编排证据包 weft-audit/weft-evidence

weft — 控制论实验报告（可复现证据包）

| 核心指标 | 数据 |
| 实验消耗 | 42.8 亿 Token（近 30 天；其中近 7 天 28.9 亿，窗口至 10-19） |
| 治理插件 | 6 个已上线（独立审计 9–10/10） |
| A/B 评测 | 编排组 0.97 vs 裸跑 0.02 |
| 稳定性提升 | 评分方差 std 1.174 → 0.366 |
| 事故闭环 | 5 篇带日志的排障复盘 |

The future of software isn't about syntax; it's about Intent and Governance.

2026-10-19 实录：治理层六件套（哨兵/完成否定/判断技能/账本/断点/评分官）核心链路 3 小时 10 分钟（23:39→02:52）移植进 DSH 0.2.1-rc.2 并全自动发布五仓；期间发现并修复一个官方静默禁用缺陷（官方仓库 Discussion #10203）。
全程记录：DSH 多 Agent 拓扑迁移实战记录 ｜ 最终报告 ｜ 极客简报

同一模型，20 条真实任务：

| 组 | 配置 | 得分 |
| A | 多 Agent 编排（三层审计 + 心跳遥测） | 0.97 ~ 1.00 |
| B | 裸模型，无工具 | 0.02 ~ 0.07 |

模型没有变，变的是编排。评分 rubric 原文、脚本、历次报告全在本仓库， python regression.py 一键复跑。

与生态内现有方案的区别（据对方 README 核实，2026-10-19）

| 方案 | 它们做的 | 我们的差异 |
| dsh-tower（多 Agent 编排，worktree 隔离） | 提交前的审查/合并门禁 | 我们是运行时逐事件拦截：每一步都过闸，不是合并前一次性审 |
| dsh-codex-ultra-mode（动态子智能体编排） | 任务开始后的动态分解与回收 | 我们多一层入口守门人：闲聊态零工具，工作意图必须显式确认才拉起系统 |
| 各类插件族 | 能力扩展 | 我们做的是治理层（车间主任），不是更多螺丝刀 |

可观测性说明（诚实标注）

当前遥测为自定义格式（心跳计数器 + JSONL 事件日志），尚未对齐 OpenTelemetry GenAI 语义；迁移到 OTel（span 树、可被 Langfuse/Jaeger 消费）为明确目标，未完成前不宣称「可观测性对齐行业标准」。日志不含任何密钥明文，脱敏扫描在案。

裁判可靠性校准（Ground Truth）

「0.97 vs 0.02」是单裁判结果；按评测工程标准，裁判自身必须先校准。
5 条人工标注集已完成（校准集）：所有者判定 vs 三眼定分评分官判定，一致率 4/5（80%，n=5）。
唯一分歧为「诚实否定语境」题——评分表对无产出如实报告缺专用判据，已定修法（不追溯改分），补测后更新。

守门人机制（2026-10-19 全链实测完成）

状态机（闲聊锁死 → 意图识别 → 反问确认 → 拉起多 Agent → 收工锁回）：

用户输入 → 意图识别 ├─ 非工作意图 → 闲聊应答（零工具） └─ 工作意图 → 反问「要拉起系统吗？」→ 确认后才拉起办事者执行 → 微小审计盯主体 → 审计者复查 → 记忆管家记账

桌面端六插件已在生产记账（账本真实条目，脱敏摘录）：

{"ts":"2026-10-18T22:39:30.877Z","session":"session-a17d…","provider":"unknown","model":"unknown","prompt_tokens":0,"completion_tokens":0}

诚实边界：账本已在桌面端生产环境落盘三条事件，但 provider/model 解析为 unknown、token 为 0——字段映射待补，已知边界在案。守门人协议同日完成全链实测：状态机成功拦截非工作意图，并成功拉起三层审计；完整联调日志留待面试现场演示。

自我纠错实录

我们公开承认并登记自己的失误（踩坑 #41–#48）：归因跳步、调用撒手、单角度结论、状态卡漏同步、发布脚本细节错、以及一次「差点编造账本摘录」——提交前被自审拦下并改读真账。自审机制拦住幻觉的这一次，比任何完美数据都更能说明「意图驱动 + 审计闭环」真实生效。

四大铁律

1. 防自噬：代码层不可变，能力层可扩展（Skill/插件经测试挂载）。
来源：Agent 改自身代码导致脑死亡的真实事故。
2. 三层审计：小审计双清单（硬命中即暂停，软项只建议）；大审计 0-10 裁决；审计器只读，人类终裁。
3. 五分钟遥测：心跳轻唤醒，物理静默；白班交互校准，夜班自动跑批。
4. 意图触发（设计稿）：对话者与办事系统物理隔离；闲聊唤醒不了任何工具，开工必须显式确认。

事故复盘（五篇，全部挂证据等级）

- 42 分钟全线连环崩溃（时间线全来自日志）
- 自噬脑死亡
- 并发写冲突
- OOM 强杀
- VPN 断联

插件

- dsh-guardrail —双清单护栏，15 例测试全 PASS，Windows/Linux 双规则集。

其它

- metrics.md — 量化账本，每行挂口径
- 评估方法-20261018.md — rubric 原文与已知局限
- dialogist.md — 对话者机制
- docs/architecture.md — 架构图（审计环/四层记忆/防自噬）
- docs/faq.md — 常见质问与回答
- docs/roadmap.md — 公开路线图

诚实规则

本仓库只放能复现的东西。面板实录与机记切片分列标注，不混；所有者口述一律标【口述】；无证据不算完成。