基準查詢已被語料污染——三個量測查詢字串本身進了索引，需要一組不在語料裡的查詢與一條使用規則

[kiki830621]

Problem

docs/measurements/ 從 2026-08-08 起用的三個基準查詢（「tokenizer 討論」「flock inode 鎖」「資格考」）已經逐字出現在被索引的語料裡：#56 量測時的 Bash 命令 for q in "tokenizer 討論" "flock inode 鎖" "資格考"（turn 2026-09-01T04:32:12Z）被索引後，v0.4.0 實測三個查詢的第一名全部是那一則 turn。從那一刻起，這三個查詢量到的是「自己的量測命令有多好找」，不再是原本要量的檢索行為。

這是結構性的：任何在 Claude Code session 裡輸入或印出的字串都會進 ~/.claude/projects/**/*.jsonl，然後進索引。

更正（verify R1，2026-09-07）：上一句的「印出」不成立——tool_result 的內容今天不被索引，只記成敗；會進索引的是 text block／純字串 message.content 與 tool_use 的七個 metadata 欄位（含 Bash command=、ltm_query 的 query=）。判準與查法在 docs/measurements/README.md「什麼會進索引」。原句保留為當時的認知。所以只要在 session 裡跑量測，查詢字串就會污染下一次量測。第一名被佔走的那一格，直接影響 2026-08-08-baseline.md 以來所有以這三個查詢做的比較的可比性——#56、#58 的 before/after 表都用了它們。

Type

enhancement（量測基礎設施）

Expected

1. 換一組基準查詢，且選法要寫明：選定當下用 ltm query 確認前 k 名沒有任何一則是量測命令或查詢動作本身。
2. 一條使用規則寫進 docs/measurements/README（或 CLAUDE.md 誠實邊界段）：基準查詢字串不得以明文出現在 Claude Code session 的命令列或輸出裡——候選做法：查詢存在 repo 內檔案（scripts/ 已有 rrf-tie-queries.txt 的先例），量測腳本讀檔、輸出只印查詢編號與耗時；或量測在 Claude Code 之外的 shell 跑（其逐字稿不在語料裡）。兩種做法都要在文件裡誠實寫出它擋不住什麼（例如人手在 session 裡貼了查詢就破功）。
3. 舊數字的可比性註記：在 2026-09-01-scan-parallelism.md／2026-09-01-noop-build-attribution.md 補一行——它們的 after 欄位量測時，污染 turn 是否已在索引裡（查 turn 時間 vs 各次量測時間）；若已在，該欄位的第一名是污染 turn，耗時仍可比、命中品質不可比。
4. 不重跑舊量測（語料活著，本來就不可互比，見各紀錄誠實邊界）。

Actual

三個基準查詢的第一名固定是同一則量測命令；命中品質面的比較已失效，耗時面尚可用。

相關

• 查詢自身的 turn 成為第一名命中——查詢字串一進語料就把自己召回（self-hit） #62（self-hit 的排除／降權）：修好那張會讓污染 turn 掉下去，但不會讓這三個查詢恢復成乾淨的基準——判準不同（那邊看 turn 形狀，這邊看查詢是否在語料裡）。
• ground truth 資料集沒有人在追——#16 把它劃出範圍後就沒有落點 #33（評估集）：真正的解是 (查詢, 應命中的 turn) 資料集；本 issue 只是在它出現之前把量測儀器擦乾淨。

Source: surfaced during v0.4.0 post-release smoke test (2026-09-03)

---

Current Status

• Phase: implemented
• Updated: 2026-09-07（implemented：6e501c3；verify R1 FAIL → 541855c＋6b81e1b；R2 FAIL → e5c664d＋3569bb2；R3 FAIL → fa63fe4＋b4046df；R4 FAIL（security PASS）→ d427dd9；R5 FAIL（兩個 lens）→ a9d6c0e；R6 FAIL（全在同步測試的自檢）→ 77687f3；R7 待額度重置）

