89a4bc8cfc
合入期 5 验收修复 M1：核查 agent 正文里的依据标记不再断句——只装着依据的括号（含【】［］〔〕[]）连同里面的停顿标点一起去掉，去掉之后按真正挨上的两个字补空格，两个数不再并成一个；核查 agent 的提示词改成依据写在句末；收尾超时照实记 timeout_s；没给理由时照实说没有给出理由
2026-10-12 13:12:20 +08:00
b6a33b4ee2
合入期 5 前置修复 K3b：工具边界遮罩收口——分析出意外、(表达式).* 展开、把 SQL 或表名写成字符串参数的函数、记着别的会话 SQL 的系统视图与 SHOW / EXPLAIN、当一张表用的 VALUES 读到遮罩列时整份遮；按值遮只换文字格、数值证据原样并记下换过的格子；分档标签一档一行时照常显示；交给核查 agent 的证据摘录先遮，反方理由加最后一道关；长 CTE 链的分析有缓存与步数上限
2026-10-12 13:12:10 +08:00
60be16a0bb
M1 复核修正（第 3 轮）：依据两边什么都没有时也判粘连，两个数不再并成一个；只装着依据的括号认【】［］〔〕[]；右边紧贴着下文的半角逗号后面补空格
...
渲染（evidence._tidy）：
- 上一轮只沿着去掉的字往两边找粘连：依据前后没有空白、括号、标点时没有切口，「华东 [[v:Q1.r0.销售额]][[see:Q1]]
[[v:Q1.r0.订单数]] 笔」渲染、组装都是「4,919.5212 笔」，「[[v:…]][[see:Q1]]2 月」是「4,919.52 月」，「**华东 [[v:…]]**
[[see:Q1]]2 月」组装出「华东 4,919.52 月」，verify_doc 都不报。现在每个依据（连着写的一串、只装着依据的括号都算）
两边都判（_glue 看所有不显示的字，不只看切口），会读成一串的补一个空格：这一片有去掉的字的照旧换掉头一个，没有的
插在头一个依据前面（粗体收尾的星号外面）
- 只装着依据的括号认【】、［］（全角半角混用也算）、〔〕、[]，和（）一样连括号去掉，外面悬着的停顿标点照原规则收拾；
依据在这些括号开头、末尾紧挨着分隔标点的，同（）一样收拾。核查 agent 拿到的查询结果以「【证据 Qn】」开头，模型照着
写成「【[[see:Q1]]】」，以前渲染成「【】」
- 右边是写作者紧贴着下文写的半角逗号的（「1,200（[[see:Q1]]）,900」去掉括号读成「1,200,900」），空格补在逗号后面
（同「212,[[see:Q1]],5」→「212, 5」）。上一轮把这一类当成可以不管的「）,5」写法；和基线 58a6759
2026-10-12 12:24:14 +08:00
45987748ef
K3b 复核修正（第 3 轮）：VALUES 当一张表用又读到遮罩列的整份遮，列名按方言认；sys 库读 performance_schema 的 ps_* 函数进认不全的名单
...
- VALUES（复核 major，基线就有）：_function_columns 按 Postgres、SQLite 的习惯把 VALUES 的列记成 column1…，MySQL 8.0
实际叫 column_0、column_1…（真库实测），派生表、CTE、LATERAL 里的 VALUES ROW 取了号码，外层按名字取、照原名带出时
对不上，号码原样交给模型、落库；MariaDB 拿第一行的值当列名，同样对不上。现在 VALUES 当一张表用（FROM、JOIN、
LATERAL 里的，WITH 里的一段，UNION 的一支，整条就是它，_values_table）又读到遮罩列（含派生出来的名字）的，不论哪个
库、列怎么起名，整份遮。套了括号的 VALUES（整条、UNION 的一支）解析器原样挂在树上、不在任何 SELECT 的 FROM 里，以前
哪个库都没认（Postgres 也漏），一并收口。IN / ANY / EXISTS、标量子查询里的 VALUES 不算：值经外层的表达式带出，或者
只用来筛行
- 列名按方言认（_values_names，_function_columns 用同一套）：Postgres、SQLite 叫 column1…，MySQL 叫 column_0…（一行
ROW(…) 摊开数列），写了列名表的按列名表（Postgres 的列名表只改前几列），MariaDB、Oracle 认不准记 None。整份遮时只收
值取自遮罩列的那几列的值（_values_taken 按位置）：以前 VALUES 按表值函数认，出的每一列（连同 key、value、别名）都算，
同一行里没碰遮罩列的区域收成遮罩值，在同一次核查里处处被换掉
- 行为变化：Postgres、SQLite 的 LATERAL VALUES 读到遮罩列，以前只遮那几列，现在整份遮（多遮，同一份里的编号也遮）；
原来「VALUES 里直接写遮罩列只遮那一列」的用例改成整份遮
- sys 库（复核 minor）：INDIRECT_NAMES 的 sys 规则补上按 sys.ps_ 开头认的函数（ps_thread_trx_info 交回线程的事务里执行
过的语句原文，ps_thread_stack 同类；只交回编号、开关的 ps_thread_id、ps_is_* 一并算，多遮；不写 sys. 的要默认库就是
sys 才执行得了，不认，同 sys 的视图）。工具边界和可验证报告共用这一份名单，报告不再判它没碰遮罩列、照常附带快照
- 质询模块说明的已知局限同步
补测试：VALUES 当一张表用 × MySQL（派生表、LATERAL、CTE、外层改名、JOIN LATERAL、LATERAL 子查询、标量子查询、派生
出来的名字、UNION 第一支、整条套括号、派生表里 UNION 的一支）、MariaDB 两种、Postgres 三种、SQLite 一种；三种没读到
遮罩列的对照；四种写法的收值（号码收、区域不收）和 (表达式).* 之后不按位置收；_function_columns 四种列名、两种认不准；
核查 agent 真实查询工具上的端到端（复核点名的三条 MySQL 写法）；sys.ps_* 六种写法、三种不该误伤的对照、可验证报告
两种、端到端一条。逐项去掉实现（整份遮、MySQL 的起名、按位置收值、当一张表用的位置、整条就是 VALUES、VALUES 不按表值
函数认、摊开 ROW、列名表、_function_columns 的起名、(表达式).* 之后停、MariaDB / Oracle 认不准、sys.ps_），对应的测试
都变红。另在 MySQL 8.0.46、Postgres 18 临时实例上经核查 agent 的真实查询工具复跑 28 条（MySQL 的 VALUES 14 条、对照
4 条、sys 函数 4 条，Postgres 的 VALUES 6 条）：交给模型的、落库的、通用工件接口给的都没有号码；2b5989e 上其中 16 条漏
号码（sys.ps_thread_stack 在只读事务里执行不了，前后一样）。
2026-10-12 12:18:34 +08:00
ce36aabe92
合入期 5 验收修复 M3：可验证报告核对正文显示的文字与引用的值一致——文字取值逐字比对，数字按服务端的显示规则（千分位、小数位、百分数、万 / 亿换算、单位）核对，认不出的格式判无法核对而不是通过；紧挨数字的不可见字符、缩进挤出屏幕的列表一并判不通过
2026-10-12 11:42:06 +08:00
9344cb9232
M3 复核修正（第 2 轮）：紧挨着核对过的数字的字按码点分类收紧，列表缩进有上限、表格只排有格的列
...
复核发现「紧挨着」只认一部分字：隔着 DEL、U+FFF0 这类显示时不占位置的字补一位数，或者前面加一个 U+2010 这类和负号
长得一样的横线，读的人看到的数已经变了，页面仍「全部通过」；伪造的列表缩进写成十万级，核对通过的数字被挤出屏幕仍判
通过。
- 紧挨着的字按码点分几类（kindOf）：数字；负号（横线类标点全算、波浪形的除外，减号类符号，Unicode 易混字符表里映射到
「-」「ー」的字，在 Chrome 常用字体里逐个画出来是一道横线的字）；分隔（半角逗号、句点和易混字符表里长得一样的窄标点，
全角的不算）；不占位置的格式字符、默认不显示的字、变体选择符照旧跳过；控制字符（制表、换行等空白除外）、未分配和私用
区的字、孤立的代理项、组合附加符号、可选连字符、发丝空格、对象替换符和在 Chrome 里量出来几乎不占宽度的几个字算「说不
准」：隔着它们照样往外找数字、负号，找不到的也判无法核对、原因另写。只跳过不标记的话，叠在空格上的组合横线、Chrome
画成短横的 C1 控制字符照样能在数字前面显示出一个「负号」
- 同一句里有从右往左书写的文字（希伯来文、阿拉伯文这类）和方向控制字符一样判无法核对：Chrome 里实测，一个希伯来字母
就能把逻辑上在数字后面的「5」显示到数字紧前面（读作 574,613.65元），按字的先后看不出来
- 代理对只在真成对时拼成一个字：不成对的前半不再把后面的「1」吞进去；分在两个文字片段里的一对页面上照样显示成数学字母
区的数字，也拼起来看
- 列表缩进最多显示 8 级，负数按 0 级：十万级的缩进把数字挤到 140 万像素以外，负的连滚动都滚不到；表格只排有格的列：列号
写成十万时不再建几十万个空格、把那一格挤到右边，写成 2^32 时整段核对也不再出错。核对和显示共用 listItems / tableCells
- 真数据（两份数据目录里 39 份报告文档、1591 处数字和取值、45 个列表、70 张表格）里新旧规则都一处没有触发
- 测试：test_bundle_shown.py 补 DEL、U+FFF0、U+2010、U+2013 等紧挨着的写法，说不准的字、从右往左的文字、缩进和列号的
用例，逐项去掉实现都会变红；check-bundle 在经营月报上补四种紧挨着的伪造（从右往左那条先量出「5」确实显示在数字紧前
面），缩进写成十万级和负数（宽屏、窄屏）、表格列号写成十万的伪造
2026-10-12 10:52:09 +08:00
2b5989ef00
K3b 复核修正（第 2 轮）：VALUES、行构造器里的 (表达式).* 和交回复合类型的表值函数整份遮；记着别的会话 SQL 的视图、不只读表结构的 SHOW 和 EXPLAIN 整份遮
...
