10. 算法搜索架构：D = ERA + tune

一句话：在 DGX Spark 上跑锁定的算法搜索 run。

• 选父节点：ERA 的 futs.py（原样拷贝）+ 包装层；
• 每个节点：一次抽签决定算子（draft / debug / improve；tune 代码保留、现行配置关闭）。照 DrugEvolve 分步：Researcher 出方案（可查文献与数据集元数据）→ Compliance 审方案 →（方案带数据请求时）Data agent 下载、删窗、入库 → Engineer（opencode 会话，不设固定时限）实现、调试、查分 → 权威执行 + 关闭机制对照 → Analyst 写分析；
• 终选：锁定的控制器全自动完成，候选按代码树 / 输出去重，在最终数据纪元内比较，带对照 copy_last 的护栏；
• run 之后：package → verify → 轨迹审计（G50，提交门）→ 邮件通知（G51）；轨迹分析（G44）给下一环出提案。

本文按 2026-10-03 下午的定稿更新（G39-G43 任务书 §9，集成记录 2026-10-03_integration.md）：tune 默认关、Engineer 不设时限、Compliance 与 Data 角色、单轮角色经 VM 中继用 Opus（relay_cli）、数据纪元、审计门、通知、平台期策略、stop_reason。相关设计见 15（Compliance / Data / vec-data）、16（中继与回退链）、17（run 外审计与分析）。

工程定为 D（decisions.tsv 2026-10-03“工程定为 D（ERA + tune）；B、C 停止投入”）。D 是 A 的超集：tune.p = 0 时与 A 的决策逐位一致。T1 初筛和两个 T2 插值榜上，同时跑、只差 tune 的三组对照 D 都更高（T1 53.4 vs 52.0；心脏插值 63.9 vs 61.1；全胚插值 61.7 vs 59.9），每榜只比了一次。以后不再常规跑 A 对照。

相关文档：

• 决策：decisions.tsv（2026-10-02 起各行：方向库与 draft 调度、种子三态、护栏、目标；2026-10-03 尺子校准、泄漏审计、主线 D）；提交台账 submissions.tsv；
• 尺子与目标：14_objective_rulers.md、T1 尺子校准、T2 外推 / T3 尺子校准、泄漏审计、分项反馈；
• 数据规则：11_data_use_scope.md；P3 规程：12_p3_protocol.md；记录与轨迹：13_records.md；
• 候选程序契约：agent/search/CONTRACT.md；现行配置：agent/configs/experiments/t1_round2/D.yaml、g24_t2_t3/t2_*_D*.yaml、g24_t2_t3/t3_spark.yaml；
• 历史与对照：见 §11。

1. 背景

1.1 ERA、OpenEvolve、DrugEvolve 各取什么

用户实测 ERA（加州房价任务）时看到的问题与对策：

1.2 为什么不用原来的单 Agent 长会话

run1、run2 的问题是提前收工（run2 只用了预算的 8%）、只走一条路、评分器 Agent 能改、隔离不严。新架构保留“会话内能查分”，但查分走沙箱外的服务、有次数上限、看的是另一半真值。唯一的例外是 T3（§7.1）。

2. 合规边界

原则：按官网规则执行（用户 2026-10-03：“不要过于谨慎，根据官网要求就好”）。官网允许的就用，禁止的不用，不再自己加额外界限；所有外部来源全部披露。项目自己的口径和边界问题见 11 号文。

3. D 循环总览

flowchart TB
    LOCK["锁定 launch（lock v8）<br/>配置 + 代码快照 code/ + 输入硬链接 inputs/<br/>评测指纹 · draft 覆盖顺序 · 种子状态 · 回退链 models_fallback<br/>视图里挂上以往 run 入库的数据（catalog_auto）"]
    SEEDS["种子执行 + 打分（不做分析）<br/>copy_last = anchor（护栏基线）<br/>exploration 种子（准入记录 ADMISSION_*.md）"]
    DRAW{"每个节点抽签一次<br/>T1：draft 0.30 · debug 0.15 · improve 其余（tune.p 0）<br/>T2：draft 0.15 · debug 0.15 · improve 其余<br/>平台期（8 个节点没刷新前 5）：draft 临时升到 0.5"}
    SEL["FUTS 选父节点（原样 futs.py）<br/>虚拟访问 · 忙父节点回避 · 连续失败降权<br/>多个数据纪元时按纪元分组排名"]
    DRAFT["draft：coverage_bandit<br/>失败的 draft 不占覆盖名额，同族失败满 2 次不再抽"]
    RES["Researcher（单轮，relay_cli → Opus，回退千问）<br/>lit-search ≤ 10 次 · vec-data search（只读元数据）<br/>→ PLAN.json（可带 data_requests）"]
    COMP["Compliance（正则 + 单轮 LLM）<br/>删保留阶段测量值句子，过半被删 → Researcher 重写一次"]
    DATA["Data agent（仅有 data_requests 时，多轮）<br/>vec-data fetch → 隔离区删窗 → Compliance → 挂 external/dynamic/<br/>数据纪元 +1；失败不影响节点"]
    ENG["Engineer：opencode + qwen3.8-max，bwrap，llm_only<br/>不设固定时限：180 s 无动作记一次停顿，连续 3 次结束<br/>预写 METHOD 占位；vec-score ≤ 20 次（A 半）；可 vec-data fetch"]
    EXEC["权威执行 + 打分（无网络沙箱，seed 0，B 半；记 data_epoch）<br/>代码树与父节点相同 → gen_empty，不执行<br/>--ablate 对照 → mechanism_active"]
    VC["视图盲检查"]
    ANA["Analyst（relay_cli）→ ANALYSIS.json"]
    REV["Reviewer（relay_cli，材料内联）<br/>前 10% 且高于最好种子；method_auto 节点晋级前必审"]
    PROMO["晋级：去重后排名分前 5 → seed 1、2<br/>（seed 0 在旧纪元时一并重跑）"]
    ARCH[("存档 archive.sqlite + programs.git<br/>refuted_direction · same_as_parent · data_epoch")]
    FINAL["终选：停止挂载 → 去重后前 5 → 最终纪元里 3 seed → 视图盲检查<br/>护栏：新 seed 上配对下界 > 0，否则交 copy_last → SELECTION.md"]
    PACK["package → verify → G50 轨迹审计（提交门）→ G51 邮件<br/>stop_reason：budget / plateau / infra / agent_early_exit / operator"]
    OUTER["run 外：G44 轨迹分析 → 白名单改动自动应用、下一环配置<br/>prepare_submission（审计门）→ 人挑 run 上传"]

