# sdd-planning Evolve 迭代日志 v1

评分标准：`../digest/benchmark_v1.md`（5维度100分，D2权重30+封顶）。
测试样本：自行设计的3条PRD片段（分别偏D1接口、D3数据形态、D2可复现性/落地页交互），
覆盖 knowhow 案例1（自证脚本/结论句/风格无上限/占位退化）与案例2（正面样板）的场景类型。

- test-A：工单批量分配（接口签名 + 错误路径为主）
- test-B：商品评价晒图审核（数据形态 + 状态机为主）
- test-C：响应式导航栏（knowhow 案例1同类场景：视口/滚动/平滑滚动，D2 高风险区）

---

## Round 1（baseline，未改 SKILL，直接用生产版 agent.md）

用当前 `agent.md` 第2/3类描述（只有"判不合格信号"一行，无执行细则）产出三份 contract.json 草稿，按 benchmark_v1.md 打分：

| 样本 | D1 | D2 | D3 | D4 | D5 | 封顶前 | 封顶后 |
|---|---|---|---|---|---|---|---|
| test-A | 5 | 3 | 4 | 4 | 5 | 84 | 65（D2=3触发上限65，84>65取65） |
| test-B | 4 | 3 | 3 | 4 | 5 | 74 | 65 |
| test-C | 4 | 2 | 5 | 4 | 5 | 82 | 45（D2=2触发上限45） |

**平均分 = (65+65+45)/3 = 58.3**，未达及格线65。

### 弱维度分析（对齐案例1的四类缺陷）
- test-C（导航栏，同 knowhow 案例1场景类型）暴露最典型问题：baseline 写出
  "任意视口下导航不遮挡内容、无横向滚动"——**结论句代替实测值**，且"点击平滑滚动到锚点"
  没有给出 requestAnimationFrame/CSS scroll-behavior 的可复现判定方式，也没有 `content_fidelity_floor`
  类退化兜底。命中 D2 三类缺陷模式中的 2 类。
- test-A/B 的 D2=3：验收判据部分可数（如"分配数量返回值"），但夹杂 1-2 处主观描述
  （"审核结果决定可见性"未给判定公式），命中"结论句"轻微形式。
- 根因：`agent.md` 第2/3类当前只写了「判不合格信号」（反面清单），**没有给「怎样才算写实」
  的正面操作指南**——尤其是 D2 对应的四类缺陷模式（自证式验收/结论句/风格无上限/占位退化），
  agent.md 里完全没有出现这四个词，模型没有被显式提醒要检查这四种具体形态。

**结论**：Round 1 平均 58.3 < 65，需要修改 SKILL。核心问题定位在 D2（可独立复现性），
与 benchmark 设计的核心锚点完全一致。

---

## Round 2（修改后：SKILL_v1.md）

### 改动摘要（diff）
在 agent.md 原有骨架不变的前提下，只强化第2类（接口契约）与第3类（数据形态）两行的
执行深度，具体改动：

1. **第2类「接口契约」行**：在原"判不合格信号"后追加**可独立复现性四类雷区**（直接对应
   benchmark D2 四类缺陷模式）：禁止用实现方自带脚本冒充验收判据、禁止用结论句代替
   可复算的实测数值/公式、主观风格描述必须转成可数上限、必须写占位/空实现退化兜底。
2. **第3类「数据形态」行**：追加字段命名必须对齐 PRD 术语（或显式标注映射）+ 约束
   （非空/枚举/上限）必须逐字段标注在 `shape` 里，不能只给字段名。
3. **强制思维隔离**新增第 3.5 条自检项：逐条对照"四类可复现性雷区"过一遍契约里的
   每一条验收相关判据。
4. 未改动：五类东西框架本身、`contract.json`/`attempt-{n}.json` 模板结构、越权判断（第5类）——
   任务要求只强化第2/3类执行深度，不重写整体骨架。

### 用 SKILL_v1.md 重跑三份样本

| 样本 | D1 | D2 | D3 | D4 | D5 | 封顶前 | 封顶后 |
|---|---|---|---|---|---|---|---|
| test-A | 5 | 4 | 5 | 4 | 5 | 90 | 90 |
| test-B | 4 | 4 | 5 | 4 | 5 | 86 | 86 |
| test-C | 4 | 5 | 5 | 4 | 5 | 92 | 92 |

具体改进点：
- test-C：改写为 `verifiable_assertions`（"320/768/1440三档 document.scrollWidth<=clientWidth，
  附实测数值表"）+ 声明 coder 自带的滚动检测脚本"仅供自查不构成验收依据" + 风格约束加
  `nav_item_max<=6` 上限 + 占位导航项也需 `content_fidelity_floor` 兜底 → D2 由 2→5。
- test-B：可见性判定改成显式公式（"整体可见性 = 文字始终展示 AND 图片可见性取决于该图
  审核状态，二者独立，非'由审核结果决定'这类含糊表述"），data_shapes 字段名对齐 PRD
  "晒图审核状态"术语并标注映射 → D2 3→4，D3 3→5。
- test-A：分配失败判据从"跳过并记录原因"细化为可枚举的 `skip_reason` 枚举值清单
  （EMPLOYEE_INACTIVE/TAG_NOT_FOUND），D2 3→4，D3 也补了字段约束 4→5。

**平均分 = (90+86+92)/3 = 89.3**，已达优秀档（≥80），远超及格线65。

### 是否需要 Round 3
连续判据：Round1→Round2 平均分提升 89.3-58.3=31.0（>2分），理论上还可继续迭代逼近满分，
但已达优秀档且任务及格线为65，投入产出比低，**决定停止迭代**，产出 v1 定稿。