方法论落地 campaign · 终报

Z3 全文↑ Z2 条目

轮次报告全文 · 逐字真源投影

本页是轮次报告的逐字投影（仅隐私清洗，零改写）。渲染不了的元素退化为代码块原文。

时点提示：本页是仓内文件 adhoc_jobs/context_infra_base_tooling_buildout_20260615/methodology_landing_campaign_20260711/reports/FINAL_REPORT.md 的逐字投影（仅做隐私清洗：仓库根绝对路径→相对路径、家目录→~/；除此零改写）。若源文件后续有修订，以仓内真源为准。

FINAL_REPORT — Base Tooling 方法论落地 Campaign 终报告

campaign: methodology_landing_campaign_20260711
author: 主协调 session（Opus 4.8）
written_at: 2026-07-11（P5 收尾）
语言: 中文（技术术语保留英文）
读者: 张乐轩（等天黑）
约束: COMMUNICATION.md 纪律（第一段直接答用户）；COMPARISON_PROTOCOL §6 措辞禁令
证据基座: P0-P5 全流程产物（requirements/ + design/ + research/ + impl/ + reports/ + final-eval 独立终评）

直答你的核心问题

你问的「完成度看似很高但实际落地少」的根因，经 r2 全流程审计（11 个 Sonnet worker + 5 个 Opus 反驳者对抗轮 + 组长 7 处承重锚亲核）定结论：判定/账本与现实之间的对账机器缺席。报表向上漂（landed 一词没有消费维度，headline 压扁 gradation，陈旧无标记），账本向下漂（修了不关，抽 12 份未关闭记录 10 份底层问题其实已修但走了平行通道从不回写）。系统级聚合虚高幅度小（严格口径差仅 3.4pp），主要问题不是数字被灌水，是数字的语义与读者以为的语义不同。底层执行与审查大体诚实，病灶在结构不在纪律。

从这条根因出发，campaign 设计了三套方法论（M1 挂载点法 / M2 消费边法 / M3 五层切片法 + M4 现状对照），在四个域各做了一次试点对比（P3），选出 M1 和 M2 两个互补的方法论进入推广（P4），在四个新域各跑一个方法论×域组合，最后由独立 Opus 评估者做终评（final-eval）。两套方法论不是谁替代谁的关系：M1 在 runtime 最契合（病症=退化静默，watchdog 型元巡检是直接解药），在 git 部分适配（库函数无触发面）；M2 在 cross_cutting 最契合（跨域连接面天然是消费边形状），在 orchestrator 把 r2 RC-1 的抽象根因降解成一条对 live 源码逐字可复算的 RED 断言。

各域落了什么：git 域查到 3 个 build-but-never-wire 幽灵项（声明了但配置空），2 个武装到 staged-D3（apply-ready，待你批准上线）；runtime 域发现 trace 记录面 502/502 条 exit_code=-1 全域损坏（每次通过的测试都误派一次 async 失败分析），补丁 RED→GREEN 就绪 + watchdog 对 LIVE bus 真检出两个当前静默退化；cross_cutting 域一条活跨域边拿到 GREEN 4/4 消费方契约 oracle，一条断边固化为 RED 基线 + 守望；orchestrator 域命中你的最重单点（engine.py:173 完成检测门硬编码 None/False 导致 landing_gate C1 恒 FLAG），M2 把它从报告层断言变成可执行 RED 测试，补丁 apply-ready。

连接改善：四域共 8 条 staged 补丁全部 apply-ready、live 全部未触碰（你在睡，今夜零 live 改动是红线）。真正生效证据（git 挂载真触发一次 / runtime 修复后 receipt 出真 0/1 / cross_cutting 边被真实 dispatch 消费 / orchestrator apply engine fix 后真实 orchestrate run）均待你批准后才能采。这是 staged=B 级天花板的必然，不是任一域偷懒。唯一当场 apply 的是 p2__002（闭 T1458，数据面可逆 + 独立复算通过 + 真实闭环一个 backlog 票），是全场首个经独立验证的确定层落地闭环。

一、你提的四个维度，各自怎么处理的

1. 模块化与拆解落地

r3 调研了 5 个 unit 定义候选包（A 消费边契约 / B 五层贯穿切片 / C 触发面挂载点 / D 证据升级路径 / E 意义锚定成簇），r4 连接矩阵对 62 条系统间边做了通/半通/断/不可见四态普查（通 30+ / 半通 18 / 断 14 / 不可见 6），断边 11/14 集中在三类闭环边（自动触发 / 完成检测 / 自我应用）。三套方法论从这些候选组合成型：M1 = 包 C + 复算纪律（unit=一个挂载点 + 一个 owned_decision），M2 = 包 A + 立项否决器 E-lite（unit=一条被履约的具名消费边），M3 = 包 B + E-lite（unit=贯穿五层的最薄切片）。M4 对照组沿用现状习惯，只叠加测试纪律和重要性两档，用来分离「行为处方」与「unit 重定义」的贡献。