- VALUES 里的 (表达式).*（基线就有）：Postgres 在 VALUES 里同样把复合类型、记录展开成好几列，LATERAL VALUES 按表值
函数认时一个元组项只算一列，column2 起的号码原样交给模型、落库。现在 (表达式).* 不只看选出项：树上任何位置的（VALUES、
行构造器、函数参数里的），以及 VALUES 里的 s.*、(s.*)，读到遮罩列就整份遮。(表达式).* 的值只按那个表达式认，不再把 *
当成展开 FROM 的来源（没设遮罩的复合类型 (p.address).* 以前因此被整列遮）
- 同一类、复核没点到的：Postgres 里 FROM 中交回复合类型的表值函数。unnest 的数组元素是复合类型时展开成各个字段
（unnest(ARRAY[p.card]) 出 addr、tel，写了列名表也只改前几列的名字），不认得的函数只写了列名、没写类型的列名表
（jsonb_populate_record(NULL::contact, …) AS r(a) 后面的字段照原名出），读到遮罩列的整份遮（_spreads_record）；拆普通
数组的 unnest 也一样（元素类型 SQL 里看不出，多遮）。写了带类型列定义的照写的认
- Oracle 的 JSON 点号、对象类型的属性（t.profile.tel，解析器读成库、表、列）：前面几段也算列，以前只认 tel，号码原样交出
- 记着别的会话 SQL 原文、被锁那一行的值的来源补进 INDIRECT_NAMES（工具边界和可验证报告共用一份）：MySQL 的 INNODB_TRX、
OPTIMIZER_TRACE，MariaDB 的 INNODB_LOCKS、QUERY_CACHE_INFO，Oracle 的 V$ / GV$ / X$ 一律算、AWR 历史、SQL 调优集和
调优顾问、固定的执行计划和 SQL Profile、闪回事务，DBMS_XPLAN、DBMS_SQLTUNE 这类出报告的包
- 不是查询的语句（_reads_beyond）：只读表结构的 SHOW（表、列、索引、库、表状态、建库语句）、DESCRIBE / EXPLAIN 一张表
照常，别的 SHOW（ENGINE INNODB STATUS、BINLOG / RELAYLOG EVENTS、REPLICA STATUS、WARNINGS、PROFILES、CREATE TABLE /
VIEW、TRIGGERS……）、EXPLAIN 一条语句（MySQL 把只有一行的表的值代进计划里的条件，8.0 实测）不逐个认，一律整份遮。
SHOW CREATE TABLE 不算只读表结构：对视图交回的是视图定义（WHERE 里写死的号码，8.0 实测），以前因为写着 TABLE x 本来
就整份遮，照旧；SHOW TABLE STATUS 以前同样因此整份遮，现在照常
- 质询模块说明的已知局限同步；补一条：视图、函数、约束定义里写死的字面量（information_schema.views、pg_views、
pg_get_viewdef()……）不认，照常交给 agent
补测试：VALUES × LATERAL / JOIN LATERAL / CTE / FROM / 匿名 ROW / 整行 / 表和子查询的 *，函数参数里的 (表达式).*，
没碰遮罩列的对照；交回复合类型的表值函数九种写法和三种照旧按名字认的对照；Oracle 点号四种和两种对照；十九种视图和包、
十三种 SHOW、九种 EXPLAIN、十二种只读表结构的对照；核查 agent 真实查询工具上的端到端（Postgres 的 VALUES 展开、MySQL
的 INNODB_TRX 和 SHOW ENGINE INNODB STATUS）。逐项去掉实现（(表达式).* 的取值、树上的 Dot、VALUES 里的 *、新名字、
_reads_beyond、只读表结构的豁免、SHOW CREATE TABLE、unnest、只写列名的列名表、三段名），对应的测试都变红。另在
Postgres 18、MySQL 8.0 临时实例上经核查 agent 的真实查询工具复跑复核的复现和上面这些写法（44 条），交给模型的、落库的、
通用工件接口给的都没有号码；169c500 上其中 23 条漏号码。
2026-10-12 10:50:40 +08:00
3d85a43301
M1 复核修正（第 2 轮）：去掉依据之后按真正挨上的两个字判粘连——两个只装着依据的括号连着写、数字包着粗体时，两边的数不再并成一个；依据标记的「]」不当数字；一片里只补一个空格
...
渲染（evidence._tidy）：
- 上一轮判粘连只看原文里紧挨着括号的两个字（往后只越过 [[see:]]）。两个只装着依据的括号连着写（「[[v:Q1.r0.销售额]]
（[[see:Q1]]）（[[see:m:gmv]]）2 月」）、数字包着粗体（「**[[v:…]]**（[[see:Q1]]）2 月」，组装文档时星号又被去掉）
时，去掉之后真正挨上的是两边的数，读者看到「4,919.52 月」「212212 笔」，compose_doc、verify_doc 都不报。现在先把依据
标记和只装着依据的括号（套着的、几个连着写的都算）认成渲染出来什么都没有的一段（_voids），连着写的几个并成一组，外面的
停顿标点、空白照原规矩收拾；所有切口去掉之后，再往两边越过去掉的字、依据、粗体斜体的星号和下划线，找真正挨上的两个看得
见的字，会读成一串的补回一个空格（_glue）
- 依据标记的「]」越过去、不当数字：「华南居首。[[see:Q1]]（[[see:Q2]]）2 月」不再多出空格，「[[see:Q1]]（[[see:Q1]]）
2 月」不再以空格开头
- 同一片里最多补一个空格：「212,[[see:Q1]],[[see:m:gmv]],5」→「212, 5」（上一轮是两个空格）；挨上的是写作者自己留着的
空白的，不补
- 半角标点后面补空格并进同一条规则：只在下文是数字、字母或渲染出字的标记时补（「a,[[see:Q1]],b」→「a, b」），下文是中文
的照写作者原样
- 流式渲染把末尾的星号、下划线也攒到后面的字来了再放，和整篇渲染判得一样
- 粗体把括号包在里面时（「**[[v:…]]（[[see:Q1]]）**2 月」）空格落在收尾的星号前面：前端行内 Markdown 照样认这对星号，
组装出的文档去掉了包着标记的星号，读者看到的一样；挪到星号外面得先知道这对星号从哪开始，流式渲染的一块里不一定有。
测试里用严格的 xfail 写明这条已知限制
测试：两个括号连着写（全角半角混用、套着的）、粗体在括号前、后、里面、下划线和单个星号、依据的「]」、一片只补一个的用例；
结构化组合（数、依据、只装依据的括号、空白、星号、标点）逐份查写作者隔开了的两边没有挨上、没多出连着的两个空格，逐字和
每 4 个字分块渲染都等于整篇渲染；审批质询、核查 agent、反方审稿、双盲复算各补一个端到端用例。11 处改动逐一去掉实现，
相关测试都变红。另在测试之外抽查：结构化组合 15.9 万份和基线 58a6759
2026-10-12 10:35:13 +08:00
6d4f452f36
M4 复核修正：规范化后不同的行带上所在的子句，ON 挂在 JOIN 那一行的末尾
...
复核发现上一版把 ON 单独排成一行后，「规范化后不同的行」丢了关联条件的上下文：只差一个关联条件时那一栏只剩
「AND refunds.state = 'done'」，有两个 LEFT JOIN 时看不出是哪个 JOIN 的，也看不出是关联条件还是筛选条件；两边 JOIN
的表不同时，两边都有的那一行「ON」被 difflib 当成相同的行吃掉，表名下面直接跟条件；关联子查询换成两张表时也一样。
这几种都只给兜底说明，审核人全靠这一栏逐行对照。
- sql_semantics：ON 挂在 JOIN 那一行的末尾（表名、子查询的右括号后面），条件各占一行缩在下面，仍比 WHERE 的条件
深一级（ON 里和 WHERE 里的同一个条件不当成同一行）。text_diff 里不同的行前面带上它的各级上级行（排在前面、缩进比
它浅的最近一行，一层层数到顶格），以「 」开头、两边相同，只为标出不同的行在哪个 WHERE、哪个 JOIN 的 ON、哪层
子查询里；截到 40 行时末尾落单的上级行不留。只动排版：拿测试里的 SQL 语料（990 对，4 种方言、有无表结构、两个
方向）逐对比过，equivalent、items、fallback、level 和改之前完全一致，有没有不同的行也一致，不再有单独一行的 ON。
- SqlDiff 的约定多一条：「 」开头的是上下文行，只跟着不同的行出现。test_sql_semantics 的 check_shape 原来只认
「- 」「+ 」，改成也认「 」、并要求最后一行是不同的行（374 个用例只因这一行断言变红，判定和说明都没变）。
- 审批卡（DualCheckApproval）：两栏各自只放用得着的上级行（这一边不同的行往上数，缩进更浅的最近一行，一层层往上），
只有另一边用得着的不放；上级行不高亮、用淡一级的字色（同原文栏里没标的行），标题后面说明「淡色的行两边相同，标出
所在的子句」，悬停也是这句；这一边没有不同的行时照旧说没有，老工件没有上级行，照旧。lineDiff 注释里「条件并成
一行」的旧说法改正。
- 测试：test_sql_text_diff 里 ON 那条的期望改成带 JOIN 的上级行，补两个 LEFT JOIN 只差一个关联条件（两个方向）、
两边 JOIN 的表不同、关联子查询换成两张表、同一个条件在 ON 和 WHERE 里、顶格的行不带上下文、40 行截断几条；去掉
上级行、去掉「ON 挂在行末」、去掉截断后的清理，各自让对应的用例变红。
- 夹具 dual_check.json 按 test_dual_check_fixture 的办法重新生成（只变 text_diff），另加 join_condition 变体（只差
一个关联条件、只给兜底）；check-verify 查两栏的上级行（WHERE）列在不同的行前面、不高亮、标题有说明，join_condition
下原流程一栏是带 ON 的 JOIN 加缩进的条件、盲算一栏不画只有原流程用得着的上级行，深浅色对比度、390px 不溢出。
2026-10-07 01:34:59 +08:00
ab2173c665
M3 复核修正（第 1 轮）：单位带尾随空白的真报告不再被判不通过；运行输入也核对显示文字；出处面板的长整数一位不差；核对通过的字要原样显示在正文里
...
- 显示文字比对两边都只去首尾空白：口径卡单位写成「元 」（单位输入框不去空白、指标节点照存）时，服务端照原样接在数
后面，正文是「74,613.65元 」。以前只去正文一边，原样导出的真报告被判不通过，出处面板里两行字看起来一模一样，读者
会以为文件被改过
- 运行输入（[[i:…]]）不随文件附带，照旧无法核对；正文显示的字拿引用的值按服务端的写法（不分组、不接单位、可带换算）
重新渲染比对，只改显示文字（统计周期、地区这类）的判不通过
- 出处面板：DECIMAL 落成数字文本的格子，「快照里的值」照快照原文写；快照那一行的数照 JSON 原文写。超过 2^53 的订单号
不再在「通过」的条目里和一位不差的「引用的值」并排、自相矛盾
- 正文的排法核对和显示共用一套函数（unitPlan / flowsOf / checkLayout），读的人看到的数要就是核对过的那个：伪造的链接
把数字塞进不显示的链接地址时，整句按未排版的原文显示；正文里根本不显示的（分隔线里、表格行列之外的格）服务端导出时
不会出现，判不通过；紧挨着补数字、负号（隔着零宽字符、显示时藏起来的排版标记也算）或同一句里有方向控制字符的判无法
核对，两个数之间的区间连字符照常通过。正文按片段本身找核对结果：文字片段冒用数字的 id 借不到「通过」（以前会显示成
绿色下划线的可点数字）。真数据 71 份报告文档、3266 处已解析的数字和取值里，新规则一处都没有触发
- 「无法核对显示文字」的几条原因改成读者看得懂、知道怎么办的说法，不再提 BigInt、正则、ASCII
- check-bundle：真导出上断言没有「无法核对显示文字」（显示规则漏了真实写法时这里先报）；订单号连同快照那一行一位不差；
新样本页 formats-unit（单位带尾随空白，原样导出全部通过）；经营月报上链接藏数、补一位数、整段改成分隔线、文字片段冒用
数字的 id 四种伪造各自断言
2026-10-07 01:34:32 +08:00
c97390511e
M1 复核修正（第 1 轮）：去掉只装着依据的括号不再把两边的数字粘成另一个数；括号去掉之后外面照一个依据再收拾；换行不算句末；核查 agent 的理由按渲染后的正文判有没有给；反方审稿收尾超时按时长上限说
...
