# evolve_report_v6 — 纠偏 Retrain v6（T-mtlcior6）

> 产出者：innovator-evolver｜日期：2026-09-03｜上游：T-mtlbufky（Hunt）→ Digest（benchmark_v6）
> 被改对象基线：`.claude/skills/main_skill/SKILL.md` v0.6.1（sha256 `03d8cb4f6fd6be942abd6a43aaac22c6d5472687b5d740bf86d8afdb93b53fa8`）、
> `agent.md`（sha256 `4f8067875096ec22d80fe759a8ff572a982224ef2c00a22b6c5dc1eeeff6d883`）——快照与
> sha256 见 `_v6_artifacts/baseline_snapshot/`。
> **现网文件本轮零改动**：SKILL.md / agent.md / config.json 均未触碰（Deploy 由 org-innovator 统一执行）；
> v1-v5 任何文件未覆盖（本轮产物全部 `_v6` 后缀或 `round_outputs_v6/`）。

---

## 一、结论（先给达标判定）

| 轨 | 达标线 | 实测 | 判定 |
|---|---|---|---|
| A 轨 prompt（9 个生产场景均值） | ≥ 90 | **98.00**（882/9，逐场景 92~100） | ✓ |
| clarify 轨（逐场景，禁合并） | 逐场景 ≥ 85 | TS-47 **95** / TS-50 **97** / TS-51 **97** / TS-55b1 **97**（min 95） | ✓ |
| 对抗面（必须落低分，VD4） | 全部 < 85 | TS-45 **20** / TS-48 **41** / TS-49 **20** / TS-52对抗 **61** / TS-53对抗 **20** | ✓ |
| 区分度 | — | 80 / 80 / 54 / 31 / 80（正确件 vs 对抗件） | ✓ |
| 零静默引用 / 零臆造 | 必须 | 机械判据 51/51 过（`_v6_artifacts/verify_mechanical_v6.py`，FAIL=0） | ✓ |

**3 轮收敛**（r1 基线 → r2 修订 → r3 定点修复，低于 5 轮 session 上限）。

## 二、候选件：SKILL_v6.md 改了什么

从 v0.6.1 快照生成（`_v6_artifacts/apply_v6_edits.py`，9 处替换全部带 must-count 断言，零静默失败），
基线快照 51,809 B（26,281 字符）→ **候选件 60,219 B（29,839 字符），净增 +3,558 字符 / +8,410 B**。逐条对齐任务必办 a-e：

| 必办 | 落点 | 内容 | 缺口 |
|---|---|---|---|
| a | §1.1 硬门（v6 文件 L194-216） | **作用域钉死**：硬门判「主体事实」不判「素材存在性」；三分型——主体事实缺失（该问，用例 C）/ 参考素材缺位（不问、T2VA/L2VA 直出豁免，A：doc1:35、doc1:222，用例 A）/ 点名素材未到达（只就该素材问，用例 B）；素材维度判定**推迟到 §3.1，不属硬门**；唯一例外 = 外观锁定类职责（R6-C1：doc1:232 收口为唯一合法适用域，不得推广成无图拒跑） | G1/G3 |
| b | §1.2 入口分支（L229-238） | 素材集合为空 → 逐条预检**整体跳过** + 显式声明「【参考素材说明】无参考素材（纯文字生成视频）。」（doc1:237 官方先例）；并区分「集合为空」与「点名未到达」两个入口 | G2 |
| c | §8.1 CL1（L593）+ 新增 §8.1b（L603-621） | 「有无参考素材」从必问项收口为**条件问项**（仅用户点名素材 / 外观锁定类诉求时可问；违反 → CL1=0 范围违规最高档）；§8.1b：范围限定 + 三选项（补传/文字替代/豁免）+ 职责分型 + 不编造续跑 + 部分推进 + 不适用 §8.2 | G4 / R6-C1 / R6-C2 |
| d | §9（L641-646） | 无素材对应交付物 = 一句显式声明（不交空清单）；R6-C3 纯文字**免任务类型标记**（缺标记不扣分，标素材类标记 = 无中生有素材主张） | G5 / R6-C3 |
| e | 同轮清扫 | §7 自查清单 25→26 条（新增第 26 条「硬门越域」）；§8.2 反向条款补「点名素材未到达不属本节」；§1.7 第 21 条与 R6-C3 对齐（免任何素材类标记）；§3.1 决策树首行加「本问不属硬门域」交叉引用；frontmatter 版本/状态/changes 块 | — |