    LOCK --> SEEDS --> DRAW
    DRAW -- "improve / debug" --> SEL
    DRAW -- "draft（新根）" --> DRAFT --> RES
    SEL --> RES --> COMP
    COMP -- "无数据请求" --> ENG
    COMP -- "data_requests" --> DATA --> ENG
    ENG --> EXEC --> VC --> ANA --> ARCH
    ARCH --> REV
    ARCH --> PROMO
    ARCH -- "预算未用完" --> DRAW
    ARCH -- "截止 / 无可选父节点" --> FINAL --> PACK --> OUTER

几点说明：

• 抽签是一次 rng.random()：[0, p_draft) draft，接着 p_debug 一段，再接着 tune.p 一段（现行配置为 0，区间为空），其余是 improve。draft / debug 做不了时退回 improve。
• 平台期策略（plateau.py，G45.2）：最近连续 8 个已打分节点都没有刷新前 5 时，draft.p 临时升到 0.5，draft 优先抽还没有已打分 draft 的族，被子节点上限挡住的 exploration 种子回到父节点池；有节点刷新前 5 即恢复。状态每次选择时从存档重算，resume 安全；不会停止 run。
• stop_reason：stop_manifest.json 与 run_meta.json 记录 run 为何结束：budget（max_nodes 或墙钟）、agent_early_exit（没有可选父节点、也没有在跑的节点）、infra（异常、重启用尽、launch / resume 被拒）、operator（SIGTERM / SIGINT）；plateau 预留。
• 并发：每个 run 同时 2 个节点（concurrency.nodes: 2）。晋级复测在后台单独排队（一次 1 个）。

4. 组件

4.1 锁、代码快照与输入（lock v8）

• harness.py launch 生成 config.lock.json：规范化后的配置（含 draft.order 与覆盖规则、各种子的状态、tune 块、目标与护栏）、harness git sha、代码 / 提示词 / search_hashes、评分器快照哈希、pip freeze 哈希、scoring_fingerprint、view_files、各角色由提供方回报的模型 id、code_snapshot、pinned_inputs；dirty 树或假后端的 run 标为不可提交（submittable: false）。
• run 代码快照（runcode.py）：锁定提交的 agent/、modeling/、scripts/ 等导出成只读的 <run_dir>/code/。控制器、各角色、执行器、打分服务都从这里 import；提示词、方向库、知识、方法卡也只从这里读。resume 进入同一快照并校验树哈希。读入的数据硬链接到 <run_dir>/inputs/。sync_spark.sh 更新主 clone 不影响正在跑的 run。
• 评测指纹（evalspec.py）：视图文件、各尺子各半真值、各评分器 seed 的锚点（都按内容 sha256），加上评分器快照、venv、执行参数、候选可 import 的 modeling 快照。指纹相同，分数才可跨 run 比较；续跑接续时指纹不同就重新打分。

4.2 起点：种子与三态

每个种子 agent/seeds/<board>/<seed>/SEED.json 写明 state、family_id、provenance、admission（T1 有 seed_states: 块时必需；状态在加载时锁进配置）：

T2 三个榜没有 seed_states:：种子 = copy_last + G15 方法种子（心脏插值、全胚插值是 mix，心脏外推是 damped_shift）。

4.3 选父节点（FUTS + 包装层，select.py）

• futs.py 原样拷贝，公式不动。树 = 已结束的节点（失败节点分数 −∞，访问次数保留；interrupted 不进树）；分数用排名分（晋级后为 3 seed 均值，否则为 seed 0）。
• 包装层：虚拟访问（选中即给父节点及祖先各 +1，子节点结束后结算）；忙父节点回避（有子节点在跑的父节点，只要还有别的可选就跳过）；连续失败降权（最近 2 个子节点都失败就暂停，直到别处出现新节点）；同分取平均排名；只有 scored、审查没判 fail、没被视图盲检查排除的节点才有资格。
• 保留的 improve 名额（reserve_improve）：每个方法族第一个“合格”的 draft（输出不同于 copy_last，且 seed 0 分数 ≥ copy_last − 10）保证有一次 improve 深化。之后每次 improve 先给最早的这种 draft，再按 argmax U。
• 无进展访问：输出与父节点完全相同的节点照常计访问，但不占晋级名额。
• 候选身份（candidates.py，G39.2）：可执行代码树相同（runtime_key，不含 METHOD.md）、或目标视图 seed-0 预测 digest 相同、或（集成补充）两节点在 ≥ 2 个共同 seed 上分数、各组分、各分量都相同（到 4 位小数，用来合并只差浮点噪声的输出），即为同一候选，分组可传递。用于终选、晋级和无进展判断。
• 已证否方向（G39.3）：输出与父节点相同、或 METHOD 首行以 NO_CHANGE: 开头的节点写 refuted_direction；之后该父节点的 Researcher 与 Engineer 都会看到这张列表。
• 数据纪元（G52，15 §6）：run 中途挂上新数据后，树里有多个纪元的节点时，排名分在每个纪元内单独计算（各纪元的 futs 排名归一化分别做）；只有一个纪元时与原来逐位一致。

4.4 draft 调度与方法族库（drafts.py，T1）

• 方法族库 agent/prompts/ideas_T1__val.md（v2）：11 个族，分三类（continuous_dynamics / fate_branching / distribution_structure）。前言写合规、共用要求、两个优先方向（composition_program、local_ot）、算子分工（draft = 新族最小版，improve = 结构修复，tune = 已证实机制的调参，debug = 运行修复）和禁做清单。库里不写分数，带分数的实验账本另外管理。
• 覆盖：类别按 search_seed 左转，类内各族也按 search_seed 左转，三类交错排成覆盖顺序。每个 draft 取顺序里第一个还没有 draft、也没被种子覆盖的族（种子覆盖 = 已打分、输出不同于 copy_last）。search_seed 0 的顺序以 ot_cfm, local_ot, composition_program, manifold_ode, … 开头。
• bandit（全部覆盖之后，coverage_bandit）：按 min_explore 0.25 的配额，部分 draft 给 draft 数最少的族（探索），其余给复测收益最大的族（收益 = 该族节点晋级后 3 seed 均值 − copy_last 排名分，只看目标，不看 record / holdout 尺子）。没有族收益 > 0 时也去探索。
• 终选时写 DRAFT_COVERAGE.json。T2 没有 draft: 块：p_draft 0.15，按方向库条目轮流起草（各 9 条）。

