RFC：Agent 判断与可选独立评估——以 Jev 为候选方案（v0）¶

RFC status： 已接受
替代 / 关闭： 无
Delivery maturity： 研究提案；附录 A 单独提出仅 D1 的可选 shadow 实现，没有建立模型质量资格或自动纠正效果。默认关闭的哨兵 capability 及其录制对照见 loopx/capabilities/progress_review；这些数字不证明实现资格或产品采用。
Created： 2026-09-19。Last normative revision： 2026-10-08。
Implementation baseline： 9f1916960306b3650d795895b89f331eeae2516e；在 PR 版本 27812bd0fb437f831a541b564bcb5be8a96ff77e 重新核对源码归属与触发器行为。历史 upstream 检查记于附录 A，不构成全系统认证。
Authors / owners： 提案作者；被选方向由现有领域维护者负责。不新增运行时权威，也未指派实施 owner。
Language mirror： English
Related contracts： 总体路线图、Decision Context、Goal acceptance 及第 4 节。

文档地图与维护契约¶

第 1–10 节提出研究问题、比较方法与边界；第 11 节定义有条件里程碑；第 12 节列未决问题。第 4 节记录具名基线的源码事实。附录保留历史、决定与证据。中文是英文的语义镜像（semantic mirror），两版须同步修订。D1–D8、I1–I8、F01–F12 是文档标识，不是新运行时枚举，也不因合入设计自动产生执行义务。

理解提案为何改变，请看附录 E；确认实际作出了什么决定，请看附录 B。

本文件没有批准任何方向、提供方、包、profile 版本、命令或存储方案。接受讨论不等于批准实验、数据出站或生产采用；相应 owner 明确记录决定前，建议均为待决。

1. 请求作出的决定¶

哪些判断现有 Agent 流程已经做得足够好，哪些地方可能受益于独立的有限评估，Jev 在这个角色上能否比现有模型提供额外价值？ 下列八种场景讨论这种分工，第 3 节给出基于预期价值的暂定调查顺序。保留原流程、只改善证据、使用现有模型、延期评估和不采用 Jev，都是合法结果。

按仓库生命周期契约，已合入的 RFC 现在是已接受、可认领的设计依据。下述 M0 收录决定保留此前仅讨论的历史范围，不替代当前生命周期规则。Q1–Q7、研究选择、真实实验、数据/出站、支出与产品采用仍有独立门槛。

此前维护者明确接受将这些材料收录为 Draft 讨论提案，仅限讨论：M0 收录决定，对应已审 head 62db4478afbf2c947b1c864e52b690146fbf3f94。三类决定的边界为：

决定	请求范围	不批准的事项
文档收录（M0）	接受为讨论稿：保留这份 Draft 及其索引条目	不选择实验、提供方、路线图优先级或支出
研究选择（Q1–Q4，M1 前）	选定真实问题、有限问题、检查点、对照、数据和预算，或延期/拒绝	不批准生产采用或运行时权限
产品采用（Q5–Q7，M2 前）	根据实测价值决定具名 caller 和另行评审的实现	不批准全面上线或转移原有权威

PR #4749 已合并 M0 讨论材料，完成的是收录，不是研究选择或产品采用；新增机会排序仍为提案。Q1–Q7、Jev 研究、数据/出站及支出、模型资格、产品采用和运行时权限仍待决且未获批准，均不能由 Draft 收录推导。

目标用户是复核长周期工作的操作者，以及调查具体改动的开发者和评审者。潜在问题包括：识别“工作活动没有推进已批准结果”的成本过高或时机过晚，以及如何在合法备选间分配稀缺的工作或研究容量。LoopX 已经通过执行和评审 Agent 进行语义判断。更明确的评估环节是否有用，与 Jev 是否是更好的实现，是两个不同问题。

PR #4749 是公开提案和决策请求入口。维护者评审要求先有可核对的问题与 owner 决定，再确定提供方专属架构。前次评审要求收录前明确范围。后续M0 收录决定仅接受讨论材料，后续研究选择继续单独决定。#4447 和 #4743 是相邻词表工作，不是对 Jev、D1 或新配置格式的授权。附录 B 记录已接受的 M0 收录与仍待决的研究/采用事项。

没有新行为获得权威。 必要流程保留现有提供方和权限，不依赖新增 Jev 账户或 key。本 RFC 不批准自动 replan、pause、redirect、修改 Goal、批准/合并 PR 或结算。后续实验需要选定领域 owner、获准数据、有限预算和独立评价标准。

2. 问题与证据边界¶

操作者可能看到合法观测、通过的测试和连续进展声明，但工作实际服务于另一个结果。反过来，特征测试、负面实验、研究和合理等待即使未产出完整功能，也可能有价值。有效评估必须区分这些情况，不能奖励有说服力的自述，也不能误伤必要前置。

2.1 重复触发器能够证明什么¶

在具名源码基线上，typed_progress_repeat_trigger 需要足够的连续有效观测，去重可归属的 Turn，比较相同指纹，并且仅对 unchanged 或 blocked 触发。指纹包含所提供的语义身份与证据字段，hypothesis_id 是其中之一。

示意情形	对这条触发器的影响	仍然未知的部分
连续等价的 `unchanged`/`blocked` 观测	有效序列达到阈值后可以触发	这种重复在业务上是否合理
工作自报 `advanced`，实际未推进已批准结果	即使指纹不变，也不满足这条规则	完整流程是否能发现；任何模型是否有足够证据判断
等价工作修改参与指纹的 ID	打断相应窗口内的指纹相等条件	实际是否为同一工作，或是否属于获准变更
有效推进或必要前置工作	可能不触发重复规则	未触发不等于进展已经认证

这些是从源码推导的边界案例，不是新增的模型实测。该函数负责精确重复检测，不负责语义完成验收。它的边界支持一个研究问题，不能证明整个 LoopX/Agent/reviewer 流程都看不见。搜索少量源码关键词也无法证明这种全局缺失。

2.2 为什么仍把 Jev 列为候选¶

Jev 的有限类型化问题与概率分布接口，可能适合一个小范围评估任务。这些接口特点支持比较，不支持直接采用：现有模型也能进行结构化、只读评估。本 RFC 没有建立准确率、成本优势、严格超集或生产 token 预算的结论。合成案例可以检查问题设计；把手写描述命名为 observed_artifacts，并不会使它成为宿主读取的证据。

