yilunjiang/AgentLab
1
0
Fork 0
mirror of https://github.com/ThearchyHelios/AgentLab.git synced 2026-11-15 00:21:58 +00:00
Code Issues Packages Projects Releases Wiki Activity

Commit Graph

  • 4dbfec4432 修复了脚本问题 feat/caliber-querycore-foundation ThearchyHelios 2026-11-13 17:03:58 +08:00
  • eddeded2a4 全栈安全加固、性能提速与架构演进：连接池与沙箱止血、双路混合检索、多版本归档及前端分包治理 ThearchyHelios 2026-11-13 14:51:36 +08:00
  • 09949fc8ac 快速直查通用提速与证据精准绑定：跨网关关闭深度思考、关联维表统计探查与零误报核验 ThearchyHelios 2026-11-12 14:40:00 +08:00
  • 46a2988dc1 问数据双轨重构：快速直查与深度分析分流、可点击数字证据闭环及双语文档 ThearchyHelios 2026-11-12 12:58:42 +08:00
  • f144ef16d2 独立语义指标库与文档一键拆解：支持多表参数化 SQL 模板、后台进度与 Oracle 方言 ThearchyHelios 2026-11-12 12:58:24 +08:00
  • e15e94f93e 口径工作台：结构化语义导入、起草续跑恢复与本体关系编排 ThearchyHelios 2026-11-12 12:58:12 +08:00
  • 8d9a712eae 业务本体与标准实体：跨源键值对齐、对账共变算子、健康证据链与实体助手 ThearchyHelios 2026-11-12 12:57:53 +08:00
  • 2f90f0eb3a 口径台账：固定执行、验证审阅发布与增量重导入 ThearchyHelios 2026-11-10 15:05:18 +08:00
  • 9d8b41430e 完善口径管理、主动调查与后台任务，修复通用问题 feat/caliber-doc-draft ThearchyHelios 2026-11-06 17:14:45 +08:00
  • 5f0b2359ac 入口只留每次都会变的东西，固定条件写死在 SQL 里 ThearchyHelios 2026-11-04 14:47:23 +08:00
  • 1048905095 必填入口没有值时停在 needs_input，不再把试运行判成失败 ThearchyHelios 2026-11-04 13:35:21 +08:00
  • 62c8702478 跨轮重复的未决问题只留一条 ThearchyHelios 2026-11-04 09:56:42 +08:00
  • 97cd9498a4 入口字段声明不一致时合并，不把整份草稿判死 ThearchyHelios 2026-11-04 09:54:16 +08:00
  • 0d5f9609e7 起草轮询窗口放到 15 分钟 ThearchyHelios 2026-11-04 09:37:20 +08:00
  • 939f0f3448 起草上限放到 10 轮 60 条 ThearchyHelios 2026-11-04 09:28:54 +08:00
  • bf07944cf7 草稿页：起草进度、截断分两种说法、几十条指标可扫读 ThearchyHelios 2026-11-04 09:24:37 +08:00
  • ec8ee6c92a 起草自动续跑：多轮覆盖 uncovered，最多 6 轮 40 条 ThearchyHelios 2026-11-04 09:24:37 +08:00
  • e6c8ee2827 一张草稿图支持多个取数节点 ThearchyHelios 2026-11-04 09:24:37 +08:00
  • 8b2f01d15d 目录按文档点到的表优先展开；模型提问不再算起草失败 ThearchyHelios 2026-11-04 08:54:42 +08:00
  • a7b8f05587 草稿页列出这次没起草的指标 ThearchyHelios 2026-11-04 08:37:52 +08:00
  • 8682deb447 起草按「能共用一条 SQL 的一组」进行，并抢救被截断的回复 ThearchyHelios 2026-11-04 08:37:52 +08:00
  • d9d430dab6 草稿页改成看「定义、数、引用」再签字 ThearchyHelios 2026-11-04 00:30:26 +08:00
  • 13f1158191 口径起草一次到位：生成取数图并自动试运行，不再要求人工接一次运行 ThearchyHelios 2026-11-04 00:30:26 +08:00
  • 5a29bcd8a6 口径试跑归入不参与「最近一次封存」的来源 ThearchyHelios 2026-11-03 23:26:36 +08:00
  • 91754e05bd 补上 caliber_trial 进系统来源时漏改的断言 ThearchyHelios 2026-11-03 23:11:45 +08:00
  • 1cd9cab7b4 同义词随定义一起留在口径卡上 ThearchyHelios 2026-11-03 23:08:28 +08:00
  • 43a38e926c 起草失败单独记一种状态，别再停在「起草中」 ThearchyHelios 2026-11-03 23:07:01 +08:00
  • f697ab7ed2 口径详情给模型看定义说明 ThearchyHelios 2026-11-03 23:04:58 +08:00
