8.7 KiB
U3 r0.3：有依据的阶段判断
状态：书面设计与详细实施计划均于 2026-10-13 获用户批准，零付费实施与验证进行中。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”。计划批准不授权新付费模型样本、合入或部署。
关联：U2/U3 原计划、r0.2 质量设计、r0.2 实施计划及真实样本核验。既有任务卡、来源权限、执行权和三栏工作台继续有效。
要解决的具体失败
r0.2 唯一获批 A01 在固定 Dev 501ae35 / Backend d89c72e 上有两个运行中阶段成果（相隔约13秒，第二次至终态约21秒）和真实最终正文，五次 provider 调用返回 Usage 共46,154 tokens。第二批 analysis 却把“总12项中3项依赖外部接口”和“第一期8项”推成“剩余4项包含这3项”。原文未说明接口依赖项位于哪一期。该条仍是最终卡的 active finding，独立只读重放判质量 FAIL；测试入口 exit0、11处字面引文正确都不能改变此结论。
当前材料配方 v8 已明确写着“原文没有给出的分期归属不能写成事实”，仍未阻止错误。现有宿主守卫只阻断部分肯定“已批准”措辞，无法判断集合关系；assumptions 是模型自述，也可能重复错误前提。用户要看到及时、可用的判断，但不能把不可推出的归属当事实。界面继续把原文、判断和待确认事项分层，后台细节不默认呈现。
方案取舍
| 路线 | 收益 | 主要代价 | 结论 |
|---|---|---|---|
| 只加提示词、自检句 | 接口变化小 | v8 的明确禁令已在真实样本失效，无法给宿主可复核依据 | 不单独采用 |
| 再加一个语义审核模型 | 可覆盖更多自然语言 | 新付费回合、延迟和第二模型的误判，且仍不能证明正确 | 本轮不选 |
| 结构化依据 + 宿主保守归一化 | 在不加模型调用的条件下保留可证明的判断，未知关系变成明确问题 | 需收紧候选契约和支持的关系范围；不认识的表达会降为待确认 | 推荐 |
用户可见结果
沿用同一张任务卡和现有分组：原文仍显示为“材料记载”；能由宿主核对的算式显示为带前提的“待核对的判断”；无法确定的归属显示为“需要留意／待确认”，例如“已提供片段没有说明3项接口依赖需求分别属于哪一期，请核对”。宿主不复述模型原来的肯定归属句。来源仍可在原有“查看依据”中展开；没有新页面、命令详情或确认按钮。
本文限定的是阶段检查点。最终正文仍须在单独真实模型样本中逐项核验，不能因为阶段归一化就称全文语义已由宿主证明。已有 r0.2 错误卡和原始结果不追溯改写；后续纠正沿现有版本／更正历史走。
候选与宿主边界
WorkFindingCandidate 增加可选的 evidence 对象，仅给本轮材料整理工具使用；已有 TaskFinding 展示字段、来源引用、事件序号与持久化表保持不变。模型一次工具调用仍提交1–3条新增发现，不新增摘要或审核模型回合。处理配方从 material-recipe.v8 递增，旧完成结果不当成新规则结果复用。
evidence 先支持三种明确结果：
- 原文直接关系。 候选给出 sourceId、blockIndex 和连续原句。宿主沿既有 owner/project、原件 hash、解析版本和可见前缀校验，只把原句明确说出的归属或决定作为材料记载展示；自由转述不提升可信等级。
- 可复算数量。 候选给出“总量”“已明确子范围”两个带原文短引的整数前提及减法。宿主只在受支持的数量／范围表述能从各自原文定位时计算差额并生成文字，如“12−8＝4（推算）”；这个差额不自动等于第二期清单，也不推出3项接口依赖位于差额中。未知措辞、单位不一致、前提超出已提供片段或算式不符，都不发布肯定数量判断。