4.5 Researcher

• 单轮调用，上下文全部内联，没有文件工具；时限 15 分钟。现行配置走 relay_cli（宿主机直接 POST VM 中继的订阅路由，Opus claude-opus-5-5），回退 Token Plan 千问（opencode，thinking_budget 8192，180 秒没有动静就杀掉重试一次）。relay_cli 下的工具走文本协议：模型在回复里写一个 ```tool 代码块，控制器用本次调用自己的 socket 执行（允许范围与 opencode 的工具策略相同），把输出作为下一轮发回。
• 输入：父节点的分数、四项排名指标分解（原始值 / skill / 得分）、文件列表、METHOD.md、run.py 前 6000 字符、ANALYSIS、变化量表、debug 的报错尾部；全树实验表；兄弟节点和前 5 名的分析摘要；本节点指定的方法族（draft）；有 draft: 时还有父节点所属的族、族一览（含各族已有的 draft 数）和库前言；方向库条目名；知识库 BM25 前 3 条（agent/knowledge/，k014 排除）；本任务的评分规则简报（scoring_rules_t1/t2.md，Engineer、Analyst 也有，Reviewer 没有）。
• 在线文献检索 lit-search：宿主机服务持 key；现行 T1 / T2 配置开启（research.lit_search.enabled: true，每节点 10 次）。返回给 Researcher 的文本与 PLAN 一起过 Compliance。
• 数据集元数据检索 vec-data search（data.search: true）：只读元数据（样本、阶段换算、本 run 是否允许、文件大小、许可），不能下载；需要数据时在 PLAN 写 data_requests（最多 3 条，accession + purpose）。
• Compliance（PLAN 校验通过后，data_role.compliance_plan）：正则表找出疑似句子，单轮 LLM 逐句判 measurement / mechanism / rule / method，删掉测量值句子并标 [compliance: removed]、写 _compliance；主要段落过半被删 → 带反馈让 Researcher 重写一次（单独计数），仍需重写就用删过的 PLAN（approach 被删空则 gen_failed）。
• 输出 PLAN.json：name / motivation / approach / expected_groups / risks，有 draft: 时另需 family_id（库 id 或 other）、mechanism、vs_constant_shift、mechanism_evidence、mechanism_off_control。不合格就带上错误信息重试一次，仍不合格记 gen_failed。

4.6 Engineer

• opencode + alibaba-token-plan-cn/qwen3.8-max，thinking_budget 4096。在父节点 worktree 的副本上工作（draft 从空白 solution/ 开始）。
• 沙箱：bwrap；网络 llm_only（经 egress 代理只放行 token-plan.cn-beijing.maas.aliyuncs.com）；可写的只有本节点工作目录；只读挂载各目标分量的视图、候选 modeling 快照、venv；有 GPU；内存上限 32 GB（engineer_memory_gb），进入前在全机 admission 账本里预留（§9）。
• 时限：不设固定时限（§9 定稿）：会话一直跑到“截止 − 节点收尾时间”，只要健康；engineer_stall 180 s 没有任何活动记一次停顿，连续 3 次结束会话（不重试），有活动即重新计数。显式写了 engineer_minutes 的旧配置仍当作上限。
• METHOD 占位（G39.4）：会话开始前 harness 预写 solution/METHOD.md（首行 [auto: Engineer 未完成] <PLAN.name>）。结束时仍是占位：有 run.py → 照常执行打分、标 method_auto（晋级前必须 Reviewer 通过）；没有 → gen_failed。代码树与父节点相同（只改了 METHOD）→ gen_empty，不执行。
• 数据（G52）：data.fetch 时多一个可下载的 vec-data socket（vec-data fetch --purpose 由后台 Compliance 线程审查），并只读绑定 <run_dir>/inputs/dynamic/，会话中途入库的数据经视图里的 external/dynamic/<id>/ 可见。
• 能看到：search_spec.md + 本任务方法卡（method_cards_t1/t2.md）+ CONTRACT.md + 评分规则简报（scoring_rules_t1/t2.md），以及程序生成的本节点块（PLAN、目标各分量的视图路径和权重、父节点分数 / 耗时 / 内存、父节点 ANALYSIS、变化量表、全树实验表）。方向库不直接给 Engineer，方法族信息经 PLAN 传过来。
• 工具：vec-score（每节点 ≤ 20 次，所有分量共用额度；查的是各分量真值的 A 半，评分 seed 0；返回四项排名指标的 score_parts）、vec-check（格式检查，不限次数）、vec-gpu -- <命令>（全机 GPU 槽排队 + 进程内显存上限）。
• 结束时提交 solution/，METHOD.md 首行是方法摘要（缺失记 gen_failed，没有改动记 gen_empty，提供方故障记 interrupted）。大于 20 MB 的权重在 ARTIFACTS.json 声明，按 sha256 存进 run 的产物库；运行时才训练的权重声明为 per_view（§4.8“训练一次多 seed 复用”）。
• 停顿判定（G45.7）：Engineer 的停顿探针除 CPU / I/O / GPU 排队外，还把会话进程树自己的 GPU 计算（nvidia-smi pmon，每 60 s 读一次）算作活动，长时间无输出的 GPU 训练不会被当成停顿结束。