Tasks

• 1a. 選新基準查詢（8 條）、選法寫進檔頭
• 1b. 使用者端：在 Claude Code 之外驗前 5 名乾淨——LTM_ANCHOR_KEY="$(~/bin/ltm memory --export-key)" scripts/measure-baseline.sh 5，8 列全 clean 後把日期與結果寫回檔頭第 1 條（verify R1 requirements F1：實作時這一半被跳過，檔頭原本卻寫成已驗；現已改成「尚未驗」）
• 2. scripts/baseline-queries.txt（檔頭：列舉會漏／不得在 session 內顯示／輸出只印編號）
• 3. docs/measurements/README.md 使用規則段；CLAUDE.md 誠實邊界指回
• 4. 2026-09-01-scan-parallelism.md 可比性註記
• 5. 舊三查詢退役註記
• 6. scripts/measure-baseline.sh 只印編號＋耗時（已做，非可選）

[kiki830621]

Diagnosis

Type

enhancement（量測基礎設施）

Root Cause / Analysis

三個基準查詢從來沒有被定義成「一組」。 grep 整個 repo，「tokenizer 討論／flock inode 鎖／資格考」只出現在 docs/measurements/2026-09-01-scan-parallelism.md（量測方法那一行的 for q in … 命令）；scripts/measure-retrieval/main.swift 用的是另一套抽樣機制、scripts/rrf-tie-queries.txt 是 #18 的 108 條分桶查詢。所以「基準查詢」是一個只存在於命令列歷史裡的慣例——而命令列歷史正是會進語料的東西。污染是這個結構的必然結果，不是一次失誤。

污染現況（真實索引，唯讀 sqlite3，2026-09-07）：tokenizer 討論 出現在 3 個 chunk、flock inode 鎖 2 個、資格考 2 個——其中 資格考 有 1 個是真的使用者 turn（不是工具殘影）。所以三個查詢裡有兩個純粹被量測命令污染，第三個本來就有一則實質 turn 在語料裡（它作為基準查詢的「乾淨度」從一開始就不成立）。

可比性註記所需的事實（Expected 3）：污染 turn 是 2026-09-01T04:32:12Z（臺北 12:32）；2026-09-01-scan-parallelism.md 的兩個 commit 在臺北 14:59 與 15:52——都在污染 turn 之後，而 ltm query 查詢前會併入，所以那份紀錄 after 欄位量測時污染 turn 已在索引裡、第一名就是它。紀錄只記耗時不記命中，所以耗時仍可比、命中品質本來就沒被記。2026-09-01-noop-build-attribution.md 沒有引用這三個查詢（issue 的 Expected 3 點名它，查證後不在射程內）。

與 #62 的分工（查證後確認）：#62 的形狀判準會把工具 metadata 的 self-hit 拿掉，能救 tokenizer 討論／flock inode 鎖 的第一名；救不了 資格考（那則是真 turn）——也救不了「下一次量測又把新查詢打進 session」這個結構。所以本 issue 要的是儀器本身的隔離：查詢字串不得以明文出現在會進語料的地方。

擋不住什麼（一定要寫進規則）：(a) 任何人在 Claude Code session 裡 cat 那個查詢檔或貼查詢原文，該 turn 就進語料——包括 Claude 自己讀檔（Read tool 的內容也在 transcript）；(b) 量測腳本的 stdout 若被 Bash tool 擷取，印出的查詢文字同樣進語料——所以腳本只能印編號＋耗時，命中內容一律不印；(c) 在 Claude Code 之外的 shell 跑量測，其逐字稿不在語料裡——這是最乾淨的路，但 .claude/rules/anchor-key-in-probes.md 的密鑰匯出仍要在那個 shell 做。

Impact

• 影響的檔案：新 scripts/baseline-queries.txt（一行一查詢、# 註解、含選法與「本檔不得在 session 內顯示」的檔頭）、docs/measurements/README.md（新增或補一節「基準查詢使用規則」）、docs/measurements/2026-09-01-scan-parallelism.md（可比性註記一行）、CLAUDE.md 誠實邊界段（一句指回 README）。可選：一支只印編號＋耗時的量測小腳本（scripts/measure-baseline.sh），讓 查詢自身的 turn 成為第一名命中——查詢字串一進語料就把自己召回（self-hit） #62 的前後量測直接用。
• 影響的使用者流程：之後所有 docs/measurements/ 的查詢量測（查詢自身的 turn 成為第一名命中——查詢字串一進語料就把自己召回（self-hit） #62 的前後表是第一個消費者）。