不变量¶

I1：保留已有权威。 可选建议不能授予工作权限、解除 hold、替代必要评审或否决确定性保护。
I2：关闭不新增副作用。 不新增凭证读取、client、网络、文件或 worker hook；普通成功和拒绝行为保持不变。
I3：比较实际基线。 包含现有 Agent、reviewer、工具和规则；不虚构本地 fallback，也不剥夺基线正常调查能力。
I4：未知如实表达。 未评估、失败、弃权、不确定和过期不同，均不等于进展正常或批准。
I5：区分证据、推断和动作。 类型合法的模型输出是判断记录，不是交付证明、来源真实性或授权。
I6：读取和发送分别授权。 凭证、安装和私有进程运行不等于获准上传私有数据。
I7：保留原 owner。 一个有限问题由一个领域负责，不建立第二套 planner、评估政策、registry 或安装器。
I8：成本有界、允许退出。 不静默重试或切换提供方；无收益可以停止，缺少 live 证据不能算通过资格验证。

3. 应用机会与暂定价值排序¶

D1–D8 是稳定讨论标识，不是优先级或运行时类型。第 3.1 节根据源码支持的应用机会建议调查顺序，不代表已测得 Jev 优势，也不构成实施承诺。选定研究仍需要具体案例、owner、对照、获准数据与预算。在原六个场景上新增两个不同 caller：选择下一个合法 Todo，以及选择 Explore 候选组合。

场景	目标用户	当前判断者和基线	主要价值假设	就绪条件与不采用条件
D1：进展与目标偏离	长周期工作操作者	执行 Agent、操作者、已启用 reviewer、progress/frontier/writeback 与 acceptance 路径	更早发现需要复核目标关系的工作	需要批准目标、可归属产物、有界历史和独立标签；若只是重复已有评审或误伤前置工作，则不采用
D2：新概念与 owner 复用	开发者	开发 Agent、owner 检索、语义评审和已交付 inventory	缩短寻找合适既有 owner 的时间	需要候选及契约含义，不假定 #4743 本地探针已交付；拒绝凭字面值相同推定语义等价
D3：交付声明与证据对照	PR reviewer	能实际调查和验证的 exact-head reviewer	更早发现具名声明与证据不符	需要一个未充分覆盖的子任务；不增加没有增量的第二轮整体 PR 评分
D4：材料/证据重排	操作者或证据消费者	实际检索候选、原排序、Agent 选择和必读规则	减少找到有效证据所需的阅读	需要相关性预期和覆盖记录；不能隐藏必读来源或丢失候选
D5：Skill/capability 建议	任务操作者	宿主发现、现有 catalog、Agent/用户选择	减少遗漏或无关的能力选择	需要真实任务/catalog 案例；拒绝重复发现能力或暗示安装权限
D6：Replan 候选比较	planner/manager	原 planner、合法备选、可归属历史和约束	更好识别重复探索	需要有意义的备选和历史结果；不能形成第二个 planner 或压制合理探索
D7：同优先级 Todo 排序	选择下一步工作的 Agent 或 steward	原 Agent 选择、类型化 eligibility/claim 规则和确定性优先级/顺序键	在下一个有界工作窗口内产出更多获验收的目标价值	需要可比较的合法 Todo 和目标/依赖证据；拒绝优先级倒置、饥饿或仅重复 Agent 判断
D8：Explore harness 排序	分配固定探索预算的研究操作者	原静态分支评分、已启用 router 反馈、组合/admission 约束及 Agent 判断	在相同预算下获得更多有助于决策的证据	需要固定候选集、历史和独立结果评价；拒绝重复研究、新颖性偏好或靠更换评价器取得的表面收益

每项获选实验只选一个主要假设：新增检出、提前发现、降低判断成本、减少阅读，或提高固定预算内的有效结果价值。其他指标作为约束，不同时承诺全部收益。除非证明真实依赖，否则 D3 不要求等待 D1/D2，D5 也不要求等待 D4。

D1 继续作为第 2 节展开的偏离检测案例。下列机会分析建议优先讨论 D7/D8 的研究选择，因为它们有有界备选和反复出现的分配决策；没有任何方向因此获准开展实验或实施。

3.1 哪些位置最值得比较¶

这里定性比较的是增加评估环节的预期净价值，不是模型排行榜。综合考虑决策频率与影响、相对完整基线可能改善多少、证据就绪度、误判损失、评估/延迟/维护成本和可逆性。潜在收益很大但难以归因的场景，可能排在收益较小、较易评价的干预之后。这里没有实测效应量或虚构的数字权重；同一层内的顺序仍为暂定。

调查顺序	应用机会	排在这里的理由 / 决定性不确定因素	主要验证结果
首批 · 1	D7：同优先级 Todo 排序	高频选择直接影响目标推进，已有候选身份与优先级；仍须评价反事实价值和完整上下文 Agent 的覆盖	固定预算/窗口内，相对正常 Agent 选择的获验收目标贡献
首批 · 2	D8：Explore 分支、实验和 worker bundle	已有 harness 比较入口与结果历史；既有启发式/router 较强，增量收益更难证明	固定研究总预算内，独立评价为有用的发现、反证或决策
下一批 · 3	D4：材料和记忆证据排序	高频有界检索可能降低阅读成本，来源和必读覆盖可观察；相关性本身不证明结果效用	获得充分决策证据所需的阅读量，且不丢必读/相反来源
下一批 · 4	D3：评审焦点与补充验证选择	漏掉关键声明的代价可能很大；在现有评审义务内排序调查对象，不替代 exact-head 评审	评审预算内独立确认的重要不一致，并约束漏检
下一批 · 5	D1：进展/偏离评估	潜在浪费避免价值高，但批准意图、产物历史和前置上下文的准备昂贵；误报消耗注意力	相对完整流程更早发现可行动问题，且误报有界
后续 · 6	D6：继续、切换或 replan 备选	可能影响重大，但反馈慢、干预成本高；与 D7 不同，它可能修改拟做的工作而非排列已有工作	计入切换/恢复成本后，独立评价更好的计划选择
后续 · 7	D2：概念和 owner 复用	开发者收益具体，但须先确认 inventory/检索改进不足以解决	降低 owner 查找/返工成本，同时避免错误语义等价
后续 · 8	D5：Skill/capability 建议	catalog 有界，但与现有发现和 Agent 选择明显重叠	以更低的总选择成本减少有实质影响的能力遗漏