渲染（evidence._see_cuts）：
- 括号是两边唯一的分隔、去掉之后数字字母会粘成一串的（「[[v:Q1.r0.销售额]]（[[see:Q1]]）2 月」渲染成「4,919.52 月」，片段
本身没错、月份不算裸数字，哪项核对都查不出来），括号换成一个空格；半角逗号夹着依据、去掉后一个之后同理（「212,5」→
「212, 5」）。切口可以带替换串，连成一片的按并集换
- 只装着依据的括号去掉之后，整对括号当一个依据看外面：括号前悬着的停顿标点（「华南居首，（[[see:Q1]]）。」）、到句末只隔着
的空白、夹在两个分隔标点中间的后一个，和不带括号的写法收拾得一样
- 依据后面到句末标点只隔着空白的，空白一起去掉（「华南居首 [[see:Q1]] 。」不再剩「华南居首 。」）
- 换行不再算句末：列表项末尾的「；」、软换行处连着两个分句的「，」是写作者自己的，依据挂在它后面正合规矩，照旧留着（上一轮
把它们删了）
- 没有依据的文档渲染、内容哈希不变（随机两万份和基线逐份比过）；流式分块输出仍等于整篇渲染
- 依据写在「依据」「见」「取自」「来源」这类引出语后面时引出语悬空，渲染时去不掉（引出语在依据前面，流式渲染得攒住每个可能
是引出语的字）：测试里改成严格的 xfail 写明已知限制，不再把验收里的缺陷钉成预期；核查 agent 遇到这种写法记一条日志
核查 agent（verify_agent）：
- 有没有给理由按渲染出来的正文判：只写了依据（[[see:Q1]]、「（[[see:Q1]]）」）显示出来是空的，占位词后面挂着依据的显示出来
只剩占位词，都算没给。以前按原文判，标记里的字也算，理由文档照样交回：审批卡画出一片空白，判「被推翻」的因为引用到了 Q1
被当成有出处、出具降档；封存之后的质询回答只剩系统说明却记成回答成功
- 「无」「暂无」「none」只在理由是另一个结果的说明时（双盲复算、反方审稿）算没给；结构里只有理由一项（审批质询）时理由就是
回答，「无。」是一个回答，不再报「模型没有给出回答内容」让提问人重问、再花一次钱
- 收尾超时的原话收成常量 SETTLE_TIMEOUT，调用方据此换成自己的说法
反方审稿：交结论那次超过时长上限的句子，理由写「反查未完成：已达上限（每句时长上限 N 秒）」（收紧过的说运行时长上限将至），
和时间线上的 challenge_limit 一致，不再把核查 agent 的内部原话摆上审批卡。
测试：补节点级用例钉住收尾超时之后两个节点对外的说法（challenge_limit 的 limit、claims_skipped、cause，双盲复算的无法复算
原因和 dual_check_limit，收紧过的两种）；理由只有依据、占位词挂依据、「无。」作为回答的各层用例。每处改动都做过去掉实现、
测试变红的验证。
2026-10-07 01:19:26 +08:00
169c500526
K3b 复核修正（第 1 轮）：数值格按位置认、(表达式).* 带外括号也整份遮、同名 CTE 按作用域认、认不全的写法名单合一、整份遮不再把每一格收成遮罩值、证据摘录分段遮、反方最后一道关只看正文
...
- 同名列（回退）：column_types 按列名记，同名的几列只留得下后一列的类型，文字的备注被当成数值列，号码不再按值换、
原样交给模型并落库。现在只在列名唯一时按列类型认数值列（_typed_numbers），同名的按格子本身认：整数、小数才算数，
写成字符串的数按文字照换、记进 masked_cells；列名唯一、列类型是 number 的 NUMERIC / DECIMAL 字符串照原样
- (表达式).* 外面套了括号、起了别名（((p.card).*)、(p.card).* AS x，Postgres 实测照样展开）：以前只遮第一列。选出项
先去掉外括号、别名再认（_unwrapped），(s).*、(s.*) AS x 照旧当 s.*
- WITH 里和数据源里的表同名的一段（WITH sales AS (SELECT * FROM sales WHERE …)）：不带 RECURSIVE 的一段看不见它自己和
排在后面的段（_scoped_cte），同名的按数据源里的表认；以前认成它自己，* 展开什么都不带出，整行引用的号码原样交出
- 认不全的写法：和可验证报告合成一份名单（masking 的 OPAQUE_SQL、INDIRECT_FUNCTIONS、INDIRECT_NAMES，bundle 引用后另加
系统 schema），补上 MySQL 会执行的注释、U&"…"、pg_stat_get_activity、逻辑解码、MySQL 的 column_statistics /
general_log / PROCESSLIST / performance_schema、MariaDB 的 column_stats、Oracle 的直方图 / *_tab_columns / V$SQL 一族；
去掉注释再认一遍（函数名和括号之间夹注释）；去掉 DuckDB、SQL Server 的函数（query 误伤同名 CTE、字符串）；没有 * 的
一支选出项和结果列数对不上的、Postgres 解析不了的整份遮
- 整份遮只收确定取自遮罩列的那几列的值（_derived_masks 的 collect，报告快照收值同一规则）：以前每一格都收，区域名、
列名在同一次核查里处处被换掉，封存的 SQL 也被改写。快照另记 masked_whole，格子引用照实说写法认不全
- 证据摘录分段遮（inquiry.ExcerptMask，judge.prepare 的 mask 取代 kinds）：SQL 照封存 SQL 的办法换，范围阈值、LIMIT 照
原样，和遮罩列做等值、IN、LIKE 比较的字面量不论收没收到都换；格子逐格遮，数值格照原样；质询把被问的那句（连同表格）
当作已经摆在眼前，摘录、查询工具、回答里都不换
- 反方审稿：理由文档的目录列名照快照换（同质询的 _renamed_entry），agent 自己 SQL 里照原样留着的阈值、行数在正文里
不换（_shown），最后一道关只看正文和原文，不再把 agent 起的列名、阈值当成露了遮罩值整句改判
补测试：同名列一文一数、DECIMAL 字符串（含端到端引用取值），外括号 × 复合类型 / 记录函数 / 匿名 ROW × 最外层 /
UNION 前后支 / 和 * 写在一起，同名 CTE 四种写法和 RECURSIVE 对照，十七种认不全的写法和三种不该误伤的写法，整份遮后的
收值与封存 SQL，Postgres 解析不了的整行引用，摘录的阈值、数值格、IN / NOT IN 字面量、被问那句（反方、质询各端到端），
反方别名里的阈值（经受住、被推翻各一条）、找某个值的别名、正文里的阈值。逐项去掉实现，对应的测试都变红。
改了文件所有权以外的 bundle/build.py：_OPAQUE_SQL、_INDIRECT_READS 改为引用 masking 的同一份名单（另加系统 schema，
覆盖面不小于原来）。
2026-10-07 01:09:36 +08:00
2bb14758bd
M3 补测：没有 BigInt 的浏览器上数字的显示文字判无法核对，文字取值和其余核对项照常
...
较早的浏览器没有 BigInt（或不认 \p{…}）时，显示规则的渲染走不了：只有数字的显示文字判「无法核对显示文字」并写明
原因，整段核对脚本不能因此出错。node 里载入时把 BigInt 遮掉验证这一点；跳过原因的措辞照文案规范改。
2026-10-07 00:21:24 +08:00
6ff9d7155b
M3 可验证报告核对正文显示的字：按服务端的显示规则把引用的值重新渲染、逐字比对
...
验收发现：页面只核「引用的值 = 口径卡的值或快照的格子」，不核正文显示的字。只改显示文字（74,613.65元 改成
84,613.65元、华南改成华东）、引用值不动、重算全部哈希的伪造页照样「全部通过」，读者看到的数和核过的数不是同一个。
- verifier.js 移植 engine/evidence.py 的 render_number / render_cell：千分位、不分组、小数位（含负数位）、比率显示成
百分数、万 / 亿换算、pct、int、.N、单位后缀、负数、0，文字压成一行（按 Python 的空白），竖线换成 ¦，ISO 日期时间按
文档记下的单元格显示规则版本。数照 Python 的 Decimal 算：系数用 BigInt，ROUND_HALF_UP，浮点取最短写法，整数取 JSON
原文（新写的 numberTokens 读出每个数的原文，超过 2^53 的订单号一位不差）
- ⑤ 在引用的值对上之后再核显示文字（只去掉首尾空白）：对不上判不通过，原因点名「正文显示「X」，引用的值是「Y」」，
数字另写按显示规则应显示的字；渲染不出来的（不认识的换算、显示规则版本、对象和列表、非 ASCII 数字、缺 BigInt 的
浏览器）判「无法核对显示文字」，不判通过。出处面板改成列出按显示规则应为的字，一致时注明，页脚说明同步
- 在 node 里载入时（没有 document）交出核对用的纯函数，tests/test_bundle_shown.py 拿服务端的渲染逐条对照约八万个
组合，并在 node 里整份核对：经营月报样本每种格式原样通过，只改显示文字的伪造逐个变红并点名
- 样本页加经营月报（formats）；check-bundle 在真导出上只改一个数字（有文字取值时也改一个）的显示文字，在经营月报上
改文字取值、数字、换算成万的口径卡引用，各自变红并点名，原样导出照旧全绿
2026-10-07 00:17:22 +08:00
5b18eab310
M4：双盲复算「规范化后不同的行」每个条件一行，两边相同的条件不再被标成差异
...