Strategy

• 選一組新基準查詢（建議 6–8 條，涵蓋 rrf-tie-queries.txt 檔頭那種「通用技術詞彙」與 2–3 條中文雙字／四字），選定當下用 ~/bin/ltm query <q> --k 5 在 Claude Code 之外的 shell 確認前 5 名沒有量測命令／查詢動作；把「確認日期＋方法」寫進檔頭
• scripts/baseline-queries.txt：檔頭寫明三件事——列舉會漏、本檔內容不得在 session 內顯示（含 Read／cat／echo）、量測輸出只印編號
• docs/measurements/README.md「基準查詢使用規則」：上面的三個擋不住＋兩種做法（外部 shell／編號輸出）；CLAUDE.md 誠實邊界段加一句指回
• 2026-09-01-scan-parallelism.md 補一行可比性註記（污染 turn 12:32 早於兩次 commit；耗時可比、命中未記）
• 舊三個查詢退役：在 README 規則裡列為「已污染，不得再用」——不刪舊紀錄
• （可選）scripts/measure-baseline.sh：讀檔、逐條計時、只印 #N <ms>；查詢自身的 turn 成為第一名命中——查詢字串一進語料就把自己召回（self-hit） #62 直接用

Conflict Class

C_shared_module_coord —— 共享資源：docs/measurements/ 的基準查詢集（本 issue 定義它、#62 消費它做前後量測）。本 issue 先於 #62，不交錯。與其餘 issue 無共檔。

Complexity

Simple

• Layer 1 命中：主要 deliverable 是一份資料檔（查詢清單）＋ prose 規則＋兩處文件註記，多檔但各自獨立、不改 behavior；可選的小腳本是一次性量測工具。
• Hard-gate: not triggered — 4–5 檔但不是同一個 code 概念的散佈（Layer 1 的「各自獨立多檔」），無 shared abstraction 被改。

→ /idd-implement #63

Risks

• 新查詢在選定後仍可能被未來 session 污染（規則靠人守）——規則裡要寫「每次量測前重驗前 5 名」，不是選一次就永遠乾淨。
• 「在 Claude Code 之外的 shell 跑」與本專案的工作方式（幾乎所有事都在 session 裡）有摩擦；編號輸出是折衷，代價是量測結果的命中內容要另外（在外部 shell）看。
• 資格考 那則真 turn 說明：一個查詢是否「乾淨」不只看有沒有量測命令，還看語料裡有沒有恰好含該字串的實質 turn——那不是污染，是正常召回；規則要區分兩者。

Residue

「哪些查詢能代表一般使用」無法 operationalize——沒有評估集（#33）之前，基準查詢只是一組不被儀器自己污染的探針，說不出它們對真實使用的代表性。這層留著。

Vagueness Pre-check

• V1: 2 — 要做什麼明確：換一組基準查詢＋寫使用規則＋可比性註記。
• V4: 2 — 完成定義具體（檔案、規則段落、註記各一）。
• Triggered: no — both axes ≤ 3

Sister Concerns Filed (mid-diagnose, v2.47.0+ #528)

• Not filed: 「Claude 自己 Read 檔案的內容也會進語料」——這是本 issue 規則要寫的「擋不住什麼」之一，併入 Strategy 第 2、3 項。
• Not filed: 「資格考 有真實 turn」——不是缺陷，是規則要區分的兩種情形，併入 Risks。

[kiki830621]

Dashboard — #63

現況：已 implement（6e501c3，597 tests）。新基準查詢集＋只印編號的量測腳本＋規則段都落地；舊三條退役、可比性註記已補。新查詢在真實索引上的乾淨度尚未驗——要在 Claude Code 之外跑一次 scripts/measure-baseline.sh（README 有命令）。

你該做什麼：等 verify；之後在外部 shell 跑一次量測腳本確認 8 行全 clean。

[kiki830621]