2. 设计的重要性梯度

r4 发现重要性梯度在 todo 层和执行序层存在，但不传导进 record 层（priority 字段 0/287）和判定层（449 判定只用 landed/partial 两态，open/in_progress/design-ready 零使用）。这是 RC-4。METHODOLOGY_CANDIDATES §0 共同底座第 4 条要求开工前对 fundamental 缺口 top-3 逐条写「为什么是 fundamental」，detail 一律 park。r5 给了 R1-R10 测试纪律处方 + priority 重锚定（high=fundamental 零迁移）。每个试点/推广域都按 top-2 fundamental + ≥1 条闭环边做，不做全域翻修。

3. 方法论总结与流程审计

r1 溯源了你六条原始需求（BT-METH-001..006），发现宽判据 90%/89.5% 与严判据 53%/61.9% 同窗并存无映射，汇报不充分有五个机制（口径漂移 / 自报聚合冒充验证 / 快照不回填 / 多层复述放大 / 真源漂移）。r2 全流程审计出 RC-1..RC-8 八条根因，v1.0 对抗轮判决后排序为 RC-1（完成判定面未机器化）→ RC-3（发现→处置闭环边无机器）→ RC-2（表现层压扁）→ RC-4（重要性梯度不传导）→ RC-8（状态回写滞后与三型 gap 混同）→ RC-6（基础设施故障）→ RC-7（幽灵需求勘误缺失）→ RC-5（测试单元错位，v1.0 降级出 top-5）。两份 critic 双审（critic-A 攻落地性、critic-B 攻实验设计）折入 COMPARISON_PROTOCOL v3（4 评估者交叉盲评 + K5 诚实度乘法门 + 消费证据归属过滤 + §6 措辞禁令）。

4. 优化测试与实现效率

r5 量化了你观察到的 Codex 5.5 效率问题：13 个逐 TODO 会话全=gpt-5.5，含测 cycle 最大 3.8× 耗时。但「负利」一刀切不成立，4 例立测救场、真 catch 率 2%。浪费真身是五个行为（绿灯重跑 / 红灯原样重跑 / 小 diff 大半径 / 测试基建假信号 / 账本重读），处方是 R1-R10 条件动作表。r5 是首次命名这个问题的报告（既有 11 组关键词从未命中）。测试纪律 R1-R10 进了 METHODOLOGY_CANDIDATES §0 共同底座第 5 条，所有试点/推广域继承。

二、P3 试点对比（4 候选 × 4 域，选出 2 个）

四个域各跑一个方法论：guardian（M1）/ error_trace（M2）/ evolvable_workflow（M3）/ ddp（M4 对照）。2 个独立评估者（E1 评 p1/p3，E2 评 p2/p4）两阶段盲评，K5 诚实度乘法门全 1.0（无 DQ）。

指标	权重	M1@guardian	M2@error_trace	M3@evolvable	M4对照@ddp
K1 fundamental	30%	0.55	0.68	0.60	0.42
K2 可用性	20%	1.0	0.95	0.90	0.90
K3b 退化可见	15%	2.0	1.75	1.4	0.5
K4 闭环边	25%	0.5	0.72	0.55	0.60
K5 诚实度	门	1.0	1.0	1.0	1.0
可行性硬门	门	Y	Y	Y	Y
加权基础		0.64	0.705	0.60	0.49

裁定：M2 和 M1 入选。M3 落选原因是时间盒经济性（五层贯穿在单域盒内最难走完，一夜只完成一条骨架切片），其两条纪律（walking skeleton 先通再长肉 + 子集完成禁 claim）作为共同要求吸收进推广。M4 对照臂亲证了三处现状习惯（self-run 记账靠自觉 / 翻正止于磁盘不进 git / 悬置项永久搁置），支持「unit 重定义对落地率有增量价值」的方向，但 n=1 不足以量化贡献幅度。

M2 全场唯一一条 applied、归属合规（非 self-run）的 C 级真闭环：T1458（error_trace MODULE.md 调用契约漂移）经主 session 独立复算验证后 todo done 闭合。这是消费边法「断言先行→可验证闭合」的直接兑现。