D3 包括按缺陷可能性 × 后果 × 可检出性减去调查成本，排列可选探针；强制验证和社区/积压年龄评审层级仍由原 owner 决定。D4 包括证据窗口构建和记忆召回，不授予遗忘或删除材料的权限。D8 包括实验/组合选择和分支/bundle 排序，不按 harness 自评分选择 profile；测试 ranker 时固定 harness/profile，比较 profile 属于另一项处理。

其他可能用途包括执行器/模型分配、replay checkpoint 放置和人工注意力分流。先证明存在语义判断缺口，再考虑独立 Jev caller：执行器可用性/成本与 replay 节省已有专属 owner，注意力分流必须保留必要升级。不能用模型猜测替代已测得的资源或 replay 算术。D1/D3 可以提供复核证据，无需增加第二个注意力调度器。

3.2 候选的“预期价值”具体指什么¶

区分应用机会优先级（第 3.1 节）和获选应用内部的候选效用。对合法候选 a，可采用以下研究分解：

预期净价值(a | 当前证据、决策时间窗口)
  = 预期新增的获验收结果贡献
  + 不重复计入的依赖解锁价值
  + 与决策相关的信息价值
  - 执行、验证和协调成本
  - 预期失败、返工和切换损失

这是讨论模型，不是新增评分字段或生产公式。收益归属于已批准目标和时间窗口，不由模型定义；下游贡献须去重，不能同时按解锁和最终交付计算两遍。负面实验若排除了重要不确定性，也有价值。confidence、任务完成概率、证据数量和语义相似度，都不同于价值。只有事件定义明确且有校准证据，才能用概率乘影响；Jev 分布并不会自动成为已校准的工程成功概率。

先对贡献、解锁、信息增益、成本、风险和不确定性给出有证据归属的序数判断/区间，不能把序数档位当作同单位数值相加。采用支配关系或 caller 所有的比较标准，暴露取舍并保留并列/未知。后续数值聚合需要共同效用尺度、独立校准和敏感性分析。按稀缺资源计算单位价值只在资源约束明确时有意义；简单的价值/耗时可能无限推迟大型必要工作。保留原 owner 的公平性/截止时间政策、依赖闭包和有价值的探索；缺证据不等于零价值。

例如，在合法 P1 Todo 中，能解锁多项已接受依赖的小修复可能先于容易完成的润色；有界实验若能低成本排除昂贵路线，又可能先于两者。Explore 中，有区分力的反证可能比再次成功重复更有用。这些只是依赖真实目标和成本证据的示意偏好，不是固定任务类别加分。

3.3 D7：在合法 Todo 候选组内排序¶

原类型化 owner 提供当前合法候选集。保留显式优先级、binding/claim/lease、依赖、hold、quota 和强制 lane/公平性规则；只比较过滤后同优先级、同政策地位的候选。高价值估计不能让 blocked 或归其他 owner 的 Todo 变得可执行。
有界卡片绑定 Todo 身份/版本、已批准目标/验收基准、结果贡献、依赖/解锁证据、剩余投入、近期尝试和不确定性。与拥有正常上下文的 Agent 比较，不能只选择弱化的 FIFO 基线。
初期只返回 shadow 建议：候选引用顺序、理由/证据、并列、缺失上下文和原排序。不改写 canonical priority、持久化/展示顺序、归属或状态。展示顺序与执行选择是不同契约。
全量候选仍须可找回。截断窗口时记录覆盖范围与选取规则，轮换/抽样窗口外候选以发现盲区和饥饿，不能静默 top-k 排除。答案不完整、无效或过期时使用未改变的基线，并显示原因。
后续若采用，在原选择边界重新核验当前状态下的 eligibility；纯 reducer、status 读取和写事务中不执行推理。分别记录建议与实际选择/结果。相关证据变化或显式请求时重评，不随每次轮询调用。

3.4 D8：固定预算下排列边际研究价值¶

现有 Explore 并非空白 ranker：静态分数已有 priority/actionability/claim/frontier overlap，可选 router 使用历史、不确定性/覆盖项、新颖性与基础设施反馈；routing bias 与 admission/价值核算分离。语义估计必须与完整已启用基线比较，不能用 Jev confidence 替换这些量。

用假设、支持/反对证据、历史尝试、预期有区分力的观测、依赖/write-scope/资源约束，以及完整探针/验证成本，比较合法实验或分支候选。估计相对已选候选的边际信息或结果价值；分支相关性和共享 setup 使逐项独立排序不足以决定组合。保留依赖闭包、多样性/探索额度、资源限制和空置 lane 的选项。区分科学反证与基础设施失败；新颖性和预测成功率都不能单独成为目标。

分开分支排序、bundle 构建、admission 和结果测量。ranker 实验只改变排序，bundle/admission 改动另列为处理。现有 composition-selection RFC 已提供合法有界集合/模型选择设计，不新增竞争协议。harness 建议保持只读，不能启动 worker、claim Todo、支出、提升 finding 或关闭研究义务。

3.5 保留优先级建议所需的证据¶

D7/D8 使用第 6 节 A/B/C 比较；当前确定性排序作为诊断消融，完整 Agent/router 流程作为真实基线。固定候选快照、优先级组、profile、目标基准、历史截止点、独立效用标准、预算和保留任务族。总成本计入证据准备、ranker 调用、延迟、执行/验证、失败探针和人工修正；单次调用更便宜但整个流程更慢，不能算节省。

离线 replay 可以验证覆盖、约束保留、排名稳定性和与独立偏好判断的一致性，无法证明未执行备选的结果。真实效用结论需要获准的匹配隔离运行或前瞻对照研究，保持相同评价器与预算。避免结果泄漏、重复任务污染和选择偏差；未观察的备选保持未知。在看到提供方结果前固定数值化采用/停止门槛，报告不确定性，不能事后挑选获胜指标。

