Evolve 总结报告 v1 — workgraph-planning-methodology-trial

首次训练（v1）。目标 Agent：workgraph-planning-methodology-trial（独立试验节点）。 上游：Hunt（`train/hunt/knowhowv1.md）+ Digest（train/digest/` 四份）已验收通过。

---

一、最终分数

100/100（digest/benchmark_v1.md，D1=5/D2=5/D3=5/D4=5/D5=5，无否决/无封顶）， 2 轮迭代（Small Loop 上限10轮，实际用2轮即达标，见 iteration_log.md）。 及格线65、目标线80（digest/industry_avg_score.md）均已超过。

对照基线：

• 真实基线（workgraph-planning/agent.md Step4 现状，无新规则）= 34分，不合格档；
• 候选(a)（同义反复型构造样本）= 15分，不合格档；
• 候选(b)（信号驱动型构造样本，训练起点）= 90分，优秀档，但有 2 处已知缺口；
• 本次产出（v1定稿）= 100分，优秀档，已闭合候选(b)的 2 处已知缺口，并在样本 验证过程中额外自我发现并修复 2 处候选(b)未被发现的结构漏洞。

---

二、相比候选(b)的具体改进点

2.1 闭合任务书指出的 2 个已知缺口

1. D2 缺口（未穷举 2⁵ 信号组合）：候选(b)只用一条"S4=否且S2=是且S1=1" 的 AND 条件命中裁剪分支，其余组合（如任务书举例的 S3=否且S5=否且S4=是） 靠"默认保留"这条兜底句隐性推断，不是显式映射。本次改为「G2/G3 短路门 + BRD 8行折叠判定表」结构：G2 吸收全部 S3=是 的情形，G3 吸收全部可复用先例 的情形，剩余空间只需要对 S1×S2×S4（8种组合）显式判定，用 4 行折叠表 完整覆盖（S4=是折叠4种、S1≥2折叠2种、S1=1按S2拆2种，4+2+1+1=8无遗漏）。 PRD/benchmark/validator 三个节点给出与信号组合无关的常量输出，SDD 只系于 S1 二值。整个信号空间理论上被证明式地穷举，而不是"举了几个例子+兜底句"。
2. D4 缺口（benchmark/validator 缺专属规则）：候选(b)对这两个节点只在 "默认保留"和 S3=是 分支里被动提及，没有单独展开。本次为两者各给出独立 小节（SKILL.md §2.4/§2.5），分别给出结构性理由：benchmark 的产物 被本图之外的另一张图（org-validator 宿主的 validator.json）跨图消费， 裁掉是跨图断供；validator 是四张骨架共有的"自检"步骤，裁掉会让文档内部 矛盾无检查地流向下游。两条理由都独立于 S1-S5 信号，且各自有 hunt/digest 原文出处支撑，不是"因为没想到裁剪理由所以干脆说不裁"的敷衍。

2.2 自我验证过程中额外发现并修复的 2 处漏洞（候选(b)也未发现）

这两处不在任务书列出的已知缺口清单里，是本次在套用 C4 样本、手工过五项校验 时新发现的（详见 iteration_log.md Round 1 "样本验证发现的问题"）：

1. 裁 brd 后遗留一条指向不存在节点的 backward 边（org-planner-prd --fail--> org-planner-brd）。候选(b)和本次 v1 草案都只处理了 needs 级联，没有意识到裁掉节点还会留下引用它的 backward 边。若不修，图会带着 一条指向不存在节点的边落地，比 rule=data-contract 拒绝更基础的错误。 本次补了 §四"连带结构修正清单"，并显式给出"prd 变新入口后按约束五例外 条款无需自己配兜底边"这条容易被漏掉的推论。
2. S5 复用门在当前仓库数据上不可执行。G3 门要求"先例 S1-S4 取值与本次 一致"，但本仓库全部历史规划记录都写于 S1-S5 信号体系引入之前，没有一份 标注过信号取值——门本身的判定条件在当下没有任何输入能满足。补了显式 fallback：找不到已标注信号值的先例，一律按 S5=否 处理，保证这道门在 任何输入下都有确定出口，不会卡死等待一个永远拿不到的先例数据。

