← 工作原理 · 原文件 notes/plan/tasks/G39-G43_plan_2026-10-03.md（Markdown 源文件已渲染；链接到其他文档的会跳转，指向源码的只显示路径）
G39–G43：D 线收敛、T2/T3 重排与 P3 准备（2026-10-03）
本文第 0 节核对 ABCD 轨迹报告（abcd_screen_trajectories_2026-10-03.md）的结论哪些成立、哪些要补充；第 1–5 节是五个任务书；第 6 节是时间表与依赖。所有"官网分"以 submissions.tsv 为准；外部参照是一支 Human 赛道队伍的公开方法日志（GitHub，逐条记了官网分），只当外部校准，不当结论。
0. 对报告结论的核对
0.1 逐条判定
| 报告结论 | 判定 | 核对依据 | 是否要改 |
|---|---|---|---|
| 1. B 落后主要怪选父（岛内均匀随机、迁移 0 次、父是第 1 名的只有 3/15） | 成立 | 上游 database.py 的 random.choice；选父日志；A 10/17、D 9/18 | B 已于 10-03 决定停止投入，剩下的只是从默认配置和文档里删掉（G39.8）。n = 1，"B 一定输 2.5 分"不成立，报告自己也这么写 |
| 2. C 落后是生成方式（3 轮太浅、40% 无效轮、参考程序无用） | 成立 | 215 轮里 85 轮 invalid_diff；C #5/#10 对正确方法族下了错误否定 | C 已停。不修它的无效轮；只借一条原则："新机制先过谷底再判死"（G39.5） |
| 3. D 赢 A 不是靠调参 | 成立，且比报告更强 | 报告只查了 T1 初筛（8 个 tune，0 接受）。本次补查 Spark 上全部 D 组：T2 四个 D run 共 25 个 tune 节点全部 no_gain（最大增益 0.98、0.58、0.53、0.39，门槛 1.0）；正在跑的 r2-D（3 h 时）：s0 4 个 tune 全部 gen_empty，s1 5 个里 1 个被接受（#16，把组成外推的截断 2.0 → 1.5，节点分 54.8，父节点 54.0），其余 4 个 gen_empty；多个 tune 节点因 query_cap（18 次查分）只跑了 2 轮。r2-D 结束时（14:10）：s0 4 个 tune 全部 gen_empty，s1 6 个里 1 个接受（#16）。合计 43 个 tune 节点 1 次接受。T2 心脏插值 D-s1 的 29 个节点里 6 个是 tune，约 1/4 的槽位 | 要改：tune.p 默认 0。"三个榜 D 都高 1.4–2.8"只能解释为同一 search_seed 下的随机差异 |
| 4a. 终选前 5 是同一程序的副本 | 成立，已修一半 | scr-D 5/5、A 4/5；工作树里未提交的 agent/search/candidates.py 已按可执行代码树哈希给终选去重（final.py 的 candidates()），但：没提交、没进 r2-D 的代码快照；晋级（scoring_def.promotion_candidates）没有去重；没按预测哈希去重（B #8/#11 代码不同、三 seed 分数逐位相同的情况抓不到） | 要改，见 G39.2 |
| 4b. PLAN 被证否后原样回退，占槽位 21% | 成立 | 无变化节点 D 6 个、A 5 个；现在只在 FUTS 里记一次无收益访问，Researcher 看得到兄弟节点摘要但看不到"该父节点已被证否的方向" | 要改，见 G39.3 |
| 4c. draft 3/4 撞 30 min 上限、没写 METHOD 被判失败 | 成立 | controller.py 只有一个 engineer_minutes（现行配置 30）；缺 METHOD.md 直接 gen_failed（第 1712 行附近）。另外要核实 drafts.py 里失败的 draft 是否已占用该方法族的覆盖名额（一次超时就烧掉一个族） | 要改，见 G39.4 |
| 4d. 新机制至少 6 次查分才判无效 | 成立 | A/D 冠军谱系都是第 8–15 次查分才过谷底；现行上限 20 次足够，只缺规则 | 要改，写进 search_spec.md（G39.5） |
| 建议：改造版 tune（只在超时或查分少的节点触发） | 证据不足 | 报告自己注明 C 在 draft 上的修改轮只有 2 个样本且都是负的 | 不做；列为可选的离线回放实验（G39.1） |
| 建议：现在跑的 r2-D 两组不动 | 同意 | 09:34 启动，4.5 h，约 14:05 结束；结束后把它们的 tune 统计补进 §0.1 第 3 行 | — |
0.2 报告没说、但本次核对补上的三件事
- T2 决赛口径：官网任务页写明心脏测试只有 E12.5 外推、插值测试只在全胚（E7.75）。最终 T2 只计全胚插值 + 心脏外推两个榜；我们本地分最好、重复跑了三次的心脏插值榜在决赛不计分。这决定了 G40 的资源分配。
- T3 的可行路线：公开日志里 T3 66.6 的做法是把真实 Mab21l2 KO 细胞混进 WT E8.75 输出（celltype^β 压缩 β≈0.55，WT 稀释 k=65），全局位移迁移 41、文献先验 45.8、逐基因编辑 39–43 全部失败。这和我们 10-03 的 T3 校准结论一致（lgo875 是唯一把 3 个官网点排对的尺子，它奖励"沿 E8.75→E9.5 发育方向走"）。我们三次 agent 模式 run 都锚在 self_zero + 先验上（45.9 / 53.4 / 41.0）。见 G41。
- 本地尺子看不到"新细胞状态"：X3 / X1 / X4–X6 的目标里新类型占比都是 0%，官方 E10.5 约一半细胞属于新名字的类型。搜索在结构上只能在"重采样已有细胞"里找分；r2-D 两组到目前为止的节点几乎全是 composition_trend 的 improve/tune。见 G42。
0.3 需要用户拍板
| # | 事项 | 建议 |
|---|---|---|
| 1 | 工程仍叫 D，下一轮 tune.p 默认 0，做 G39 的四处小修 | 同意；tune 代码保留、配置模板写 p: 0 |
| 2 | 停掉心脏插值榜的新 run（决赛不计分），算力转到全胚插值与心脏外推 | 同意（G40） |
