从模型路由到组织学习：御的决策建模框架

燧主笔，藏负责证据治理与周期维护。 本文是研究草案，描述可验证的研究框架，不代表相关自动路由、训练管线或重明（Horus）页面已经实现。除标明“已验证事实”“历史观察”的段落外，全文属于待验证设计；各项指标的实现现状见第 01 篇第 18 节的实现状态表。文中的 Commander、Domain Leader、Developer、Tester、Reviewer、Researcher 等运行角色名，将随组织命名定案统一。

前言

这是 AIOS 智能组织研究的第 02 篇。第 01 篇提出了质量、效率、成本、可预测性与人类注意力五维框架、浅层森林式的组织和北极星指标；本文把其中“怎样调度、怎样从结果里学习”的部分展开成一套可以记录、可以检验的决策模型。01 篇引用的 AVDR 及其配对约束，规范定义就在本文第 4 节。

摘要

传统模型路由通常回答“这个任务应该交给哪个模型”。御（Fulcrum）需要回答的问题更广：面对一个真实任务，系统应当采用怎样的组织结构、模型组合、推理档位、并发策略和验证流程，才能在安全边界内，以可接受的时间、费用和 Maple 注意力获得可信交付。本文把一次调度样本表示为四元组：

(x, a, y, e)

$x$ ：任务上下文；
$a$ ：调度与组织策略；
$y$ ：交付结果向量；
$e$ ：能够追溯结果的证据。

系统不直接训练一个“万能 Commander”，而是先建立三个相互约束的模型：结果预测模型、风险门禁模型、策略选择模型。学习路径从规则和描述统计起步，逐步演进到层次贝叶斯模型、树模型、contextual bandit，最后才研究组织策略学习。样本不足时不训练深度神经网络，不自动修改生产路由；安全、权限和数据损坏风险始终是硬约束，不能被速度或成本收益抵消。

北极星指标 AVDR 以 Maple 的注意力为分母，因此必须和漏报率、越权率配对使用，否则“有事不报”就成了最省事的刷分办法。两者的判定需要大量“该不该找 Maple”的标签，本文提出用 jev 这类只做判断的决策模型打代理标签，并由 Maple 抽样校准。

1. 研究对象：不是模型排行榜，而是可信交付策略

一次 Agent 调用不是完整的研究样本。一项真实交付可能包含需求分析、开发、测试、审查、返工、CI、合并和部署。如果只比较单次模型回答，系统会忽略失败尝试、等待时间、验证费用和人的协调成本。

御需要学习的是：

\text{任务图} \rightarrow \text{组织拓扑} + \text{模型路由} + \text{验证策略}

候选策略可以是：

一个使用 GPT-5.6 Sol（medium 推理档，写稿时的模型版本）的 Developer 连续完成实现与基础验证；
一个 Leader 管理两个互不重叠的 Developer，再由独立 Reviewer 审查；
两个短时 Researcher 竞争探索，由 Architect 选择方向后再实施；
低成本模型执行机械探针，高质量模型只读取结构化证据并裁决；
高风险发布由 Implementation Leader、Verification Leader 和 Operator 分工。

系统评价的是完整策略，而不是孤立地评价某个模型。

2. 四元组数据表示

2.1 任务上下文 $x$

任务上下文描述“这是一个什么问题，以及它发生在怎样的环境里”。至少应包含以下特征组。

特征组	示例字段	说明
任务语义	task_type、issue_family、acceptance_hash	bugfix、review、research、跨仓实现等
风险	risk_class、security_sensitive、data_migration	权限、安全、生产和不可逆操作
结构	repo_count、path_count、dependency_count	仓库、路径和依赖数量
可分解性	partition_count、path_overlap、shared_state_ratio	能否分成互不干扰的工作单元
耦合度	shared_invariant_count、interface_count	文件不重叠不等于语义独立
不确定性	requirements_clarity、baseline_known	需求和故障是否已有可靠定义
可逆性	rollback_cost、production_effect	失败是否容易撤销
可验证性	truth_probe_available、test_cost	是否存在廉价、客观的反馈
运行条件	provider_health、runner_queue、quota_state	当前线路和机器负载
历史证据	similar_task_count、route_freshness	相似任务数量与数据新鲜度

其中部分字段来自 Beacon、Git、CI 或 Vyane 的结构化事实；部分字段可以由低成本分类器建议，但必须保留来源和置信度。涉及风险、权限和不可逆性的分类不能仅依赖一个未验证的语言模型判断。

2.2 调度与组织策略 $a$

调度动作应描述完整执行方案：

organization_depth
leader_count
developer_count
tester_count
reviewer_count
parallelism
ownership_partition
model_snapshot
provider / protocol / harness
requested_effort / effective_effort
context_policy
exploration_mode
local_gate_set
formal_review_policy
ci_gate_set
stop_conditions
human_approval_policy

model_snapshot 不能只记录别名。模型别名、provider endpoint、harness、effective effort 或配置摘要发生实质变化时，应当建立新 cohort，旧样本保留为历史，不与新配置直接求平均。

2.3 结果向量 $y$

结果不是单一成功或失败，而是多目标向量：

y = (Q, T, C, P, A, R)