验收时审批卡把两边完全相同的日期区间标成了差异：_text_diff 逐行比两边 sqlglot pretty 的输出，pretty 按宽度决定
换不换行，两个合取的 WHERE 排成一行、三个的拆成三行，同一个条件在两边落在不同的行上。原文 SQL 都是单行时原文栏
一行都不标，这一栏是唯一逐行指出差在哪的地方，审核人会以为统计期也不一样。
现在逐行比之前两边按同一套排版写（_diff_lines / _line_generator，按方言给 sqlglot 的生成器加一处改动）：WHERE、
HAVING、ON 的合取式每个条件一行，各层子查询里的也一样；条件本身是 OR 连起来的一律加括号（单独一个和与别的并列时
写法一样）；ON 照 WHERE 的样子单独一行、条件缩进在下面（ON 里和 WHERE 里的同一个条件不当成同一行）。比的时候
不看条件前面的 AND（一边多出来的条件排在最前面时，另一边同一个条件只差在有没有 AND），列出来的仍是各自原样的行。
只动排版：判不判等价、差异说明不变（拿测试里的 SQL 对照语料按三种方言、有无表结构逐对比过，items、equivalent、
fallback、level 全部一致），sql_semantics、sql_equivalence 原有测试全过。
前端夹具 dual_check.json 里的 text_diff 是服务端的真实输出，按 test_dual_check_fixture 的办法重新生成（只变了
text_diff）；check-verify 的对照行一节另查「只差结束日期时开始日期不标」「多出的两个条件各占一行」。
2026-10-07 00:12:31 +08:00
261636d3b7
依据括号渲染测试的说明照收紧后的规则写：几个依据之间的分隔标点只在括号里、句末前一并去掉，两边都是字时照旧留着
2026-10-07 00:10:28 +08:00
7de4aa1550
收尾超时一律记时长上限：循环里先查满了次数、再在交结果时超时的，limit 也是 timeout_s
...
上一个提交在模型自己停了查询时补上了 timeout_s，但循环里先撞上别的上限（查询次数、轮数）、交结果那次又超时的，仍记
先撞上的那个：质询会显示「未能回答（已达查询次数上限）：回答超过时长上限…」，自相矛盾；双盲复算会说盲算查满了次数、
反方审稿说「每句最多查询 N 次」——查满了照样能交结果，没交成是因为超时。现在交结果那次超时一律记 timeout_s，和报错
原因一致（运行时长上限将至、时长被收紧过的，双盲复算、反方审稿照旧按 timeout_s 说成运行时长上限将至）。金额被拒的
收尾不变，仍报循环里先撞上的那个（test_verify_truncation 钉着它，原因见那里）。
2026-10-07 00:09:46 +08:00
735dc32052
核查 agent 的依据照写作者的规矩挂在句末；收尾超时照实记时长上限；占位词不当理由
...
- 交结果的提示（VERIFY_FINAL_PROMPT，双盲复算、反方审稿、审批质询共用）以前写「提到某次查询时写 [[see:Q1]]」，模型就
把它写进括号、句中；反方审稿的系统提示自己也把它写在括号里（「（[[v:Qn.rX.列名]] 或 [[see:Qn]]）」）。改成和写作者
一致：依据挂在句末（「……结果一致。[[see:Q3]]」），说明它渲染后不显示，不要放进括号、句中或「依据」「见」「取自」
后面。已经写进括号的由上一个提交的渲染收拾干净
- 模型自己停了查询、收尾那次调用超过时长上限时，limit 以前是 None：质询的报错写着「回答超过时长上限（180 秒）」，
answer.limit 却是 null，界面少了「已达时长上限」；双盲复算、反方审稿把它当成别的原因，审批卡上照出内部原话。
现在记 timeout_s；循环里先撞上的上限照旧优先（同金额被拒的收尾），结构化输出、退回普通调用两条路都一样
- 交回的理由是空的、只有标点，或者只是一个占位词（验收里盲算交了字面的「placeholder」，审批卡照着显示）：当没给
理由，不组装理由文档。反方审稿的记录里理由为空，审批卡照旧写「反方没有给出理由」；质询照「模型没有给出回答内容」
报错；双盲复算的对照工件里说明为空
测试：交给模型的提示（含三处调用方的系统提示、任务）里不再示范括号里的依据；写进括号的依据在理由文档里渲染干净、
仍挂在句子上；审批质询的回答、反方审稿的理由、双盲复算的说明端到端都没有空括号；收尾超时 limit 为 timeout_s（核查
agent 和质询接口、事件里都是）；占位词的理由三处都不当理由。
2026-10-07 00:05:17 +08:00
d0e9c6d1e7
依据标记写进括号、夹在标点中间时渲染不再断句：_tidy 把依据周围留下的括号、标点一起收拾掉
...
真实模型验收里，核查 agent 把 [[see:Qn]] 写进括号、句中（「结果一致（[[see:Q3]]，原报告 SQL 未按 status 过滤）」
「合计 [[v:Q1.r1.金额合计]]（[[see:Q1]]）」），see 渲染成空，正文留下「（，原报告…）」「（）」，审批质询的回答、反方审稿和
双盲复算的理由都这样，正式运行里随封存永久留着。_tidy 以前只去掉 see 前面的空白。
- 括号（全角、半角，一对里混用也算）里只有依据的，连括号一起去掉，括号前的空白照依据前的空白处理
- 依据在括号开头、后面跟着「，」「、」「；」「：」的，标点一起去掉；在括号末尾、前面紧挨着标点的同理
- 后面就到句末（句末标点、换行、全文结尾）、前面或几个依据之间有停顿标点的，去掉这些停顿标点（冒号不动：它引出的
可能是下一行的表格）；依据夹在两个分隔标点中间的，去掉后一个；依据后面、句末前面的标点是写作者自己的，不动
- 两边都是字时，依据之间的分隔标点可能就是分句的标点，按它断开、照旧处理
- 依据标记本身留在原文里：句子照旧挂着那条依据（unit.see、cites 不变），只是周围的字不显示
- 流式渲染把末尾的括号、分隔标点也攒到后面的字来了再放（_TRAILING_SEE），分块输出拼起来仍等于整篇渲染
不含依据的括号、没有依据的文档一个字不动：两份文档的内容哈希和改动之前（58a6759）一致，对照基线随机渲染 6 万段，
改了的都是依据挨着括号、分隔标点的，不含依据的 2 万段逐字相同。封存过的文档复核不重新收拾原文，照旧通过。
2026-10-07 00:04:41 +08:00
76cb4d2845
M4：db_schema 认整个写成一个字符串的 JSON 数组的表名
...
验收时盲算、反方审稿的模型把 table 写成 '["orders", "stores"]'（一个字符串），工具只按逗号拆，回「中没有 ["orders"」
「中没有 "stores"]」，两张表明明都在，模型重试几轮才改成不传 table。表名参数的解析抽成 _schema_tables：元素都是
字符串的 JSON 数组（整个作为一个字符串传进来，或者数组里的一项）按数组认，其余照旧按逗号拆；不是 JSON 的
（[orders]、单引号）、元素不是字符串的照旧。只动 db_schema 这一段，查询工具不动。
2026-10-07 00:02:15 +08:00
df6b0dd3ae
M4：触发历史的翻页游标写成 Z 结尾，照原样拼进查询串也能翻页
...
next_before 原来是「2026-10-06T14:37:03.376320+00:00」，照接口说明「原样传回」拼进地址时「+」被查询串解成空格，
回 422「翻页位置需要是接口返回的 next_before」。界面用 URLSearchParams 编码不受影响，照说明写脚本、做集成的会撞上。
现在游标是 UTC 的 Z 结尾、精确到微秒（和运行列表的游标一个写法，放进地址不用编码）；解析时 Z、+00:00、被解成空格
的「 00:00」（老的游标照原样拼进地址时就是这样）都认，不是时间的照旧回 422。check-schedules 的假接口照服务端用记录
时间作游标，另加一节：老服务端给 +00:00 的游标时，页面编码成 %2B 传回、第二页接得上、不重复。
2026-10-07 00:02:15 +08:00
e410d2a6a7
M4：单个工作流接口的 run_count 和列表接口按同一个函数算
...
验收时 GET /api/workflows/{id} 的 run_count 恒为 0，同一时刻列表接口里同一个工作流是 2 次、4 次：只有列表接口按
Run.workflow_id 计数，详情、保存（PATCH）、恢复旧版、新建、复制直接返回数据库对象，落在 WorkflowOut 的默认值 0 上。
计数抽成 _run_counts，列表和返回单个工作流的接口（_workflow_out）都走它，次数一致；新建、复制出来的工作流照实是 0。
2026-10-06 23:56:31 +08:00
79c9559079
K3b：质询模块说明的遮罩一节补上派生来源里分档、外层分组的标签列不算
2026-10-06 23:25:59 +08:00
c8127852a7
K3b：新测试文件去掉没用到的导入
2026-10-06 23:25:16 +08:00
6ba4d9f099
K3b：反方审稿查数据源类型时直接用整份报告用到的源，不再逐件取工件
...
claim_sources 已经认全了查询的、合并查询合并的、指标输入取自的、表和字段的数据源，_kinds 不必再把目录里每件工件都取一遍。
2026-10-06 23:23:40 +08:00
4b461e86e6
K3b：说明写清工具边界不按值换数值格的取舍；LATERAL 的 ON 条件里看得见它自己连的来源
...
整行引用找列时，在连接的来源本身里（LATERAL）只看得见前面的来源，在 ON 条件里连这个来源自己也看得见（_visible_sources），和 Postgres 的作用域一致。质询的已知局限补上：没设遮罩的列里存成数的号码工具边界不按值换、agent 看得到，要遮就在那个数据源上把那一列也设成遮罩；mask_query_result、模块说明按这一轮的改动重写，长行重新折好。
2026-10-06 23:17:15 +08:00
888f746d31
K3b：交给核查 agent 的证据摘录先遮；反方审稿的理由过最后一道关
...
- 摘录由 judge.prepare 生成，以前 _hidden 只按列名遮：报告取数把遮罩列改了名字选出来（buyer_phone AS 手机号），质询、反方 agent 的任务里四个号码都在，模型照抄进理由。现在 prepare 收 kinds（{数据源名: 类型}，只有核查 agent 的摘录给），查询摘录、指标输入按 masking._derived_hidden 认出改了名字的遮罩列（和工具边界同一套规则，表结构按快照冻结的那份），认的过程出了意外整份的列都不给；结论句裁判自己的摘录不给 kinds，和以前逐字相同、复用键不变。反方审稿、审批质询再把摘录里别的列、SQL 里写着的遮罩值按值换成「已遮罩」（换了写法的号码也认），值同交给查询工具的那一份（报告快照里的，反方去掉这句结论原文里写着的）；解析 SQL、按值换放进线程。
- 反方审稿的理由按值遮之后，正文、理由文档（正文、原文、目录里的列名）里还认得出遮罩值的，这句记为无法判断、理由换成系统说明、不存理由文档（_kept，同审批质询的 _leaked），遮不住的「被推翻」不再让出具降档。
补测试：质询、反方各一条端到端（任务里的摘录没有号码，手机号列不给，SQL 里的号码、备注里换了写法的号码换掉），反方理由里 agent 自己查出的号码换着写法也换掉，最后一道关；分别去掉按 SQL 认列、两处按值换、agent 查到的值、最后一道关，对应的测试都变红。
2026-10-06 23:11:22 +08:00
6ba7babdf0
K3b：认不全的 SQL 写法整份遮——(表达式).* 展开、表名和 SQL 写在字符串里的函数、分析出意外或超出工作量上限；LATERAL 看不见它自己；一长串 CTE 不再卡住
...