| 3 | 心脏外推用官网配额预注册地扫坐标 RMS 缩放因子（3–4 份锁定 run 各出一份） | 同意，规则 §10 明文允许"试参数、看分、再试"（G40.3） |
| 4 | T3 方法卡 v2 以"KO 细胞混合 + β 压缩 + WT 稀释"为主线；输出里含训练 KO 的真实细胞，提交时披露 | 同意（G41）。Mab21l2 KO 是官方训练数据，不触及任何禁用条款 |
| 5 | 知识口径放宽到官网规则：允许带 DOI 的教科书发育事件（谱系、时间线、标记程序），仍禁保留阶段数据集的测量值 | 同意（G42.2）；这是 10-03"按官网要求就好"的落地 |
| 6 | X7 尺子的数据路线（Qiu 原始矩阵下载慢；Imaz 本地已有但只有 1 个目标胚胎） | 先用 Imaz 做 X7 原型，Qiu 版在后台下载（G42.1） |
1. G39：搜索循环修正（tune 关闭 + 四处小修 + 两处加固）
目标：下一轮 T1/T2 run 开始前合入。所有改动用 fake 后端跑通，并在 scr-A/B/D 和四个 T2 D run 的 archive.sqlite 副本上回放验证。
| # | 改动 | 具体做法 | 验收 |
|---|---|---|---|
| 39.1 | tune 默认关 | 所有现行配置 tune.p: 0；tune.py 保留；文档 10 §4.7 标注"默认关闭，证据见轨迹报告"。可选（不排期）：离线回放"改造版 tune"（只在 Engineer 超时或查分 < 6 的节点上、带前次 tune 记忆、每父节点 1 次、min_gain 0.5 + 新 seed 配对），接受率 < 20% 就彻底删 | 配置加载测试：tune.p == 0 时与 A 决策逐位一致（已有测试） |
| 39.2 | 候选去重 | 候选键 = candidates.runtime_key（可执行代码树） 或 目标视图 seed-0 预测 digest（proxy_json[...].digest 已有）二者任一相同即视为同一候选。用在三处：终选 candidates()（已有，改键）、晋级 promotion_candidates（新增）、FUTS 的无进展访问（已有）。合入 candidates.py 并补测试 | 回放 scr-D：终选前 5 从 1 个不同程序变为 ≥ 3 个；回放 B：#8/#11 合并 |
| 39.3 | 原样回退必须换备选机制 | ① search_spec.md：PLAN 被证否时必须交一个备选机制；确实没有可交的，METHOD 首行写 NO_CHANGE: <被证否的方向>。② 控制器：输出与父节点相同的节点记 refuted_direction（取 PLAN.name + METHOD 首行）；Researcher / Engineer 的父节点块加"该父节点下已被证否的方向"列表。③ Analyst 的 lessons 已有，不改 | 下一轮 T1 run 的无变化节点槽位时间 < 10%（现 19–21%） |
| 39.4 | draft 的时限与 METHOD | ① 配置 engineer_minutes_by_op: {draft: 45}，其余沿用 30；budget.py 的 call_minutes 按算子取值。② Engineer 会话开始时 harness 预写 solution/METHOD.md 占位（PLAN 的 name / approach / family_id，标 [auto: Engineer 未完成]）；超时但 solution/run.py 存在且 vec-check 通过 → 照常执行打分，节点标 method_auto: true，这类节点晋级和进终选前必须 Reviewer 通过。③ 核实 drafts.py：gen_failed 的 draft 不占该方法族的覆盖名额（n[f] 只数 scored 的） | 回放 scr-D：3 个超时 draft 中至少 2 个能被打分；coverage_report 里失败族可再抽 |
| 39.5 | 查分规则 | search_spec.md §5 加一条："新机制至少试 3 种解码 / 幅度组合、查分 ≥ 6 次之后才能判无效；判无效要写出每次的分项"。max_queries_per_node 保持 20。Analyst 多记一项 queries_before_refute | 下一轮统计该字段 |
| 39.6 | 相同代码树不执行 | Engineer 提交的 solution/ 的 runtime_key 与父节点相同 → 直接 gen_empty，不执行、不打分（省执行与查分） | 单元测试 |
| 39.7 | harness 强制"关闭机制"对照 | CONTRACT.md 加可选参数 --ablate <name>（名字由 PLAN 的 mechanism_off_control 给）；权威执行后在目标视图上再跑一次 --ablate，比较输出 digest 与分项，写 mechanism_active: yes/no/unclear 进节点记录；Analyst 读这个字段而不是自己猜。不支持 --ablate 的程序记 unclear | fake 端到端；现有种子加 --ablate |
| 39.8 | 删 B/C 的默认入口 | 配置模板与 experiments/ 不再含 search.strategy: population、generator: openevolve_native；openevolve_adapter/ 保留可复现，README 标"已停"；doc 10 §11 已写 | check_paths 链接不失效 |
顺序：39.1、39.6、39.2 最便宜（半天）；39.3、39.4、39.5 一起改提示词和控制器（一天）；39.7 一天；39.8 顺手。全部由 Opus 子 agent 实现，Claude 审查。
2. G40：T2 重排——全胚插值与心脏外推
依据：决赛 T2 = 全胚 E7.75 插值 + 心脏 E12.5 外推（官网任务页）。当前官网：全胚插值 61.7（前十最好 75.3），心脏外推 49.6（62.4），心脏插值 63.9（决赛不计）。
| # | 改动 | 具体做法 | 验收 |
|---|---|---|---|