  • 1e6fec98c1 补一条端到端：文档草稿接上运行后图能过校验，且在发布前对问数不可见 ThearchyHelios 2026-11-03 22:59:47 +08:00
  • 8b80b59a15 口径草稿页：看引用原文、清未决问题、接上一次真实运行 ThearchyHelios 2026-11-03 22:59:47 +08:00
  • 7f66985dba 口径草稿：从业务文档抽定义，再从一次真实运行接上取数路径 ThearchyHelios 2026-11-03 22:50:14 +08:00
  • 51daa7b96c 把从运行固化的建图部分抽成 build_graph，供文档草稿接上数据路径时复用 ThearchyHelios 2026-11-03 22:42:32 +08:00
  • 4f0aa62dcc 业务文档起草口径草稿：只产出定义与逐字引用，不产出取数 ThearchyHelios 2026-11-03 22:42:28 +08:00
  • 753c35918d 复盘修正：试运行不计入统计、评估标签遮罩、规则/评估卡可组合 feat/semantic-layer-hardening ThearchyHelios 2026-11-03 21:23:08 +08:00
  • 4bf9e56979 支持评估型指标：rubric 加权评分、等级与 assessed 标签 ThearchyHelios 2026-11-03 20:52:29 +08:00
  • e1d63e7389 规则 DSL 编译成只读 SQL，并用 fixture 验证 ThearchyHelios 2026-11-03 20:50:06 +08:00
  • 6e7f2a5ce8 支持规则型指标：单元格条件确定性求值与 derived 标签 ThearchyHelios 2026-11-03 20:36:04 +08:00
  • 37657e24c3 支持外部常量指标：来源、生效日期、过期降档与 external 标签 ThearchyHelios 2026-11-03 20:32:55 +08:00
  • 214a3367ff 指标定义卡与参数进入校验、descriptor 和目录页 ThearchyHelios 2026-11-03 19:45:41 +08:00
  • 68af29a180 增加口径目录页与试跑：入口表单、依赖说明和只读试跑 ThearchyHelios 2026-11-03 19:43:39 +08:00
  • aeaca4ce69 记录口径调用审计：compose 与正式出具各记一条参数指纹 ThearchyHelios 2026-11-03 19:38:00 +08:00
  • 5eb1c8ff00 增加口径可调用 descriptor：入口 Schema、依赖与出具策略 ThearchyHelios 2026-11-03 19:34:28 +08:00
  • 97710463fe 补子图查询进入父图账本比对的回归测试 ThearchyHelios 2026-11-03 19:14:23 +08:00
  • 89817a6ef4 修正旧图金样对新增口径内容指纹的断言 ThearchyHelios 2026-11-03 19:12:41 +08:00
  • 539119cf5c 分析结论记录说法模板版本：复算时版本不同不误报文字差异 ThearchyHelios 2026-11-03 19:12:27 +08:00
  • 174375c6c7 新设遮罩列时清理目录里的码值、含义与备注 ThearchyHelios 2026-11-03 18:53:39 +08:00
  • 90597d5540 口径增加内容指纹：指标集与账本候选记录定义哈希 ThearchyHelios 2026-11-03 18:47:32 +08:00
  • ce2f68a373 口径取数 SQL 增加书写 lint：取整、补 0 在画布提示并在受管发布时拦截 ThearchyHelios 2026-11-03 18:36:26 +08:00
  • 80a479d723 合入：分析能力一轮（算、想、核六项 + 评测） main ThearchyHelios 2026-10-22 00:05:39 +00:00
  • cf30f999f6 验收复核查出的三处：有量纲比率的效应值（结构效应、自身效应、合计影响、变化）照原值显示，不再乘一百说成百分点（客单价影响 -11.12 元 / 单以前显示 -1,112.1 个百分点）；只读一张表、目录还没维护时分析范围照实说目录没维护，不说成对不上目录里的列；写作规则补一条不写重复判定语开头的引言 ThearchyHelios 2026-10-21 18:08:59 +00:00
  • 9219df8190 真实模型验收查出的五条修正：①比率拆解里比率本身是有量纲的比率（客单价，元 / 单）时不套百分数，以前 160.76 显示成 16,076.0%，各段分子都不超过分母（退款率这类占比）照旧按百分数；②写作规则补两条——判定语一句只引用一份结论、不把几份判定语用逗号拼成一句，「核对不了」是系统的核对说明不是结论；③说法核对的来源判断看整个分句（主来源写在判断词后面的「主要由订单量放大带来」也能认），点名的段按去掉结尾量词的词根兜底（订单量 认 订单数）；④数据目录还没维护时候选维度照实说目录没维护、提示怎么补，不说成认不出事实表；⑤评测估不出每题花费时金额照 0 记但记成未计价，账本上看得出；金额上限照旧按累计金额判 ThearchyHelios 2026-10-21 17:33:49 +00:00
  • 30423a0686 可验证报告那条新测试按列名找结果表的格：S8 起出处面板写结果表记的列名（占变化的比重），不把列 id（share）当叫法 ThearchyHelios 2026-10-21 16:27:43 +00:00