Implementation Plan

• 新增 scripts/baseline-queries.txt — 6–8 條基準查詢，一行一條、# 註解；檔頭寫明：列舉會漏、本檔內容不得在 Claude Code session 內顯示（含 Read／cat／echo——那會進語料）、量測輸出只印編號；不含退役的三個查詢。用 Write 工具建檔而非 Bash heredoc：⟨tool Bash command=…⟩ 的 command= 欄位會被索引（前 200 字元），Write 的 content 不在索引欄位清單裡
• 新增 scripts/measure-baseline.sh — 讀檔、逐條 ltm query … --k 5 --json、stdout 只印 #N <ms> clean|dirty（dirty＝前 5 名任一 chunk 是 ⟨tool …⟩ metadata 或含 ltm query）；查詢文字永不進 stdout／stderr
• 新增 Tests/LTMMCPTests/BaselineQueryFileTests.swift — 檔頭三句存在、≥6 條非空查詢、不含退役三查詢、腳本可執行；變異：把退役查詢加回檔 → 紅
• 新增 docs/measurements/README.md（目前不存在）「基準查詢使用規則」段 — 三個擋不住（session 內顯示／Bash 輸出被擷取／人手貼原文）、兩種做法（外部 shell／編號輸出）、退役查詢清單、「每次量測前重驗前 5 名」；CLAUDE.md 誠實邊界段加一句指回
• docs/measurements/2026-09-01-scan-parallelism.md 補一行可比性註記（污染 turn 2026-09-01 12:32 臺北早於兩次 commit 14:59／15:52；耗時可比、命中未記）
• 跑 scripts/measure-baseline.sh 驗新查詢前 5 名乾淨（只印編號）；CHANGELOG 一行

Scope check

每一項對應 issue Expected 1–3；Expected 4（不重跑舊量測）照辦。#62 的前後量測是第一個消費者，本 issue 不做那個量測。

[kiki830621]

Implementation Complete

Checklist (synced from TaskList)

• scripts/baseline-queries.txt（8 條、檔頭三件事、用 Write 建）→ commit 6e501c3
• scripts/measure-baseline.sh（只印 #N <ms> clean|dirty|error(rc)）→ 6e501c3
• Tests/LTMMCPTests/BaselineQueryFileTests.swift（檔頭／條數／退役三查詢／腳本輸出不含查詢文字；兩個變異都紅）→ 6e501c3
• docs/measurements/README.md 規則段 ＋ CLAUDE.md 誠實邊界一句 → 6e501c3
• 2026-09-01-scan-parallelism.md 可比性註記 → 6e501c3
• [~] 在真實索引上驗新查詢前 5 名乾淨 — skipped：本 session 內跑 measure-baseline.sh 卡在鑰匙圈提示（新 ~/bin/ltm inode 首次讀密鑰要人按「永遠允許」）；而規則本來就說驗證要在 Claude Code 之外的 shell 跑。命令：LTM_ANCHOR_KEY="$(~/bin/ltm memory --export-key)" scripts/measure-baseline.sh 5，預期 8 行全 clean；任何 dirty 就換掉那條並在檔頭記日期。CHANGELOG 已補。

Legend: - [x] done · - [~] skipped (may revisit) · - [-] won't fix (scope)
idd-close will refuse to close if any - [ ] remains in this checklist.

Changes

• 6e501c3: feat: 基準查詢集與使用規則——查詢檔只印編號、退役被量測命令污染的三條 (基準查詢已被語料污染——三個量測查詢字串本身進了索引，需要一組不在語料裡的查詢與一條使用規則 #63)

Files Changed

 CHANGELOG.md                                      |  +9
 CLAUDE.md                                         |  +4
 Tests/LTMMCPTests/BaselineQueryFileTests.swift    | +72 (new)
 docs/measurements/2026-09-01-scan-parallelism.md  |  +6
 docs/measurements/README.md                       | +48 (new)
 scripts/baseline-queries.txt                      | +28 (new)
 scripts/measure-baseline.sh                       | +52 (new)

swift test：597 綠。

Scope Compliance

只動 Strategy 六項對應的檔案；#62 的前後量測（本查詢集的第一個消費者）不在本 issue 做。一個實作期發現寫進了規則本身而非另開 issue：Bash tool_use 的 command= 前 200 字元會被索引、Write 的 content 不會——這決定了「查詢檔要用 Write 建」這條做法，記在 README 與檔頭。

Sister Bugs Filed (mid-impl, v2.44.0+ #526)