| 40.1 | 资源重排 | 心脏插值不再开新 run（正在跑的 D-s2 让它跑完、照常提交一次）；每天的 T2 算力：全胚插值 1 个 run + 心脏外推 1 个 run | — |
| 40.2 | 全胚插值的人写种子 | 把方向库 T2EI-01 / 03 做成种子：按类型（或经表达配对的"类型族"）同源配对；型内表达做 McCann 插值并保留细胞残差；坐标取近端真实细胞的邻域块、只沿配对位移走一小步（pos_f ≈ 0.15 作起点）；尺度按 log-RMS 对时间插值并校准（公开日志：仅尺度校准到位 +0.8）。目标仍是本榜 proxy（本地 → 官网 61.5→60.0、62.4→61.7，可信） | 种子在 proxy 上细胞状态组 > 50（mix 是 36），邻域组不低于 mix；final 格式检查过 |
| 40.3 | 心脏外推：尺度扫描 | 方法冻结为：表达 = copy_last（可加组成趋势），坐标形状不变、只乘一个 RMS 缩放 s（公开日志：改形态的 14 族全部 ≤ 52，scale_only 54.5、尺寸项满分）。本地尺子测不到 s（proxy_noscale 把尺寸项固定），所以用官网配额扫：3–4 个锁定 run，每个只换种子参数 log s ∈ {0.15, 0.30, 0.45, …}，终选规则改为"该榜护栏 = proxy_noscale 非劣（LCB > −1）"而不是严格增益，否则尺度程序永远被退回 copy_last。扫描值与预期在提交前写进 decisions.tsv | 校准账本多 3–4 个 T2 外推点；尺寸项由 4.2 分向 8.3 分靠近 |
| 40.4 | P3 衔接 | E8.5、E10.5 心脏公布后：三点（E8.75、E9.5、E10.5）拟合 log-RMS 与细胞数的增长，外推 E12.5（两天）；全胚 E7.75 用与 E7.5 相同的插值程序。契约见 G43 | — |
3. G41：T3 方法卡 v2 与候选批
依据：T3 校准报告（lgo / lgo10 与官网完全反序；lgo875 顺序正确但 n = 3）；公开日志 15 个方法族 42 次提交的结果；官网 T3 任务页"从一个观察到的扰动学响应形状"。
| # | 改动 | 具体做法 | 验收 |
|---|---|---|---|
| 41.1 | 方法卡 v2 | 主线：输出 = 真实 Mab21l2 KO 细胞（按同义名映射到 WT 类型，celltype^β 压缩组成，β 起点 0.55）+ WT E8.75 载体细胞（稀释比例 k 起点 65%），被敲基因置零只作部件；坐标各自保留；总数按 max_cells 分层抽样。写清为什么：Mab21l2 KO 相对评分器 WT 的差里有"沿 E8.75→E9.5 方向"的成分，lgo875 与官网一致；severity_slope 是唯一看幅度的项，混合比例就是幅度旋钮。禁做：全局位移迁移、逐基因编辑、稠密化（护栏已有） | check_knowledge 通过；方法卡不含任何官网分数与 Gata4 测量值 |
| 41.2 | 合规与披露 | Mab21l2 KO 是官方训练数据；方法说明写明"输出含训练 KO 的真实细胞及其比例"。CONTRACT.md 里"外部细胞不得直接输出"的条款只针对 external/，不改 | 方法摘要英文版加一段 |
| 41.3 | 候选批 | agent 模式不变、不设本地目标；3 天内跑 4–6 个 run（提示里给 β、k 的不同起点或不同 search_seed），每个终选一份，T3 配额每天 6 次；每份记进"官网 vs 本地"账本，本地只记 lgo875 和 svc 作参考 | 至少 1 份官网 > 60 |
| 41.4 | P3（10-20 起） | ① 观察到的扰动换成 Gata4 KO @E8.75（与 β-catenin 测试同阶段、同一份匹配 WT），Mab21l2 作第二个样本；② 建留一 KO 尺子"用 Mab21l2 预测 Gata4"选方法；③ β-catenin 广泛表达、效应弥散，组成压缩可能不如 Gata4 有效，加一条可开关的 Wnt 靶基因先验通道（Axin2、Lef1、Sp5、T、Msgn1、Tbx6、Notum，教科书知识，披露） | G43 的 T3 视图与尺子 |
4. G42：T1——带新类型的尺子、知识口径、部件库
| # | 改动 | 具体做法 | 验收 |
|---|---|---|---|
| 42.1 | X7 尺子 | 两输入外推、目标含新类型：Imaz 2024 原型（本地已有，E8.0 + 14 体节 → 24 体节 的全胚或心脏中心子集，看新类型占比能到多少）；Qiu 版（E8.0–8.25 + E8.5 → E9.5，心脏中心取材子集）后台下载。T1 禁窗是 (9.5, 13.5]，E8.0–8.5 对 T1 允许；Qiu 整簇原始文件因 T2 心脏窗移出了 Spark，需按任务分窗重新策展（只把 ≤ E9.5 的细胞放回）。校准：对账本里 11 个有官网分的程序配对打分，看符号一致率与 ρ 是否不低于 X3 | 新类型占比 > 30%；ρ ≥ X3 则进目标（权重待定） |
| 42.2 | 知识口径修订（更正：心外膜、EndMT、小梁 / 致密、神经嵴、肝芽、心外膜 EMT 的条目 k048–k060 已经存在，缺的不是条目而是被 G22 审计删掉的时序 / 顺序行和使用许可；所以本项不新建 k064–k070，改为：恢复这些条目里带 DOI 的发育顺序行；按官网规则复审被排除的 k057（冠状内皮）、k059（原始 / 定型红系切换）、k061（类型比例，仍应排除）） | 11 号文 §2、ideas_T1__val.md 合规段、researcher_spec.md、search_spec.md §4：允许带 DOI 的教科书发育事件（谱系去向、大致时间线、细胞状态的标记程序），禁止的仍是保留阶段数据集的测量值（比例、表达量、类型清单、调色板）。新增知识条目 k064–k070：心外膜由前心外膜覆盖心肌（Wt1 / Tbx18 / Tcf21 / Upk3b）、房室管与流出道 EndMT 生成垫间充质（Snai1 / Twist1 / Sox9 / Postn）、小梁与致密心肌（Nppa / Bmp10 对 Hey2 / Mycn）、心脏神经嵴进入流出道、肝芽扩张、心外膜 EMT。每条经 Claude 审核 | check_knowledge 通过；决策记入 decisions.tsv |
