidence(core.WorkCheckpointCandidate, materialSourceRegistry) (core.WorkCheckpointCandidate, []string, error)` 不写库、不调用模型；调用方先对全部 `sources` 执行 `registry.validate` 与持久原件校验，函数只使用已提供前缀和候选中的同条来源短引。`parseCountPremise(quote, role, value) bool` 只识别受支持数量模式。`difference` 由宿主重新计算 result；`unresolved_relation` 用 `remaining=total-phase`、`low=max(0,dependent-phase)`、`high=min(dependent,remaining)`，`low!=high` 时把对应 finding 改为 `needs_user`、清空模型肯定 text/impact、填入宿主文字与真实来源；`low==high` 时也只发布宿主生成的、附前提的确定数量关系。前提数值超出总量安全降级，绝不输出伪算式。
+
+- [ ] **Step 1: 写 RED。** 用 r0.2 A01 的三份首段构造来源注册表及候选：错误 `phase-list-gap` 不得保存“剩余4项包含3项”；12−8＝4可保留为带“推算”的判断；明确原句“第二期包含3项依赖外部接口”可展示原文；0–3的未定交集转待确认。另覆盖 `12项/8万元`、同句两个阶段数字、来源重复、无 Origin、截断块、旧 parserRevision 和陌生数词。
+
+  ```go
+  normalized, notes, err := normalizeMaterialEvidence(candidate, sources)
+  if err != nil { t.Fatal(err) }
+  if normalized.Findings[0].Kind != "needs_user" || strings.Contains(normalized.Findings[0].Text, "其中包含3项") {
+      t.Fatal("unsupported phase membership escaped", normalized.Findings[0])
+  }
+  if len(notes) == 0 { t.Fatal("model was not told that the claim became pending") }
+  ```
+- [ ] **Step 2: 跑 RED。** `cd modules/backend && go test ./internal/runmgr -run 'TestMaterialEvidence|TestMaterialSetBounds' -count=1`；预期未实现或错误断言失败。
+- [ ] **Step 3: 实现最小纯函数。** 原文直接关系优先保留 quote 的字面展示；仅支持 `total/phase/dependent` 的有限角色和一致单位。自由文本中 `已决定/已批准/其中/包含/属于/剩余/第一期/第二期` 与数量或归属共现、却无可验证依据时，产出通用待确认句，不原样回显风险词句；不认识的表达也走保守路径。
+- [ ] **Step 4: 跑 GREEN 与现有审批边界。** `go test ./internal/runmgr -run 'TestMaterialEvidence|TestMaterialSetBounds|TestMaterialApprovalClaims|TestMaterialSource' -count=1`；测试未触发的普通分析仍带“待核对”，否定/疑问审批表达不误拒。
+- [ ] **Step 5: 自审并提交 Backend 独立提交。** 记录识别语言的有限范围及未知降级成本，不声称通用语义正确性。
+
+### Task 3：一次提交、提示与预算兼容
+
+**Files:** Modify `modules/backend/internal/runmgr/task_checkpoint.go`、`task_checkpoint_test.go`、`material.go`、`material_sources.go`、`material_sources_test.go`；modify `modules/backend/internal/runtime/work_checkpoint.go`、`work_checkpoint_test.go`。不改已经落盘的 r0.2 样本、数据库表或 SSE 契约。
+