  • 7b47ce1724 合入第 2 波复核修复 S1：分析结论的占比、变化率、比率之差按百分数 / 百分点显示——结果表带每列的显示格式、具名的数带格式，证据渲染、整表、写作目录、证据面板、导出、可验证报告都按它；显示规则 4 版，老文档按记下的版本复核；空格写「—」 ThearchyHelios 2026-10-21 16:23:39 +00:00
  • 709a50208a 合入第 2 波复核修复 S2、S5、S6：关分析工具那一臂挡分析卡与用了分析的子工作流、节点手册里不再出现分析；问题意图词表与自查那句进评测的提示词指纹；问题意图不把问构成当来源、不把问数据质量当异常 ThearchyHelios 2026-10-21 16:22:21 +00:00
  • eade5aab5d 关分析工具那一臂挡分析卡：图里有分析卡、嵌套的子工作流里有分析卡或分析工具都挡回去改；关掉时节点手册里不再出现分析卡、分析工具和分析相关的配置（改写与整段去掉）；问题意图词表版本与自查交回的那句进评测的提示词指纹；问题意图不把「哪个贡献最多」当来源、不把「数据是否正常」当异常；评测「关」那一臂的替身改成照样试着加分析卡、靠真代码挡 ThearchyHelios 2026-10-21 16:19:49 +00:00
  • 316863b2e0 零售样例题集的试算：退款金额两边都按两位小数比（SQLite 的 ROUND(SUM(amount), 2) 出来是浮点，6448.19 存成 6448.1900000000005，逐字比会随数据变而失败；main 上同样失败） ThearchyHelios 2026-10-21 16:19:28 +00:00
  • e225fcdd2c 合入第 2 波复核修复 S3、S7、S8、S10、P1：分析卡上写在验证什么的那句照实说是模板作者写的、分析步骤的编号写明是哪一层、证据面板的格写列名与总数按服务端渲染、注释归位、窄屏收起工具栏的改名图标 ThearchyHelios 2026-10-21 16:17:20 +00:00
  • 74ab9d57f2 工作流工具栏：窄屏收起改名图标。768 宽、失败的运行加未保存加两枚芯片时，顶栏最右的控件伸到 791px、出了视口（main 上 3c5c9d3c 给名字旁边加的那枚铅笔）。照其它次要按钮的做法在窄于 880px 的容器里收起来，改名在「切换工作流」的列表里照样有。check-studio 加两条：窄屏工具栏上看不到它、列表里有 ThearchyHelios 2026-10-21 16:08:55 +00:00
  • 3311fead7f check-runs 的「有出处」一组不再写死三行：第 2 波 S1 起报告多引了变化率、比重、一处没写换算的具名的数和整表展开的几格，行数照夹具里审计的「有出处」一组数对 ThearchyHelios 2026-10-21 15:59:56 +00:00
  • 28e7b0e12b 测试：占比、变化率、权重按百分数显示（第 2 波 S1）——每种实测情况一条断言：正文引用 [[a:A1.top_share]]、[[v:A1.r0.share]]、[[v:A1.r0.pct]] 没写换算时取结论记的格式（61.9%、-14.6%），写了换算的照写作者的；整表按格式展开；写作目录的具名的数与结果表按格式写；证据面板接口的具名的数、结果表的格、整体比率那一格（空格写「—」）；导出页与可验证报告照引用渲染；老文档（3 版）照原样、复核不判对不上，按新规则重渲染才判对不上。另钉住各算子填了哪些列、pct 与 pp 的写法、同输入两次 run 逐字节相同、复算逐字段相同 ThearchyHelios 2026-10-21 15:55:51 +00:00
  • 851506761c 文档：分析结论里的占比、变化率由系统按百分数显示，比率的变化按百分点，写作者照常引用、不用自己写换算（写了照他的）。分析能力、证据与出具两份文档的中英各补一句，标题层级不动，check-docs 0 问题 ThearchyHelios 2026-10-21 15:55:41 +00:00
  • d3ba6de882 证据面板的前端夹具按第 2 波 S1 重新录制（真跑一次，模型换成脚本）：报告里多引了两处没写换算的格（变化率 [[v:A1.r0.pct]]、比重 [[v:A1.r0.share]]）、一处没写换算的具名的数（[[a:A1.top_share]]），另展开一张 [[table:A1 cols=region,delta,pct,share rows=0-1]]，文档记 cell_display: 4；计算一步的具名的数、结果表按结论记的格式写（88.2%、-30.0%），比率拆解的整体比率写成 3.5%。check-evidence 补四条：具名的数 88.2% 而不是 0.8823529412、结果表 -30.0%、没写换算的引用与整表按格式写、空格是「—」不是 null ThearchyHelios 2026-10-21 15:55:32 +00:00
  • 31ed7a96f3 证据面板的计算一步照服务端写好的字显示：具名的数按结论记的格式（占比 61.9%，不再写 0.618556701031）、结果表的格同样（变化率 -14.6%），空格写「—」不写 null；列类型照结果表的 column_types。比率拆解的整体比率那一格和对照的那一格也按格式写（3.5%，不是 0.035）。前端照原样显示（只补一句说明） ThearchyHelios 2026-10-21 15:55:20 +00:00
  • 55376fd332 引用分析结论时没写换算的按结论记的格式渲染（显示规则 4 版）：[[v:A1.r0.share]]、[[a:A1.top_share]] 取这一列 / 这个数的格式（占比、变化率按百分数，比率的变化按百分点），写作者自己写了换算的照他的；实际用的换算记在引用上，展开整表时每一格也照写。写作目录的具名的数、结果表的行按同一格式写。3 版及以前组装的文档照当年原样显示，复核按记下的版本，不判对不上。pct、pp 两种换算的写法（不是 0 的不写成 0.0）；可验证报告按引用上的换算、4 版起按结论记的格式渲染，不认识的显示规则版本（5 版）判无法核对 ThearchyHelios 2026-10-21 15:55:11 +00:00