跨环续做（G45.6，2026-10-03；carryover.py，设计 18 §5）

• 交接点：搜索阶段的 cutoff − node_tail_minutes。会话的截止随 cutoff 移动（deadline_fn：终选预留按实测加大时，在飞的会话和执行同样提前结束）。每项工作绑定启动时的阶段（节点线程、晋级线程绑定 search，work_phase），主线程进入终选不会把搜索执行的截止换成硬截止，也不会关掉它的续做；前移的截止经 LiveDeadline 传到训练锁、admission、GPU 槽等待与评分请求，并经打分服务的截止组（请求带 deadline_key，控制器在开跑和每次前移 cutoff 时发 set_deadline，服务确认前保持待发、每 30 s 重发，进入终选前再确认一次，确认不了记 deadline_unconfirmed；服务端的排队、内存准入和评分 worker 每 2 s 重读，worker 到点被杀；客户端在移动后的截止过去 30 s 仍无应答就不再等待，记 interrupted）传到已经发出的评分；等待资源时遇到截止返回的 interrupted 都带 budget_cut，节点照样进入续做（训练锁超时与产物损坏区分）；节点收尾与晋级收尾共用同一个绝对收尾截止（settle_deadline：cutoff + 宽限 + 180 s，不晚于 stop_at − 60 s）；晋级线程到点仍未结束就在提交锁下把它的晋级结算为 failed（promotion_abandoned，代次加一），旧线程之后的提交一律丢弃，线程引用留作回收；终选获取视图盲检查的节点锁最多等 300 s（不超过终选截止），等不到跳过该候选；晋级线程的代次在线程启动时绑定，启动登记、结果与异常写入都经同一代次与停止检查；截止确认持续失败时，进入终选前杀掉本 run 的全部评分 worker scope（vec-score-<run>-*，直到 10 s 内不再出现新的，最多 120 s），事件 scoring_workers_reaped；到 cutoff 时主线程先等搜索线程完成进程回收（整组宽限 term_grace_s）、封存和节点结算（最多宽限 + SETTLE_EXTRA_S 180 s，且不晚于 stop_at − 60 s）再进入终选（Codex 实现审阅 P0-1）。进程组宽限期内整组未退出才 KILL；有进程回收不掉时不登记权重、不封存。
• 什么会被带走：会话在交接点被切断、且没有留下可执行程序（无 run.py、无改动、无 METHOD）→ 节点记 carried_over（kind engineer）；会话被切但 run.py 可用 → 照常提交、立即执行（G39 的即时验收），快照只作证据；权威执行被搜索阶段截止切断（interrupted + budget_cut）→ carried_over（kind execution，下一环重跑同一提交；SIGTERM 宽限 60 s 内程序写出的最后检查点一并封存，只作证据，没有训练续跑协议）。
• 封存是一个事务：写入者停止（会话 / 程序的进程组已回收、打分 client 已移除）→ 文件检查 → 不可变快照 nodes/<id>/carryover/（solution/、PLAN.json、原始轨迹 trajectory/、checkpoint/、HANDOFF.json；只读）+ SEAL.json（逐文件 sha256）→ 登记进写入账本 → 节点结算（carried_over，与 interrupted 同样搁置：释放虚拟访问、无访问、不进 FUTS 树）→ 控制器停止时写 stop_manifest。
• 下一环接续：--continue-from 导入时，carried_over 节点保留状态；快照逐文件按 SEAL 校验通过才复制（失败记 carryover_rejected，不续做）。校验通过的进 resume 队列，优先于 improve 抽签，每环最多 carryover.max_resume_per_ring（4），其余留到再下一环。
• 多环去重（Codex 实现审阅 P0-2）：一段被带走的工作以封存它的 run#node 为稳定身份（work_key）；任何一环（本环或导入的历史环）已续做过的工作不再续做；导入时 resume_origin.imported_id 随节点重编号；本环名额只数 origin_run IS NULL 的 resume 节点；resume_origin.run / id 记直接上一段（封存它的那一环）。
• 祖先完整性（P0-4）：launch（--continue-from）、package、prepare_submission 都沿接续链递归校验每个祖先 run（continuation.ancestor_integrity：未 tainted、ops.verify_run 通过、目录与锁都在）；有问题就拒绝接续 / 拒绝打包 / 列为不能提交。
• resume 算子：本环的新节点（计入 max_nodes 与本环预算），父节点是被带走节点的真实父节点；resume_origin 记上一环 run id、节点 id、导入后的 id、kind 与有序 segments[]。kind engineer：不调 Researcher，新开 Engineer 会话（不续旧 opencode 会话）——本环完整提示 + 原 PLAN + 程序生成的交接摘要（carryover.resume_block：上一段的改动文件、run.py / METHOD 状态、会话统计、最后的消息节选）+ 只读挂载的整个快照（含原始轨迹）；工作区 = 快照里的 solution/；METHOD 已写过就保留；查分额度 = 每节点额度 − 各段已用：会话结束时先移除打分 client（检查服务应答、有界重试；关闭与请求准入在服务的同一把锁下完成，关闭后到达的请求一律拒绝；服务只对已关闭的 client 出具最终结算，关闭无法证明时计数为未知），再用服务的 settle_client 等它在途的评分结清（最多 90 s）后取最终计数；结不清或服务不答复都记为未知（None，节点列与所有封存一致；续做不发新额度），不回退成日志计数。旧格式的 resume_origin（没有 work）导入时补上稳定身份 run#id，同样参与去重。kind execution：同一提交直接执行打分。父节点审查判 fail 的不续做（resume_refused）。
• 证据：续做节点的轨迹路径以各段快照里的原始轨迹开头；打包时祖先链里的续做节点把各段快照（轨迹、HANDOFF、SEAL、PLAN）并入 lineage_trajectories，MANIFEST.json 的 lineage_segments 按顺序列出每一段的 run、节点、锁哈希、封存哈希与预算；三环以上的工作逐段累加，不丢中间段。
• 配置：carryover: {enabled, max_resume_per_ring: 4, max_file_mb: 2048}；默认关，run 链配置（T1 / T2）打开。

4.7 tune 算子（tune.py）

tune 不能和 Codex Engineer 同用（配置加载时报错，§7.2）；护栏的新 seed 不得与 tune 的评分 seed 重叠（加载时检查）。

4.8 执行、打分、检查、晋级与终选

权威执行（execute.py）：harness 从 programs.git 取出已提交的 solution/，在无网络沙箱里重跑 run.py（seed 0），在各目标分量的视图上各跑一次（任一视图崩溃就算节点崩溃）。程序跑在自己的进程组和 systemd scope 里（MemoryMax = 视图 manifest 的上限，在 vec.slice 内），时限取 min(兜底上限, 当前阶段终点)，阶段终点随 cutoff 前移而前移。

