mirror of
https://gitcode.com/JianFeeeee/HomeAgent.git
synced 2026-11-06 17:27:31 +00:00
cf14b840ef
## 背景 上一次文档校订（b9b5ac0）之后又有两次代码提交（5194a96 / 8293282）， 把 future-plan §1.1 整节变成了错的 —— 它还写着「档位没有生效点」 和「在 prepareInputTask 里加一次 activateSecurityProfile 调用」， 而后者正是被后来的收敛**否定掉的方案**。 ## 新增 docs/zh/README.md（文档索引） 32 篇文档此前混着三种时态（当时实测 / 历史推演 / 设计规划），外观相同。 索引给出**状态分类与可信度规则**： | 状态 | 能不能当事实用 | |---|---| | 已实现并部署 | ✅ 直接信 | | 部分实现 | ⚠️ 只信标了"生效"的部分 | | 设计 / 未实现 | ❌ 只能当设计意图 | | 归档说明 | ❌ 不要改、也不要信 | 并写死**判据名可信度规则**：文档里的 `TestXxx` 不保证还存在。 给了核对命令，以及当前基线（27 条缺失的分布 —— 18 条属"设计未实现"类 文档的规划名、7 条是 §2.7.3 有意保留的历史对照表左栏、2 条属视频能力 未纳入契约）。判定标准：**在"已实现"类文档正文里找不到才是缺陷**。 ## 重写 future-plan §1.1（已结案） 原节写的是错的方案。改成记录**真正的缺陷分三层**： ``` 第 3 层（表面）：activateSecurityProfile 零调用方 第 2 层：agent/core 在替 security 做策略决策 （自己抠 security_profile / 自己选判定链 / 自己写 Kind:"resident" 声明主体类别 —— 提权口子） 第 1 层（根因）：security 缺少「输入接入点」 ``` 并补上「每 agent 一个实例」的最终形态（共享注册表 + per-agent 执行视图， sessionProfile / longtimeProfile 两层，优先级 session > longtime 本身是安全语义）。 §〇「机制 ≠ 接线」表格里档位那一条从 🔴 改为 ✅。 ## 各文档状态行 此前 14 篇缺状态行（runbook / 实测报告 / 计划类）。逐篇补上**符合实际内容** 的声明，而不是统一套一句。特别地： - `commondev-design.md` 标题本就写「设计 · 未实现」→ 归到"设计"类 - `live-run-evidence-2026-10-04.md` → 明确标注"历史证据快照，不要用它的 结论覆盖现在的实现判断" - `legacy-issues.md` → 写明它与 future-plan 的分工（前者收已知问题， 后者收能力缺失与零调用方） ## 正文里两处判据名漂移 - `TestBootCtxCloseAllIsReverseOrder` → 实际是 `TestKernelStateCloseAllIsReverseOrder`（`BootCtx` 改名时判据跟着改的） - `TestNilTypedBusSafety` → 标注为"规划名，仓库中不存在" ## 新增 §2.7.5 模块产物的实例化粒度 依赖图保证"设施已就绪"，但没说该有几个实例 —— 这是独立决策。 记下 security 的两个答案：全局基线共享（否则插件声明对部分 agent 不生效）、 轮次状态 per-agent。并给出给未来新模块的两条判断标准。 ## 安全文档 状态头补「架构形态」段（防火墙定位、per-agent 视图、两层档位）； 接线状态表里 `ActivateProfile` 从 🔴 改为 ✅（2026-10-31 接通）。 ## README 文档列表加索引与 future-plan 入口 —— 此前从 README 找不到 docs/zh 的任何指引。 ## 核对 - docs/zh 32 篇全部有状态行 - 索引里列的文档全部存在，无遗漏 - 分类与各文档自述一致（逐篇抽查） - go build 仍通过（纯文档改动）
150 lines