覆盖同优先级并列、高价值但 blocked 的项、低成本低影响项、收益延后的前置、不确定但上限高的工作、负面实验、相关分支、冷启动、基础设施失败、过期/部分排序、误导自述和反复饥饿。测量有效结果/价值；只有备选实际被评价时才计算决策后悔值，top-k 一致率和排名相关性只作为诊断。若补齐上下文后收益消失、现有模型以更低总成本达到同等结果，或决策质量/公平性下降，则重排或停止提案。本次文档修订不认证任何提供方。

4. 现有系统与归属¶

关注点	现有源码或契约	可复用边界 / 尚待回答的问题
D1 证据	Decision Context runtime、sources、profile	已有有范围的数据获取、原文读取与证据组装。caller 负责推理；`context_provider` 是检索，不是推理接口。已有机制本身不证明持续独立进展评估已经存在。
目标基准 / progress	acceptance authority、acceptance contract、progress observation、Direction Baseline、Alignment	复用已生效的批准基准，不能为启动实验去 promote provider 或猜测 Goal 意图。原 progress/settlement owner 保留权威；拟议方向契约不是已交付依赖。
D2 开发期工具	Semantic Vocabulary RFC、inventory script、inventory	已有全树 inventory；#4743 的有界 diff/no-npm 探针在本基线仍属独立工作。建议不能替代发现、登记术语或隐藏未决候选。
D3 评审	review contract、result check、Intelligent Review RFC	`pr_review_queue` 负责 exact-head 证据评审。结果检查验证声明一致性，不验证真实性。展示层是消费者，不是另一位 reviewer。
D4 检索	Decision Context、Reward Memory、memory utility RFC	保留各 caller 的来源、新鲜度和完整候选集。相关性不等于真相或结果效用，不合并 registry。
D5 技能	Project Skill Delivery、extensions	发现、安装、启用、领域权限继续分别处理。
D6 规划 / 自动调用	Explore、Manager Handoff、post-writeback hooks、Effect Interpreter、TS migration	planner/effect 权威留在现有 typed owner。纯 reducer 和主写回事务内不联网；未选择自动 hook。

放置保持有条件：D1 优先调查 decision_context，D2 对应语义开发工具，D3 对应 pr_review_queue，D4–D6 对应真实 caller；D7 属于现有 Todo 选择/projection owner，D8 属于 explore。provider ID/交付方式尚未选定，不新增通用 ranking capability。本次不新增 capability ID、provider ID、内置能力或 extension 包。选定真实 caller 后，须先判断原 owner 是否足够并遵守 extension 放置规则，再决定代码位置。总体路线图继续有效，本提案不重排路线图。

本次机会扩展的源码核对¶

第 3.1–3.5 节基于已合并 main 60d23a04f 核对以下路径；这不刷新上方每一条历史源码结论，也不构成 live 质量结果。

caller / 相邻边界	原 owner 与观测行为	拟议扩展边界
D7 Todo 选择/展示	Todo semantics：projection 按 priority/index 排序；展示保留显式顺序或原生 timestamp/identity 并列规则。Scoped fallback：类型化 eligibility、priority、monitor-debt 偏好与持久化顺序选择	这是具体路径，不证明存在唯一全局 selector；保留政策层级和展示身份，后续采用复用原类型化选择 owner
D8 Todo/worker branch plan	Todo branch plan、worker branch plan、scheduler、router state	静态 branch confidence/evidence units 是启发式；已具备可启用的路由反馈和 admission。研究语义排序增量，不改写价值核算
D8 composition 候选选择	Research exploration RFC §8.4	有界自主模型选择仍是延后设计，不是已交付 Jev 接入；若采用，复用其合法集合/selection receipt 边界
D3 评审排序	Review scheduling	已有社区/owner 政策与积压年龄层级；语义评审焦点不能替代必要评审或这些层级
延后 replay 放置	Adaptive replay planner	实测/adapter 估计的节省、保真度与成本已有专属 owner；本次没有证据证明另加模型能改善这些算术

5. 拟议的有界比较¶

5.1 实验前的一份决策说明¶

复用被选 issue/PR 的决策字段，不新建 registry。记录操作者与当前困难、现有判断者、一个有限问题、调用时点、证据窗口、主要假设、独立评价者、获准数据/目的地、预算及停止条件。无法明确时保留为待决。固定证据研究不以新增产品 CLI、profile 迁移或持久化 attempt store 为前提。

一个可能的 D1 研究是在具名检查点，由操作者主动复核一段已完成工作。这个时点是否足够早、能否帮助用户，都需要测量；它不是逐 Turn 常驻监督器。仅使用当时已经可得的证据，不能引入最终结果的事后信息。owner 仍需选择或拒绝此设定。

5.2 证据与问题设计¶

绑定批准的 Goal/acceptance 版本、可归属工作身份、宿主读取的产物或 diff、验证读回，以及比较所需的历史证据。记录缺失、冲突和省略材料。原文读取证明来源，不证明语义结论正确。缺少目标权威时停止评估，不能从文件名或自述猜意图。

D1 分别研究目标关系与证据增量。保留必要前置、合理阻塞等待和证据不足，不能硬塞成漂移。它们不必组成一个互斥枚举：等待描述工作状态，对齐描述与目标的关系。缺少此前证据时，增量判断必须为未知。无关的新工作可以有增量，同时偏离目标。

主要比较采用基于产物的输入。作者声明分离保存，在相同产物上增加无自述/中性/自夸/自贬的消融比较。观察分类和概率变化，不能断言标记为不可信就消除了影响，也不能断言删除全部解释总是最好。解释前置必要性的上下文应有可归属支持；即使删除作者摘要，源码内容仍是不可信输入。

检测结果与所属规则的衔接¶

评估须指向一个可证伪的问题：质疑的是哪个已声明 criterion、结论或依赖，依据哪个版本，什么观察能够解决质疑。合法调用工具、更换标识、通过无关测试，仍可能保留错误假设；负面实验或必要前置工作也可能推进 Goal。工具成功、活动量、新颖性与作者信心均不能单独判定这两类情况。