候选执行上限（G45.7，2026-10-03）：搜索配置 limits: {memory_gb, time_limit_min}（缺省 28 GB / 360 min；可写成 {<榜>: {...}}），按榜规范化进锁（config.limits），build_run_views 把它写进本 run 每个视图（proxy、proxy10 所在视图、final、各测试题视图）manifest 的 limits，执行器和评测规格（evalspec 的 execution.programs）都从 manifest 读。360 min 只是兜底：执行由健康监督（health.py）管——每 60 s 读一次程序自己的进程组（累计 CPU、I/O、属于它的 GPU SM% 与显存、GPU 排队、进程状态与 wchan、cgroup 内存与余量、stdout/stderr、可写目录 mtime、solution/progress.json、各探针是否可用），每 5 min 汇总一条进 <exec_dir>/health.jsonl / health_latest.json。活动只认 CPU、自己的 GPU 计算、I/O、D 态加 I/O、GPU 排队；只写心跳 / 进度不算。现阶段 exec_health.enforce: false：只观测，30 min 无活动记 would_hang（统计误判率），程序仍受 360 min 与阶段终点约束；enforce: true 时 30 min 无活动判 hung（候选失败，与 timeout 同类），360 min 只在监督器失效（连续 failed_after_s = 10 min 读不到进程组）时生效。不再有“内存连续逼近上限即不健康”的判据（内存只记录，OOM 由 scope 与 slice 压力判）。任何一次终止先 SIGTERM，宽限 term_grace_s 60 s 再 SIGKILL。exec_health 进锁，也进评测规格（旧锁无此块，规格不变）。

训练一次、多 seed 复用（G45.7；契约见 CONTRACT“seed、训练状态与权重复用”）：ARTIFACTS.json 里 per_view: true 的权重由 run.py 在运行时训练。执行器按缓存键 = sha256(提交的 solution 树、训练种子（EXECUTION.json 的 train_seed，或 seed_affects_training 时的 --seed）、视图内容（evalspec.view_content）、依赖环境（venv、pip freeze、modeling 快照）、--ablate 等额外参数）查 artifacts/per_view/<tree>/<key>.json：有 → 权重只读硬链回原路径（weights.mode = replay）；没有 → 先取该键的训练锁（同键的并发首跑等它），把权重所在子目录变成可写（其中指向产物库的硬链先换成私有副本），执行成功后验收并不可变登记（train）。已登记的权重缺失、哈希不符或索引不完整 → interrupted，不悄悄重训；首跑写出的权重验收不过 → 本次执行 crash、不打分（Codex 实现审阅 P0-3）。哪些执行复用：同一视图上的晋级 seed、终选护栏 seed、--continue-from 下一环（产物库连同 per_view 索引一起硬链导入）；--ablate 对照训练它自己的一组（参数在键里）；视图盲检查的伪装与复核、终选末尾的冷启动重现检查（repro_check：入围的训练型候选 seed 0 不放回权重再跑一次，记 repro_json / REPRO.json，只作诊断，排在所有必要终选步骤之后）用 fresh（训练、不回放、不登记）。护栏的 LCB 因此是“给定冻结权重和当前评测数据”的结论；--seeds 批量接口与“每节点提前三 seed”按 Codex 审阅后置。

打分：打分服务（沙箱外）在真值 B 半上打分，评分 seed = 程序 seed。节点分 = 目标各分量的加权均值：

proxy10 = 在 T1 proxy 视图（E8.5 → E9.5）的预测上模拟官方 10% 抽样流程（5 次抽取取均值），没有自己的视图。

关闭机制对照（ablation.py，G39.7）：权威执行后、Analyst 之前，在目标各视图上用 --ablate <name>（取自 PLAN 的 mechanism_off_control）再跑一次 seed 0，比较输出 digest 与分项，写 mechanism_active: yes / no / unclear 进节点记录和变化量表；程序不支持该参数记 unclear。现有种子都已实现 --ablate（copy_last 的对照等于自身）。只作证据，不参与排名。

数据纪元：节点开始执行时记 data_epoch（晋级重跑、导入节点重打分同样记在每个 seed 的记录里）。

失败归属：候选的错 crash / oom / timeout / hung / invalid_format，计入连续失败降权；评分失败 score_error、基础设施 infra_oom / interrupted 都被搁置，不算候选的错。

视图盲检查（viewcheck.py）：在伪装过的尺子视图（换路径、改 manifest 键序、所有阶段时间 +1 天；T2 视图另把 mode proxy ↔ final 互换、输入改名为 input_<k>）上重跑 seed 0，要求输出内容与真实视图相同。不同的先在真实视图上复跑确认：确认 → view_dependent（不能当父节点、不能晋级、不能进终选）；复跑也不同 → nondeterministic（只记录）。触发时机：抽样（sample 0.1）、每次晋级前、每个终选候选。默认检查的尺子：T1 是测试题分量（X3），T2 是 proxy。静态扫描只给警告。

Analyst（relay_cli → Opus，回退千问 thinking_budget 2048；10 分钟）：读变化量表（含分项）、PLAN、diff、Engineer 最后的消息、失败时的 stderr 尾部 → ANALYSIS.json（可写 family_id）。后续节点能看到父节点的完整报告，以及兄弟节点和前几名的摘要。

Reviewer（relay_cli → Opus，回退千问；10 分钟，只读；relay_cli 下 solution/、PLAN、视图 manifest、pitfalls 全部内联进提示词）：节点进入前 10%、且排名分高于最好的种子时触发；method_auto 节点进入晋级前 k 名时也触发。检查越界读取、硬编码由替代目标算出的统计量、读取或内嵌保留阶段的实测数据、钻评分器漏洞（notes/pitfalls/04_scorer_invariance.md）、知识来源、确定性，以及 PLAN 里 [compliance: removed] 删掉的内容是否在 METHOD 或代码里重新出现。判 fail 的节点不能当父节点，也不能进终选。

