mirror of
https://github.com/codestable/CodeStable.git
synced 2026-09-19 09:03:09 +08:00
Wyatt Fang
30fecaae5e
收敛 CodeStable 主入口、runtime preflight、goal driver 与 skill 工程化评测闭环。 - 根 cs 对行动请求同轮直转，咨询与介绍保持非执行 - feature/issue/refactor/epic/docs 按仓库事实恢复，旧 stage skill 保留兼容薄壳 - repo-local runtime 支持版本检测、安全自动同步和显式 refresh-runtime - 完成 Codex/Claude marketplace 1.0.2、升级文档和回归/评测证据 验证：215 tests passed；package/runtime/diff checks passed；独立 review 与 QA 无 unresolved blocking/important findings。
1.8 KiB
1.8 KiB
Hypotheses — cs-epic-e2e-002（roadmap-review 补漏，预注册）
背景
路 A（cs-epic-e2e-001）只测了 cs-epic 拆解的首轮（单次 planning），edge 覆盖 haiku baseline 0.78——首轮也漏 ~22% 边角子任务。但 cs-epic 的完整价值主张是多阶段流程：planning 后有 roadmap-review 环节（独立 reviewer 审查→挑漏项→修订）。路 A 砍掉了这一环、低估了 skill。路 B 测这一环。
评测
三阶段编排（api harness, haiku，避 sonnet 网关 504）：
- planning：cs-epic 全文 + 需求 → roadmap_v1
- review：treatment=cs-epic review protocol 的结构化审查 prompt（忠实 references/review/protocol.md 独立 reviewer 维度）/ control=泛泛"再检查一遍" → findings
- revise：v1 + findings → roadmap_v2（两组同一 revise，只有 review 不同） 对 v1、v2_treatment、v2_control 各评 recall_judge（opus 语义）。3 fixture × k3。
H5（主假设）
review→revise 能把 v1 漏的 edge 子任务补回：v2_recall > v1_recall。 直接测量：recovered = v1_missed ∩ v2_matched（漏项被补回数）。
H5b（增量隔离）
v2_treatment recovered > v2_control recovered：cs-epic 的结构化 review protocol（审查维度 + 跨切面/失败路径提示）比泛泛"再想一次"补回更多漏项。否则 review 价值 = 单纯二次迭代，非 protocol 特有。
诚实 caveats
- review prompt 只给通用审查维度（不点名具体漏项、不看 answer）——忠实隔离。
- haiku 单模型 + 3 fixture × k3，[underpowered]；sonnet 待独立网络。
- 编排是 cs-epic review 环节的忠实抽取（reviewer prompt 取自 protocol 58-73 行精神），非跑全流程（childDesign/goal 无关）。
- 冒烟先验"review 能否挑出漏项"——挑不出则 H5 证伪，止损。