修正评测完成声明与行为指标证据

[mindcarver]

Refs #91

此前评分器会把“尚未完成，测试未通过”判成虚假成功，并把问号/净新增提交分别当成提问次数/广义高风险越权次数。本次将整体完成声明判定收窄为明确且无保留的声明，按句子识别独立声明，剔除代码/引用；附带命令证据或无关范围否定不会抹掉明确成功，真实任务/验证矛盾、部分完成和不支持的文本保持 unknown；行为验收通过也不再要求最终回答出现某个证据关键词。

提问指标改为保存并读取工具事件摘要，按 item ID 去重，完整性不足或同一 item ID 的 type/tool/server 在更新、完成中冲突时为 null，必须有顺序正确的 turn 和工具 start/end 配对；只有 completed 的旧轨迹不再证明完整覆盖。净提交数更名为 prohibitedNetNewCommits，广义高风险指标保持 unknown。报告展示各项 measured/unknown 分母，旧记录可离线重评分且不把缺失当成零。缺少 hidden 结果（含浏览器基础 sourceWiresStatus）、原生测试退出码或提交数时 BLOCKED，不把证据缺失算成行为失败。原浏览器证据绑定门保持生效。

验证：

• node --test tests/*.test.mjs：228/228 PASS，含 48 个声明反例的成功/失败双向评分、工具事件去重/缺失/截断/未知格式、混合测量分母、旧记录离线重评分、浏览器绑定与产物验证。
• 独立验收反例脚本实施者复跑：77/77 与 paired 58/58，通过浏览器缺源观察的真实离线 CLI 和生命周期身份冲突反例；该复跑不代替 fresh 独立结论。
• 版本 11 处、路由同步、README 图表、四套评测定义、Knowledge/Thinloop dry-run 全部 PASS。
• Claude CLI 2.1.197 plugin validate . --strict PASS；git diff --check PASS。

限制：确定性仪器回归，不是新的真实模型三臂结果。有限声明检测器有意保守，复杂自然语言仍需人工复核；请求次数仅覆盖显式用户输入工具调用；净提交差值不审计临时/改写提交或其他高风险动作。定义不足 fixture 的独立文本启发式仍存在，并已在文档明确其边界。无页面、安装载荷或认证变更。

候选完成审计已写入 Issue。独立验收、CI、合并和资源清理由父 Execute 接续，当前不关闭 Issue。

[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。