三种责任分别保留：

取得证据。 绑定当前 Goal/criterion 依据、可归属 Turn、产物版本、相关前后观察及 verifier 身份/结果。声明选中文件、遗漏依赖、截断和缺失历史。手写评估 basis 不自动等于 canonical Goal acceptance revision；exact read 证明来源， hash 不证明内容真实或覆盖完整。
评估有限问题。 保留实际判断维度与未解决证据。目标关系和证据增量独立：工作可能偏离目标，同时产生新证据。组合 drift signal 为 false 只表示该信号的干预条件不成立，不代表所有工作正确或符合目标。缺失/过期证据按现有 receipt 合同保持未评估或不确定，不是反向证据，也不能解除已确认的领域失败。
由既有 owner 决定后果。 Shadow 评估属于 advisory；显式启用的 assist 政策可根据合格信号要求处理既有 replan 义务。该政策决定不等于确认业务 criterion 失败。当前领域 validator 或获授权评审可以确认具名 criterion 被违反，但须保留证据、范围与权限；再由 acceptance、replan、dependency 或 effect owner 决定拒绝、修复、重规划或对账。评估分数不授予停止、修改、回滚或完成权限。

获授权 caller 应选择会产生实际后果之前的最小有效边界，例如结果被验收、被其他任务消费或被准入为受保护 effect 之前。仅在最后评审无法控制此前全部效果；不要求逐 token/逐工具调用模型审查。须声明证据窗口、截止时间、成本预算及错过检查点后的行为。可选评估不可用时，必要的确定性检查仍生效。除检测延迟外，还要测量对合法工作的误干预与漏报。告警和从未告警的记录都要抽查；只审查告警记录无法估计漏报。

本地候选实现通过 progress_review_evidence.ts 绑定显式选中的规范任务 criterion。可选观察器的 acceptance_scope 读取既有验收 owner；私有 registry/runtime 引用不进入模型请求。手写 basis 仍为 operator_study。回执声明选中文件的净变化覆盖；采集与核心回执解码共用 Goal/Agent/Todo 身份约束，不匹配时拒绝模型派发及漂移消费。核心读回也把新 canonical binding 与当前 criterion 复核；依据变化或不可用时撤回该回执信号，不改历史。旧回执兼容性与默认关闭隔离保持原合同。

打包能力编辑器分别展示目标关系与证据增量、criterion 来源、覆盖范围及过期／缺失／不可用状态，提供显式刷新。off_goal 加 new_evidence 不被改写为符合目标；组合信号未触发仍遵循原连续段政策。File/SQLite 下规范 criterion 编辑及真实 HTTP／界面流程已做本地验证；未开展新的真实模型质量实验或自动干预。见能力合同与观察器指南。

这些观察衔接共享工作中的证据失效与恢复资格。增加模型推理仍取决于第 6 节比较，不能成为修复已证实确定性缺口的前置条件。

5.3 提供方事实与延后机制¶

TypeSafe API 接受 state、按 key 组织的类型化问题及请求模型，返回同 key 答案和实际模型。Confidence 来自 Choice/Score 概率分布；Noul 没有独立 confidence 字段。原始概率不能修复有偏证据，两种数值都不等于实测工程正确率或权限。保留提供方特有语义，不为其他模型伪造等价 confidence。

实验须固定请求模型、记录实际模型和问题版本，并披露不匹配。官方接口/模型文档不等于 live 资格、数据留存协议或中英文任务的实测价值。已公开的模型限制支持针对间接关系、无关上下文和对抗内容设计测试。

包位置、最终 CLI/API、profile 版本、持久化、请求生命周期与计费机制，等获选 caller 证明需要后再定。现有严格 profile v0 不能直接接受虚构字段；后续配置决定必须保留限制及旧 reader 行为。本 RFC 不选择替代 schema。

6. 替代方案与采用逻辑¶

组别	做法	回答的问题
A：现有完整流程	实际 Agent、已启用 reviewer、工具和确定性检查	当前质量、时机与完整投入如何？
B：有限评估＋现有获准模型	固定证据范围、有限问题、只读职责	改善证据/评估组织本身是否有价值？
C：相同评估＋Jev	与 B 相同的证据范围、语义问题和独立标准	提供方是否带来额外收益？

固定快照比较控制 B/C 的证据和问题含义，不要求 API 字节相同。完整流程比较保留 A 正常调查、运行检查的能力。记录提示、工具、证据准备、人工注意力和调用次数差异；A/B/C 本身不是因果归因的保证。

执行 Agent 可能受益于更完整的历史、工具和任务上下文；独立评估可能提供另一个视角，也可能丢失上下文或重复同样的错误。角色或模型名称都不能证明这些优势。这里“独立”指单独的评估职责，不代表错误在统计上独立，也不代表更加智能。

问题形态	候选分工	改变流程前需要的证据
需要调查、隐含依赖或还原意图	保留现有 Agent/reviewer 及其工具的调查职责	有限评估器是否遗漏关键上下文，或误判有用的前置工作？
能表述为针对可归属产物和明确标准的有限问题	将现有模型评估（B）与 Jev（C）作为可选第二意见比较	同一标准下错误/覆盖或总成本更好，且不损害完整流程（A）
证据缺失或矛盾	由原 owner 获取证据，或保留未知	增加模型投票不能补齐事实；记录哪些证据能够消除不确定性
涉及权限、验收、计划执行或结算	保留已有获授权的决定者	模型分数或意见一致不产生权限

B/C 使用同一快照，并报告相对 A 省略的上下文；另外测量 A 保有正常上下文和调查能力时的表现，不为适配有限 API 而削弱 Agent。比较判断质量、误报/漏报、弃权与覆盖、上下文需求、耗时和完整成本，不能只凭 confidence 判定优劣。若补齐上下文或整理证据后优势消失，应归因于这些改动，而不是 Jev。

初期测量补充观察，不改变控制决定。用 Jev 替代一个有界模型子任务，以及分流/重排，是后续不同方案。分流必须抽查未提示案例以估计漏报，不能跳过必需评审。若保留全部旧评审又加入 Jev，除非证明额外收益，否则只是增加成本。

B 优于 A，而 C 相对 B 没有值得承担成本的收益：保留流程改进与现有模型。
C 优于 B，但整体方案在预先定义的目标/约束上仍差于 A：不能仅凭局部优势采用。
C 在误判、隐私、延迟、成本和维护限制内有增量：再提具名产品试点；价值本身不授予动作权限。
证据不足、数据不能获准或原流程已经满足需要：延期或停止。不改动也是实际选项。