  • 3ecc6223df 分析算子给结论里以比率存的列和数记换算：契约加 ResultTable.formats、AnalysisResult.value_formats（换算同 [[m:]] 的后缀，另加 pp 表示百分点），各算子逐个填全——可加、乘积拆解的 pct、share；比率拆解的 w_*、r_* 记 pct，mix、rate、total 是比率之差记 pp；波动基线按变化率比较时的 change，趋势的相对斜率；差异检验比率模式的 a_value、b_value 记 pct，diff、ci_lo、ci_hi 记 pp；values 里的 pct_total、top_share、top_k_share、mix_share、rate_share 等。都为空时整项不写，结论和以前一字不差；run 与 recompute 逐字段相同、同输入两次 run 逐字节相同照旧成立（tests/test_analysis_run 的形状检查认这两项可选） ThearchyHelios 2026-10-21 15:54:46 +00:00
  • 41f64172c3 types.ts：RunComparison 的注释挪回它正上方。分析卡那一节插进来的时候把「GET /runs/{id}/compare?base=…」的说明顶到了 RunCompareAnalysisSide 头上，读的人以为那是另一边的说明 ThearchyHelios 2026-10-21 15:53:41 +00:00
  • c54196326f 证据面板的分析结论：结果表的格写列名，总数那一格的值按服务端的写法显示。①「这一处引用的是 结果表第 1 行『share』」原来写的是列 id，现在服务端在 cited 上另给 column_label（结果表记的 labels，如「占变化的比重」），目录条目也带上 labels，证据面板、读屏的出处、导出页、可验证报告都照列名写；② 输入里「总数那一格 … = 159175.18」和同一节的闭合核对「159,175.18」两个写法并排，现在服务端另给 value_rendered（render_cell，千分位、NULL 写「—」，和闭合核对同一个写法），三处界面照原样显示。结果表数的换算（比率、空格）不在这次改动里 ThearchyHelios 2026-10-21 15:53:27 +00:00
  • b919890b7b 问数据时间线的分析一步、协作成员的分析：编号照实说是哪一层。Agent 工具那一步标题写「变化拆解（可加） · 本节点 A1」——编号是这份 Agent 自己的分析容器里的（交回模型的「【分析 A1】」），报告目录里的 A1 按整次运行的台账编，图里还有分析卡时就不是同一个，不再冒充报告里的编号；分析卡的一项照旧写这一项的标识。协作成员的分析不带编号（成员的结论还进不了台账，照它写「· A1」会和报告里点名的结论对不上），event_view 交回 alias=None。check-decode、check-stream、协作成员那条测试照新写法改 ThearchyHelios 2026-10-21 15:52:58 +00:00
  • 9461c03a63 分析结论的「在验证什么」照实说谁写的：分析卡上那一条是模板作者写的，标「分析卡上写的『在验证什么』」；Agent 现场做的照旧「Agent 写的假设」（台账条目带 item 的是分析卡、带 call_id 的是 Agent）。服务端按 origin 给 hypothesis_label、hypothesis_note 两句，证据面板、导出页、可验证报告都照原样显示，不自己拼。测试：证据接口两种都测，分析卡的链、导出页、核对页各加一条断言 ThearchyHelios 2026-10-21 15:52:19 +00:00
  • 1747be9d63 合入第 2 波复核修复 S4、S9：评测页分析期望的参数格改用分析卡那一份（差异检验的比率、均值模式补上期次三格），参数叫法只留 termsAnalysis 一份；分析测试的「今天」按题集的时区取，不依赖本机时区 ThearchyHelios 2026-10-21 15:02:04 +00:00
  • b0b8d3ef04 评测页分析期望的参数格和分析卡用同一份：CaseEditor 原来自抄的 PARAM_FIELDS 去掉，改用 canvas/analysisItems.paramSpecs（差异检验的比率、均值、逐行三模式也带上期次三格了，和服务器参数模型一致）；参数叫法只剩 lib/termsAnalysis 一份（EVAL_TEXT.analysis.param/basis/grain 引用 ANALYSIS_TEXT.node），格子的取值转换也用 paramText/paramValue，期次格保留 {{ }} 时间变量 ThearchyHelios 2026-10-21 14:57:12 +00:00
  • 454e82e211 分析测试的「今天」按题集的时区取，不看本机时区：题集里的期次（上周、本周）按 suite.timezone 算，生成虚构库、判今天是不是周一也照它，本机在别的时区（或跨午夜那几个钟头）时两边不是同一天 ThearchyHelios 2026-10-21 14:57:06 +00:00
  • 1c117d78aa 开发文档：后端测试数照分析能力一轮合并后的全量改成约 16000 个（15987 通过），并行约 2–3 分钟（原来写约 14300、1–2 分钟）；前端检查仍是 43 项，第 2 波没有加新的检查脚本，不用改。中英两边同改，check-docs 0 问题 ThearchyHelios 2026-10-21 20:23:08 +08:00
