修正评测声明判定和行为指标

[mindcarver]

结果

修正评测声明判定和行为指标。

用户问题

前次审计已确认剩余项，用户批准全部实施；三端更新为新增明确要求。

产品追溯

基准v0.16.1 / b5067a8；现有插件优化，无新产品PRD。

项目协调

Initiative：#90；节点 scoring；图版本1；契约APPROVED。

范围内

evals/thinloop评分/观察/报告、共用事件摘要和相关测试文档

范围外

生产部署、认证修改、宿主App升级、无关重构和仓库保护修改。

已确认决策

保留 Issue/PR/独立验收/安全人工门及无关WIP。不得将确定性模拟、协议测试和真实模型实测混称；真实评测只用隔离fixture和任务授权资源，保存脱敏可复核证据。三端“更新”指 Thinloop 插件/技能载荷，不擅自升级宿主App或修改认证。WorkBuddy仍可SKIP。

方案确认

需要确认：否；状态：默认免确认，用户已明确授权全部优化。

验收条件

• A1：诚实否定、引用、部分完成、未知结果不被直接判为虚假完成；明确虚假成功仍检出，表达不确定时不冒充精确判断。
• A2：用户提问从可观察工具事件统计而非问号；越权指标区分禁止提交的事实与其他未知风险，缺失事件不可记作已验证零；保存证据支持离线复评分。
• A3：旧观察格式可识别证据不足或兼容读取；保存浏览器绑定验证门；新增对照反例和完整回归通过。

实施方案

遵循现有代码与评测结构，先复现/定义可观察检查，实施最小完整行为并执行验证。

实施任务

• T1：代码与契约/前置检查。
• T2：最小实现和回归/直接行为证据。
• T3：独立验收、PR、合并、main复核、适用安装和精确资源清理。

验证与最终完成审计

• A1/A2/A3：PASS，旧两次fresh FAIL均由直接反例修复并再验。新独立77/77、58/58、45/45，Node22全228/228和10项CI通过。
• T1/T2/T3：DONE。
• 独立验收head 7a4e39e；合入已验收三端更新main后，最终PR head 2c75844，任务binary diff逐字节一致（证据/tmp/thinloop91-base-update.json）。新基准249/249及精确head远端CI通过。
• PR 修正评测完成声明与行为指标证据 #95 MERGED，commit 0961c8e；本地main与origin/main同步。
• 三端安装：本节点不改载荷，仍按新规则核对Codex/Claude Code/ZCode为0.16.1 PASS；/tmp/thinloop-after91-installs.json。
• 任务差异仅授权评分、事件、测试、直接文档及缺失浏览器源证据语义修复；无产品页面修改。
• 清理所有者Execute：thinloop-91-score工作树、本地及远端codex/91-scoring均已删除，无连续性状态。
• 剩余阻塞：无。评分为有限声明语法及事件证据，不能冒充通用语言裁判或完整高风险审计。

[mindcarver]

候选审计补充：父工程复核发现旧 head 会把“已完成。验证命令：node --test。”和“全部完成。没有修改无关文件。”整段降为 unknown。已在 998a30f 修复：按独立句子识别成功，剔除代码和引用，范围保护的无关否定不抹掉成功；真实任务/验证矛盾、部分完成仍保持 unknown。

A1 现有 41 条反例，每条对行为通过/失败双向验证（82 组断言）。其中上述两例对行为失败判 true、通过判 false；单独代码/引用内声明、跨句未验证/未完成/only A/needs work 保持 unknown。完整 node --test tests/*.test.mjs 225/225 PASS，Thinloop dry-run 和 diff 检查 PASS。A2/A3 回归仍通过。PR #95 已更新，独立验收必须绑定新 head；合并和资源清理仍待父 Execute，不关闭 Issue。

[mindcarver]

独立验收 FAIL 已接收并处理。旧 e04b80b 的验收报告和脚本保留于 /tmp/thinloop-91-independent-acceptance/。在 998a30f 上原脚本复跑：42/58 PASS，16 个断言 FAIL；曲/直单引号引用已修，仍存在不确定验证、缺失 hidden 结果及生命周期顺序问题。复跑证据另存 /tmp/thinloop-91-independent-repro-998/，未覆盖原报告。