- 关系未定。 如材料只给总量12、第一期8、其中3项依赖接口，宿主能算出剩余4，但接口项与剩余部分的交集可能是0–3，不能确定为3。宿主将该条归一化为
needs_user的待核对问题，保留经校验的来源；模型提供的肯定归属原句不进入任务卡。只有原文直接给出接口项的分期归属，或受支持的前提把可能范围收敛成唯一值时，才可发布确定关系。
任何带数字、集合包含、阶段／批次归属或“已决定／已批准”状态的模型自由判断，若没有受支持的 evidence，走保守待确认通道，不以模型 assumptions 代替证明。普通没有这些高后果关系的分析仍保留 r0.2 “待核对的判断”标签和来源展开，不宣称通用自然语言蕴含验证。输入语义解析只采用公开、有限、可测试的表述模式；遇到同义或复杂句不猜测而转待确认。校验器应记录归一化原因供审阅，但不把内部术语放到默认界面。
提交顺序仍是“校验全部来源与候选 → 归一化可确定／待确认条目 → 一次 CAS 事务提交同批结果”。来源无效、伪造 ID、版本漂移或候选结构不合法时整批拒绝，并遵守既有“拒绝后不再发付费请求”的受控试验边界；关系证据不足但来源合法时不是工具错误，而是由宿主在同一批中安全生成待确认条目，不丢弃同批有效发现。工具结果须明确告知模型该条已转待确认，供正常下一轮最终答复使用，不增加额外模型回合或自动重跑。
接口、权限和失败恢复
- Core 只扩展候选 JSON 的可选依据结构及校验；Backend 的工具声明、材料配方和检查点校验实现证据处理。Frontend/UI 跟随 Core 生成类型镜像，但既有卡片显示原语不变；若实施发现必须改展示契约，再回设计评审。
- 来源登记表、actor/owner/project、引用必须是已提供原文连续片段、原件 hash/解析版本与原子提交边界不放宽。不存在“模型说有依据，所以宿主接受”的路径。
- 新字段只作用于后续候选，旧卡、旧事件和原 r0.2 结果只读保留，无数据库迁移。中断恢复仍按宿主 attempt/epoch 执行；同一候选幂等键及原有更正语义不变。
- 预算依赖真实返回 Usage 与已修复的宿主 run ID 分组；依据字段可能增加输入／输出 token，实施时需离线比较上下文体积。没有额外调用或静默提高额度。任何新付费 A01 必须重新提交 run 数、用量目标和在途越额边界并取得单独批准。
零付费验证与真实出口
先写失败用例再实现，至少覆盖：本次 A01 的错误归属不能作为分析落盘；同样数字但明确写明3项均在第二期的原句可作为材料记载；12−8＝4可显示为推算但不附加接口归属；交集可能范围0–3转待确认；已批准／尚未批准／是否批准与“六月已决定”无直接决定原句时的状态区分；同批一条有效一条证据不足的原子归一化；伪造来源和版本漂移仍整批拒绝；旧检查点幂等、刷新/阅读焦点不回退。Backend SQLite／真实 PostgreSQL、Core/类型镜像、UI设计守护、Dev make test && make build、任务自有 HTTP 浏览器和独立代码复审均固定准确 SHA。
真实质量出口沿用同一 A01 合成材料：至少两个真正有用、终态前可感知的阶段成果；所有金额、决定状态、日期意见、12/8/3数字、来源及集合归属逐项正确；有完整最终正文与 Usage；任何拒绝后零后继付费请求。阶段问题可诚实写“未明确”，不得靠删除判断、隐藏错误历史或降低验收条件放行。新模型样本在书面设计与实施计划获批、零付费候选完成后另行申请资源；失败保留草稿 PR，不合入或部署。
已知边界与待审决定
有限原文模式可能把真实但陌生的表述降为待确认，这是偏保守的可用性成本；需在真实材料与测试中量化，不能把它描述为通用语义正确性证明。依据字段增加模型输出负担，可能缩短最终答复余量，仍由已返回 Usage 调度；质量样本必须验证不牺牲最终正文。设计审批时请确认这一“保守降级，保持来源可查看”的取舍；若不可接受，需重新评估独立语义审核或人工处理的成本与边界。