• Not filed: 「⟨tool Bash command=…⟩ 前 200 字元被索引」是 2026-08-26 的設計決定（docs/measurements/2026-08-26-tool-payload-share.md），不是 bug；查詢自身的 turn 成為第一名命中——查詢字串一進語料就把自己召回（self-hit） #62／84% 的 chunk 是零內容工具殘影（⟨tool_result ok⟩／metadata-only），照樣進向量通道擠掉實質 turn（sister concern from #62） #67 已在處理它的檢索面。
• Not filed: 「新 ~/bin/ltm inode 首次讀鑰匙圈會擋住 session 內的量測」——已知行為，.claude/rules/anchor-key-in-probes.md 記載。

Next: verification pending

[kiki830621]

Verify (FAIL → verify-fix landed；R3 進行中) — R1 6e501c3、R2 6b81e1b

Engine

• R1（2026-09-07 09:2x–09:40 臺北）：requirements／logic／security／regression 四個 opus lens ＋ codex（gpt-5.6-sol xhigh）＋ devil's-advocate（opus，看完四個 lens 後起）。stats.reviewers[].ok：6/6；integrity 0。六個讀者全部 FAIL。
• R2（10:00–10:32 臺北）：同一組六個，對 verify-fix 後的 6b81e1b。6/6 完成；integrity 0。六個全部 FAIL，但 R1 的阻斷項全部確認 FIXED，新項目是修法自己長出來的。
• 內容處理規則：兩輪 prompt 都禁止引述 scripts/baseline-queries.txt 的非註解行；六份 R2 findings 與 codex 輸出經 DA 逐檔比對，零命中。R1 的 diff.patch 產生於 .gitattributes 之前、查詢檔在裡面是明文，被一個 reviewer 讀進 tool_result（不進索引）——已刪除，並寫進 README 規則 1。

R1 阻斷項 → 處置（541855c、6b81e1b）

來源	一句話	處置
requirements F2／security M3／regression F2	「輸入或印出的任何字串都會進索引」對「印出」不成立（tool_result 不索引；真正進的是 text block 與七個 metadata 欄位，含 ltm_query 的 query=）	README 改成「什麼會進索引」的判準表＋查法；CLAUDE.md、檔頭同步；錯誤史留在原地
logic H1／regression F3	dirty 第二臂零測試扛	（被 DA C1 取代，見下）
DA C1（CRITICAL）	dirty 量的是「前 k 名有沒有工具 chunk」（基底率四成以上、幾乎恆真、隨 #62 翻面），不是「這條查詢被自己污染了沒有」	改成 self＝命中 snippet 含這條查詢原文；tool=<n> 降為觀察值
requirements F1	檔頭宣稱「選定當下前 5 名乾淨」而那步被跳過	檔頭改成「尚未驗、第一次外部量測後補寫」；issue body Task 1 拆成 1a [x]／1b [ ]（使用者端）
security M2／codex	測試失敗會把活查詢展開進輸出	斷言先算成 Bool／序號
logic L1／DA C4	bash -x、SHELLOPTS=xtrace、BASH_ENV 都漏	第一行 set +x，三條路各有測試
requirements F6／logic H3／M1／M2	字母表四處不一致、error(json) 在外、物件封套崩掉、零命中報 clean	字母表收斂；shape／empty 分支；任一 error 以 1 離開
DA C5	scripts/rrf-tie-* 同形狀、無紀律	README 段＋ #68
其餘 MEDIUM／LOW（時區、退役六條、--all-projects、計時含 python 啟動、trim、k 範圍、-f、CorpusScanner doc 矛盾…）		逐項修，見兩個 commit message