晋级：按候选身份去重后、排名分前 top_k 5 的合格节点（不含无进展访问，method_auto 须先审查通过）先过视图盲检查，再用 seed 1、2 复跑（seed 0 的数据纪元不是当前纪元时一并重跑）；之后排名分 = 3 个 seed 的均值。FUTS、审查触发、bandit 收益、终选候选都按它排序。

终选预留按实测（G45.7，Codex 审阅 P0-3）：控制器每分钟（搜索与收尾阶段）按当前排名前 final_top_k 的候选估算终选需要的时间——未做的视图盲检查（各尺子视图 seed 0 的实测时间，伪装视图要重新训练）、未审查的 Reviewer 时间、缺的晋级 seed（每个按实测复跑时间）、护栏全部任务（最坏候选与基线各 fresh_seeds 次）、final 视图冷启动（最长单视图时间 × 1.5）与基线的 final 运行，每次执行加 60 s 评分排队；按串行累加（不除并发）。执行时间用各视图合计（加评分时间），不用最大值。reserve = max(配置值, 估计 + 10 min)，上限半个挂钟；只会把 cutoff 往前移（Budget.extend_reserve，记 final_reserve 事件并存 meta，resume 后保持），在飞工作通过 deadline_fn 跟着提前。

链级已暴露评测 seed（G45.7）：launch 时沿 --continue-from 链读出此前各环护栏用过的新 seed（及它们继承的集合），本环配置的 fresh_seeds 与之重叠时换成大于所有已用 seed 的最小未用整数（例如第二环 3–7 → 8–12），并把整条链的集合锁进 config.chain_exposed_seeds；在 inputs 锁定前确定，评分锚点按新 seed 预建。

搜索分数可比性指纹（G45.7，Codex 实现审阅 P1-9、二审 P1-1 / P1-3）：评测规格（evalspec.spec）另算 search_hash = 去掉只属于终选或运行监督的部分后的规格——护栏的 fresh_seeds / seeds、只为这些 seed 建的锚点（按字段解析 seed，兼容 T1 proxy10 的 B:s3:d0）、execution.health。候选看得见或可能改变输出的都留在比较里：视图内容（含 manifest 的 limits）、时间上限、内存、线程数、评分器、真值、其余锚点。--continue-from 按 search_hash 判断导入分数是否可比（旧锁没有时由锁里的规格直接重算，不读磁盘）；完整 hash 仍描述本 run。只换护栏 seed 时导入分数照常保留；导入重评被搜索阶段截止切断时不出队（仍是 imported_unscored、记 rescore_cut），下一环导入时随来源 run 的未完成重评队列一起重新入队；重评期间主线程照常更新实测终选预留；时间上限（30 → 360 min）或线程数改变时不可比，导入节点按 G18 只重评 continue_rescore_top_k 个（T1 链配置提到 40），其余成为只作历史的节点——这是“分数含义一致”优先于“保留旧树”的取舍。

终选（final.py，在 stop_at − final_reserve（配置值或上面的实测值）之后，受同一截止时间约束）：

1. 终选开始即停止数据审查线程，不再挂载新数据，当前纪元即最终纪元；
2. 有护栏时，先落盘的是基线 copy_last 在 final 视图上的预测（final/<board>.h5ad + 临时 SELECTION.md），在任何候选审查 / 视图盲检查之前（G45.7）；配置了护栏却找不到基线提交时拒绝任何候选替换：不写 final/，记 final_guard_refused（原先是跳过护栏）；
3. 候选 = 按候选身份去重后、排名分前 final_top_k 5 个审查通过的节点（缺审查的当场审查），每个都过视图盲检查；
4. 补跑各候选的 seed 1、2（晋级结果只在同一纪元时复用；seed 0 来自旧纪元的一并重跑），按 3 seed 均值排序；
5. 护栏：
   • 非劣护栏（T1）：只选一个候选（select_on 的 3 seed 均值最高），它和 copy_last 在新 seed 3–7 上配对运行（程序 seed = 评分 seed，B 半）。配对增益均值的单侧 97.5% t 下界 > 0 才替换 copy_last；否则保留 copy_last，不再试别的候选（避免多重检验）；
   • 旧式护栏（T2）：在每把护栏尺子上，3 seed 均值都比 copy_last 高 > margin 的、排名最高的候选胜出，否则交 copy_last；

4b. 补跑 seed 与护栏的截止都给“放置胜者”留出时间：基线 final 运行的 1.5 倍与相关候选冷启动 final 运行估计（final.cold_final_estimate：没有 per-view 权重的程序 = 最长单视图实测 × 1.5；有 per-view 权重且有训练实测 = 最长训练实测 × 1.5；有 per-view 权重但只有回放、没有冷启动实测 = final_cold_fraction（默认 0.25）× limits.time_limit_min）取大，再加 120 s 格式检查与落盘。控制器的实测终选预留用同一个估计（含默认值、护栏任务、落盘开销），所以预留够终选内部扣除；

1. 有时间时在 holdout / record 尺子上（整份真值）给候选打分，只记录进 SELECTION.md，不参与选择；之后仍有时间才做入围训练型候选的冷启动重现检查（只记录）；护栏不完整就保留基线，不降样本数、不跳护栏、不改试别的候选；
2. 用实际跑完的内容重写 SELECTION.md（含逐 seed 分数、差值、下界、结论、最终数据纪元、外部数据与文献披露；dynamic / auto_admitted 数据带各自的披露文本）。

