# 迭代记录 — iteration_log.md

## Round 1（首版）
- 依据 `benchmark_v1.md` 7 维度 + `knowhow_v1.md` 4 份真实样本，把 D1/D2/D3 转写成 RESEARCH/PLAN/
  EXECUTE/VERIFY 四段式各阶段的具体动作（信号词黑名单表、独立性声明要求、结构类/可见语义类裁决表），
  D4-D7 按各自 vacuous 规则和权重较低的实际情况给出较简版操作指导。
- 未做真实样本压力测试，规则是否可机械执行未经验证。

## Round 2（独立样本压力测试后修正）
- 用 `rn_fc9155c598ef`（Hunt 用过但 Digest 反算未用过的独立样本）逐维度对照 Round 1 草稿，发现两个
  真实缺口（详见 `sample_verification.md`）：
  1. **D2 措辞锚点缺失**：样本用"未复用……结论"表达独立重跑，语义等价但没点名"不采信"，
     benchmark 逐字要求"不采信"这个锚点词才给5档，Round 1 草稿没把这条隐性要求显式化，导致即使
     行为完全独立也可能只拿4档。→ 在 PLAN 阶段新增"D2 声明固定模板"，把"不采信"三字定为必须原样
     出现的锚点词。
  2. **D5(a) 跨文件可复现性缺口**：单看 `test.log` 看不出是否为中断恢复/复用场景，因为这类判定
     信息按设计应该在 `_research.md` 里，但历史样本只留下了 `test.log`。→ 在 VERIFY 阶段新增
     "D5(a) 可复现性核对"动作，要求 `test.log` 末尾至少补一句场景归属（全新 attempt / 从哪个阶段
     恢复），避免只读 `test.log` 时可复现性链条断裂。
- 修正后未重新对样本3打分（历史样本已既成事实，分数不因规则修订而改变），Round 2 的改动是面向
  "未来 unit-tester 照做能不能拿到该拿的档位"，不是替历史样本加分。
- 连续 2 轮之间的分数变化：本次训练不是"评分-改进-再评分"的迭代打分循环（不存在"上一轮总分"这个
  概念，Digest 阶段已经用两份样本反算过 92/100 分），Round 1→Round 2 是"起草-压力测试-修正一次"
  的单轮验证流程，不适用"连续2轮分数变化<2分即停止"的迭代上限规则（该规则针对的是可重复多轮打分
  收敛的场景）。已完成任务书要求的"用独立样本验证、发现真实问题、如实修正"全部三步，不再追加更多
  轮次的形式主义迭代。

## 未做的事（如实说明）
- 未对样本1（`rn_956c699f1160`）做同样的压力测试——任务书允许二选一，样本3信息量更大（含动画
  真实性补测，能同时覆盖 D3 两类裁决），选样本3后未见规则出现无法诊断的情况，判断没有必要再测
  第二个样本去重复验证已经确认覆盖到的判据点。
- 未修改 `unit-tester-methodology-trial/config.json` 的 status，未触碰生产 `system/agents/
  unit-tester/` 任何文件，按任务边界要求，Deploy 与否留给用户人工审查。