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。
824 B
824 B
Hypotheses — cs-refactor-001（预注册，冻结后先 git commit 再跑 LLM）
实验对象：cs-refactor 识别「伪装成重构但实际改变行为」的能力（行为等价是其核心契约）。
oracle：planted_defect 召回（是否点出行为变化），[measured]。kind=review（纯数据接入，无新代码）。
- H-behavior-change-recall: 对已植入的行为变化的 recall ≥ 0.85，跨 ≥2 model。threshold: 0.85。
fixtures：8 个，多为需推理的行为等价违规（改默认值、and↔or、去 strip、改边界、is None↔truthiness、删早返回等）， 另 2 个含关键词信号（引入 eval / md5）。 区分度：离线 mock（纯关键词）只能抓含信号的那 2 个 → recall≈0.25，正说明「行为等价判断」必须靠真实 skill 推理。