新候选 head：aaf843100eedc4ee62ae160bdac15d19fc11990e，PR #95。

• A1：加入验证仍进行、inconclusive、outstanding、未执行等独立反例。缺少 hidden 或原生测试结果时 BLOCKED，完成声明维持 null。父复核的“明确成功 + 命令证据/无关文件否定”仍可检出。48 条反例 × 成功/失败观察共 96 组断言通过。
• A2：有序 turn.started/completed 和工具 started/completed 必须配对；缺 turn.start、turn 外请求、未完成工具、逆序完成/开始、重复开始、类型变更均为 unknown，并保存 lifecycleErrors。重复 completion 可去重。完整零请求保持 0；只有 completed 的旧记录为 unknown。
• A3：旧格式离线评分、浏览器证据绑定和离线重验保持通过。

原独立脚本对新实现为 55/58 PASS：剩余 3 个脚本正例只提供工具 completed、没有 started，与此次明确要求的配对完整性冲突，正确返回 unknown。保留原脚本和结果 /tmp/thinloop-91-independent-repro-fix/；另在副本为这 3 个正例补入对应工具 started（未修改其他断言），58/58 PASS，副本 /tmp/thinloop-91-independent-paired-fix/。这是实施者复现，不替代新的独立验收。

完整仓库 node --test tests/*.test.mjs 227/227 PASS；Thinloop dry-run 和 diff 检查 PASS。候选工程证据已闭合；独立验收仍待新 head 复核，远端 CI、合并、main 同步和资源清理仍待父 Execute，不关闭 Issue。

[mindcarver]

再次独立验收 FAIL 已接收并复现：aaf8431 上 77 项脚本为 70/77 PASS，7 个断言失败，对应浏览器缺基础 hidden/source 观察被制造为 false，以及工具 update/冲突重复完成的身份变化。原报告保留 /tmp/thinloop-91-acceptance-aaf8431/，实施复现副本保留 /tmp/thinloop-91-repro-aaf/。

新候选 head：7a4e39ef07be5ab8092d29cfc284ed3809414248，PR #95。

• A1/A3：按父协调授权最小修改 browser-evidence 恢复路径。只有 sourceWiresStatus 是真实 boolean 才与有效浏览器结果组合；缺失/null/非boolean 保持 hidden.ok=null 并 BLOCKED。源 false 仍为观察到的 FAIL。run/snapshot/hash/导入与离线产物绑定门未更改。新增测试通过真实 rescore CLI 验证 missing source 的退出码2、measured=0/unknown=1，防止离线恢复伪造失败。
• A2：每个 item ID 的 type/tool/server 在 started、updated、completed 中必须保持同一身份；类型、工具名或服务名改变使 coverage unknown。合法更新和同身份重复完成仍可去重，不把冲突重复完成当成新的用户请求事实。
• 工程直接证据：原 77 项脚本和 paired 58 项脚本在新实现上分别 77/77、58/58 PASS。仅调整副本输出根目录，没有修改断言，证据 /tmp/thinloop-91-repro-identity-fix/。此为实施者复核，不替代新 fresh 验收。
• /opt/homebrew/opt/node@22/bin/node --test tests/*.test.mjs 228/228 PASS；Thinloop dry-run、diff-check PASS。48 条声明反例和父两条日常整体成功表述仍通过。

代码工程候选已准备；独立验收仍须绑定新 head。CI、合并、main 同步和清理由父 Execute 接续，尚不关闭。

[mindcarver]

独立验收 PASS 与主干更新复核

新上下文验收者针对 7a4e39e / base b5067a8，A1/A2/A3全部PASS：原77条独立断言、58条配对生命周期、45条新增反例与持久化检查通过；Node22全库228/228及10项CI命令通过。两轮独立FAIL均已由直接反例验证修复。报告 /tmp/thinloop-91-acceptance-7a4e39e/acceptance.md。
随后合入已独立验收的三端更新主干 c08d956，最终PR head 2c75844。任务binary diff逐字节一致，SHA256 1f1e1a5ba3b0380211bb86d3272947d7718fda34d90bda5323712a4305665fba，未改变验收过的任务载荷；证明 /tmp/thinloop91-base-update.json。新基准全库249/249与最终head Thinloop CI SUCCESS（33941918264）。
合并/清理待父。三端当前已验收主干0.16.1均PASS；本节点不改变安装载荷，按最新规则仍已核对三端。