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. 本计划已于 2026-10-13 获用户阶段5批准，授权在现有任务工作区内做零付费实施与验证；新付费样本仍须单独批准。

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；失败依据在U2/U3 核验报告。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。书面设计与本计划均已获用户批准；付费资源未获新授权。

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：

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

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。
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。
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。
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。
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。

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。
```
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。
```
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。

21 KiB Raw Blame History Unescape Escape