- (表达式).* 展开（复合类型的列 (p.profile).*、记录函数 (jsonb_each_text(pj)).*、(jsonb_populate_record(…)).*、子查询里的匿名 ROW (q.r).*）以前被改写成对不上来源的 *，最外层、UNION 第一支、没写列名表的派生来源里按「照原名带出」认，字段名对不上遮罩列，号码原样交给模型、落库（K3 第 3 轮引入的回退，15 条新漏）。现在 _normalized 只把 (s).*、s 是这一层 FROM 里的来源时改写成 s.*，别的先记下表达式的值取自哪些列（整行引用已改写），读到遮罩列的整份遮。
- query_to_xml、table_to_xml、cursor_to_xml、schema_to_xml、database_to_xml 这一族、dblink、crosstab、DBMS_XMLGEN、DuckDB 的 query、OPENQUERY，按页按文件读原始数据的，pg_stats、sqlite_stat4、pg_stat_statements 这类存着值的统计、会话视图：按名字认出整份遮（_INDIRECT），解析不了的也一样。
- 整行引用由里往外找列时，LATERAL 里只看排在它前面的来源（_visible_sources），它自己的结果列碰巧叫 s 也不把整行 s 当成列。
- 一次分析里记下派生来源对应的那块查询和一项的值取自哪些列（_analysis，按线程分开），250 段一段套一段地整行引用的 CTE 从二十几秒降到零点几秒；超出工作量上限（ANALYSIS_STEPS）的整份遮。解析之后的分析出了意外也整份遮，不再退回只看文字（没写遮罩列、没有 * 的整行引用以前就放过去了）。
补测试：三种展开 × 最外层、子查询、CTE、LATERAL，端到端经核查 agent 的查询工具，九种函数和视图，LATERAL 自身，工作量上限、分析意外、长 CTE 的耗时；分别去掉每一处实现，对应的测试都变红。
2026-10-06 23:03:35 +08:00
8c229c3d1a
K3b：分档写在派生来源里、外层按它分组的标签列照常显示，和当分组键的 CASE 一样
...
以前分档写在子查询、WITH 里（SELECT *, CASE … END AS 档位 FROM sales），外层再按档位分组，工具边界把档位整列遮成「已遮罩」，模型分不清哪个数属于哪一档，质询回答成了「已遮罩有 3 笔，已遮罩有 2 笔」。现在 _derived_hidden 认出只装着标签（_label_columns）、又一档一行的结果列（这一层或派生来源里那一层的 GROUP BY 键，按位置、别名、照原样写都算，_grouped_labels），不算取自遮罩列：格子里只有标签、和遮罩列不同名才算，认不出的照旧整列遮；SQL 里照旧认得出它取自金额。工具边界、质询回答、质询工件用的是同一套。* 展开的表在冻结的表结构里查得到、没有同名列时标签照常认（原来就有），不知道表结构时照旧当它带得出（多遮）。测试 test_inquiry_masking 里「外层再分组照旧算」的两个用例按新规则改；补六种写法的工具边界用例、逐行和混了别的值的反例、质询端到端用例，去掉豁免后全部变红。_tainted 多交回一个「认不出、整份都算」的标记，整份遮时不豁免。
2026-10-06 22:52:28 +08:00
3ced800cde
K3b：工具边界的按值遮只换文字格，换过的格子记进快照；占位的短词不当遮罩值
...
以前工具边界按值遮扩到没设遮罩的数值列：访问次数正好等于某一笔被遮的金额，交给模型的、落库的都成了「已遮罩」，column_types 仍是 number、快照不留记录，盲算引用到时说成「不是数值」，存下的证据被改写。现在 _masked_view 在工具边界不按值换数值格（数、列类型记成 number 的格子），只换文字格（整格就是遮罩值的、文字里夹着的那一截），换过的格子随快照存下（masked_cells：[行, 列号]，不交给模型），核查 agent 的格子引用指到它们时照实说是遮罩。回答、质询工件里的按值遮（第二道防线）照旧。遮罩列里占位的写法（未知、暂无、N/A……）不收进遮罩值，没设遮罩的区域、备注里的同一个词不再被换掉。补测试，分别去掉数值格的豁免、masked_cells 的记录、引用时的判断、占位词的过滤，对应的测试都变红。
2026-10-06 22:44:48 +08:00
03209d7db5
K3b：工具边界的遮罩分析出了意外时整份遮，兜底不再经逐格换值那一步
...
mask_query_result 的兜底原来又调一遍 _masked_view：出意外的正是它时兜底跟着出意外，结果交不出去，模块说明里「分析出意外就整份遮」也没有测试证明。改成 _masked_whole 直接把每一格换成「已遮罩」、类型记成文本，masked_at_query 记全部的列。补测试：认遮罩列、认标签列、逐格换值三处各自出意外时，交给模型的工具结果、落库的快照、通用工件接口都只有「已遮罩」，格子引用照实说是遮罩列；把兜底改回原样放行，这几项全部变红。
2026-10-06 22:38:15 +08:00
58a6759fe2
合入期 5 前置修复 K3：核查 agent 的查询结果在工具边界先遮——取自遮罩列的结果列（别名、函数、子查询、WITH、*、UNION、表值函数、整行引用都认）在交给模型的内容和落库的快照里都换成「已遮罩」，模型看不到遮罩值；按值遮降为第二道防线；换了写法的长号码（空格、连字符、点、括号、全角、国家码）在回答、理由、工件和最后一道关里都认得出；认遮罩列的共用部分挪到 engine/masking.py
2026-10-06 22:19:42 +08:00
c1e1fcddfe
合入期 5 前置修复 L2：可验证报告里设了遮罩的数据源上、能证明没取遮罩列的查询快照照常随文件附带，引用它的数字可以核对；解析不了、可能展开出遮罩列、整行引用的照旧只给哈希，说明写清原因
2026-10-06 22:19:34 +08:00
39b4b6d608
合入期 5 前置修复 L1：上传表格建的数据源按导入配方里的逻辑类型认日期列，双盲复算的选择能写成业务日期；报告的结论句策略要求核对、正文却写在代码块里（结论句为 0）时，出口契约记一条缺口、不再判完整出具；compose_doc 的说明照实写 source 来自调用方
2026-10-06 22:19:34 +08:00
b4edcadc88
合入期 5 前置修复 L3：记录页的工件列表把双盲复算对照、反方审稿记录、质询回答归到「核查记录」一组，窄屏下说明换到第二行、序号不被截掉；运行对比的默认基准接口带上 previous，运行详情的对比入口在基准不是紧挨着的上一次时写明「与上一次成功的运行对比」，和触发历史一致
2026-10-06 22:19:25 +08:00
b0fdf56eed
K3 复核修正（第 3 轮）：写了库名的表按「库名.表名」查表结构；UNION 第一支按表结构数出的列名要和后面每一支一样宽才用；整行引用、函数参数里的 *、表的列名表、TABLE x、PIVOT 这类认得出
...
- 写了库名的表（复核 major 1）：表结构以前按表名查，查询写的是另一个库里的同名表（archive.sales，列序不同）时照探查
的那张数位置，号码原样交给模型、落库。现在表结构另按「库名.表名」记一份（库名取探查时记下的 schema、qualified 的
前缀，masking._schema_keys），写了库名的引用按它查（_table_key），查不到的按数不清整段遮；探查时没设 schema、查询又
写了库名的也查不到（多遮）。数位置（_star_columns、_branch_names）、认标签列（_table_lacks）都照这个查法
- 过期的表结构（复核 major 2，对 099473c
2026-10-06 21:50:48 +08:00
6a7e51b81b
K3 复核修正（第 2 轮）：* 把遮罩列带进别的列名时按展开落到的位置遮；函数参数里的 JSON 箭头认作遮罩列；agent 查到的遮罩值和报告里的分开记，上限收满也不丢
...
- * 改名（复核点名的 blocker）：WITH t(a, b, …) AS (SELECT * …) 这类列名表、UNION 后一支的 *、FROM 子查询或 LATERAL
的列名表、标量子查询和 ARRAY 子查询里的 *，以前 * 本身不算取自哪一列，原值原样交给核查 agent、落库，第二道防线也
认不出。现在 * 带出遮罩列的值时，它展开落到的那几列都算（masking._star_places）：只展开一个来源、每一列都数得清的
按位置只遮取自遮罩列的那几列——子查询按选出项数，数据源里的表按查询当时冻结的表结构数（_schema_columns；工具边界
用数据源的 schema_cache，事后按快照的 schema_artifact，是同一份），几张列一样的月度表 SELECT * 连起来汇总，金额照常；
数不清的（没有表结构、列数对不上、几个来源）整段遮。表结构只用来数位置，不用来断定表里没有遮罩列。标量子查询里的 *
按 _value_columns 展开（展开数据源里的表一律算），EXISTS 里的 * 不算；递归的 CTE 不会绕不出来；带 EXCLUDE / REPLACE
的 * 不按位置数
- JSON 箭头：函数参数里没写表名的 col->'path' 被 sqlglot 解析成以 col 为参数的 lambda，_value_columns 把 lambda 的
参数名照列名收。SQLite json_each(profile->'$.tels')、Postgres jsonb_array_elements_text(profile->'tels')、MySQL
JSON_UNQUOTE(profile->'$.tel') 这几种拆开、取出来的值在工具边界就遮
- 上限：run_verify_agent 以前先把调用方交进来的报告快照值并进 seen，收满 SECRETS_MAX 之后 agent 查到的值并不进去，后面
的查询、回答时的第二道防线都认不出。现在两份分开记（masking.SeenValues：given / found），查询工具按值遮、交回调用方
（VerifyOutcome.masked_values）时合起来，agent 查到的在前；反方审稿理由的按值遮也改成 agent 查到的先收
- 已知局限写进 inquiry 模块说明：表结构过期、列数没变却换了次序或改了名时可能数错；EXCEPT 后一支照 UNION 算（多遮）
测试：新增 test_masking_star_renames（真跑 SQLite 的各种 * 改名、按表结构数位置、表结构对不上、快照记着的表结构），
工具边界（交给模型的、落库的、通用工件接口）和审批质询端到端的 * 改名、JSON 箭头、上限收满；每处实现都做过去掉之后
测试变红的验证。
2026-10-06 20:29:58 +08:00
6d9d31395b
出口契约认藏在代码块里的正文改为逐行标出代码：写明是文字的块不再因为一行 SQL、一行像 YAML 的键或 + / - 要点就整块当代码，公式、JSON、目录树这类像数据的行照代码看
...