R2 阻斷項 → 處置（e5c664d、3569bb2）

來源	一句話	處置
regression R2-B／requirements R2-2／logic N4／DA	「封閉字母表由測試釘住」不成立：regex 只釘形狀，error(exec)／error(sig<N>) 改名全綠	同步測試（檔頭 token 列、README 行、測試 errorTokens、程式碼輸出點四集合逐一相等）；regex 封閉；exec／sig 各有測試產生
logic N1／codex	測試檔自稱「每個守衛都有測試扛」，11 個沒有	各補一條（66、-x、70、最後一行沒換行、k 非數字訊息、snippet 非字串、執行期列形狀 valid_row × 四種假 python3）或拆掉（bool(q)、python 端 stderr、CR 剝除）；doc comment 改成只涵蓋那一輪
security HIGH-1／regression R2-D、R2-F	-diff 擋不住 git blame／show <rev>:path 等，檔頭把 git show 寫成無條件	改寫成性質＋「清單會漏」；rrf-tie-queries.txt 一併 -diff
logic N2／security M2／regression R2-E	行定義隨 locale 變（[:space:] vs Swift）	只剝 ASCII 空白；測試斷言查詢檔無非 ASCII 空白；LC_ALL=C／UTF-8 各跑一次
requirements R2-3／security M3／regression R2-G／DA D6	表少了純字串 message.content（整段、不截斷）、工具名	補列；tool=<n> 註明會數到談論標記的散文
DA D1（HIGH）	規則 1 把 Write／Edit 與外部編輯器並列（索引層理由），但邊界在 jsonl；Edit 的 originalFile 每次存整份檔，#63 期間已存六份	改成「在 Claude Code 之外編輯」；#6 一收這組就作廢，寫成已發生的曝險
DA D2／D3／D4／D7／D8	rule 3 該退役而非標記；tool= 的推論用 chunk 份額推前 k 名；self 漏了跨截斷的前綴；rrf-tie 兩支腳本兩組查詢被併成一組；#62 前後差值含語料成長	逐項改寫；#68 body 同步
其餘 MEDIUM／LOW（git log -1 兩個 rev 只印一個、「所以是 after 輪」non-sequitur、退役查法只查三條、CorpusScanner 段掛錯符號、casefold、PS4…）		逐項修，見 commit message

目前狀態

• swift test：603 綠（R1 前 597）。變異：R1b 18／R2 16 ＋ 同步測試三種漂移，逐一皆紅。
• 未關的：Task 1b（使用者端，在 Claude Code 之外跑 measure-baseline.sh 5、8 列全 clean 後把日期寫回檔頭第 1 條）；rrf-tie 量測儀器把查詢字串放進 argv 與 stdout——與 #63 的基準查詢走同一條污染通道，卻沒有同一套紀律 #68（rrf-tie 儀器）。
• 誠實邊界：clean 只說「前 k 名沒有 snippet 含這條查詢原文」；查詢集是否乾淨仍是宣稱不是量測；tool=<n> 的前 k 名出現率沒量過。
• R3（對 3569bb2）已起：四 lens ＋ codex ＋ DA。結果另 comment。

[kiki830621]

Verify R3（FAIL → verify-fix landed；R4 進行中）— 對 3569bb2

Engine

四個 opus lens ＋ codex（gpt-5.6-sol xhigh）＋ DA，6/6 完成、integrity 0。R2 的全部 findings 確認 FIXED、零回退（四個 lens 各自逐項核對）。