+**Interfaces:** `PublishWorkCheckpoint` 先结构校验和**全部**来源合法性，再调用 Task 2 纯函数归一化与审批/全字段风险守卫，最后沿现有 `CommitTaskSources` 做一次 CAS。Backend 对所有模型文本和结果文本都做守卫；有明确原文的 `material_record` 沿现有宿主引用路径显示。有效来源但不唯一的关系提交 `needs_user`；来源伪造、hash/版本漂移、JSON未知字段或越权依旧整个检查点失败。`runtime.WorkCheckpointSink.PublishWorkCheckpoint` 从 `error` 改为 `(string,error)`，`runCtx` 在 CAS 成功后才返回简短归一化回执；`publishCheckpoint` 将回执附在既有成功消息，供正常下一轮模型看见，不新增 provider 调用。处理配方从 `material-recipe.v8` 到 `material-recipe.v9`。
+
+- [ ] **Step 1: 写 RED。** `task_checkpoint_test.go` 用 SQLite 断言“有效差额+未定关系”同批一次提交、无伪造肯定句；同批再加非法 sourceId 后整个批次零提交且已保存旧成果不丢；幂等同 ID 不重复计数，更正旧 finding 保留历史。`work_checkpoint_test.go` 的假 stream 断言工具成功消息说明“转待确认”，仍只有既有最终答复请求；focus/remaining/nextStep 注入无依据决定句会被中性化。
+
+  ```go
+  before := card.Task.Revision
+  receipt, err := ctx.PublishWorkCheckpoint(mixedCandidate)
+  if err != nil { t.Fatal(err) }
+  if !strings.Contains(receipt, "待确认") { t.Fatal(receipt) }
+  after, _ := store.GetCard(owner, card.ID)
+  if after.Task.Revision != before+1 || after.Task.Findings[len(after.Task.Findings)-1].Kind != "needs_user" {
+      t.Fatal("mixed batch was not normalized atomically")
+  }
+  ```
+- [ ] **Step 2: 跑 RED。** `cd modules/backend && go test ./internal/runmgr ./internal/runtime -run 'TestWorkCheckpointEvidence|TestMaterialFinalReserve' -count=1`。
+- [ ] **Step 3: 连接校验与工具说明。** 更新严格 JSON schema 的可选 evidence；将 `WorkCheckpointSink`、`runCtx` 与现有单测调用点一起迁移到 `(string,error)`，使同一 checkpointId 幂等重发也能返回同一安全说明。材料任务提示只说明三种依据及未知归属要转待确认，不重复整份来源索引；工具结果回报归一化原因但不向默认UI暴露 sourceId。完整来源/阶段状态仍由宿主唯一拥有。
+- [ ] **Step 4: 跑 GREEN 与失败恢复。** `go test ./internal/runmgr ./internal/runtime -count=1`，加 `go test -tags live ./internal/server -run 'TestMechanismSourceExtractionAfterSourceOnce|TestEvaluationStops' -count=1`；离线比对 A01 输入与工具 schema 字符数/估算 token，若最终预留明显不足，停下来重新评审预算策略，不能私自提高额度。
+- [ ] **Step 5: 提交 Backend。** 精确记录 Core gitlink、新配方版本、RED/GREEN、正常/拒绝路径，不把假 stream 称为模型质量证明。
+
+### Task 4：组合、真实数据库与既有阅读界面
+
+**Files:** Update generated `modules/frontend/src/contracts.ts`、`modules/ui/src/contracts.ts` only through `make contracts`；add/adjust `modules/ui/test/progressive-cards.test.tsx` and `modules/frontend/test/work-state.test.ts` if the current behavior is not already covered；update Dev component gitlinks and task card。任何新视觉令牌、页面、store 所有权或公开 TaskSnapshot 字段需求须回设计评审。
+
+- [ ] **Step 1: 同步后的组件核对。** 复查 Task 1 的权威 main 同步记录和 Core/Backend 分支来源；组件各自与最新权威 main 核对，解决不改变设计的冲突。当前主干已含项目成员相关 Backend/Frontend/Documents 变化，不能用旧 r0.2 组合声称兼容。