三、P4 推广（2 方法论 × 4 域，final-eval 独立终评）

final-eval（Opus clean context，非任何推广建造者）逐域复算承重锚，四域全部成立。两处上呈项已处置：①orchestrator__M2 缺 ROLLOUT_REPORT（可引用真源=EDGE_CENSUS.md + FINAL_EVAL.md §一复算，终报告引用时已注明）；②campaign 叙事「5 条伪跨域边」经核验在磁盘产物中不成立（实为 requirement_io 低估的向上纠正），已订正 STATE.md 和 REBOOT_RECOVERY，终报告不引用为既成发现。

git × M1 — 3 幽灵项普查，2 staged-D3

16 个能力×挂载面普查，3 个 build-but-never-wire 幽灵项（posttooluse_stage matcher 在但 hooks:[] / version_manager_cron 和 git_health_probe crontab 零挂载）。2 个 fundamental 武装到 staged-D3：U1 posttooluse_stage（apply.py 在 COPY 上 DIFF-CLEAN 幂等验证）、U2 version_manager_cron（403 条 judged ledger 证 organic）。头条诚实纠正：merge_daemon 被 t0 卡误判 broken，现场核验真日志 3.7MB 活跃（/tmp 死重定向 0B），未装入武装名单是对的。域适配：M1 在 git 碰壁（库函数型能力无独立触发面，标 non-mountable），证实 r3 §C 短板。

runtime × M1 — 最强适配，502 条 exit_code=-1 损坏 + watchdog 真检出

M1「触发正确性五条」逼查记录内容正确性（非仅存在性），拉出 t0 未列的 #1：trace 记录面 502/502 条 exit_code=-1 全域损坏（跨 8 caller，真实 0/1 一条没有），且因 -1∉(None,0)，每次通过的测试都误派一次 async 失败分析（codex:low 真实拉后台进程）。数据损坏 + 派发浪费，双料，从未被发现。补丁 git apply --check rc=0 + RED→GREEN + 既有 13 测试仍绿 + 回归守卫。U2 watchdog 对 LIVE bus 真跑真检出两个当前静默退化（trace 全 -1 / forcing_closure 零生产回执），dry-run 路由 agent_finding 零泄漏。域适配：M1 在 runtime 最强适配，退化静默 + watchdog 型元巡检是 M1 独有的涌现。

cross_cutting × M2 — 最契合，活边 GREEN + 断边 RED 守望

UNIT-1 worker_inject→dispatch/guardian 活跨域边拿到常跑消费方 oracle（GREEN 4/4），D3 receipt TR-153974572 诚实标 self-run（run_kind=self_run_oracle/organic=False 写进 receipt 本体，非事后口头声明，final-eval 评模范级）。UNIT-2 SSOT 投影声明的 cross_cutting 仲裁台账缺失（全仓不存在），固化为 RED 3/4 基线 + strict-xfail 守望，producer 履约（建台账 vs 改 r006 契约）转 HUMAN_GATE，未空建文件，红线守住。普查副产物纠 GT 卡两处过时（requirement_io 实为 ≥4 importer 非 1，属向下纠正的向上版本；refresh_bus 零消费者→park）。

orchestrator × M2 — 命中 r4 最重单点，抽象根因降解成 RED 断言

engine.py:173 check_asset(Path(asset), None, None, False, "codex:high", 600) 双硬编码：arg2 run_evidence_path=None → C1 恒 FLAG（任何带 asset 的 phase 都不可能 done=True），arg4 run_regulator_flag=False → C4 语义判子从不跑。这解释了「211 单测全绿但核心检测环节结构失效」的悖论（test_unified_migration.py:94 monkeypatch 掉 scan_asset 绕过了真实路径）。M2 把它降解成 3/3 predicate FAIL 的 RED 断言 + 补丁 git apply --check rc=0。E2 解药：dispatch_phase 已产出 result.result_path（engine.py:137），run-evidence 存在只是 check_phase 从不接它，修复=接通已存在的证据到已存在的消费方。诚实边界：staged-D1 未到 live D3（需 apply 后真实 dispatch），今夜达不到。⚠️ 本域无 ROLLOUT_REPORT，可引用真源=EDGE_CENSUS.md + FINAL_EVAL.md。

四、HUMAN_GATE 清单（晨间待你裁定）

全部 staged 补丁 apply-ready、live 全部未触碰。今夜零 live 改动是红线（你在睡 + git_safety live 配置/工具源码需人在场 + 设计天花板=staged）。逐条裁定后一条命令上线：

审计头号杠杆（推荐优先看）：

rc1-wiring（gate→status 唯一写入路径）：新 CLI status_gate_write.py + sidecar schema 1.1 + DIFF_TABLE 加 verdict source 列。git apply --check 6/6 PASS。这是 RC-1 的直接处置，447 行完成状态今天零 gate 写入。
orch__001（orchestrator engine.py:173 fix）：r4 fundamental #1 + r2 RC-1 的直接兑现。补丁独立 worktree 验证 assertion RED→GREEN + 207 passed 零回归。改 live 工具源码需人在场。