  • 3d730480b9 check-all 的 ESTIMATE 按分析能力一轮第 2 波之后的实测改三项（只决定排队顺序）：check-evidence 91 → 157 秒、check-compare 45 → 100 秒、check-bundle 16 → 36 秒（2026-10-21 两套服务、八道并行）；证据面板、运行对比、可验证报告各加了分析结论的几段，变长了 ThearchyHelios 2026-10-21 20:04:13 +08:00
  • d211d2fac8 评测页的分析方法、模式叫法改为引用 lib/termsAnalysis 那一份（原来 termsEval 另抄了一份 OP_LABELS / MODE_LABELS）：EVAL_TEXT.analysis.op / mode 直接用 ANALYSIS_OP_LABEL、ANALYSIS_MODE_LABEL，字一样、界面不变。tests/test_frontend_eval_unions.py 改成读 termsAnalysis.ts 的两张表和契约逐项对，并守住评测页引用的是这一份 ThearchyHelios 2026-10-21 20:03:54 +08:00
  • 28c538a72f 趋势判断工具的说明开头改成契约的叫法「趋势判断：」（原来写「趋势：」，另外四个工具都以 OP_LABELS 的叫法开头）；测试补一条：五个分析工具的说明都以契约里这种分析的叫法加「：」开头，助手的工具清单、证据面板、评测写的是同一种说法 ThearchyHelios 2026-10-21 20:02:41 +08:00
  • 03cedbaf1d 合入 W2-c 前端：分析卡节点与分析项编辑器、报告节点两个新字段、设置「分析」一节、问数据时间线的分析步骤与出具横幅三项、运行对比的分析卡一区、证据面板与正文接上分析结论（六步出处链、闭合核对、两期可比性、说法违规标注、分析范围）、可验证报告核对页与分析样本页、口径账本摘要防 NaN；服务端补分析工具事件里的判定与分析结论的单独出处接口 ThearchyHelios 2026-10-21 19:34:24 +08:00
  • 745ad4bbf1 合入 W2-b 补充：评测变体加「分析工具」开 / 关与「分析工具贡献对照」预设（指纹、对比、A/B 认得出这一项）；评分认正文里「两期不能直接比」的说法（只给评分用的词表）；文档补变体与预设 ThearchyHelios 2026-10-21 19:33:35 +08:00
  • de1bfaee9e 定时评测的测试不依赖同进程里的数据源个数（同 843be9a5 给 test_eval_runner 的做法）：这里的题没有限定数据源，评测按进程里全部的数据源拍目录快照，别的测试留下的数据源超过 app/eval/snapshots.MAX_SOURCES 时整次评测按设计失败（「这次评测用到的数据源超过 20 个」），断言的 partial 就成了 failed；后端全量并行时分到同一个进程就复现。这里不测这个上限，测试里把上限放大 ThearchyHelios 2026-10-21 19:32:40 +08:00
  • 5b53f00719 文档：回归评测「发起评测」的变体补「分析工具」开 / 关（缺省开）和「分析工具贡献」预设（开 vs 关）；关的那一臂助手建图看不到分析工具和分析卡、工作流题不受影响、开关不同算不同变体、对比写「分析工具：开 → 关」。「看结果」里可比性那句改成：期望不可比时，正文明确说了两期不能直接比的也算对但没引用，期望可比的只能靠引用。升级说明的评测那一条补上这个开关和预设（开着的和升级前的评测算同一变体）。中英两边标题层级不变，check-docs 0 问题 ThearchyHelios 2026-10-21 19:32:38 +08:00
  • cc2c7a00fb 可比性期望认正文里「两期不能直接比」的说法：说法表（engine/analysis_claims）照旧不加可比 / 不可比一类，说法核对不打回「本周数据不完整，不能直接比」这种谨慎的提醒；评分在 eval/judgements 另用一张只给自己用的小词表（_INCOMPARABLE：不能直接比、不可比、不具可比性、本期数据不完整、还没过完、只有几天、差几天、不满一周、天数不同、口径不同……；「无法比拟」「比不上」、不带「直接」的「没法比」不算）。期望是不可比、正文明确这么说了的，按「对但没引用」算；同一分句里前面有否定的、句子里前面有假设或疑问的、问句都不算；期望是可比的只能靠引用。读答案时有这类说法的句子也留下（sentences_of_doc、sentences_of_text）。测试：几种说法算对但没引用、找到的那一处照实写；假设、疑问、否定、差得远、无关的「不完整」算错；期望可比的正文怎么写都不算；说法表照旧不认这类说法。test_doing_nothing_and_saying_nothing_is_wrong 里原先「本周还没过完，两周不能直接比」算错的那条断言按新规则移到新测试里，改成算对但没引用 ThearchyHelios 2026-10-21 19:32:38 +08:00
  • bf89269c11 评测前端：变体里能选「分析工具」开 / 关，发起评测多一种「分析工具贡献对照」。typesEval 加 EvalAnalysisTools、EvalPreset，EvalVariant 多 analysis；termsEval 加分析工具的叫法、提示和这种对照的说明，对比「都没变」那句带上分析工具。StartDialog：ArmFields 多一格分析工具（题集的默认变体同一张表单），预设对照里由预设定的那一项不摆（目录贡献不摆目录、分析工具贡献不摆分析工具）；分析工具贡献对照交 {preset: analysis_tools, variant}，变体里不带分析工具和名字，缺省每题 3 次。结果页、对比页、A/B 照服务端的变体那一句和指纹差异显示。check-evals：发起时评一次选「关」、两种预设的请求体和估算的两臂，对比写「分析工具：开 → 关」，分析工具贡献对照的两臂和详情页头；test_frontend_eval_unions 对上分析工具的取值、叫法和预设对照 ThearchyHelios 2026-10-21 19:32:38 +08:00