7. 安全、隐私与降级¶

以下约束适用于后续获准实验或接入，不是已交付行为声明。保留现有默认关闭和零出站采集边界。私有进程使用 BYOK 仍会向远端服务发送所选数据；读取权限不是上传权限。最小化输入，限定目的地/受众/留存，脱敏密钥，不将原始轨迹和私有证据放进公开材料。哈希不等于匿名化。

情形	必须保留的边界
关闭、缺 key、出站未获准或预算耗尽	不新增发送；原流程及其 hold 保留，显式请求的评估显示未评估
目标、身份错误/缺失，或必要证据不足	不虚构事实；按实际情况标记基准不可用或证据不足
超时、限流、无效/缺失答案或服务失败	失败可见且有界，不自动重试、静默换提供方或给正常判断
不确定或弃权	区分完成但未采用的建议与传输失败，不解释为无漂移
目标/证据版本改变或响应迟到	不能作为当前判断；留存政策允许时保留历史来源
模型乐观，但已有拒绝	身份、权限、验收、评审和结算义务继续生效

模型没有工具或权限去追随引用、安装技能、执行命令。排序失败必须保留必读覆盖和 D4 候选身份；D5 建议不授权启用，D6 比较不授权提交计划。可逆干预也可能成本很高，需要单独批准的动作契约。

8. 兼容、移除与重放¶

本 PR 不迁移运行时或配置。若选定产品试点，owner 须证明关闭及卸载后的普通入口行为、旧版/混合版本处理，并通过原配置 owner 显式启用。禁用阻止未发送工作和在途建议被采用，但不能撤回已发送字节或费用。清理评估记录不能改动原 Goal、receipt、lease 或 cursor 状态。

若引入持久化或跨进程去重，采用前明确留存期限与重放行为。验证 发送 → 记录到期/删除 → 同 ID 重放，涵盖并发、重启及发送结果不确定。历史到期不能静默把重放变成新获准计费调用。拒绝、有限 tombstone 或显式新请求政策，需结合真实设计选择。发送/费用未知不能记为已证明零。本文件不选择存储机制。

9. 验证与验收¶

9.1 当前文档与决策就绪度¶

主张	证据 / 必须结果	边界
可评审的比较提案	中英范围一致，包含八候选与暂定排序、真实基线、A/B/C、替代与停止规则，引用有效	文档完整不批准研究议题，也不认证模型价值
文档收录决定	第 1 节和附录 B 记录M0 收录决定：仅接受为讨论稿	Q1–Q7 仍待决；收录不授权 M1 研究、不认证 Jev 资格，也不批准产品采用
源码支持的有限动机	第 2 节可追溯到具名触发器，第 4 节区分其他 owner	不声称全系统盲区或严格超集

文档检查：

uv run --extra test python examples/docs-governance-smoke.py
uv run --extra test python examples/docs-asset-integrity-smoke.py
git diff --check

9.2 范围批准后的实验质量¶

采集答案前固定一个假设、检查点/窗口、独立标准、获准案例、预算、数值化采用/停止门槛和保留任务族。由独立评价者裁定；确有争议的案例可保持未决，不能把执行者或 Jev 的答案当真值。按样本分母报告误报、漏报、弃权/覆盖、发现时机、语言分层、延迟、证据准备、人工返工、调用及总成本。披露不确定性，几个正确案例不能证明安全或优越性。

D1 应覆盖真实推进、必要测试/研究、负面实验、合理等待、ID 变化、批准后的目标变更、历史缺失、同 Turn 重试、相反自述和注入指令。手写或注入响应仅验证案例/契约。记录请求/实际模型和版本化证据，不公开私有输入，也不把移动别名的输出当固定版本资格。缺凭证时 live 证据为未验证，不是通过。模型比较和未来干预收益需要独立证据。

9.3 有条件的产品义务¶

F01–F12 保留为未来实施验收类别，不是当前测试结果，也不要求先实施 M2 才能认领设计。获选 caller 决定适用性并记录有理由的排除项。

ID	案例	对应产品试点被接受前的必须结果
F01	普通入口，功能关闭	不新增凭证/client/网络/文件副作用；基线成功和拒绝行为一致
F02	显式评估但无 key	原路径可用并显示未评估，零发送，不伪造概率
F03	有 key 但关闭或出站被拒	不上传、不借用 key、不静默替代
F04	已有 hold，模型缺失或乐观	保留 hold 和必需评审
F05	服务错误及发送不确定	有界可观察失败，发送/费用未知保持未知
F06	弃权或排序不完整	区分不确定与失败，不丢候选、不虚构零分
F07	范围错误、基准过期或迟到	不跨身份使用、不伪装为当前结果
F08	离线 CI 与 live 比较	离线契约执行，缺少 live 证据保持 skipped/unverified
F09	某方向基线不可用	明示前提/覆盖缺失，不虚构本地探针或技能
F10	并发、重启、重放和留存到期	不产生未授权的重复计费尝试，证明选定重放期限/政策
F11	安装/配置/卸载	可选依赖、reader 兼容和原行为恢复
F12	注入、自述与必需覆盖	不新增权限、不隐藏义务；模型判断错误与硬边界分别记录

未来实现须验证真实获选入口和受影响 backend，不能只测 decoder 或 mock。使用隔离 fixture，不改写活动 Goal 状态制造证据。模型质量结果不能替代这些契约检查。

10. 操作者体验与完整成本¶

本提案不改变用户入口。后续观察研究应呈现待复核主张、相关证据、缺失基准和分歧，不能反复索要 key 或自动创建 Todo。读取结果不能调用推理。出现分歧时先核对缺失证据，不先增加模型投票。

明确选择补充观察、局部替代或优先排序，测量增加和减少了哪些工作。除了 API 费用，还要计算证据获取、模型延迟、误报复核、问题维护、故障及出站管理。故障恢复后，下一个获准请求可以评估当前证据，不能自动重放历史。模型分数不能成为 worker 的交付目标。

11. 有条件交付计划¶

M0 处理讨论文档及其收录决定；Q1–Q4 处理进入 M1 的条件，Q5–Q7 处理后续产品采用。三类决定分别记录。M0 收录决定已接受 M0 讨论稿收录，随后由 #4749 合并；本次扩展仍须经过自身 PR 评审。后续里程碑有条件成立，不承诺研究或实施全部场景；历史条目仍按历史含义理解。