4.9 存档、证据与提交

• 存档：archive.sqlite（节点 id、父节点、算子、族、commit、状态、各 seed 分数、分组与分项、变化量、PLAN、ANALYSIS、审查、视图检查、各阶段时间、轨迹路径；events 表记录控制器的每个决定）；程序提交到 programs.git 的 refs/nodes/<id>（tune 各轮在 refs/tune/<id>/<k>）；权重在 <run_dir>/artifacts/。四类轨迹的存放见 13_records.md。
• 写入账本（ledger.py）：写进 run 目录的每个文件当场登记到只追加、带哈希链的 ledger.jsonl。resume、package、prepare_submission、被 --continue-from 接续之前，都由 ops.verify_run 核对账本、代码快照、输入、评分器、视图、programs.git 引用；不符就追加到 TAINTED.json（不能提交）。harness.py verify <run> --reevaluate-taint 只能在原因都能由重算解释、且 run 现在核对干净时追加“已解决”事件，原记录保留。
• 证据：锁、提示词与知识快照、harness、存档、打分日志、网络日志、scores_progression.csv、中选节点祖先链上的完整轨迹。
• 打包之后：harness.py package 依次做 package → verify →（Spark 上的正式 run）后台启动 G50 轨迹审计（notes/reports/audit/<run>/AUDIT.json）→ G51 run 结束邮件（agent/notify）。verify 失败则 package 返回失败、不启动审计。
• 提交：scripts/prepare_submission.py --run <id>（默认带审计门：fail 拒绝、review 需人放行，见 17 号文；逐榜格式检查、证据大小与全队配额、披露文本、T3 稠密度护栏，写 submission/CHECKLIST.md；tainted、dirty、假后端的 run 一律拒绝）→ 人从已完成的 run 里挑一个上传（官网没有 API）→ scripts/record_submission.py 写台账。官网评分器固定，同一文件不重复提交（decisions 2026-10-02）。P3 的“每榜两枪”见 12 号文。

4.10 代码与 run 目录

agent/
├── harness.py          launch / resume / status / package / verify（mode: agent 与 mode: search 共用）
├── paths.py            run 根目录与 run id 查找
├── search/             controller · select（+futs）· drafts · tune · roles · context · execute · viewcheck
│                       scoring_def · final · evalspec · runcode · ledger · ops · budget · codex_cli
│   ├── openevolve_adapter/   B/C 臂的代码（已停止投入，保留可复现）
│   └── tests/
├── scoring/            service（打分服务）· parts（分项）· density（T3 护栏）· admission（内存账本）
├── prompts/            *_spec.md · method_cards_t1/t2/t3.md · scoring_rules_t1/t2/t3.md · ideas_<board>.md
├── seeds/<board>/      种子程序 + SEED.json + 准入记录
└── configs/experiments/  t1_round2/ · g24_t2_t3/ · screen_abcd/ · model_test/ · …

新 run 建在 default_root(kind)：Spark 上是 ~/vec/runs/formal/ 或 ~/vec/runs/test/，VM 上是 agent/runs/。所有命令都按 run id 在同一组根目录里查找。

4.11 模型

• 凭据中继（16 号文）：Claude 凭据只在 VM；Spark 经 ssh 反向转发连 VM 上的中继（127.0.0.1:18790），只持中继令牌。relay_cli 由宿主机控制器直接 POST，带 X-Vec-Run / Node / Role / Attempt 头供中继记账。
• 回退链（model_fallback.py）：每个模型一个熔断器（健康按模型共享）；额度类错误（含 relay_mode_disabled、relay_cli_quota）立即跳过 60 min；当前调用失败且链已切换时，同一调用在下一个模型上立即重试一次；只有整条链不可用时才让 run 熔断器计数。链写进锁的顶层字段 models_fallback；launch 时探测链里每个模型（中继模型查 /healthz）。

5. 尺子与校准（摘要）

详见 14_objective_rulers.md；数据来自 2026-10-03 的两份校准报告。

6. 本地尺子的目标泄漏规则

起因：T2 心脏外推的方向库和方法卡写了 E9.5（proxy 目标）的 RMS，程序据此写出回退增长率 0.58/天，proxy 尺寸项白拿 +4.15，官网 49.6。这不违反官方规则（E9.5 已发布），但这把尺子因此失效（泄漏审计）。

• 规则：智能体可见的文本（角色提示、方向库、方法卡、评分规则简报、知识库、种子的 README / METHOD / 代码、候选可 import 的 modeling 快照）不得给出任何本地尺子目标阶段的统计量（细胞数、尺寸 / RMS、组成、同名类型数等），一律改为“由程序从视图输入现场计算”。search_spec.md 同时要求不得把从某阶段算出的统计量硬编码进程序。
• 检查：scripts/check_knowledge.py 的 proxy-target 检查默认只警告（用户 2026-10-03 决定），--strict-proxy-targets 才会让它失败。
• 已知余留：T1 proxy / proxy10 的类型级文字已改，但 modeling/src/task1_temporal/reweight.py 保持字节不变（为了评测规格不变）；composition_trend 的超参数是在旧 proxy 上调的，所以 proxy10 对这一系偏乐观（已披露）。T1 round 2 两个 run 用的是修复之前的 master 659a312。T3 在 agent 模式下能直接读到 Mab21l2 KO 文件，这是结构性问题。

7. 例外

7.1 T3 跑 agent 模式

g24_t2_t3/t3_spark.yaml：mode 缺省，即 agent 模式，不走树搜索（没有可靠的本地尺子，选不了节点）。由 agent/harness.py 起一个长 opencode 会话（qwen3.8-max），bwrap，llm_only，4 h，最多 400 轮；提示词是 initial_spec.md + method_cards_t3.md + scoring_rules_t3.md。只挂官方数据（脱敏副本）和 reference panels，不挂外部数据和 prior/。每个 client 最多查分 20 次（本地 proxy，带标签）。最终输出必须过稠密度护栏。

7.2 可选的 Codex Engineer

models.engineer.framework: codex（codex_cli.py）：Engineer 改用 codex exec --json，跑在同一个 bwrap 沙箱里，工具、视图、查分、网络策略都与 opencode 版相同。egress 白名单另加 chatgpt.com；凭据放在每次调用私有的 CODEX_HOME，token 在流和工作目录里打码。现在用的是 gpt-6-astra + reasoning_effort: xhigh（model_test/astra_engineer*.yaml）。限制：

• 不能与 tune 同用（tune.p > 0 时加载报错：tune 经 opencode 调 Engineer 的模型），也不能与 openevolve_native 同用；只有 Engineer 可以换；
• 只能在 VM 上跑：DGX Spark 连不到 OpenAI（model_test/README.md）。

8. 数据

data/external/
├── catalog.yaml     # 来源、许可、阶段换算、删窗记录、哈希、用途（train / test / bench / prior）、允许的设置
├── train/<dataset>/ # 窗外训练数据
├── test/<task>/     # 外部尺子：inputs/、target/（只有打分服务能读）、manifest、anchors
└── prior/           # 生物先验（Reactome、GO、CollecTRI、STRING、MSigDB、MGI），只读挂进视图 prior/