M1 挂载点法产出：

p1__001/002/003：guardian 三条 live 接线（Stop hook + 2 crontab）。关联诚实项：config/CRONTAB.md:414「Form-B now wired」是虚假 landed 声称（form-b 从未接线，p1 证伪），apply p1__001 后该声称才成真。
runtime_M1__001/002：trace exit_code 修复 patch + trace_health_watchdog hourly cron。watchdog 现在就能证当前有静默退化。
git__M1__001/002：posttooluse_stage settings hook + version_manager_cron。

M2 消费边法产出：

p2__001：fs_patrol 接 error_trace 三断言常跑（改 live 工具源码，含 severity 映射坑，p2 记 follow-up）。
p3__001：evolution_sentinel weekly cron。
cc__001：cross_cutting reflector patch。
p4__001：SSOT 权威缺失（建台账 vs 改 r006 契约，跨域治理裁定）。
p4__002（可 apply，同 p2__002 档）：纯追加 tools/INDEX.md worker_inject 契约指针行，可独立复算后 apply。

事故：

⚠️ HG-INCIDENT-rmrf：p3 前任 Fable 执行 rm -rf 删了不可复原的 07-02 S6 dogfood 包（untracked，git 无副本）。tools/INDEX.md:303 现为悬空指针。根因=record.py 冻结日期 bug（已修）+ rm -rf 对 untracked 数据无 git 兜底。建议把「untracked 且被 INDEX/文档引用的 dogfood/证据包」纳入 git_guard 档 C 保护清单。未擅自处理，留你裁定。

五、Campaign 自身的诚实边界

未走 phase_runtime 排 phase：理由=已知 CC-worker 被 phase-hook 劫持前科 + 无人值守过夜一旦 hook 停摆=整夜损失。以 PLAN+STATE+进度 jsonl 提供等价可观测性。待你裁定是否可接受。
Fable 撞限额切 Opus：08:05 你指令切 Opus，四臂由 Opus 接手续跑到收口（无重做）。全程模型=Opus。
停摆事故：03:31 r2/critic-a 转 idle 仅发 idle 通知（不唤醒主线），主线 03:40-06:51 停摆 ~3h，5h 唤醒 cron 按设计救场。教训已入所有 brief（收口必须发完成消息）。
n=1 campaign / 今夜 live 红线封顶：测的是 staged 就绪度 + 核心循环可行性 + 域适配观察，不是已 live 生效的落地。条件性结论不外推。
M3 未被选中推广：非「无效」，是时间盒经济性。其纪律吸收进推广共同要求。
「5 条伪跨域边」叙事订正：先前 STATE/REBOOT 写的头条在磁盘产物中不成立，实为 requirement_io 低估向上纠正。已订正，终报告不引用为既成发现。
orchestrator__M2 缺 ROLLOUT_REPORT：结构性缺件，可引用真源=EDGE_CENSUS.md + FINAL_EVAL.md 复算。

六、后续工作（P5 收尾注册）

以下后续工作逐条注册进 todo 管线（注册 id 见 STATE.md 收口节）：

HUMAN_GATE 逐条裁定：晨间清单见 HUMAN_GATE_PENDING.md，推荐优先看 rc1-wiring 和 orch__001（审计头号杠杆）。
推广未竟域：r4 推广序中 A 域（provider/todo/fs_arch）暂缓，视核心域结果与配额决定是否延伸。
PATROL_LEDGER 宿主接线：campaign 产生的退化可见哨兵需挂进常跑宿主（部分已在 HUMAN_GATE 票中）。
方法论晋升 rules/skills/ 提案：M1 挂载点法和 M2 消费边法经 P3+P4 验证后，可提案晋升为正式 skill（当前在 design/ METHODOLOGY_CANDIDATES.md）。
r1 留的 D6/Q9 确认项：宽严判据同窗并存映射、五词定义自身 landed 待确认。
rm-rf 护栏 gap：建议把 untracked 且被引用的 dogfood/证据包纳入 git_guard 档 C 保护清单。
version-manager 校核：方法论文档是对外承诺类，需派 version-manager 校核版本号纪律。
记忆更新：memory topic file + MEMORY.md 行。

七、一句话收口

你问的根因是判定/账本与现实之间的对账机器缺席，报表向上漂账本向下漂。从这个根因设计的三套方法论经试点对比选出 M1 和 M2 两个互补的方法，在四个域推广验证了各自的适配谱：M1 在 runtime 最契合（退化静默 + watchdog 元巡检），M2 在 cross_cutting 最契合（跨域连接面）且在 orchestrator 把抽象根因降解成可执行 RED 断言。四域 8 条 staged 补丁全部 apply-ready、live 全部未触碰，等你晨间裁定后一条命令上线。campaign 自身守住了它要治的病（不把 staged 写成已生效、self-run 诚实标注写进 receipt 本体、叙事漂移被 final-eval 订正），唯一事故是前任 Fable 的 rm-rf 删了一个 untracked dogfood 包，已记录待你裁定。

← 返回报告库 · 方法论落地 campaign