| 42.3 | 部件库与新状态种子 | modeling/src/task1_temporal/parts/：局部 OT 配对、经验贝叶斯收缩、残差保留解码、模块投影、基因开启规则、--ablate 开关。lineage_branching 种子：亲本细胞沿型内程序轴（42.2 的标记程序打分）生成少量子状态，比例是向零收缩的超参，保留残差；从 reference_only 升为 exploration（它在尺子上与 copy_last 相同、在 final 上改动约 1200 个细胞，所以准入只能看契约与机制，不能看尺子） | 种子过视图盲检查与 --ablate 对照 |
| 42.4 | 预注册官网 A/B | 2 份 T1 配额：同一程序"开新状态生成"对"关新状态生成"，其余逐位相同；预期写在提交前 | 账本多 1 对受控比较 |
| 42.5 | Engineer 按算子路由 | draft 用更强模型（等 Astra / Opus 小试结论），improve / debug 用 qwen3.8-max；models.engineer_by_op | 配置加载测试 |
5. G43：P3 准备（10-20 前）
| # | 改动 | 具体做法 |
|---|---|---|
| 43.1 | 契约 | T1 程序必须支持 ≥ 2 个输入、任意 Δt（E8.5 + E9.5 + E10.5 → E12.5，两天）；T2 心脏支持三阶段生长拟合；T3 支持多个观察扰动（Mab21l2 @E9.5 + Gata4 @E8.75）。现有种子逐个核对 |
| 43.2 | 尺子 | G26 的 R1–R5 用官方验证真值：T1 R1 = E8.5 + E9.5 → 官方 E10.5（第一把同分布尺子，1 天步长）；T3 R5 = Mab21l2 → Gata4 留一；外部数据分配按 10-02 暂定（Qiu E9.25 进训练，E9.5 继续测试），10-20 前定 |
| 43.3 | 演练 | 用占位文件把 p3 status、p3-rulers、--phase p3 的 fake run 全部跑通；每榜"预期分"的写法与 12 号文 §3 对齐 |
| 43.4 | 两枪策略 | 按 12 号文：第一枪最稳（11-20 前），第二枪方法上最不同的候选（11-28 前）；预期先写进 decisions.tsv |
6. 时间表与依赖
| 日期 | 事项 | 依赖 |
|---|---|---|
| 10-03 晚 | r2-D 两组结束后补 tune 统计；用户拍板 §0.3 | — |
| 10-04 | G39.1 / 39.6 / 39.2 合入并回放；G40.1 生效；G41.1 方法卡 v2 | 拍板 1、2、4 |
| 10-05 | G39.3–39.5 合入；G41.3 第一批 2 个 T3 run；G40.3 第一个尺度 run | G39 |
| 10-06 | G39.7；G40.2 全胚插值种子；G42.2 口径修订与知识条目 | 拍板 5 |
| 10-07 – 10-09 | 新一轮 T1 run（G39 全部 + 42.2）；G42.1 X7 原型与校准；G42.3 部件库 | G39、G42.2 |
| 10-10 – 10-15 | G42.4 预注册 A/B；G40.3 完成尺度扫描；G41.3 收尾；G43.1 契约 | 校准账本 |
| 10-16 – 10-19 | G43.2 / 43.3 演练；冻结 P3 配置 | G43.1 |
| 10-20 | P3 数据公布，按 12 号文执行 | — |
不做的事：不再跑 A/B/C 对照；不改造 tune；不借 OpenEvolve 的 inspirations / 迁移 / MAP-Elites；心脏插值榜不再投入。
7. 用户追加的五个想法（2026-10-03 下午）：判断与并入
7.1 现有角色一览与"轨迹分析 agent"（→ 新任务 G44）
现在 run 内有四个 LLM 角色和一个非 LLM 算子，run 外有两个只读工具：
| 名字 | 什么时候跑 | 看什么 | 产出 | 不能做什么 |
|---|---|---|---|---|
| Researcher（调研员） | 每个 draft / improve / debug 节点开始时，单轮 | 父节点 METHOD、分项分、ANALYSIS、全树实验表、兄弟节点摘要、方法族库、知识库 BM25 前 3 条 | PLAN.json | 看不到数据，没有工具；lit-search 现行配置全关 |
| Engineer（工程师） | Researcher 之后，opencode 会话 30 min | PLAN、任务书、方法卡、契约、评分简报、视图数据 | solution/（代码 + METHOD.md） | 出不了沙箱，网络只到 LLM，查分 ≤ 20 次（A 半） |
| Analyst（分析员） | 权威执行打分之后 | 变化量表（含分项）、PLAN、diff、Engineer 末条消息、stderr | ANALYSIS.json（教训、下一步、机制是否生效） | 不写代码 |
| Reviewer（审查员） | 节点进前 10% 且超过最好种子时 | 源码、PLAN、视图清单、评分器陷阱 | REVIEW.json（pass / fail：越界、硬编码、钻漏洞、不确定、禁窗信息、只在 proxy 成立） | 不改代码；fail 的节点不能当父、不能进终选 |
| tune | 抽签到 tune 时（现行 p 0.25，G39 改为 0） | 父节点 run.py + 分项反馈 | ≤ 3 轮 SEARCH/REPLACE | 不是 agent，是纯文本调参算子；35 个节点 0 次被接受 |
报告写手（agent/report，G28） | run 结束后，run 外 | 事实包（collect.py 从 archive 只读抽取） | notes/reports/runs/<run>.md | 单轮、无工具、只能复述事实包里的数字 |
记录工具（agent/records，G27） | run 外 | archive、ledger、轨迹包 | runs.tsv、工程效率、配对消融、轨迹完整性 | 纯脚本，无 LLM |