6.0 KiB
Markdown
150 lines
6.0 KiB
Markdown
# 拒答判据：符号存在性
|
||
|
||
> **状态：参考 / 机制说明。** 描述拒答判据的设计口径与实现位置，非逐条审计记录。
|
||
> 未实现项见 [`future-plan.md`](./future-plan.md)。
|
||
|
||
## 结论先行
|
||
|
||
**「查询符号在库中零出现」可以安全拒答。** 依据是确定性事实
|
||
（字符串包含），不是浮点分数阈值。
|
||
|
||
## 数据
|
||
|
||
生产快照（1391 块，chineseclip 512 维），中文符号切分修复后：
|
||
|
||
```
|
||
真实查询
|
||
脚本路径改到哪个目录了 0.50 [脚本路径]
|
||
从零开发 QQ 插件用什么工具链 0.33 [从零开发]
|
||
agentmail 公网访问地址是什么 0.33 [agentmail]
|
||
本机 13010 端口对应什么 0.67 [13010 本机]
|
||
|
||
编造查询
|
||
grafana 监控面板的端口是多少 0.00
|
||
谁负责数据库容灾演练 0.00
|
||
kafka 消息队列的 broker 地址是什么 0.00
|
||
redis 集群的主从复制配置在哪 0.00
|
||
sentry 告警怎么接入 0.00
|
||
postgres 主库地址是什么 0.00
|
||
```
|
||
|
||
**完全分离**：真实全部 > 0，编造全部 = 0。
|
||
|
||
## ★ 中文切分修复是前提
|
||
|
||
第一次测量时**真实查询里也有 0.00**（"脚本路径改到哪个目录"），
|
||
两侧都是 0，判据不成立。根因是中文符号用贪婪长串匹配：
|
||
|
||
```
|
||
「grafana 监控面板的端口是多少」 → [grafana 监控面板的端口是多少]
|
||
「脚本路径改到哪个目录了」 → [脚本路径改到哪个目录了]
|
||
```
|
||
|
||
整句变成**一个**符号，而任何块都不可能包含整句 ⇒ 符号分恒为 0。
|
||
|
||
⇒ 符号路对**所有纯中文查询完全失效**，只有含数字串的探针能被救
|
||
（这也是上一轮融合只拿到 3/9 的原因之一）。
|
||
|
||
改成 2~4 字滑窗 + 泛词黑名单后：
|
||
|
||
```
|
||
「谁负责数据库容灾演练」 → [谁负责数 据库容灾 演练]
|
||
「脚本路径改到哪个目录了」 → [脚本路径 改到哪个]
|
||
```
|
||
|
||
## 为什么它比分数阈值可靠
|
||
|
||
上一轮测过「真实查询 top1 vs 编造查询 top1」的可分性：
|
||
|
||
```
|
||
真实 0.6390 ~ 0.8041
|
||
编造 0.4320 ~ 0.5923
|
||
间隔 0.047，n=4 ⇒ 判为不可用（那是运气不是能力）
|
||
```
|
||
|
||
而符号存在性：
|
||
|
||
- 是**确定性事实**（`strings.Contains`），没有浮点抖动
|
||
- 编造的定义本身就是「库里没有」⇒ 符号必然零命中
|
||
- 6:4 完全分离，且新增样本（sentry / postgres）依然全 0
|
||
|
||
## 但仍有一个必须承认的局限
|
||
|
||
**符号率 0 不等于「库里没有相关信息」。** 它只说明
|
||
「查询里的这些词在库里查不到」。反例：
|
||
|
||
```
|
||
问「昨天那个批量任务跑完没」—— 库里记着「批量任务完成，耗时 3 分」
|
||
符号「批量任务」命中 ⇒ 0.75 ✓ 没问题
|
||
|
||
问「那个跑得最久的任务」 ——「那个」是泛指
|
||
符号可能全零 ⇒ 被拒答 ✗ 误伤
|
||
```
|
||
|
||
⇒ **拒答只在「符号提取有效」时可信**。而「提取有效」的判据是