上一轮先判整块：只要有一行以 SQL / Python 关键字或小写键开头，或者每行都以 + - 空格 @ 开头，整块就当代码，只认去掉
注释、字符串之后还成句的行。写成 markdown、text 的块里，+ / - 开头的正负面要点、正文后面另嵌的 ~~~sql、缩进的 select、
一行「- note: …」都让不带句读的结论认不出，藏进代码块反倒完整出具。反过来，写明是文字的块不去字符串，六字连写、结论词
又对公式、JSON、目录树、print、流程箭头这些行生效：结论句为 0 的报告贴一段带「占比」的公式就降档，缺口还说正文写在
代码块里。
- 逐行标出代码（_code_lines），不再整块判：块里再嵌、收得了的代码块（~~~sql、````，开了没收的那一行照普通的行看）；
SQL / Python 语句从开头那一行到这一段结束，续行也算；整段是 YAML 的（第一行是小写键，其余是键或缩进的行；写明是
文字的块里另要有值为空的键，一行一个「- note: 一句话」是正文里的标签）；像数据、公式的行（前面有字的等号和箭头、
画目录树的制表符、JSON 的开头和「"键":」、函数调用、文件名、逗号隔开的表头）。代码的行只认去掉注释、字符串之后
成句的，别的行照旧：写明是文字的按 _written，信息串为空的按 _prose_line
- diff：写明是文字的块里 + - 后面空一格的是列表项，紧挨着字写的才是 diff；信息串为空的块里第一个改动行是 + 的是
正负面要点（diff 先列删掉的行），有 @@ 块头的照旧是 diff
- 一段到空行为止，只写着块注释的行不算空行；写明是文字的块里顶格的标题另起一段。块注释、三个引号括起的多行字符串
涂成空格，行数不变
- SQL 关键字只认全小写、全大写，def / class 要写成定义的样子：「From 数据看……」「class A 门店……」是正文。代码的行里
-- // 紧挨着前面的字也算注释
- 取舍写进 _fenced_body 的说明：一块里只要有一行在写正文就记缺口，拿不准的行宁可当代码，藏起来的正文总有别的行认得出
测试：复核里的写法逐一补上：+ / - 要点（markdown、text、信息串为空）、嵌 ~~~sql、缩进的 select、小写键的标签，正式
运行降档并只带这条缺口；带「占比」「增长率」的公式、写成 text 的 JSON 和目录树，在结论句为 0 的报告里照常完整出具。
单元参数另补 print、groupby、流程箭头、文件名、逗号表头、JSON 数组、多行 SQL 夹块注释、docstring、嵌套的 YAML、开了
没收和收尾更长的嵌套围栏、行首箭头、首字母大写的关键字、先列 + 的带 @@ diff，并钉住两条取舍：写成 text 又空一格的
diff 照列表看；信息串为空、整段都是小写键的照 YAML 看。长行耗时用例扩到七种长行、两种多行围栏、两种信息串。逐一去掉
36 处规则（diff、嵌套围栏、语句、关键字大小写、def / class、YAML、分段、像数据的七种写法、注释、块注释、多行字符串、
正文判法、结构片段、挂钩），各有用例变红。
2026-10-06 19:51:29 +08:00
7255ae98a5
模型接入报错收尾（第 1 轮复核，后端）：交给设置的核查、裁判落到演示模型照实说；给不出修复时说卡在哪里；接入名恰好是模型名那句按这一处检查器里有哪几栏写；修复规划只重算被改的节点；助手栏那一格另给一份说法；几处措辞对齐
...
- 「不指定接入」交给设置（核查模型、裁判模型）时：启用的接入全是演示类，设置这一级不管写的是什么，执行时落到的都是
演示模型，说明照实带上「（演示用，不调用真实模型）」、候选带 demo 标记；一个启用的接入都没有时不算落得稳（同别处
「换成内置演示模型」不算）。以前 land() 在判演示之前就把交给设置的一处当成落稳返回了；
- 检查器里没有下拉框、发布前检查又给不出修复时，提示末尾补「无法改用其他接入：」加第一处落不稳的地方（Landing.why，
比如「成员「研究员」指定的模型「小模型」所属的模型接入「旧接入」已停用」），不再只剩「核对名称」让人去设置里找一个
找不到的名字；
- 点名的接入名恰好是某个启用接入的模型：画布、发布前检查按这一处在检查器里有哪几栏写（provider_refs._model_note）——
模型调用一类在节点的「模型」中选择它，接入在发布前检查里改用这个接入或选择「不指定接入」（修复里有哪项说哪项）；
协作成员、全图默认只说可在发布前检查里改用；核查节点、报告自己的结论句裁判两栏都在，照设置页写这两栏的叫法。
不再叫人去一个没有的「接入」栏留空。运行时报错不分节点类型，「填写」改为「选择它」；
- 修复候选修完以后落到演示类接入的带 demo 标记，发布弹窗据此在选项名旁加醒目的标签；
- 性能：改一个节点的配置只影响它自己取模型的那几处，修复规划（autofix._ProviderPlan）每试一个候选只重算这个节点
（provider_refs.node_uses），不再深拷贝、重算整张图；问题提示只问给不给得出（provider_fixable，找到第一个落得稳的
就停）；接入问题的引用整张图只算一遍。60 个节点都点名同一个停用接入时，画布校验里这一部分约 0.35 秒降到约 0.002 秒，
发布前检查约 0.72 秒降到约 0.01 秒，一次应用 30 条修复约 2.7 秒降到约 0.09 秒；
- 助手：GET /api/copilot/model 另给 panel_error（写在助手栏「助手使用的模型」那一格下面，去向写「上方」，不把人指回这个
下拉框本身）；接入名恰好是模型名时并成一句，不再两次提「助手使用的模型」；PUT /api/settings 里助手那一项的 422 用
助手报错那一句（那里只有一个选模型的下拉框，没有「换一个接入」的地方）；
- 裁判设置的格式检查写「留空表示跟随助手的模型」，同设置页空选项（engine/judge.py 一行，同核查那条的改法）；「交给助手」
后只剩接入问题时写「助手无法处理」，有修复时另起半句「也可在各条问题下方选择改用的模型接入」。
测试：test_provider_ref_wording 加演示落在设置上、demo 标记、给不出修复时卡在哪里（含一个启用接入都没有）、各处的
接入名恰好是模型名、助手栏那一格的说法、助手那一项的 422、裁判格式检查、规划开销随节点数线性增长（数试算时算了多少处
取模型的地方）；其余几个文件跟上新说法。新加的核心用例都做过去掉实现、测试变红的验证。
2026-10-06 19:43:44 +08:00
e7fb8f6c1c
可验证报告复核修复（第 2 轮）：SQL 解析不了的快照，口径卡同样整张只给 id；整行引用补全函数记法、按表函数的先后认；拒绝名单补别的会话的 SQL 原文
...
复核查出三处：口径卡和快照对 SQL 解析不了的结论仍不一致；整行引用的函数记法名单不全，表函数参数里「先按列认」不看先后；
拒绝名单里「别的会话的 SQL 原文」一类不全。逐条修：
- 口径卡和快照按同一个结论判（复核的第一条）：SQL 每种读法都解析不了时快照只给哈希，卡这条路以前退回按 SQL 认遮罩列的
那一套（inquiry._derived_hidden）。那一套解析不了时只看 SQL 里写没写着遮罩列，没写就只认遮罩列本身，卡上取自整行的值
照样整张嵌入。例如 PG17 起的 JSON_QUERY(to_jsonb(m), '$.*' WITH WRAPPER) AS tel，以及 ORDER BY … USING < 这类 sqlglot
读不了的写法，号码就这样原样进了文件。现在 _derived_columns 对不是合并查询的快照，没有一种读法读得通时整份的列都算，
整张卡只给 id。没有 SQL、SQL 是空的也一样处理：这时快照同样只给哈希。合并查询照旧不看 SQL。
- 整行引用：
- 函数记法的名单补上 record_out、record_send、any_value、json_agg_strict、jsonb_agg_strict。另照 PG 18 的 pg_proc
逐个对过，补上 max、min：m.max 就是 max(m)，交回最大的那一整行，复核没点到，本地实测号码在里面。补了 max、min 之后，
写了表名的名字同样先按列认：派生来源明写出了叫 max 的列，t.max 就是那一列，按地区取最大值的子查询不受影响。数据源里
的表有哪些列这里看不到，碰巧叫 max、min 的列宁可多挡。
- 没写表名的名字写在表函数的参数里时，「先按列认」只看排在这个表函数前面的派生来源（_holder）。
FROM members m, jsonb_each_text(to_jsonb(m)), (SELECT 1 AS m) s 里，s 对函数不可见，m 是整行，以前按列认，快照照常嵌入。
没有改成「表函数参数里一律不按列认」：排在前面的派生来源明写出了同名列时，那确实是列，补了对照用例。
- 拒绝名单（不点列名也读得出表里内容的写法）：
- 别的会话的 SQL 原文：Postgres 的 pg_stat_get_activity、pg_stat_get_backend_activity、pg_stat_statements、
pg_prepared_statements（asyncpg 连接池里的连接留着前几次查询的原文，本地 PG 18 实测）；MySQL sys 库的 session、
processlist、innodb_lock_waits、schema_table_lock_waits 及各自的 x$ 版本（只认这几张，Oracle 常写的 sys.dual 不受
影响，补了对照用例），企业版的 audit_log_read；Oracle 的 V$OPEN_CURSOR 和审计记录（*_AUDIT_TRAIL、
UNIFIED_AUDIT_TRAIL、AUD$、FGA_LOG$）。
- 复核脚本里同样照常嵌入、和已拦的写法读的是同一份数据的，顺手补上：pageinspect 按索引名读页的 bt_page_items、
pg_walinspect 的 pg_get_wal_block_info、SQLite 的 readfile、Oracle 直方图和列统计的底表 histgrm$、hist_head$、
MariaDB 的 column_stats。大对象（lo_get、pg_largeobject）里存的不是表里的数据，没有加。
测试：口径卡补 SQL 解析不了（三种 sqlglot 读不了的真实写法）、没有 SQL、SQL 为空的用例，卡上取 tel 和 spend 都只给 id；
另补函数记法 record_out、表函数后面同名派生来源两种整行写法。查询快照补七个函数记法、WITH 里 * 加函数记法、两种表函数
先后的写法，以及二十项拒绝名单。对照组补派生来源明写出 max 列、表函数前面的派生来源明写出同名列、sys.dual，这三种照常
附带。夹具里的 SQL 都在本地 PG 18.6 上跑过，结果和用例说的一致。逐处去掉实现，相关测试都变红：
- 解析不了的退回那一套 4 项，没有 SQL 的 1 项；
- 名单不补 9 项，只去掉 max、min 2 项；
- 写了表名的不先按列认 1 项；
- 表函数参数不看先后 3 项，一律不先按列认 1 项；
- 别的会话的 SQL 不补 14 项，原始数据、统计信息不补 6 项；
- sys 整个拦掉时 sys.dual 对照变红。
后端全量 10238 项通过、11 项跳过；check-all bundle 183 项通过；check-copy 通过。
2026-10-06 19:21:23 +08:00
099473cd6d
K3 复核修正（第 1 轮）：后面的查询按此前遮掉的值遮、质询工件照回答时记下的位置重放；表值函数拆开遮罩列也认；汇总遮罩列的指标不派盲算；反方理由按值遮
...