要做的"轨迹分析 agent"（G44，锁外、只读、给人看）：这次 Codex 手工做的 ABCD 轨迹分析（scripts/abcd_traj_extract.py + 报告）就是它的样板。设计：
- 输入：一个或多个已结束 run 的
archive.sqlite、events（选父 rationale）、nodes/<id>/{PLAN,ANALYSIS,REVIEW,engineer.jsonl,tune/}、scoring_log.jsonl、SELECTION.md、官网台账。全部只读复制到 scratch 再读（和report/collect.py一样）。 - 第一步纯脚本（不用 LLM，把
abcd_traj_extract.py固化进agent/records/trajectory_facts.py）：槽位时间去向（有变化 / 无变化 / 失败 / tune）、父节点排名分布、每族 draft 的状态与深化次数、PLAN 被证否的比例与备选机制使用率、Engineer 查分次数分布与"过谷底"曲线、重复节点、终选前 5 的去重数、官网分 vs 尺子分。这些是报告里每条结论的数字来源。 - 第二步一次 LLM 调用（qwen3.8-max 或 Opus，
thinking_budget大），输入事实包 + 现行提示词 / 方向库 / 配置 + 上一轮的建议清单，输出固定格式：findings（每条带数字和节点 id）、proposals（每条写明改哪个文件、改什么、预期收益、怎么验证、风险）、rejected_ideas（为什么不改）。提示词专门写"只许引用事实包里的数字"（沿用报告写手的数字后检查）。 - 输出落点：
notes/reports/runs/<date>_meta_<run>.md，并把proposals追加到 dev board 的待定区。人拍板后由 Opus 子 agent 实施。这与 2026-09-30"取消自动化第二层、改人工每日复盘"的决定一致：agent 出分析和提案，人做决定；规则 §9 允许锁前由任何人或 agent 改 harness，所以将来要全自动也不违规，只是先不这么做（评估贵、噪声大）。 - 验收：对 scr-A/B/D 和两个 r2-D run 跑一遍，findings 与 ABCD 轨迹报告的 §0 结论一致；每条 proposal 能对应到 G39 里的某一项或者是新的。
7.2 让 harness 长时间跑（→ 新任务 G45）
先纠正一个读法：r2-D 停在 61 分不是"收敛了停下来"，是配置里的 4.5 h 墙钟到了（budget.wall_clock_hours）。现有机制里已经有两样：崩溃后同配置自动续跑（resume，不算新 run）；跨 run 接续 --continue-from（G18：导入节点、评测指纹相同就不重评、祖先链轨迹进证据）。所以 7×24 在工程上是"锁定 run 的链"，不是一个无限长的 run。
真正的约束不是算力：① 每个榜每天只有 8 次官网校准机会，本地尺子又只能部分预测官网（X3 的迁移比约 0.4），跑得越久越可能过拟合本地尺子；② Token Plan 的速率是 Engineer 的瓶颈（会话 77–83% 时间在等模型），Spark 与他人共用；③ 规则 §9：锁内不能改配置，所以"总结问题、优化自身"只能发生在 run 之间。
G45 的做法：
| # | 改动 | 说明 |
|---|---|---|
| 45.1 | run 链：每个榜每天 1–2 个 12 h 锁定 run，--continue-from 上一个 run 的存档；每天固定时刻结束、打包、提交 | 比一个 24 h+ 的 run 好：每天有一次官网校准点，也有一次人（或 G44）介入改配置的机会。A 的轨迹里 3 小时内一直在爬（58.6 → 63.2），12 h 够用，再长主要在刷尺子 |
| 45.2 | 平台期策略（run 内，不违规）：连续 N 个（建议 8）已打分节点没有刷新前 5 名时，控制器把 draft.p 临时提到 0.5、优先抽还没覆盖或只有失败 draft 的方法族，并把 reference_only 以外所有已准入种子重新放回父节点池 | 现在 FUTS 的探索项 c 是固定的；B 的"72 分钟后不动"和 D 的"后半程全是同一程序副本"都是平台期没有换方向 |
| 45.3 | 接续时的新鲜度：--continue-from 导入的节点带上"上一轮已证否方向列表"（G39.3 的输出），Researcher 不再重提；导入的前 5 名重新过视图盲检查 | 已有的机制是导入节点与祖先链，没有导入教训 |
| 45.4 | 自动化程度：G44 的 proposals 由人拍板后，用一条命令生成新配置并启动下一环（harness.py launch --continue-from <上一环> --apply-proposals <id>）。全自动留作选项，不做默认 | 符合 09-30 的决定；要改回全自动只需去掉拍板一步 |
| 45.5 | 配额对齐：run 链每天产出的不同候选数 ≤ 该榜当天配额（T1 8、T3 6、T2 待核），终选输出之外的次优候选记录在 SELECTION.md 供人挑 | 否则跑出来也交不上 |
| 45.6 | 跨环续做（2026-10-03 已实现，agent/search/carryover.py；设计 notes/architecture/18 §5，按 Codex 审阅修订）：环的交接点（cutoff − node_tail）切断的 Engineer 会话若没留下可执行程序，或搜索阶段截止切断的执行，封存为不可变快照 nodes/<id>/carryover/（逐文件 sha256 的 SEAL.json、HANDOFF.json、原始轨迹、账本登记），节点记 carried_over；下一环 --continue-from 只复制校验通过的快照，进 resume 队列（优先于 improve，每环 ≤ 4）：新 Engineer 会话 + 新环完整提示 + 原 PLAN + 交接摘要 + 只读历史轨迹，保留真实父节点，查分额度按各段累计，证据按有序 segments[] | 复杂方法的会话常被环的边界切断；不续同一 opencode 会话（审阅：旧路径、旧提示、旧实验表风险）；会话被切但留下可执行程序的照常立即执行（G39 的即时验收不丢） |