阶段	交付物	进入 / 退出决定	退出或回滚
M0	双语讨论 Agent/评估职责和比较标准；拟议的八场景机会排序	M0 收录决定已接受为讨论稿；将决定写回中英文及索引	仅收录讨论材料；Q1–Q7 仍待决，不授权研究或实施
M1	一个获准的 A/B/C 比较，或如实说明无法评估	为选定研究明确解决 Q1–Q4：caller、检查点、输入、标准、权限、预算 → 证据支持采用或停止	停止调用，按政策留存/删除研究证据，不形成生产承诺
M2	原 owner 下一个有条件产品试点	价值证据和 owner 采用决定 → 真实入口、适用 F01–F12、兼容和操作者验收	禁用/移除可选路径，保留原权威
M3	第二个独立有需求的 caller	真实需求和资格 → 证明可复用机制	只提取已证明重复，不制造第二 caller
M4	重排其余方向或停止	已观察价值/成本及 owner 决定	保留现有模型、延期和不采用仍合法

M0 不默认批准 D1 实施、自动 worker 采纳或隐藏的必需模型阶段。相邻 issue 的关闭条件独立保留。

12. 待决问题¶

ID	决定 / 选项	建议及需要的证据	owner / 依赖阶段
Q1	是否值得研究，选哪个方向或不选？	从 D7/D8 开始讨论选择（第 3.1 节）；核实已有证据的问题、当前 Agent 覆盖、上下文与比较可行性，也可重排/延期	产品和领域维护者；M1 前
Q2	哪个有限问题、检查点和窗口？	一个主要假设；D7 使用合法同优先级候选组，D8 固定研究组合；D1 保留关系/增量、等待和历史缺失	获选 caller 与评价 owner；M1 前
Q3	现有模型对照与独立标准	公平输入的 A/B/C；结果前固定门槛、错误成本、语言分层和裁定方法	评价 owner；M1 前
Q4	获准数据、目的地、模型和支出？	最少必要输入、固定/实际模型、有界调用与留存；不可行则不做	数据/运维 owner；live 比较前
Q5	观察、替代、分流还是不采用？	只采用已证明的完整流程收益；分流需抽查未提示样本	产品/领域 owner；M2 前
Q6	放置、配置、重放/存储与用户入口？	复用最近 owner，按真实 caller 决定机制，包括到期重放和降级兼容	capability/configuration 维护者；M2 实施前
Q7	是否影响执行或必需 gate？	当前未授权；需另定具名动作、权限、误判成本和恢复方案	现有权威 owner；发生影响前

附录 A：执行记录（非规范）¶

2026-09-19 — 首版源码对齐提案¶

基线： 9f1916960306b3650d795895b89f331eeae2516e，另查至 cc8e28d8b58a9b15e928d7e2cee16097172567d1 的官方 main 相关差异。
已交付： 双语设计、六方向 owner 映射、推荐 D1 CLI 切片、失败/回滚/验证契约。
证据边界： 源码和官方接口文档读取；本条不认证运行时测试或模型试点。
未完成： 本提案未交付 M1 实现、live conformance、价值评估或 UI/worker 采纳。
规范影响： 第 1–12 节首次提案待评审，不推定已接受。

2026-09-20 — 研究范围修正¶

基线： 旧提案 27812bd0fb437f831a541b564bcb5be8a96ff77e 及其链接的维护者评审。
已交付： 修订决策请求、有限检测器动机、完整流程/现有模型/Jev 对照和有条件里程碑，移除预选包/profile/attempt 设计。
证据边界： 文档修订与源码检查，没有新增运行时、API 或质量实验。
未完成： owner 对研究问题的接受、代表性证据及比较价值仍待确认。作者旧版通过结论不批准本次修订。
规范影响： 第 1–12 节改为先比较再采用；原里程碑含义被替代，不能倒推成已完成。

2026-09-20 — 分开文档收录与研究选择¶

基线： 已审 PR head 21e5d18a635aa009a0719369c4ecc2709f3c4d69。
已交付： 主问题改为 Agent/评估分工，移除候选优先级，补充上下文敏感的比较标准，建议分开 M0 收录、M1 研究和 M2 采用决定。
边界： 仅文档修订。收录、研究选择与采用均未获批准；没有实验或运行时改动。

2026-09-20 — 预期价值应用机会扩展¶

基线： 已合并 main 60d23a04f；源码核对见第 4 节。
增量： D7/D8、暂定机会顺序、预期价值分解与有界排序比较；同步双语正文及索引。
证据/剩余缺口： 仅源码检查和文档。没有 live 提供方比较、生产 ranker 或新权限；Q1–Q7 仍待决。

2026-09-21 — 任务进展旁路观察实现提案（RFC D1）¶

基线： upstream 62d18677c；当前实现只包含可选 D1 命令，不引入 D2–D8 排序或选择器改动。
提案： 真实 refresh-state 前后限定检查点采集、独立推理、off/shadow 配置和历史读回。参见操作指南。
证据边界： 讨论演进与当前实现的运行结果；确定性集成检查不同于模型准确率或任务收益。没有自动干预或原生宿主 hook 推广。
待决： 维护者是否接受这个可选工具范围，以及独立评估的比较价值。不能将原 M0 收录倒推为实现已获批准。

附录 B：决策日志¶

单独提出的任务进展旁路观察工具及决策记录不改变历史 M0 决定，也不替代 Q1–Q7。维护者单独评审可选工具范围，实验结果不等于产品采用。

日期	提案 / 决定	owner / 批准状态	替代方案	章节
2026-09-19	曾推荐 D1 CLI、可选 Jev 包和 profile v1	未批准；本修订撤下其默认推荐地位	D2 或独立配置	3、5、11、12
2026-09-20	请求选择方向，并在有理由时开展一个有限 A/B/C 研究	产品/领域维护者；待决。链接的维护者评审是请求修改，不是批准	现有模型/证据改进、其他方向、延期或拒绝	1–12
2026-09-20	建议分开 Draft 收录与研究选择，取消场景排序	维护者收录回复待决；不推定 Q1–Q7 已获批准。该版本评审仍为请求修改	保留/修订讨论稿，或延期/拒绝收录并在本 PR 保留讨论	1、3、6、9、11、12
2026-09-20	M0：接受双语材料及索引条目作为 Draft 讨论稿	维护者 `@huangruiteng` 接受为讨论稿；M0 收录决定对应 head `62db4478afbf2c947b1c864e52b690146fbf3f94`	仅保留讨论材料；Q1–Q7、研究、数据/支出、资格、采用和运行时权限仍待决且未获批准	页首、1、9、11、索引