  • 8a6ad0e7a2 评测变体加「分析工具」开 / 关（缺省开）和「分析工具贡献」预设对照：eval/variants 的变体多一项 analysis {tools: on | off}，只认这两个值、缺省开，不合规的照实拒（eval_variant_invalid，落到 variant.analysis）；analysis_tools(变体) 读开关，加这一项之前存下的变体按开。eval/answer.TurnContext 加 analysis_tools，Driver 透传给 chat/drive.TurnDriver（再到 api/copilot.answer_ops）：关的那一臂建图时工具清单不列分析工具、节点手册不讲分析卡；工作流题不建图，不受影响。同一变体（variant_key）认分析工具：开着时不写进去，和加这一项之前算出来的一样，以前的评测照样当基准、趋势线不断；关着时不同。指纹记 analysis_tools，对比的指纹差异写「分析工具：开 → 关」（老指纹里没有这一项的按开）；变体那一句写「分析工具开 / 关」，结果页、A/B、估算照它显示。api/evals 的预设对照加 analysis_tools（variants.analysis_tools_preset：开、关两臂，名字「分析工具开」「分析工具关」，别的项照 variant 或题集的缺省）。测试：变体规范化、拒收、同一变体指纹、变体那一句、预设两臂和 Driver 拿到的开关、估算与 A/B 拒收（test_eval_runner）；指纹差异的开、关和老指纹（test_eval_compare）；真运行的「分析工具贡献」对照（test_eval_analysis_runs：关的那一臂助手看到的 system 里没有分析工具和分析卡、作答运行里没有分析结论、算错，开的那一臂对且可追溯，两臂共用期望、指纹和同一变体都不同） ThearchyHelios 2026-10-21 19:32:38 +08:00
  • 954946d4e3 check-all 不往子进程传的段过滤补全：check-stream 新加的 STREAM_ONLY，连同早就有、一直没列进来的 COMPARE_ONLY、INQUIRY_ONLY、SHARE_ONLY、ACCESS_KEYS_ONLY、APP_EDITOR_ONLY、CAPABILITIES_ONLY。壳里留着其中一个时，整套检查会悄悄只跑那几项的一小截、照样报全部通过 ThearchyHelios 2026-10-21 19:11:24 +08:00
  • 017cbee5aa 可验证报告样本页加异动周报（analysis，分析能力一轮）：Agent 在虚构零售库 shop 上查两周的总数和按地区两周的销售额，做按地区的变化拆解（带总数核对）、波动基线（两周历史不够，算不了）、两期可比性检查，结论按快照真算（app.analysis.run，目录事实按虚构的数据目录给），Agent 节点的 tool.end 照分析工具真实的写法带结论工件和判定那一段；报告引用拆解的判定语、具名的数、结果表的格和整张结果表，正文后面是 engine/analysis_scope 按虚构的数据目录算出的分析范围（没拆的是渠道）。check-bundle：样本页 19 份；异动周报原样导出全部通过——③ 三份结论和两份输入快照随文件附带，④ 输入快照按「已核对的分析结论的输入」认，⑤ 分开数判定语，点开判定语看得到判定标准、方法与版本、附带说明、Agent 写的假设、输入和导出时的复算，具名的数、结果表的格写对出处，分析范围的编号点得开（正文没引用的 A2 也随文件附带）、范围里的编号不核正文显示，390 宽不溢出；只改判定语、具名的数的显示并重算全部哈希各自变红并点名。另：「查询快照以外的工件标成遮罩」的原因照第 1 波改过的说法（只有查询快照、口径卡、分析结论和报告文档……），原来的断言没跟着改。test_bundle_build 的样本页清单加上它、核对它的形状 ThearchyHelios 2026-10-21 19:09:21 +08:00
  • 019676670b 可验证报告的核对页：正文里的判定语被改过时，原因写「正文显示「…」，分析结论里的判定语是「…」」。判定语的引用不带值（判定语就是结论里的那句话），原来照数字的写法拼成「引用的值是空值（NULL）」，读起来像引用本身是空的；具名的数、结果表的格照旧写引用的值和按显示规则应显示的字 ThearchyHelios 2026-10-21 19:09:20 +08:00