复核发现质询工件接口相对基线回退：agent 自己的查询快照在工具边界遮好之后，事后取质询工件收不到它另一次查询里的号码，
没设遮罩的备注、联系方式列原样给出。另有几处模型照样看得到遮罩值、或者遮多了的地方。
- 工具边界（tools/datasource、engine/masking.mask_query_result）：此前已经认出的遮罩值（这个 agent 前面的查询遮掉的、
调用方交进来的）也用来按值遮后面的结果，数据源没设遮罩的也一样。审批质询、反方审稿在派 agent 之前把报告快照里的
遮罩值交进来（inquiry.snapshot_secrets，run_verify_agent 的 masked_values），模型从第一条查询起就看不到。已经摆在
读者眼前的值（提问人写的、报告指标、被审的结论原文）跟着并进来的值一起免遮（_Secrets.protected）；这份结果自己写
的分档标签不按前面收的值换。
- 先查备注、后查出号码的：回答时只靠内存里的值才换掉的地方按快照记成位置（不含值，masking.view_edits），写进质询
事件的 masked_cells，质询工件接口先照着重放（replay_edits）再按原来的办法遮。工具边界按值换掉的整格照样画成遮罩列。
agent 查到的值先收、报告快照的后收：上限收满时不丢 agent 自己查到的。
- _derived_hidden 认 FROM、JOIN、LATERAL 里拆开遮罩列的表值函数（json_each、json_tree、unnest、jsonb_each_text、
regexp_split_to_table、JSON_TABLE、LATERAL VALUES）：按出列名认，不认得的函数又没写列名表的整份遮。
- 汇总里的 CASE 只在条件里用到遮罩列的不算取自遮罩列（同写在 WHERE 里）。双盲复算按同一套认法认出指标取自遮罩列
（SUM(amount)、amount 设了遮罩）时，派盲算之前就记为无法复算并说清原因，不白花一次盲算（nodes/dual_check 的
_query_input，改动在文件所有权之外，只加这一处判断）。
- 反方审稿：理由正文和理由文档按值换掉遮罩值（换了写法的也认），这句结论原文里写着的不换；重新组装时引用到的格子按
遮好的快照渲染。
- 换了写法的号码另认不换行空格、窄空格、细空格、制表符、减号，最多四个分隔符；SQL 的字符串、带引号的名字、注释里
也认（不带引号的数照旧是算式），字符串里换掉的号码同一条 SQL 里写成阈值的也不留；列名同样认。
- 查询失败时报错原话里的值换掉（mask_error_text：引号里、不带引号的长数，SQL 里写着的照留）。
- 快照的 mask_columns 只记数据源设的列名，改了名字的结果列只在 masked_at_query：证据面板并各份快照的这一项从表的
字段清单里去列，混进别名会误藏同源别的表里同名的真实字段。
- * 展开数据源里的表时按冻结的表结构认它带不带同名列，没有的照常认分档标签（J2 收紧之后的多遮）。
- 格子引用指到按值换掉的格子时照实说；上万个值的合并、免遮放进线程。
测试：质询 agent 先查号码后查备注、先查备注后查号码、另一张表的号码列两种先后，质询工件、通用工件接口、事件都没有
原值；报告快照里的值在第一条查询就遮；表值函数（SQLite、Postgres、MySQL 的写法）、汇总里 CASE 的条件、* 连着的表按
表结构认标签、新的分隔符、SQL 字符串和注释和列名、报错原话、mask_columns 不混别名、遮罩列汇总的指标不派盲算、反方
理由按值遮且免遮结论原文、上限收满时 agent 的值先收。逐处去掉实现（24 处）对应的用例都会变红。
2026-10-06 19:11:14 +08:00
46403a0aac
出口契约认藏在代码块里的正文改为逐行看字、不看列表标记；信息串为空的块里 YAML、diff 不再当成正文
...
上一轮按列表标记认不带句读的行，只认 - * + • 和「1.」「1)」：中文报告常见的「1、」「一、」「（1）」、· ● 开头的行和
不带标记的行藏进代码块仍是 0 句、完整出具，不包反倒降档。同一条规则对信息串为空的块都生效，结论句为 0 的报告里贴一段
写着中文列名的 YAML 或改口径的 diff 会降档，缺口还说正文写在代码块里。
- 不再按标记认：标记写法太多，补一种漏一种。一行按正文的规矩会算一句结论（evidence._classify 认文字结论的那条：
方向词、因果词，又不只是在下定义，且有两个以上汉字）就算在写正文，不论标记，与不包代码块时的判法一致
- 信息串写明是文字（markdown、text 这类）、里面也看不出是代码的块：另认一行里连着六个以上汉字的（表格的列名、
门店名这类标签多在五个字以内）；不当代码看，# -- 和半角引号都是正文里的符号；标题不算（正文里的标题也从不算结论）
- 块里看得出是代码（SQL、Python 开头的行，小写开头的 YAML 键，整块是 diff），不论信息串写的是什么，只认去掉注释、
字符串之后成句的：值里、别名里的「最高」「占比」这类词不算；正文里首字母大写的「Note:」是标签，不算 YAML 的键
- 信息串为空、看不出是代码的块：去掉注释、字符串之后成句，或按正文的规矩会算结论；不带句读也不像结论的列名不算
- 围栏那两行是挂在代码块上的结构片段，判断时只看块里写的内容
测试：1、 一、 （1） · ● 和不带标记的写法藏进代码块（另有信息串为空的一种）正式运行降档并只带这条缺口；YAML 列表、
diff 在结论句为 0 的报告里照常完整出具；单元参数补上引用块、表格、粗体、短结论、正文里的 # -- 引号，以及 YAML 键、
diff、SQL 别名、写成 text / markdown 的代码、不到六个字的标签、只有标题。逐一去掉六字连写、两处结论词、代码判断
（YAML、diff 各一次）、不当代码看、结构片段过滤、小写键、标题跳过、挂钩，以及换回按标记认的旧规则，各有用例变红。
2026-10-06 18:44:21 +08:00
8c0c3b8eeb
可验证报告复核修复：遮罩源上的查询快照再堵几条带出号码的路，口径卡和快照按同一个结论判
...
复核查出，上一轮放开「没碰遮罩列的快照照常附带」之后，有几种写法 SQL 里不写 phone、结果列名也对不上，结果里照样是
号码，快照原字节和查询事件的预览会随文件附带出去。这一轮逐条堵上：
- 整行引用认全（复核的两个阻断项）：Postgres 的 FROM 里的表函数不写 LATERAL 也看得见前面的来源，
`FROM members m, jsonb_each_text(to_jsonb(m))` 这类逐列画像的写法（逗号、CROSS JOIN、JOIN … ON TRUE、LEFT JOIN、
ROWS FROM、不带别名的 UNNEST、套在 FROM 的子查询里）以前按看不见算，整行引用认不出。现在 FROM、JOIN 里只有真的
子查询和 WITH 里的一段看不见同一层；括号括起来的一组连接（(members m CROSS JOIN f(m))）也摊开按同一层认。另外认
函数记法 m.to_jsonb、m.row_to_json（等于 to_jsonb(m)），自己建的函数认不出。
- 不点列名也读得出表里内容的写法（_INDIRECT_READS）：SQL、表名写在字符串里交给函数执行或整表导出（table_to_xml、
query_to_xml 一族、ts_stat、crosstab、DBMS_XMLGEN、XQuery 的 ora:view），统计信息里的采样值（pg_stats、
sqlite_stat4、column_statistics、Oracle 的直方图和 *_tab_columns），按页按文件读的原始数据（get_raw_page、
pg_read_file、LOAD_FILE、sqlite_dbpage、逻辑解码），别的会话的 SQL 原文（pg_stat_activity、general_log、V$SQL），
系统 schema（pg_catalog、information_schema、performance_schema）。SQL 原文里出现就只给哈希；函数名要跟着左括号，
列名碰巧叫 crosstab、pg_status 的不受影响。
- 这次运行里查到过的遮罩值写进了别的查询的字面量（模型拿看到的号码去查别的表）：导出时收齐封存范围内每份快照里
取自遮罩列的格子（inquiry._Secrets 的按值认得出的写法），只看 SQL 的字面量，碰上就只给哈希、查询事件也只给哈希。
这次运行里没查到过的值（提问人写进问题的）认不出。
- MariaDB 会执行的注释 /*M! … */ 和 /*! … */ 一样按语法树认不准处理。
- 口径卡和快照按同一个结论判：快照因列名表、整行引用、不照原名展开的 *（UNION 一支里按位置对上列名的、装进一列
的）、吃进遮罩列的表函数、语法树认不准或不点列名也读得出内容而只给哈希时，卡上取自这份快照任一列的输入都按遮罩列
算，整张卡只给 id。以前卡这条路只认改了名字的遮罩列，快照只给哈希，卡上记着的号码却原样进了文件。最外层直接写的 *
照原名展开，按名字认就够，卡照常嵌入。
- check-bundle 的 masked-source 样本点数字之前先看有没有核对通过的数字，没有就记一项不通过、不去点：以前点空了要
等满 30 秒抛错，同一节后面的 nan、stray 样本都不跑了。换回改动前的 build.py 实测，现在只多记两项不通过，后面照常跑。
有意没改的一条：SQL 写到遮罩列、结果里却没有号码的（COUNT(DISTINCT phone)、phone IS NOT NULL）照旧只给哈希，比规格
的四条更严。FROM 里的表函数吃进遮罩列时（unnest(ARRAY[phone])）它交出的列取自哪一列认不出，只能看 SQL 写没写到；
补了这一例的测试，说明写在 _untouched 和测试里。
测试：新增整行引用（表函数、括号里的一组连接、函数记法）、不点列名的读法、字面量里的遮罩值、MariaDB 注释、口径卡
七种认不出来历的写法各自的用例，以及对照组（列名像函数名的、表函数只吃没设遮罩的列的、括号连接按名字取列的、最外层
* 的卡）。合并查询那一条判断补了只带认得的键的夹具，结果列名那一条补了按 SQL 认遮罩列的那一套什么都没认出来时的
用例，两条现在都能单独证明——上一轮提交说明里「每一条规则都做过去掉实现测试变红」对这两条不成立。这一轮 15 处改动
逐一去掉实现，相关测试都变红。
2026-10-06 18:33:02 +08:00
b7da8a9af9
出口契约认藏在代码块里的正文：只挂 [[see:]] 依据的、不带句读的列表项也认，代码里的注释和字符串不算句子，英文句子改成线性扫描
...