收斂的阻斷項 → 處置（fa63fe4、b4046df）

來源	一句話	處置
requirements R3-1／security HIGH-1／regression R3-A／DA（HIGH）	R2b 把規則 1 改成「在 Claude Code 之外編輯」，查詢檔檔頭第 23 行還留著被推翻的「請用 Write／Edit」，README 又宣稱兩處一致	檔頭改寫——用 Bash 跑只改註解行的 python，檔案內容不經任何工具 input／result（DA 確認沒有多一筆 jsonl 副本）
logic L1／codex（HIGH）	valid_row 的 token 檢查是字元類別（bash 3.2 [a-z] 隨 locale 排序而變）且不執行字母表	改成 ERROR_TOKENS 字面比對＋數字／sig＋數字；死分支拆掉；每個分支一個假 python3 驅動
logic L2／regression R3-C／requirements R3-2	同步測試用 $／* 字元形狀排除 glob，順帶吞掉 error($var) 輸出點	改成排除 valid_row 函式本體；認不出的輸出形狀直接紅（$var 輸出點實測紅）
regression R3-B	測試 split(separator:"\n") 把 CRLF 當一個 grapheme，與腳本分岔	改 components；locale fixture 加 CRLF
codex	只含 U+3000 的行摺疊後是空針、對任何命中都 self	新 token blank，不跑 ltm
security M1／requirements R3-3／regression R3-D／DA DA3	「六份」加總是 7、實測 8、漏了 Bash stdout 與 Read；寫下的九分鐘前就被另一個 session 的 Read 推翻	改成「至少 8 筆」＋分佈＋查法，寫明是只會往上走的下界
security M2	review agent 例外以路徑指認；變異備份 bq.good 是明文副本、就在 job tmp	例外改成內容判準；兩份備份已刪；CLAUDE.md 變異測試段補「受限內容的備份還原後即刪」
DA DA1	rule 3 用三個例子當判準、把例外當預設、理由對兩邊都成立	改成性質：「含原文的那段文字是不是因為量測／本專案工作才存在」→ 退役；實質 turn 是唯一例外
DA DA2	#N 是檔內位置，rule 3 又要求退役換一條——兩份紀錄同一個 #N 可能是不同查詢	stdout 第一行印 set sha256:<12 hex>（非註解行內容指紋）；紀錄要連它引；測試以 CryptoKit 重算比對
DA DA6／DA7、regression R3-F	同步測試只釘字母表的陳述、不釘產生；退役清單／七個欄位名／離開碼各自複述無機制	同步測試擴到：token 產生斷言、退役清單、toolMetadataFields（常數／README 表／檔頭）、離開碼（檔頭 vs exit N）
其餘 LOW／INFO（git grep 措辭、format-patch git apply 一步還原、--no-index 只在 repo 外裸露、跨截斷數字 14→公式、散文膨脹計數→查法、11/13 對齊、ws 無 LF、-f 臂目錄測試、純字串 content 三處復述、約一成的查法）		逐項修

狀態

• swift test：603 綠。R3 變異：腳本 10＋指紋／離開碼／欄位清單／退役清單各處漂移逐一紅。
• issue body：Problem 段下加 verify R1 更正引言；rrf-tie 量測儀器把查詢字串放進 argv 與 stdout——與 #63 的基準查詢走同一條污染通道，卻沒有同一套紀律 #68 body 改成兩支腳本兩組查詢。
• 未關：Task 1b（使用者端）、rrf-tie 量測儀器把查詢字串放進 argv 與 stdout——與 #63 的基準查詢走同一條污染通道，卻沒有同一套紀律 #68。
• R4（對 b4046df）已起：四 lens ＋ codex ＋ DA。

[kiki830621]

Verify R4（FAIL → verify-fix landed；R5 進行中）— 對 b4046df

Engine

四個 opus lens ＋ codex 完成；DA 因 API 連線中斷（ECONNRESET）未完成，R5 會補。integrity 0。R3 的全部 findings 確認 FIXED、零回退；security lens 本輪 PASS（3 LOW）。

收斂的項目 → 處置（d427dd9）

來源	一句話	處置
logic N1（HIGH）／regression R4-A／requirements R4-5／codex	「每個 token 有測試產生它」的檢查 grep 的是含答案清單的本檔——永遠綠（加兩個假 token、刪三個真產生點仍綠）	要驗的字串從 errorTokens 導出，只查標了 // produces: 的行為測試行；拿掉標記即紅
logic N2／regression R4-B／codex	指紋的 python 逐行迭代連單獨 CR 也切——兩行集與三行集同指紋	read() 後只在 \n 切；加單獨 CR fixture
logic N3	同步測試整段跳過 valid_row ＝ 假設那裡不輸出	valid_row 改用變數比對、不寫 error( 字面；同步測試不排除任何區段；在裡面放輸出點即紅
requirements R4-1	k 不在輸出裡，verdict 卻全是「前 k 名」的性質	set 行改成 set sha256:<12 hex> k=<k>
security LOW-1／LOW-2／logic N4	指紋 guard 無測試、用 [0-9a-f] range（bash 3.2 隨 locale）	12 字元逐字對字面集合；假 python3 驅動：- 呼叫掛掉→70、印大寫 hex 在 C／en_US.UTF-8 都→70
logic N5／N7、codex LOW	blank 不跑 ltm 沒被斷言；少右括號、error(0)、sig0、前導零沒被拒	各一個驅動
其餘 LOW／INFO（檔頭規則 3 補指紋行、#N <ms>ms <verdict>、指紋揭露性質、PS4 例外會漏、-diff 措辭、「九十分鐘」、README:37 收窄、noop 紀錄補註）		逐項修