|
||
提取出的符号里至少有一个**不是虚词碎片**。
|
||
当前实现靠泛词黑名单近似，更稳的做法是：
|
||
若查询含泛指词（那个/这个/它/之前），**不拒答**（走召回 + 让模型自己说不确定）。
|
||
|
||
## 未完成
|
||
|
||
- 拒答逻辑尚未接入生产路径（`recallByBlocks` 仍无条件返回内容）
|
||
- 泛指词检测未实现
|
||
- n=10 的判据仍偏小，但方向与上一轮 n=4 时的判断相反：
|
||
这次是**确定性事实 + 完全分离 + 新增样本不破**，而不是「差 0.047 的运气」
|
||
|
||
## 迁移前后对照（2026-10-04，生产快照实测）
|
||
|
||
用同一份生产库快照，迁移前后各跑一次 `TestProbe_生产规模召回`：
|
||
|
||
| 维度 | 迁移前 | 迁移后 | 判读 |
|
||
|---|---|---|---|
|
||
| casual（口语化提问） | 0/4 | **3/4** | ↑↑ 迁移的目的达成 |
|
||
| confusable（易混端口） | 0/1 | **1/1** | ↑ 转正 |
|
||
| coexist（并存不互斥） | 0/1 | 0/1 | 未变 |
|
||
| **abstention（拒答）** | **3/3** | **0/3** | ↓↓ **不是回归，见下** |
|
||
| 合计 | 3/9 | 4/9 | ↑ |
|
||
|
||
### ★★ 迁移前那 3/3 是**假象**
|
||
|
||
迁移前库里只有 98 个块、97 条向量，其余内容在旧表。
|
||
融合召回几乎查不到东西，于是：
|
||
|
||
[casual] 本机端口
|
||
迁移前 ✘ 拒答: 记忆库里没有与「本机 13010 端口对应什么」相关的记录
|
||
迁移后 ✓ 13010/13011 而非 12011 ｜ http://127.0.0.1:13010 …
|
||
|
||
⇒ 迁移前**所有真实问题都被"拒答"挡掉了**，
|
||
而那三条编造查询恰好"通过"了 —— 两者都是数据为空的副作用，
|
||
**不是能力**。
|
||
|
||
⇒ ★ **「拒答率高」与「召回能力强」在数据为空时无法区分。**
|
||
这与此前记录的「编造比误召回更严重」不矛盾：
|
||
那条判据要靠**真实问题能召回**才有意义。
|
||
|
||
### ★ 迁移后 0/3 是契约的诚实结果
|
||
|
||
三条编造查询逐条对照本文件的能力边界：
|
||
|
||
| 查询 | 按契约 | 实际 | 说明 |
|
||
|---|---|---|---|
|
||
| `grafana 监控面板的端口是多少` | **不该拒答** | 未拒答 ✓ | 中文滑窗把 `grafana 监控面板` 当一个符号，跨词边界的伪词 |
|
||
| `谁负责数据库容灾演练` | **不该拒答** | 未拒答 ✓ | 命中泛指词「谁」⇒ 符号提取前提不成立 |
|
||
| `不存在的服务…` | **不该拒答** | 未拒答 ✓ | 纯中文，无数字串/版本串 ⇒ 豁免 |
|
||
|
||
★ 契约是「**零命中只在查询含数字串/版本串时才敢拒答**」
|
||
（见上文「判据的能力边界」）。这三条都不含数字串，
|
||
所以**按设计就不该拒答**。
|
||
|
||
⇒ ★ 之前把 0/3 当成「编造」判红，是判据与契约口径不一致：
|
||
`abstain: true` 这个期望值本身超出了契约能保证的范围。
|
||
|
||
### 待办：判据口径要与契约对齐
|
||
|
||
`probe_prod_test.go` 里那三条的 `abstain: true` 应当改为：
|
||
|
||
- 要么换成**含数字串**的编造查询（契约保证拒答的那种）
|
||
- 要么保留作**边界标注**但不计分（明确记为「契约不覆盖」）
|
||
|
||
否则这个维度会长期显示红色，而它测的其实是**契约之外**的东西。
|