  • 29874166df 证据面板与报告正文接上分析结论（分析能力一轮）。点判定语、具名的数、结果表的格：出处链照服务端的分析几步（判定 → 方法 → 计算 → 输入 → 复算 → 封存）——判定写编号和方法的叫法（method_label）、判定语照原样、判定标准、点名的段、方向、谁做的（Agent 现场 / 分析卡 / 口径卡执行时的可比性检查）、附带说明、Agent 写的假设（另说它不是结论）；方法写版本、实际用的阈值（契约的叫法）、规范化后的参数；计算写代入式、具名的数、结果表（被引用的数描出来、那一格高亮）；输入每份一节，总数和各段之和的闭合核对照服务端算好的数，输入快照的查询步骤接在后面、点 Q 跳过去；复算一致与否、封存范围内台账记没记过、算不了的写原因；分析结论的数不走口径账本。口径卡指标上多一行「两期可比性」（判定、判定语，展开看那份可比性结论的整条链，随卡封存）。说法违规（判断词未挂分析结论、判断与分析结论不符、因果说法没有依据，按 unit / segment / span）标在正文上：只在判断词下面画提醒色波浪线，那段文字是一个可点的片段，句末挂「说法待核」，n / N 跳得到；点开写种类的叫法（同审计）、服务端的原话、所挂的结论（点一下落到它的判定语）。正文后面是系统写的「分析范围」（现象、拆过、排除、算不了、没拆的候选维度、做过几次差异检验），编号点得开——正文没引用的取新接口 …/evidence/analyses/{alias} 的出处链，关掉焦点回到那个编号。整句面板挂的依据是分析结论时写「派生自 Q1、Q2」（证据图的 derived_from 边，按这份报告认）。记录页：审计表的说法违规行写种类的叫法、点得开；工件页签认得分析结论（哪一种分析，算不了的写没有做成）。夹具 evidence-analysis.json 是真运行组装的（后端测试库里的虚构零售库 shop，模型换成脚本）。check-evidence 加三节（分析结论的出处链、说法违规与分析范围、指标上的两期可比性），check-runs 加一节（审计行、工件页签） ThearchyHelios 2026-10-21 18:57:22 +08:00
  • 887d086261 合入 W2-a 想 + 文档：问题意图词表、分析方法定稿（analysis.method@2）、助手建图认分析卡与分析工具（分析类问题的形状、自查只挡一轮、关分析工具的开关）、复核信号并成一条只写说明、内置模板 ⑪「异动分析（可追溯）」、中英文档（新增 analysis 一篇、七对文档与升级说明、README） ThearchyHelios 2026-10-21 18:54:50 +08:00
  • cf5dae16fe 文档：回归评测与口径账本按评测包（an2/b）的交付校对——贡献期望恒为变化拆解、模式三选一、点名前几段 1–10 缺省 1，判定期望四种分析、差异检验要写模式；参数里不写输入、总数、下钻和阈值，文字参数可带定时变量，只返回两期时可以不写基期本期，口径题和期望反问的题配不了；阈值用开评时拍下的分析设置（算期望、各臂作答同一份，记进指纹）；五种结论逐条写清（引用它的句子写反了算错、做了没说也算错、分析范围不算引用、可比性只能靠引用），评分规则第 3 版、提示词指纹含分析方法；仓库里的虚构库 retail_trends 与八题的分析题集怎么生成、导入。升级说明那一条一并补齐 ThearchyHelios 2026-10-21 18:49:15 +08:00
  • 5a02d17bf2 助手建图加「关掉分析工具」的开关，给评测的「分析工具开、关」对照用：api/copilot.answer_ops 加关键字参数 analysis_tools（缺省真，和以前一字不差）。为假时给助手的工具清单不列五个分析工具（_tool_catalog），节点手册去掉只讲分析能力的三段（agent 段里分析类问题绑分析工具那一条、分析卡一整条、搭图规则第 7 条；报告段的引用写法和分析说法核对照留，node_reference），问数据的包装不给分析类问题那一条形状（ANALYSIS_SHAPE_PROMPT 抽成常量），问题意图那条自查不提；图里照样绑了分析工具的（Agent、协作成员、调用工具节点）按「绑定的工具不存在」挡（analysis_tools_off，交回模型去掉，改不好就不运行）。chat/drive.TurnDriver 加同名参数和属性 analysis_tools（缺省真），_generate 透传给 answer_ops；问数据页不暴露，eval/answer.Driver 之后按变体设。测试：关着时工具清单、手册、包装都没有分析，绑了被挡、改掉就运行；开着时绑了照常运行；没碰分析工具的一轮开、关交出的操作逐条一样；TurnDriver 透传 ThearchyHelios 2026-10-21 18:47:10 +08:00
  • f9be394a99 撤回上一条（定时评测测试放大数据源上限）：评测包 an2/b 的 5d53ed73 做了同一处修改，留着合并时会撞同一个夹具；这里撤回，合并后照 an2/b 那一份 ThearchyHelios 2026-10-21 18:40:30 +08:00
  • 468f670f89 运行对比页加「分析卡」一区（服务端 compare 的 analyses）：两次运行的分析卡按节点和分析项对齐，一项一行——分析卡的名字和项的标识、算子的叫法（契约）、两次的判定语照原样（没有的一边写「—」，算不了的照判定语写原因）、变了没有（判定一致 / 判定变了 / 判定一致而判定语里的数变了 / 这次新增 / 这次没有，按服务端比出来的代码挑说法和颜色）；只列判定，不拆变化来源；两次都没有分析卡（老服务端没有这一项）时不画。check-compare 加一节：先后照服务端、几种变化、新增与没有、老服务端不画、窄屏不溢出；夹具的形状照服务端真算的（compare.compare 跑虚构周报加分析卡） ThearchyHelios 2026-10-21 18:38:48 +08:00
  • a3a466681a 合入 W2-b 评测：两种分析期望（贡献、判定）全链路——期望由期望 SQL 的快照加同一套算子算出、评分沿用五种结论、评分规则 3、提示词指纹含分析方法与写作者的分析规则、开评拍分析设置；虚构库 retail_trends（26 周、八个埋好的效应）与分析题集；评测前端 ThearchyHelios 2026-10-21 18:36:24 +08:00