上一轮只看片段里的引用和带全角句读的行，几种写法仍会让正文藏在代码块里照样完整出具，另有几种代码被当成正文：
- [[see:]] 记在句子的 see 上、不在片段里：只用 see 挂依据的列表现在也认
- 中文报告的列表项常不带句读：以 - * + • 或「1.」「1)」开头、后面有两个以上汉字的行算成句；信息串为空、看得出是
SQL / Python 的块里（有 SELECT、FROM、def、import 这类开头的行），以 * + - 开头的是运算的续行，不当列表项
- 信息串写成 plaintext、txt、plain 的和 text 一样算写文字的代码块
- 判句之前去掉字符串字面量（可带 f、r、b、u、N 前缀；英文的 it's 这类不动）和行尾注释（-- // #），# 开头的行、
跨行的 /* … */ 块注释都不算：SQL 行尾的中文注释、print 里带全角标点的字符串不再让 0 句的报告降档
- 认英文句子的正则对很长、不带句末标点的一行是平方级回溯（出口复核在事件循环上同步执行），改成按词串逐个数单词，
耗时随行长线性增长
check-decode 补一项：从 io.py 读出 GAP_FENCED_BODY，钉住它归「校验不完整」、不进核查的两组。补参数化用例和端到端
用例：只挂 see 的列表、不带句读的列表、plaintext 包住正文的正式运行降档并带这条缺口；带行尾注释的 SQL 照常完整出具；
四万多字的长行一秒内判完。
2026-10-06 18:03:12 +08:00
04606cfe94
双盲复算写业务日期：真写按写入时的版本重读上传表格导入时认作日期的列，几个列表块写同一张表时每一块都记为日期才算
...
record_choices 的表结构是写入时现读的，候选里的 upload_dates 却是发起审批时读的：审批停着时上传源换了版本、把日期列
改成文字，两份拼在一起会写出一条哪个版本单独看都不会给出的人工确认。现在候选里带 upload_dates 的，真写在读数据源的
同一个会话里按当前版本重读、覆盖候选里的那份，和表结构出自同一个版本，版本没变时预告和真写仍一字不差；候选里没有
这一项的是升级前发起的审批，卡上预告的是不写，照旧不认。
recipe_dates 以前只要有一个列表块把某列记为日期就算日期列：两个工作表的列表块写同一张表、同一列一个日期一个文字时，
表形状一样（都存成 TEXT），配方校验不拦，按文字导入的那一块存的是单元格原文。现在写这一列的块都记为日期才算。
补测试：审批停着时修改配方把支付日期改成文字，裁决后照实说按文字保存、不写；没有 upload_dates 的老候选不重读、照旧
不写，带着的按写入时的版本重读后照写；两块类型不一致的列不算日期。
2026-10-06 18:03:12 +08:00
450758185d
K3：核查 agent 看到的查询结果先遮、存下的快照也遮
...
双盲复算、反方审稿、审批质询共用的 engine/verify_agent.py 以前把查询结果原样交给模型（db_query 自己落快照，ToolMessage
里是原样的结果），遮罩全靠审批质询事后按值认，期 4 起六轮复核每轮都找到新的漏法；运行详情「工件」页签走的通用接口
GET /api/artifacts/{id} 还把核查的查询快照原样给出。根本的修法是不让模型看到遮罩值。
- tools/datasource：查询工具加遮罩开关 mask_results（缺省关，Agent 节点、调用工具节点照旧）。打开时数据源设了遮罩的，
先按 engine/masking.py 的 mask_query_result 遮好再交给模型、再落快照：列名直接对上的、按 SQL 认出取自遮罩列的
（别名、函数、子查询、WITH、SELECT *，复用 _derived_hidden；SQL 解析不了又写着遮罩列的，整份结果的列都遮）整列
换成「已遮罩」、类型记成文本；同一份结果里别的格子整格是遮罩值的换掉，文字格里夹着的那一截换掉（换了写法的号码
也认）；列名不换。结果里一列都没取自遮罩列的（数值的汇总、只数个数、只在条件里用到）原样。快照里 mask_columns
另记下查询时遮了的、改了名字的结果列（证据面板、质询工件据此画成遮罩列），masked_at_query 记下查询时就整列遮掉的列。
这一次遮掉的值并进 ToolContext.extra[MASKED_VALUES_KEY]，只在内存里。
- verify_agent：建查询工具时和 force_readonly 一样打开遮罩开关；格子引用指到查询时就遮了的列，照实说是遮罩列、不采信；
遮掉的值经 VerifyOutcome.masked_values 交回调用方（不进 as_dict、不往外交）；系统提示补一句「已遮罩」是什么。
- 审批质询：按值遮降为第二道防线。agent 自己的快照查询时就遮好了，收不到遮罩值，改由 masked_values 并进来（_plan 的
seen），回答、查询清单照旧按值遮；「已遮罩」本身不收成遮罩值。事后取质询工件时内存里的值已经不在，SQL 检查结果的
片段、说明照事件里记下的那条 SQL 换（_recorded_swaps：逐词对出回答时换掉的字面量和 LIKE 里换掉的那一截）。
- 双盲复算取盲算值、反方审稿的引用、证据面板、可验证报告（带遮罩的快照只给哈希，照旧）、推演、运行对比（不收核查的
查询）都按快照里已经是「已遮罩」照常工作，文件不用改。
测试：核查 agent 选出遮罩列（直接、别名、函数、子查询、WITH、SELECT *）时交给假模型的 ToolMessage、落库的快照、通用
工件接口、tool.end 预览、收尾交给模型的查询结果里都是「已遮罩」；没碰遮罩列的聚合查询原样、照常取值；文字格夹着的
号码换掉那一截；引用遮罩格子不采信；SQL 认不出时整份遮；开关缺省关、没设遮罩的源快照一字不差；列名不改；审批质询、
反方审稿、双盲复算各补一条端到端；质询工件的检查片段照记下的 SQL 换。逐处去掉实现（开关、并进内存的值、照记下的
SQL 换、跳过「已遮罩」、遮罩格子的说法、记下改了名字的列、文字格按子串换、不改列名）对应的用例都会变红。
2026-10-06 17:36:55 +08:00
4673e51bb8
模型接入报错的说法与修复候选收尾（后端）：修复规划只否决这次改动造成的失败、问题只认自己那一处的修复、没有修复时提示不指到发布前检查、落到演示类接入照实说；各处说法对齐
...
修复规划（autofix.provider_choice，原 _plan_provider 的主体，provider_refs 也用它判断给不给得出修复）：
- 改动波及的一处，要是点名的接入没变、而那个接入本来就不存在或已停用，它落不稳不是这次改动造成的，不再拿它否决候选。
以前两处互相牵连（节点点名的接入写错、模型取全图默认里停用接入的模型）时两条问题都没有修复，规划器自己卡住；
- 点名的模型接入一处一条修复，annotate 只认（编号、节点、字段）都对得上的那一条，认不出就是没有，不再退到同节点、
同编号别处的修复（以前全图默认那条的 fix 会指到某个节点的修复上）；
- 一个候选都落不稳时，问题提示不再写「或在「发布前检查」中改用其他接入」，只说去设置里核对、启用；
- 修完以后落到演示类接入（kind 为 mock）时，「不指定接入」的说明写明「演示用，不调用真实模型」，和「改用演示接入」
那一项一致——K1 要防的就是悄悄换成演示模型。
说法：
- 双盲复算、反方审稿的问题写「……的「盲算模型 · 接入」指定的模型接入」，不说「盲算模型指定的接入」（修复标题仍按角色说）；
- 点名的接入名恰好是某个启用接入的模型时，运行时报错、画布问题、保存设置的 422、助手的报错都补一句这是哪个接入的
模型、怎么用它（factory.model_note；设置页写那一组模型、接入两栏的叫法），免得照「启用它」去启用那条旧接入；
- 保存设置 422：下拉框选的写「指定的」，不写「填写的」；去掉和设置页空选项对不上的留空半句；助手那一项叫「助手使用的
模型」；核查的格式检查写「留空表示跟随证据裁判模型」，同设置页；
- 「交给助手」后只剩接入问题时的说明：一句一个意思、不再带冒号（界面上前面已有「助手：」），「核对名称」有宾语，不说
「节点」；有一条带修复时才指到各条问题的修复；
- 助手的模型取不到时，提示指到真正能改的地方：「编排」页助手栏的「助手使用的模型」（设置页没有这一项）；
- 节点点名了接入、没写模型时校验说「将使用接入「X」的默认模型」（编号 model.unset）；X 本身不存在或已停用时画布校验、
发布一类都去掉这一条，只留接入那条，不再一条说照常执行、一条说会失败。
2026-10-06 17:29:18 +08:00
02e9bcd908
可验证报告：理顺 _contained 的说明（派生来源的列外层只能按名字取，或者再用一个 * 展开，那个 * 照样要过这一关）
2026-10-06 17:15:13 +08:00
50f16aece5
可验证报告接口测试：真跑一次，遮罩库上只汇总消费额的查询快照随文件附带
...
照证据测试的夹具真跑：会员库遮了 phone 列，另加一次只汇总消费额的查询（没碰号码列）。导出的页面里，数据源查询工具
真落的这份快照按原字节附带、和服务端的文件一致，它的查询事件带规范字符串，报告里引用它的数字和快照里那一格对得上；
选出了号码的那份照旧只给 id，页面里找不到号码。这条也守着「认得这份快照」那一关：查询工具以后往快照里加了键，这里
会先变红，得同时想清楚可验证报告该不该认它。在改动前的 build.py 上这条是红的。
2026-10-06 17:12:56 +08:00
8ede152b6f
可验证报告：口径卡取的列是 SQL 里改了名字的遮罩列时，整张卡同样只给哈希
...
口径卡上记着每个输入的值和代入式，有输入取自遮罩列的整张卡只给哈希；但以前只按列名认：查询写 phone AS tel、经子查询
或 WITH 转一道、套个函数，卡上取 tel 那一格就是号码，卡照样原样嵌进要发给别人的文件。现在那几列算不算遮罩列另按 SQL
认改了名字的（_Store.hidden → _derived_columns，用 inquiry._derived_hidden，和质询、双盲复算同一个认法；SQL 按每种
读得通的读法各认一遍合起来，都读不通的写着遮罩列就整份的列都算，出错时整份的列都算）。同一条查询里没取自遮罩列的
列照常嵌入。新测试覆盖别名、子查询、WITH 加函数三种改名，以及没改名的列、认的过程出错；每处都做过去掉实现测试变红的
验证。
2026-10-06 17:11:41 +08:00
ThearchyHelios