+- [ ] **Step 2: 类型镜像 RED→GREEN。** 固定 Core SHA 后先运行 `make contracts`，用 `git diff --exit-code` 检查生成镜像与 Core 类型一致；该命令预期在两个镜像尚未提交时指出差异，随后按生成结果提交。UI 断言材料记载优先、待核对判断限量、`needs_user` 在“需要留意”默认可见；Frontend 断言刷新/迟到来源响应不抢文件/焦点，旧 seq 丢弃。`cd modules/ui && npm test && npm run typecheck`、`cd modules/frontend && npm test && npm run build`。
+- [ ] **Step 3: PostgreSQL 与 SQLite。** Backend 全量 `go test ./... -count=1`；用任务自有新数据目录/端口启动隔离 PostgreSQL，`AGENT_PG_TEST_DSN` 仅指向该测试库，运行 `go test ./internal/runmgr ./internal/cardsvc ./internal/store -count=1` 并停止任务进程；来源CAS、混合批次和预算路径须在两档一致。输出经 `make evidence` 记录。
+- [ ] **Step 4: Dev 组合与真实浏览器。** 组件都提交后推进 gitlink，干净 HEAD 上用 `CMD='make test && make build' make evidence` 捕获完整输出并导入任务卡。启动带 PID/二进制 SHA/数据目录/组件 SHA manifest 的新任务自有 mechanism 实例；`PLAYWRIGHT_BASE_URL`、`WORK_CHECKPOINT_HTTP_MANIFEST` 均从本轮 manifest 验证后传入 `e2e/work-checkpoints.playwright.ts`。用真实 HTTP 验证待确认卡、来源跳转、版本变化、刷新和后台不抢阅读；仅停止本任务进程，保留 trace。
+- [ ] **Step 5: 独立代码复审与草稿 PR。** 审阅者用准确 Core/Backend/Frontend/UI/Docs/Dev SHA 重放五类 Review Focus；修复 Important 后按影响补测。六个 PR 继续草稿，推送当前 HEAD，核验 Dev `test/test-pg/svc-realcombo`、Backend `vet-and-test`、UI `test` 的受信 runner、SHA、所有必需步骤；Core/Frontend/Documents 无独立工作流时由 Dev 组合 CI 覆盖其 gitlink。真实模型仍 `NOT_RUN`，不合入。
+
+### Task 5：真实模型质量出口（另行资源审批）
+
+**Files:** 只在受控评测入口确有缺口时改 `modules/backend/eval/live/work_checkpoints_test.go`／`internal/server/work_checkpoint_eval_test.go`；结果写 Dev 任务卡与 Documents 核验报告。旧 r0.2 A01 的原始 exit0、46,154 Usage 和语义 FAIL 不改写。
+
+- [ ] **Step 1: 准备可审查、一次性的资源提案。** 固定新 Dev/Backend/UI/Frontend/Docs SHA、同一 A01 材料哈希、受保护路由来源（不输出 key）、新结果文件名、最多 run 数、单 run 与整批**返回 Usage 目标**、输出上限/300秒、缺 Usage/检查点拒绝/超额停止规则；明确在途调用可越过目标，无法凭源码承诺货币硬上限。
+- [ ] **Step 2: 等待用户明确批准。** 没有新授权则 `NOT_RUN`，六 PR 草稿且不合入；r0.2 的“授权”只覆盖已经执行的一次，不能复用标签或重跑。
+- [ ] **Step 3: 获批后只运行一次。** 全新隔离数据/manifest/输出，启动前重验 PID、二进制哈希、路由权限、零既有 run；逐调用核对实际 paid run ID、工具次数、Usage、持久阶段窗口、每条原文与逻辑归属、最终正文；任何工具拒绝后不再发 provider 请求。结果与失败用 `make evidence` 原样保存，不补写或重试。
+- [ ] **Step 4: 独立 REPLAY 与交付裁决。** 两个实质阶段、数字/决定/归属语义、完整最终答复及停止边界全部 PASS 后提交阶段 6/7 产物供人工评审；人工通过后才进入 `policy/delivery.md` 的重新同步、独立代码复审、精确 HEAD CI 和智能体 PR 合入。任一 FAIL 保留真实证据与草稿，修订设计/资源后再单独评审。部署不在本计划范围；合入成功后按已授权的任务卡归档和安全工作区回收规则收尾。