狀態

• swift test：603 綠。R4 變異 8 處皆紅。
• R5（對 d427dd9）已起：四 lens ＋ codex ＋ DA。

[kiki830621]

Verify R5（FAIL → verify-fix landed；R6 進行中）— 對 d427dd9

Engine

requirements／logic 兩個 lens 完成；security、regression 因 session limit 中斷，codex 因 usage limit（HTTP 429，約 23 小時後重置）未跑。R4 的 findings 全部 FIXED、零回退。剩下的全部落在同步測試自己的自檢上：

來源	一句話	處置（a9d6c0e）
requirements R5-1／logic N1′（MEDIUM）	R4 說「本測試自己的函式本體先拿掉」但沒實作——標記字面在函式裡出現三次仍能自問自答；註解掉的斷言（連標記）仍算產生	標記字串執行期拼出（函式裡任何一行都不含字面）；只算 #expect( 開頭的活斷言行；>= 3 拆掉。註解掉產生行→紅、標記搬到註解行→紅
logic N3′	程式碼行的行尾註解裡的 error(…) 被當輸出點	掃描前剝掉行尾註解；把 print 換成行尾註解→紅
logic N2′	指紋長度檢查無測試扛	假 python3 印 13 個 hex → 70
requirements R5-2／R5-3、logic N4′	測試檔的 set 行註解過時；regex 比 valid_row 寬	逐項修

狀態

• swift test：603 綠。
• R6（對 a9d6c0e）已起：四 lens ＋ DA；codex 本輪缺（額度）。

[kiki830621]

Verify R6（FAIL → verify-fix landed；R7 待 subagent 額度重置）— 對 a9d6c0e

Engine

四個 opus lens 完成（DA 因 session limit 中斷；codex 額度用完）。R4／R5 的 findings 全部 FIXED、零回退。全部新項目都落在同步測試的自檢上，沒有一項碰到腳本的量測行為、查詢檔、或規則本文：

來源	一句話	處置（77687f3）
regression R6-A／security M1／requirements LOW-1（MEDIUM）	R5 的行尾註解剝除只認兩個空白或 tab；單一空白（bash 最常見）穿得過去，刪掉的輸出點能靠註解補回、離開碼列舉也能被一行註解騙過	任一空白或 tab 後的 #；抽成 helper、有自己的 fixture 測試；腳本刻意留一條提到 error(timeout) 的行尾註解驅動接線（regression R6-B）
requirements MED-1／regression R6-C	「本函式的任何一行都不含標記」是今天的事實不是機制	斷言：同步測試自己的行範圍內不得含產生標記；產生行也排除該範圍
logic N1″（MEDIUM）	「實際產生」是過度宣稱——存在性檢查證明不了斷言被執行（.disabled、迴圈跳過看不到）	註解與 README 改成「存在性檢查；執行由整份測試檔綠保證」
security LOW-1	標記後的 token 名是裝飾	每個名字要與同一行的 tail 對得上
logic L1／L2、regression R6-D、requirements LOW-2／LOW-3	regex 的 empty 臂、拆行紅的訊息、「R5 三方」→兩個 lens、issue body 落後一輪	逐項修

變異（isolated）：exec／judge 輸出點換成單一空白行尾註解→紅；剝除接線移除→紅；標記加進檢查函式失敗行→紅；標記後名字寫錯→紅；empty tool=5→紅；ERROR_TOKENS 少一個→紅。swift test：604 綠。

誠實邊界

• 六輪下來，R1–R3 修的是儀器與規則本身（判準、self、指紋、jsonl 邊界）；R4–R6 修的全是同步測試對自己的宣稱。每一輪的「新」缺陷都是前一輪修法自己長出來的——這正是 CLAUDE.md 記的那個形狀（關掉一個自報的洞時，先問「我用什麼當鍵」）。
• Task 1b（在 Claude Code 之外實跑 8 條、把日期寫回檔頭）仍是使用者端；在那之前查詢集的乾淨是宣稱不是量測。
• R7（對 77687f3）等 subagent session limit 重置（21:40 臺北）後跑：四 lens ＋ DA；codex 明日才有額度。