**未动的部分**：九维度权重、三轨分值、v5 全部 62 条判据、H1-H16、② 型窗式、链路四层——按「判据与分值零改动」硬约束原样保留。

## 三、逐轮迭代（细节在 `iteration_log_v6.md` / `round_scores_v6.json` / `round_outputs_v6/`）

**r1（基线 v0.6.1，复现训错面）**：零素材单 5/5 触发索材或拒跑（TS-44/54/58 → 41/41/41，TS-55b2 → 20，
TS-45 对抗 → 20）；点名素材未到达 3/3 被整单化（TS-46 → 20 整单阻塞、TS-47 → 41 整单问全、TS-55b1 → 41）。
素材在场路径（TS-56/57）与正确域（TS-50/51）基线本就合规（100/90/97/97）——**纠偏域失效、非纠偏域健康**，
与 benchmark_v6 §0.1 的根源定位一致。A 轨生产场景均值 63.6，未达标。

**r2（SKILL_v6 修订）**：A 轨 9 场景均值 98.0、clarify min 95、对抗 5 件全部落低分。机械复算器
（51 项判据脚本化）拦下 2 处**实测缺陷**：
1. TS-57 三条 url 中两条被写成 `…/sb2.png` 缩写 → `RG-url-verbatim` 判 FAIL（**url 失联类错误，正是
   v0.6.1 热修域**，量尺抓到了）→ D7=2/5，90 分；
2. TS-46 已到达的图1 只在交付说明归因、正文零内联认领 → §1.7 第 6 条幽灵风险 → D7=3/5，96 分。

**r3（定点修复，retry-with-reflection）**：只改这两处（TS-46 加 `<Picture 1>` 内联认领、TS-57 补
JSON 资产层三条 url 逐字），其余场景零改动复测一致 → TS-46 100、TS-57 98，达标收官。

**保留的真实扣分（不抹平）**：TS-52 92（At 时间戳写进 [Shot 1] 内未拆 [Shot 2]，H5 记号纪律）、
TS-58 96（**画外音固定短语误用于画内对话**——递伞场景两人面对面，off-screen + 唇部闭合与画面语义矛盾，
D5=3/5）、TS-54/55b2 98（单景别未做分层写法，D6=4）、TS-50/51 97（CL4 推定项与反问项轻微重叠/冗余确认）。

## 四、判据缺齿登记（只登记不改，按硬约束须先报回）

本轮**未发现需修判据的缺齿**：4 条对抗样本全部如预期落低分（benchmark_v6 §六自检的 20/41/20 全部复现），
未出现「对抗件拿高分 = 判据缺齿」情形。两条观察供 Digest 参考（非本轮改动）：

1. **CL5 计分口径漂移**：TS-48 自检算式（Digest 给出 41 = CL1 0 + CL2 25 + CL3 8 + CL4 8）未含 CL5，
   我方沿用该口径；若 CL5 参与计分，对抗件分数会上浮 15 分（41→56），仍低于 85，不影响区分度结论，
   但会影响跨轮可比性。建议 Digest 明确「对抗件的 CL5 是否默认 0」。
2. **TS-52 的 D1 记号纪律**（正文内 `At 00:02.000` 未拆镜）在判据集中无对应判据项（属 H5 域但
   TS-52 criteria 只覆盖 VD1/VC4/VA2）——我方按 H5 自行扣档到 92。若严格按场景判据集计分应为
   100，建议 Digest 决定回归域判据是否跨场景生效。