  • ee923ef6f8 问数据时间线的分析步骤与出具横幅的三项（分析能力一轮）。时间线（run/decode）：新步骤种类 analysis——Agent 的五个分析工具一次调用一行，标题写算子的叫法（契约的叫法，不写 analysis_decompose），做成后照 tool.end 的 analysis 接上本节点的编号（A1，和交回模型的「【分析 A1】」同一个）、副标题是服务端渲染的判定语，结论工件可下钻，参数（没填的不列）进展开区、Agent 写的假设另列；算不了的是一条结论（提醒色，判定语就是「…没有做成：原因」，下一步说照实写原因、不能据此下判断），紧跟着的 analysis_refused 提醒折进那一行；写错的调用（tool.error 带 call_error）副标题写没有记成结论、下一步写 Agent 会照着改、原话在展开区；老服务端没有 analysis 那一段时只照参数写叫法，不从 preview（结论 JSON 的前一截）里拼。分析卡每项一行（analysis.end，不再落成「未识别的事件」）：叫法和这一项的标识、判定语、结论工件。报告的分析说法重写后仍有（report_analysis_claims）、口径卡的可比性没做成（metric_comparability_skipped）说成人话。回答流：分析的图标、展开看判定语和假设，长列表折起来时分析那几行照样露出来（不算出了问题）；运行中的状态字写「正在执行分析：变化拆解（可加）…」。出具横幅（IssuanceBanner）照出具声明列三项：分析说法核对（strict 记缺口、check 只标注，几处、原话、种类的叫法同审计）、指标的两期可比性（判定语和原因）、报告引用的指标没追到原始数据（追到哪为止、记没记缺口）。夹具：fixtures.json 加两次真跑的运行（后端测试库里的虚构零售库 shop、模型换成脚本：Agent 查库、写错一次拆解、拆解、波动基线算不了、可比性检查，报告 3 处说法标注；分析卡两项），synthetic 加协作成员调分析工具，dev/fixtures/analysis.tsx 三个预览用例。check-decode、check-stream 各加分析的几节（check-stream 加 STREAM_ONLY 只跑几段） ThearchyHelios 2026-10-21 18:35:22 +08:00
  • f293904cdd 定时评测的测试不依赖同进程里的数据源个数（同 843be9a5 对评测执行测试的做法）：别的测试留下的数据源超过评测拍目录快照的上限时，评测在作答前就按设计失败，「连续 3 题止损、部分完成」那两条就判不出；加了几个测试文件、测试分进程的方式变了以后，全量时这两条稳定复现（把上限压到 0 也能复现）。这里的评测不测这个上限，夹具里把上限放大 ThearchyHelios 2026-10-21 18:33:17 +08:00
  • 5d53ed7332 题集定时的测试不依赖同进程里的数据源个数（同 843be9a5 对评测执行测试的做法）：题目是不限数据源的问数据题，评测按全部启用的数据源拍目录快照，别的测试留下的数据源超过上限时整次评测按设计失败，状态成了 failed 而不是 partial（全量并行时分到同一个进程复现）；这里不测这个上限，把上限放大 ThearchyHelios 2026-10-21 18:30:08 +08:00
  • 94a6eb9c64 分析期望的两处小修：期望 SQL 只返回两期时补上的基期、本期写成文字交给分析工具的参数（期次是数的也认，算子按写出来的样子比）；参数和结果对不上的原因前面写「第 n 个期望（贡献）算不出期望」，不再叠两个「的」。测试补逐题 E1 顺着下钻找到两层的查询 ThearchyHelios 2026-10-21 18:30:08 +08:00
  • ab65b6032d 问题意图：「变化大不大」「变化大吗」归到波动一类（问的是这次变化大不大，不是变化从哪来），自查那条问题照「问题问的是波动大不大」说；来源一类只留「怎么变了 / 有什么变化 / 变化在哪」。测试加一个正例 ThearchyHelios 2026-10-21 18:27:05 +08:00
  • 5a341b48e9 文档：新增 analysis 一篇（中英各一，标题层级一致）——分析能力是什么、为什么（判定由系统算、判定语由系统写、照实说、留痕）、五种分析各回答什么问题与判定标准（括号里是缺省阈值）、算不了的情形与调用写错、期次的写法、两个入口（Agent 的分析工具、分析卡）、引用写法、分析说法核对（判断词的类、check / strict / off、来源与因果的分界）、分析范围、设置、限制。更新：证据与出具（按引用核对的血缘口子与分析说法复核、口径卡指标的两期可比性、引用标记加 a: 与 v:A / table:A、点开一个分析结论看到什么、两种导出认分析结论、运行对比按分析卡对齐、复核套件加分析说法核对）、工作流（内置模板 11 个、节点类型表加分析卡、G3 加分析说法核对、agent 可绑分析工具）、问数据（分析类问题怎么走、复核只写说明的几种缺口、分析结论的数不标口径、自查提醒）、回归评测与口径账本（贡献、判定两种期望与评分，细节待评测包交付后校对；分析结论的数不比对口径）、配置（偏好设置里的分析一节，17 项的叫法、缺省、范围）、工具（内置工具 23 个、分析工具一节；原来写的 15 个早已对不上）、升级说明（本轮）；README 中英加一条主要功能、文档索引加 analysis，节点 19 种、模板 11 个。development.md 的检查项数没动，等前端包的数 ThearchyHelios 2026-10-21 18:23:11 +08:00
  • ce5ef5e5f0 口径账本的轮次摘要只数四种标签（来自口径、相关口径、这次的推理、没比对）：认不出种类的标签（不是对象、没有种类、不是这四种）不计、也不算进总数，摘要那一句说得平、不出 NaN。分析结论的数不和口径比对，服务端不给它们标签（00-总方案 D11），这里是防着以后多出别的种类。check-ledger 的使用者一节混进两个认不出种类的标签 ThearchyHelios 2026-10-21 18:24:18 +08:00