---

三、局限性（如实说明，不回避）

1. 范围边界：本表只回答 planner.json 五节点"裁不裁"，不涉及骨架间 选型（已由 whenToUse 字段确定性覆盖）、也不涉及 27-E2E §十一 "goal-benchmark/goal-test-data/goal-test-script 三选一或多选"这层验收 方式选型决策——这层决策 Hunt/Digest 阶段本就未纳入调研范围，本次训练也 没有补充调研，是明确的范围外事项，不是遗漏。
2. 真实裁剪正样本仍是 0：hunt/knowhow_v1.md 块C明确指出全公司 5 份 真实规划记录里裁剪发生次数为0，本表在真实世界里还没有一次被真正套用过 并观察到裁剪结果落地成功的案例——两个自验证样本，一个是真实历史案例 （但套用的是"如果当初有这份规则集会怎么判"的回溯推演，不是真实当时就 照此执行过），一个是构造场景。100分是"规则集本身的质量分"，不是"已被 生产验证过的可靠性分"，这条区别需要在 Evolver/Innovator 后续决策里 保留：建议下一次真实有 org-planner 宿主节点、且信号组合命中 brd 裁剪 分支的任务出现时，实际按本表执行一次，观察是否真的顺利通过 Step5/Step6， 补一个真正的"生产验证"记录。
3. G3 复用门目前形同虚设：如 §二 2.2 所述，在仓库开始按本表标注新规划 记录的信号取值之前，G3 门永远走向 fallback（视为S5=否）。这不是设计 缺陷（门的逻辑本身是对的，只是数据还没准备好），但意味着"复用先例"这条 本该能省判断成本的路径，短期内实际不会被触发，所有任务都要走完整的 逐节点判定，效率上没有达到 S5 信号设计之初设想的"跳过重复判断"的收益。
4. SDD"精简"没有可量化的验收标准：§2.3 只说 S1=1 时 SDD 内容可以 "精简"，但没有给出精简到什么程度算合格、什么程度算偷工减料的量化标准 （比如"至少要写几段/覆盖哪几类技术决策"）。这是因为 hunt/digest 阶段 同样没有对"SDD内容深度"这件事做过调研，本次训练不打算在缺乏调研支撑的 情况下凭空编一个量化标准，如实标注为待补项。
5. 本表未覆盖"替换/组合"两种裁剪授权：agent.md Step4 明确允许"裁剪/ 替换/组合"三种操作，本表只处理"裁剪"这一种（任务书要求范围本就限定在 "裁 or 留"，未要求覆盖替换/组合），"替换某个节点本体""拿executor.json 做主干接入planner的验收节点"这两种操作不在本表判据覆盖范围内。

---

四、给下一阶段的建议

1. 把 SKILL.md §一~§四 的内容整合进 workgraph-planning/agent.md Step4 （当前只有"你被明确允许：裁剪……（比如任务不需要BRD，直接从PRD起步）" 这一句例句，没有可执行判据）——可以直接引用本文件路径，或摘要粘贴 §三 汇总表 + §四 连带修正清单两节（这两节最短，覆盖了"读了立刻能用"的核心）。
2. 建议在规划记录模板里新增一节"信号取值"，把 S1-S5 的判定结果显式记录下来 ——这既是本表要求的输入，也是让 G3 复用门未来真正能触发的前提条件 （见 §三 局限性3）。
3. 下一次遇到真实的 org-planner 宿主任务时，建议 workgraph-planning 显式 套用本表并在规划记录里标注"依据 workgraph-planning-methodology-trial SKILL.md v1 第几条判定"，积累第一个真实生产验证案例。