| 45.7 | 执行上限、健康监督与权重复用（2026-10-03 已实现；设计 18 §1–§4）：搜索配置 limits（按榜进锁、写进视图 manifest，默认 28 GB / 360 min 兜底）；exec_health 健康监督（每分钟读、5 分钟汇总，按进程归属 GPU，先只观测不杀，enforce 后 30 min 无活动判 hung）；ARTIFACTS.json 的 per_view 权重：每视图第一次权威执行训练并不可变登记，之后晋级 / 护栏 / 续跑按（代码树、训练种子、视图内容、环境、--ablate）缓存键回放；终选预留按实测（复核、晋级缺口、护栏全部任务、final 冷启动）只前移 cutoff；链级已暴露护栏 seed 不复用；配置了护栏却缺基线时拒绝候选替换；T1 链改 24 h | 训练型候选被重复执行约 9 次（权威、对照、晋级 2、护栏 5）；30 min 固定上限对 OT / CFM / VAE 太紧；--seeds 批量接口、每节点提前三 seed、前五名固定重训按审阅后置 |
7.3 调研员与"搜索更多数据集"（→ 新任务 G46，锁外）
调研员在每个节点开始时进入，只在节点内起作用；它看不到数据，不能下载任何东西；lit-search（PubMed / OpenAlex / arXiv / bioRxiv / Exa / Tavily / 开放全文）只返回文字，而且现行配置全部关闭（怕检索出禁窗阶段的测量值）。所以"agent 在 run 内搜数据集、下载、分析、拟合"现在做不到，也不该在 run 内做：沙箱没有外网（只放行 LLM 域名，这是 G4 的合规边界），外部数据要删禁窗、核许可、写披露（catalog.yaml、check_catalog），这些是锁前的人工策展流程（G3 / G11 / G12）。
两条事实也要先说清：① 现在挂进视图的外部训练数据（Qiu E8.75 / E9.0、MOSTA E9.5）几乎没被中选程序真正用到（方法摘要的 TODO 里还写着"核实各中选程序是否读了外部数据"）；② 对 T1 收益最大的"新数据"是 10-20 公布的验证答案，不是再找一个图谱。所以"更多数据 → 更好泛化"在本项目还没有证据，先把它做成锁外的数据侦察 agent：
| # | 内容 |
|---|---|
| 46.1 | Data Scout（锁外、只读、给人看）：一次性或每周跑，工具 = lit-search 全部来源 + GEO / CELLxGENE / ArrayExpress 的元数据 API（可选 BioMCP 的文献与基因工具，见 7.5）。任务：按榜找候选数据集，输出 catalog 草案（来源、阶段 / 体节 / Theiler 换算、禁窗判定、许可、细胞数、平台、与官方面板的基因交集），不下载数据 |
| 46.2 | 人审核后走现有策展流程（删窗 → 哈希 → check_catalog → 视图挂载 → 披露文本） |
| 46.3 | 先要找的东西（按价值）：T1 的 X7 原料（Qiu / Imaz E8.0–8.5 心脏中心子集）；T1 > E13.5 的程序供体（Qiu E14+ 已有）；T2 全胚插值现在没有任何外部数据（原肠期 3D 空间数据：Stereo-seq / MERFISH 的 E6.5–E8.0 公开样本，须排除 (7.25, 8.0)）；T3 主办方已明确允许的 GSE208162（E12.5 心室 Gata4 条件敲除，只限 T3）一直没用 |
| 46.4 | 验收：每个候选都有禁窗判定与许可条目；T2 全胚至少找到 1 个合规样本或明确结论"没有" |
| 46.5 | 第一轮已做（2026-10-03，人工）：见 data_scout_2026-10-03.md。T2 全胚找到 GSE278603（Stereo-seq 3D，E8.0 两个胚胎允许，E7.5 / E7.75 四个胚胎必须下载后立即删除）；心脏外推可加 GSE197353 的 E9.0（Slide-seq）；T3 的 GSE208162（Cdh5-CreERT2 Gata4 KO，E12.5 心室）与 GSE156001（GATA4 bioChIP-seq）主办方已允许仅限 T3；是否下载待用户决定 |
7.4 官方 KG（已核实，→ 并入 G42.2 的知识策展，不进 run）
核实结果（2026-10-03 读 virtualembryo.ai 首页、/kg、/about，以及官网 Data 页快照第 291–293 行）：
- 是什么：Virtual Embryo 站点的知识图谱，节点四类：Anatomy（EMAPA）、Gene（MGI）、Cell type（CL）、Stage（Theiler），另有 dataset 与 paper 节点；关系来自 EMAPA / CL / MGI 本体、Bgee 的基因表达事实（联邦查询）、以及"agent 从 PubMed 抽取的 claims"。提供 FastAPI 路由和一个 MCP server（15 个工具：
kg_search、kg_entity、只读kg_cypher等；写入需要管理员 key），Claude Code 一条命令可接。 - 合规：它锚在 Theiler 阶段上，覆盖 TS8–TS23（约 E5.5–E15），也就是包含 T1 / T2 的全部保留阶段；Bgee 的表达事实和 PubMed claims 都会带着 E10.5–E12.5 的"哪些基因在哪些细胞表达"。官网 Data 页原话：atlas "spans the same window as the benchmark, so some of what it contains sits at target time points; using it there is using the answer, however it is routed"。KG 和 atlas 是同一站点的"data and knowledge layer"，这句话同样适用。
- 结论：不能作为 run 内角色的工具挂进 harness（无法按阶段可靠过滤，一次
kg_cypher就可能把 E10.5 的表达事实带进 PLAN）。可以做的是在锁外用它的 MCP 做知识策展（G42.2）：只取不带阶段的边——基因 → 解剖位置（EMAPA）、细胞类型谱系（CL 的 develops_from）、基因功能注释——由人审核后写成agent/knowledge/k0xx条目，经check_knowledge扫描；任何带 Theiler ≥ TS16 的 claim 不收。在方法说明里披露"使用了 Virtual Embryo KG 的本体层信息"。