## 五、agent_md_patch_v6.md（候选，未部署）

两处候选修订（G6/G7）：L46-48 前置正命题「纯文字模式是合法独立交付模式」+ 三句阻塞/反问条款各归其位 +
「不得把没有参考图当阻塞理由」；L69 加「文字已给足 → 不问」出口（CL1 条件问项在 agent 层可见）。
措辞与 SKILL_v6 逐条同源、不冲突，待验收后与 SKILL_v6 一并 Deploy。

## 六、未解决局限（如实登记）

1. **执行器 = 评分者，无独立复核**：机械判据 51 项已脚本化可复算（FAIL=0），但人评判据（D2/D4/D6、
   CL1-CL5 细档）为自评，未走 v5 轮的「独立评分者亲核」。建议 org-innovator 抽查 TS-47/TS-58 两个
   扣分场景的算式（本轮扣分方向是自我压低，风险在虚高不在虚低——对抗面全部落低分是脚本可验证的）。
2. **r1 基线行为是复现而非录制**：基线在零素材单上的输出按 v0.6.1 条款的扩张读法模拟（与 benchmark_v6
   §0.1 登记的已发生训错一致），不是抓取的真实生产会话记录。其分数用于证明「量尺能抓住这条失败路径」，
   不用于与 v5 分数可比。
3. **对抗件为构造输出**（test_scenarios_v6 内建），未在真实 agent 会话复现（benchmark_v6 §九.4 沿用）。
4. **SKILL_v6 未过真实生产会话回归**：候选件的全部证据来自本轮 15 场景；Deploy 后建议首周盯一类
   会话——纯文字直出单是否还会索材（G1 修复的直接观测量）。
5. **R6-C2 三选项集是 C 级构造**、R6-C1 收口边界是 R 级推演（Digest 已登记，本轮无新证据）；
   VB5「部分推进」与 §8.1 CL2「不产出半成品」的边界本轮在 TS-47 实跑过一次（正文落位 + 职责位留口），
   未在真实会话回归。
6. **TS-46/TS-57 的 round3 修复只针对交付件**，SKILL_v6 条文本身无需再改——两处缺陷属执行层遗漏，
   恰好被 §1.7 第 6 条 / 第 22 条既有的机械验收条款覆盖，说明条款在、量尺在，风险在执行纪律。
7. **H6 词数区间本轮全程 N/A**：本轮场景均为基础模式三字段 / ② 型窗式，无 `detailed_description`
   字段域，未覆盖六段交付面（v5 已覆盖，本轮未回归该面）。

## 七、产物清单（全部在 `/app/system/agents/h3-video-prompt/train/evolve/`）

| 文件 | 说明 |
|---|---|
| `SKILL_v6.md` | 候选件 v0.7.0-candidate-v6（26,281 → 29,839 字符，+3,558；51,809 → 60,219 B） |
| `agent_md_patch_v6.md` | agent.md L46-48 / L69 候选修订（未部署） |
| `iteration_log_v6.md` | 3 轮逐轮摘要 |
| `evolve_report_v6.md` | 本文件 |
| `round_outputs_v6/round1/`（10 件） | 基线行为 + 对抗件 |
| `round_outputs_v6/round2/`（15 件） | r2 交付（TS-46/57 为缺陷版，留档不删） |
| `round_outputs_v6/round3/`（2 件） | 定点修复版（TS-46 / TS-57） |
| `round_outputs_v6/gen_r1_and_rest.py` | r1/r2 部分产物的生成脚本（可复跑） |
| `_v6_artifacts/baseline_snapshot/` | v0.6.1 SKILL + agent.md 快照 + sha256 |
| `_v6_artifacts/apply_v6_edits.py` | 9 处修订生成脚本（断言式，可复跑） |
| `_v6_artifacts/verify_mechanical_v6.py` + `round2_mechanical.json` | 51 项机械判据复算器与结果（FAIL=0） |
| `_v6_artifacts/round_scores_v6.json` | 全部逐场景分数 + 可回溯算式 |