未来接受决定必须记录真实公开链接与准确范围。沉默、作者声明、检查通过或 RFC 发布均不能替代。

附录 C：证据登记¶

ID	证据	支持 / 不支持的结论
E1	第 4 节源码路径及具名基线	owner/触发器边界，不证明全系统盲区或运行时资格
E2	附录 A 历史 upstream 定向检查	有限源码对齐，不是最新 main 的全面认证
E3	第 5.3 节 TypeSafe API/confidence/模型限制页面	接口与公开限制，不是独立模型质量、数据条款或 live 实验
E4	PR #4749 及链接的维护者评审	公开请求和请求修改理由，不是研究/采用已获接受
E5	A/B/C 与 F01–F12	拟议实验/义务，该功能尚未执行
E6	Jev 外部证据补充 v0	截至 2026-09-21 的第三方质量与实现证据，不改变 Q1-Q7、研究或采用状态
E7	任务进展观察决策记录	公开论证摘要和当前实现的观察，不是独立资格、完整 A/B/C 或自动纠正证据

附录 D：延后机制与排除的捷径¶

首版 D1 CLI/profile v1/可选包/私有 attempt 设计保留在 Git 历史中，属于未选备选。只有真实 caller 和比较价值支持时才重新讨论，不维护第二份完整规范。排除 confidence 直接驱动动作、规则伪装概率、模型输出充当 verifier receipt、从单个检测器推断全系统结论，以及没有 caller 的多场景通用框架。

附录 E：讨论演进与评审教训¶

这里记录可公开的论证演进，不是逐字聊天、新实验报告或批准记录。既保留最初有价值的动机，也保留使提案收窄的理由。源码事实见第 2 节；案例表现的报告在独立验证前只用于提出假设。理解和核对下列决定不需要私人对话链接、探针数值输出或凭证。

讨论步骤	初始主张 / 问题	质疑或证据边界	保留结论与 RFC 调整
1. 找到缺失信号	Agent 可以连续报告 `advanced` 或换身份继续重复工作；语义判断能否发现重复触发器漏掉的情况？	源码确认这条触发器的边界，但一个返回值或少量案例都不能代表完整 Agent/reviewer 流程。	保留第 2 节 D1 的操作者问题和四个示意案例；撤下“全系统看不见”和“Jev 严格超集”的主张。
2. 确认评估器实际看到了什么	将批准目标、实际产物与作者自述分开，希望得到独立判断。	手写产物描述仍是声明；没有历史证据无法判断增量；更换模型也可能继承同一份不完整叙述。	第 5.2 节要求可归属产物读取、目标版本和比较历史，历史缺失则增量未知；合成案例不能替代这条输入路径。
3. 检查输入敏感性与选项覆盖	排除自述、增加前置/等待选项，可能改善评估。	标记不可信不能证明免受影响，删除解释也可能丢失相关上下文；缺失选项可能强迫误分类，等待与目标关系又属于不同维度。	在固定产物上比较无自述/中性/自夸/自贬；保留有支持的前置背景、等待和证据不足，不冻结全局枚举。测量错误，不声称提示已解决错误。
4. 区分观察与干预	类型化答案与高 confidence 是否足以触发 redirect 或 replan？	接口合法不等于事实正确；原始概率和 confidence 都可能随叙述改变，可逆动作也有成本。	初期研究采用观察方式；第 7–8 节及 Q7 保留当前权威、失败边界和动作影响前的独立决定。
5. 与已有模型比较	Jev 是新增能力，还是重复执行/评审 Agent 的工作？	证据整理、职责分离和提供方替换都可能造成表面改善；API 可调用不能区分这些收益。	第 6 节增加 A/B/C、完整流程成本与合法的不采用结果。D1 仍是展开的假设；撤下先前暂定排序，保留六个不排序场景。
6. 回应维护者评审	首稿详细提出了 D1 CLI/包/profile/attempt 方案。	维护者评审指出缺少支持该投入的 owner 接受决定；作者自审侧重内部完整性，不能据此证明需求。	第 1、11、12 节改为请求研究范围决定，附录 D 延后机制；附录 B 将 owner 接受记为待决，本次纠正不等于撤销请求修改。
7. 分开收录与投入	保留 Draft 是否意味着已选中研究方向或提供方？	该版本评审要求收录前作范围决定。文档就绪不能替代决定，但请求收录的范围也应与实验批准分开。	第 1/9/11 节建议明确仅讨论的收录决定；Q1–Q4 仍先于 M1，Q5–Q7 先于采用。第 3 节去掉优先级，第 6 节比较上下文需求和判断质量，不预设哪方更智能。不推定批准，也不撤销评审。
8. 排列具体分配机会	同优先级 Todo 和 Explore 候选提供反复出现的有界选择。	现有 Agent 和 Explore routing 已在排序；语义价值、校准概率和权限是不同概念。	第 3 节改为建议有源码依据的调查顺序和边际价值比较。这替代此前“不排序”的建议，不改变仅 M0 获接受的边界；Q1–Q7 仍待决。

当前决定： M0 收录决定已接受 M0 为讨论稿；历史中的收录待决表述描述的是当时状态。

仍然未决： 问题是否值得有界研究（Q1）、哪个检查点与有限问题有用（Q2）、Jev 相对现有模型是否有增量（Q3/Q5）、所需数据与预算是否可用（Q4）。记录讨论不等于回答了这些问题。

后续讨论改变建议时，同步更新相应规范正文；只有实质论点变化才在这里补简短理由。真实 owner 决定及其公开链接写入附录 B；实验依据及有效范围写入附录 C；实施进展写入附录 A。不重复整段聊天，也不把被撤回的建议悄悄改写成过去已经批准。

工程减法标准保持不变：说明替代了什么工作或补了哪个缺失检查点，并计算新增维护成本。即使最终不采用 Jev，更好的证据与更少的重复判断也可以是有效结果。