7.5 BioMCP（已核实，→ 不配给 run 内角色；可选给 G46 的 Data Scout）
核实结果（GitHub genomoncology/biomcp，2026-10-03）：MIT 许可的 MCP server，70+ 数据源，重心是人类临床与肿瘤：PubMed / PubTator3 / Europe PMC / Semantic Scholar、MyGene / MyVariant / ClinVar / gnomAD / AlphaGenome、ClinicalTrials.gov / OncoKB / cBioPortal / OpenFDA、Reactome / STRING / KEGG / WikiPathways / Enrichr 等；文档没有模式生物支持的说明；各来源条款不同（KEGG 区分学术与非学术）。
判断：
- run 内不配。原因与 KG 相同：角色在沙箱里，网络只到 LLM；文献工具会返回禁窗阶段的测量值（这正是
lit-search被关掉的原因）；它的临床与肿瘤工具对小鼠胚胎发育没有用处。 - 与现有能力重叠：文献部分
agent/research的lit-search已经有（PubMed、OpenAlex、bioRxiv、arXiv、开放全文、两家网页搜索）；通路 / 调控 / 互作部分prior/已离线有 Reactome、GO、CollecTRI、STRING、MSigDB、MGI，而且已按保留基因型过滤。 - 可选用途：给 G46 的 Data Scout 和 G42.2 的知识策展（锁外、人看）加上 BioMCP 的
search article（PubTator3 实体标注比纯 PubMed 检索好用）和 MyGene（基因别名 / 同源映射）。接入成本约半天；收益不确定，排在 G46 之后。
7.6 并入时间表
| 任务 | 排期 | 依赖 |
|---|---|---|
| G44 轨迹分析 agent | 10-05 脚本层（固化 abcd_traj_extract）；10-07 LLM 层，对 scr 与 r2-D 跑一遍 | 无；产出供 10-07 新一轮 T1 run 前的复盘用 |
| G45 run 链与平台期策略 | 45.1 / 45.5 随 10-07 的新一轮一起启用；45.2 / 45.3 与 G39.3 同一批合入 | G39 |
| G46 Data Scout | 10-08 起，每周一次；T2 全胚与 GSE208162 优先 | lit-search 服务（已有） |
| KG 知识策展 | 并入 G42.2（10-06） | — |
| BioMCP | 不排期；G46 跑过一轮后再决定 | G46 |
8. 与 10-03 会议行动要点（E01–E11）的对照
来源：会议行动要点与执行分析。下表是唯一的编号映射，两边不再各建一套任务。
| 会议编号 | 本文任务 | 差异与补充 |
|---|---|---|
| E01 尺子可信度（按任务） | G40（T2）、G41（T3）、G42.1（T1 X7）；"目标 / 护栏 / 只记录 / 盲区"清单已在 doc 10 §5 和 14 号文，本轮只补 X7 与 T3 的 lgo875 条目 | 会议要求的"同一程序本地 / 官网可对账"= 校准账本（已有，ruler_calibration.py） |
| E02 trace 复盘与搜索浪费 | G39（修正）+ G44（把复盘做成可重复的 agent） | — |
| E03 停止原因 | G45 新增 45.6：stop_manifest.json 加 stop_reason ∈ {budget, plateau, infra, agent_early_exit, operator}，看板与报告显示；r2-D 的 61 分是 budget | 会议问"为什么提前结束"：搜索模式下控制器用满预算，不存在 agent 主动收工；只有 agent 模式（T3）会提前结束，已记录在 run2 的教训里 |
| E04 版本与回滚 | 新增 G47：harness 改动的回滚演练。已有：每个 run 的只读代码快照 + 锁 v8 + 账本（证据可追溯到原版本）；缺的是一次实际演练：在 Spark 上 git revert + sync_spark.sh 回到上一可用版本、用 fake 后端跑通、写入操作记录 | 半天，10-06 与 G39 合入一起做 |
| E05 新状态评测与建模 | G42（X7、知识口径、部件库、lineage_branching 种子、预注册 A/B） | 会议强调"标签变化 ≠ 状态变化"：X7 的新类型占比要按表达距离（到输入阶段最近邻的距离分布）核，不只按名字 |
| E06 Report 反馈接通 | G44 第 3–4 步（proposals 进 dev board，人拍板后生成下一环配置）；agent/report 现有链路（run 结束 → 事实包 → 报告 → 官网出分更新）要验收一次自动触发 | — |
| E07 Find Data 与缓存 | G46（锁外 Data Scout）；下载缓存 = 现有 data/external/_raw/ + catalog 哈希（已有），补"按哈希复用、不重复下载"的检查 | — |
| E08 角色专属工具 | §7.4 / §7.5 的结论：官方 KG 的 MCP 与 BioMCP 只配给锁外的 Data Scout / 知识策展，run 内四个角色不配；lit-search 维持关闭。权限表写进 doc 10 §4.11 | 会议"Bayo MCP" 核实为 BioMCP（genomoncology/biomcp） |
| E09 跨 run 持续运行 | G45（run 链、平台期策略、接续时导入教训、配额对齐） | 会议提的"独立 Docker 长时试跑"不需要：正式 run 已在 Spark 的 bwrap + systemd 用户单元里，隔离验收在 G4 做过；长跑验收 = 连续 3 环 run 链无人工干预完成 |
| E10 数据驱动 + 机制建模 | 不排期；G42.3 的部件库是它的前置 | — |