• 视图（契约见 CONTRACT.md）：入口 solution/run.py --data <view> --out <pred.h5ad> --seed <int>。T1 的所有视图（proxy、proxy2、final、X1/X3–X6）用同一套中性 schema；同一份代码必须在单输入（T1 proxy）和两输入视图上都能跑。

• 外部数据：训练集 = Qiu 2024 早期心脏的 E8.75 / E9.0（G20 起 E9.25 / E9.5 只作测试）和 MOSTA E9.5；T1 尺子 X1（Qiu 晚期心脏）、X3（Qiu E8.75 + E9.0 → E9.5）、X4 / X5 / X6（Imaz 2024）；T2 尺子 X2（MOSTA E14.5 + E16.5 → E15.5）。每个阶段只标一种用途；check_catalog.py 保证训练和测试不重叠。P3 的暂定方案（Qiu E9.25 进训练）见 decisions 2026-10-02。
• 禁窗按任务计算：T1 (9.5, 13.5]；心脏 (8.25, 8.75) ∪ (9.5, 13.5]；全胚 (7.25, 8.0)。
• run 内数据（G52）：Data agent 经 vec-data 服务下载到 Spark 的隔离区 data/external/_quarantine/<qid>/，先按元数据删禁窗样本，下载后逐文件 / 逐细胞再删（data.post_filter: true），原始下载随即删除；Compliance 放行后移入 data/external/<id>/、写 catalog_auto.yaml，硬链接到 <run_dir>/inputs/dynamic/ 并挂进各视图 external/dynamic/<id>/，数据纪元 +1。以后的 run 在 launch 时把 catalog_auto.yaml 里本任务允许的文件挂进视图（data.link_auto_admitted，默认开）。规则改写：下载不违规、使用才违规（用户 2026-10-03，11 号文 §3、SPARK_EXCLUDE）。

9. 运维与资源

9.1 候选执行上限（G45.7）

• 配置：limits: {memory_gb: 28, time_limit_min: 360}（默认值，不写即可；按榜进锁并写进视图 manifest）；exec_health: {enabled: true, enforce: false, collect_s: 60, interval_s: 300, hang_minutes: 30, cpu_core_frac: 0.05, gpu_util_pct: 5, io_bytes: 1 MiB, failed_after_s: 600, term_grace_s: 60}。
• 运维看什么：nodes/<id>/<exec>/health.jsonl（每 5 min 一条）、健康邮件（每 3 h）里的“在飞”行；would_hang 的记录用来统计误判率，确认后再把 enforce 打开（打开即改变评测规格，下一环导入节点会重打分）。
• 改默认上限（30 → 360 min）与写入 exec_health 都改变评测规格：从 2026-10-03 以前的 run 接续时，导入节点按 G18 规则重打分。

9.2 训练一次多 seed 复用（G45.7）

• 产物库：<run_dir>/artifacts/<sha256>（只读）+ 索引 artifacts/per_view/<tree>/<key>.json（首写者为准，进账本）；训练锁在 $XDG_RUNTIME_DIR/vec/<run>/train_locks/（不在 run 目录内）。
• --continue-from 把产物库与索引整体硬链进新 run；环境（venv / pip freeze / modeling 快照）不变时下一环直接回放，变了就重训。
• 记录：每次执行的 proxy.<视图>.weights（train / replay / fresh）；冷启动重现检查的结果在 repro_json / REPRO.json 与 repro_check 事件。

9.3 跨环续做（G45.6）

• 第一环结束：carried_over 节点的快照在 nodes/<id>/carryover/（只读，进账本）；harness.py package 正常打包（快照的 .py / .json / .jsonl 也进 run_trajectories）。
• 下一环：harness.py launch --config <链配置> --continue-from <上一环>；continued_from.json 的 carryover 段列出每个快照的校验结果，控制器日志打印 resume 队列。每环最多续做 4 个，更早的先续。
• 合规：新环的锁承接的是已结束 run 的封存输入（与 G18 导入节点同类）；每段保留自己的锁与全部提示，续做节点不是原锁定 run 的继续执行，证据按 segments[] 逐段列出。健康邮件与 G44 只用于两环之间改配置，不在锁定的环内人工指挥。

10. 风险

11. 历史

• A/B/C/D 对照（2026-10-01 – 10-03）：A = ERA，B = OpenEvolve 种群选父节点，C = OpenEvolve 原生生成，D = A + tune。深度轨迹报告 abc_deep_2026-10-02.md 发现 A、B 分不出来，C 快但浅；四组初筛官网分 D 53.4、A 52.0、B 49.5、C 47.8（copy_last 46.9），轨迹分析见 notes/reports/runs/abcd_screen_trajectories_2026-10-03.md（待写）。2026-10-03 起主线定为 D，B、C 停止投入（代码留在 agent/search/openevolve_adapter/；OpenEvolve 版的设计在并列仓库 2026_virtual_embryo_openevolve）。
• 已弃用的目标：proxy / proxy2（2026-10-02，G36）；X3 单独作目标、X3 + X6 平均、X1 / X6 非劣护栏（2026-10-02 各行，被 10-03 的校准取代）。
• 已改动的旧设定：默认并发 3 → 2；Engineer 45 → 30 min；draft 15% 轮流起草 → T1 30% coverage_bandit；终选“前 5 名 → 3 seed → 直接交最高的” → copy_last 护栏；“每个 run 交最佳 + 次佳到 P2” → 人挑一个，同一文件不重复提交；lit-search 在现行配置里关闭。
• 2026-10-03 定稿后的改动（本次同步）：tune 0.25 → 0（默认关）；Engineer 30 min → 不设固定时限；lit-search 关闭 → 开启；新增 Compliance 与 Data agent、vec-data、数据纪元；单轮角色 qwen3.8-max → Opus（relay_cli）回退千问；新增审计门、邮件通知、平台期策略、stop_reason；“禁窗数据不得落到 Spark” → 下载到隔离区先删窗、使用才违规。
• 本文 2026-10-01 版（ERA + R/E/A、G29 更新）见 git 历史。