| E11 会议材料交付 | 新增 G48：轨迹对比报告（已有 abcd_screen_trajectories）、框架压缩包（OpenCode 环境 + harness，不含数据）、架构图（doc 10 §3 的 mermaid 改成角色 / 评测 / 工具边界图）、官方咨询记录（KG 中未来阶段类型信息的使用范围，并入 11 号文 §4 待问清单第 4 条） | 10-08 前 |
与会议结论可能冲突、需要用户定的两点：
- 会议说"运行模型统一使用千问"；本文 G42.5 建议 draft 节点用更强模型（等 Astra / Opus 小试）。若坚持统一千问，G42.5 删除，机制完成率只能靠部件库（G42.3）和强制对照（G39.7）来补。
- 会议建议"设置高目标分和本地排行榜驱动持续优化"；本文的判断是本地分已证实不能单独预测官网，所以目标分只能用于 run 链的停止 / 换向规则（G45.2），不能用于"追到目标分为止"。排行榜用现有看板加"官网 vs 本地 vs 版本"视图，不另建表。
9. 2026-10-03 下午 grilling 后的定稿（覆盖前文冲突处）
决定全文见 decisions.tsv 2026-10-03 的 12 行；流程图 harness_D_v2.drawio。与前文的差异：
| 条目 | 前文 | 定稿 |
|---|---|---|
| Engineer 时长 | 30 min；draft 45 | 不设固定时限，健康即继续（停顿 180 s 计一次，3 次终止），只受 run 截止约束 |
| run 长度与并行 | 4.5 h；T1 一条链 | 四个任务各一条 12 h 链同时跑（T1、T2 全胚插值、T2 心脏外推、T3 agent 模式），每 run 并发 2、memory_max 32G |
| lit-search | 继续关闭 | 打开（每节点 10 次），加 Compliance 角色审 PLAN 与检索文本 |
| 数据抓取 | 锁外 Data Scout，挂载前人点一次 | run 内 Data agent（多轮）按 PLAN 的 data_requests 下载 → 隔离区 → 删窗 → Compliance → 挂 external/dynamic/，永久存 data/external/；run 外同一代码的 Scout 模式每日跑，Opus 判定后自动挂载；不设额度 |
| 外层循环 | 人拍板 | 全自动（白名单自动应用；黑名单：评分器与尺子、视图与禁窗、合规器、锁与账本、提交流程、预算、ERA 核心、官网规则） |
| 强模型 | Opus API key 在 Spark | VM 上的凭据中继，Spark 只连中继；draft 节点用 Opus；回退链 Token Plan → 百炼按量 → Opus |
| 花费 | 设日上限 | 只统计：看板用量与花费页；邮件通知（2 h 健康、run 结果、额度耗尽） |
| 提交 | 人工上传、人工填分 | Claude Code 在 VM 用 Playwright 上传并读分；选 run 仍由人点一次 |
| 知识 | 恢复条目顺序行 | 另加 T1 发育事件表固定附件；Reviewer 第 5 条改写；11 号文 §2 按官网改 |
新增任务编号：G49 LLM 中继与回退链（VM）；G50 轨迹审计 agent（提交门）；G51 用量看板与邮件通知；G52 Compliance 角色 + Data agent + vec-data 服务；G13 提交自动化（Playwright，VM）。G46 改为 Scout 模式。
邮件通道的事实（2026-10-03）：VM 到 smtp.gmail.com 的 TLS 被本机网络切断（465 / 587 都在握手处 EOF），Spark 完全连不上 Gmail；smtp.qq.com 和 smtp.163.com 从 Spark 与 VM 都可达。gopass 里只有 Gmail 账号和一个未标明账号的 smtp-password，没有 QQ 邮箱授权码。结论：用 QQ 邮箱 SMTP 发送（需要用户生成授权码），发件放在 VM 中继（若 VM 到 qq 的 TLS 通）或 Spark 用户级配置文件（不进任何 run 目录）。
9.1 G53：官方 KG 的使用（2026-10-03 下午补充，纠正 §7.4）
§7.4 写"锁外只取本体边"时还没摸到接口。实测 api.virtualembryo.ai（REST + 只读 Cypher，不需装 MCP）的内容：本体层（EMAPA 8.9k、CL 3.6k、MGI 75k、通路 1.8k、DEVELOPS_FROM 411）；文献抽取层 75 篇（GIVES_RISE_TO 181、DERIVES_FROM 225、MARKER_FOR 486、FIRST_APPEARS_AT 132、REGULATES 318、REQUIRED_FOR 288、EXPRESSED_IN 17k 带 Theiler 阶段）；Dataset 节点 231 个带 COVERS_STAGES（含 digiembryo_e7_5/e7_75/e8_0 = GSE278603、MOSTA 各切片、e9_5_heart、e11_5_heart）；PubMed 发现接口带摘要。
- G53a（已开工，Opus agent）：锁外抽取，按任务分窗过滤：本体边与无阶段文献边全允许；FIRST_APPEARS_AT 作"出现顺序"；EXPRESSED_IN 等带阶段的边按任务删保留阶段（T1 保留 ≤ TS15 与 ≥ TS23；T2 心脏剔 TS13、TS16–22；T2 全胚保留 ≤ TS11 与 TS12 的 E8.0；T3 剔除 Gata4 / Ctnnb1 敲除来源）；不写任何数量。产出
data/external/prior/vekg/、k064 起的条目（我逐条审）、发育事件表增补、Data Scout 的数据集清单。披露"使用了 Virtual Embryo KG 的本体与文献抽取层"。 - G53b（等 G52 的 Compliance 就位）：文献与数据服务加
kg-search，服务端先按任务删阶段再返回给 Researcher，与 lit-search 同样过 Compliance；§7.4 的"run 内不接"改为"run 内只接过滤代理"。 - 组委会第 8 问继续问；答复前按上述过滤口径执行。