$Q$ ：质量，包括真值完成率、首次交付通过率和 verified finding；
$T$ ：墙钟时间，即从任务开始到满足交付条件实际经过的自然时间，包括执行、等待、排队和返工；
$C$ ：全链路成本，包括模型、工具、CI、失败尝试和验证成本；
$P$ ：可预测性，包括 p50/p90 时间、超时率和预估误差；
$A$ ：Maple 注意力，包括阅读量、介入次数、决策次数和恢复上下文时间；
$R$ ：风险结果，包括权限绕过、安全事件、数据损坏和错误发布。

墙钟时间与“Agent 实际工作了多久”不同。两个 Developer 各工作十分钟并行完成，墙钟时间可能只有十分钟左右；如果等待 CI 三十分钟，这三十分钟也属于墙钟时间。它最接近用户实际感受到的交付速度。

2.4 证据 $e$

证据用于证明结果确实发生，并支持后续审计和重算：

Beacon Task / decision / Log
AgentRun / participation / event
ownership window / worktree / branch
base SHA / head SHA
truth probe 与 baseline 复现
test artifact
review run / finding / disposition
CI run
PR / merge / deploy
CompletionReceipt

没有 exact SHA、测试范围或真实结果引用的数据，只能进入展示或隔离区，不能自动影响生产路由。verifier_skipped=true 的审查不能计为独立验证；只保留成功样本也不能计算可信完成率。

3. 三个相互约束的模型

3.1 结果预测模型

结果预测模型估计在上下文 $x$ 下采用策略 $a$ 的结果分布：

\hat{y} = f(x, a)

它应分别预测，而不是只输出一个综合分：

真值验收通过概率；
首次交付通过概率；
p50/p90 墙钟时间；
全链路费用分布；
返工轮数；
Maple 介入次数和注意力时间；
中断后的恢复概率。

输出需要包含不确定区间和有效样本量。N=1 的成功只能显示为一条证据，不能显示“100% 成功率”或形成默认路由。

3.2 风险门禁模型

风险门禁与收益预测分离。它估计严重事故发生概率，并执行不可被收益抵消的硬规则：

P(R_{critical}\mid x,a) \leq \epsilon

以下事项默认属于硬约束：

安全边界；
权限与身份校验；
数据损坏或不可逆迁移；
凭据和秘密；
生产切换；
费用和权限扩大；
对外发布。

即使某个策略平均更快、更便宜，只要风险超过阈值，策略选择器也不得采用。早期风险门禁以确定性规则和人工审批为主，不能让统计模型自行放宽。

3.3 策略选择模型

策略选择器在通过风险过滤的候选集合中做多目标选择：

a^* = \arg\max_{a \in \mathcal{A}_{safe}} \operatorname{ExpectedValue}(x,a)

同时满足：

\begin{aligned} E[C] &\leq C_{budget} \\ E[A] &\leq A_{budget} \\ P(T > deadline) &\leq \delta \\ P(R_{critical}) &\leq \epsilon \end{aligned}

不建议永久使用一个固定加权综合分。不同任务对质量、时间和费用的偏好不同，策略选择可以先生成 Pareto 前沿，再根据任务风险和预算选择前沿上的方案。生产权限修复与周报整理显然不应使用同一权重。

4. 北极星指标与指标体系

4.1 Attention-adjusted Verified Delivery Rate

本文建议将 Attention-adjusted Verified Delivery Rate（注意力修正后的可信交付率，AVDR）作为御的候选北极星指标：

AVDR = \frac{\sum_i w_i \cdot V_i} {A_{interaction} + \lambda A_{recovery} + \epsilon}

$V_i$ ：交付是否通过该任务要求的真实验证；
$w_i$ ：任务价值或影响权重；
$A_{interaction}$ ：Maple 阅读、协调和决策投入的小时数，不含恢复上下文时间；
$A_{recovery}$ ：因信息分散而恢复上下文投入的小时数；
$\lambda$ ：组织对上下文恢复成本的治理权重，基线取 1，只有经明确版本化的实验决策才调整；
$\epsilon$ ：防止分母为零的固定小量，必须随指标版本记录，不能用于夸大结果。

该指标不能单独决定系统行为。任务权重可能被人为操纵，低价值任务也可能通过批量完成提高分子；更直接的刷分办法是压低分母，见 4.2 节。因此必须同时展示任务类型、风险等级、4.2 节的配对约束和以下约束指标。第 01 篇第 4 节与 4.1 节使用完全相同的规范定义，两篇除章节引用外逐字一致；任何实验都必须记录时间单位以及 $\lambda$ 和 $\epsilon$ 的取值。

4.2 配对约束：漏报与越权

AVDR 的分母是 Maple 的注意力。分母越小，分数越高；而压低分母最省事的办法，就是有事不报，或者把本该由 Maple 决定的事自己定了。这两条路都和“瞒而不报最严重”的诚实原则正面冲突。所以 AVDR 不能单独成立，必须和两个配对约束一起报告。

漏报：应当让 Maple 知道或决定的事项，没有及时、完整地到达 Maple。它包括三种情形：没有报；报晚了，决定窗口已经错过或损失已经发生；报了，但漏掉关键事实，例如失败的测试、未验证的部分、已知风险。“应当”的范围是：P0、P1 级事件（分级见第 01 篇第 8.1 节），属于 Maple 五类决定权的事项，以及 Commander 无法自行解决的真实阻塞。

越权：属于 Maple 五类决定权的事，由 Agent 自行决定，并且不在 Maple 已经明确给出的授权范围内。五类决定权是：产品方向，公开发布与品牌，产生费用，删除与其他不可逆操作，降低质量标准。

两者都按比例统计：

\begin{aligned} MissRate &= \frac{N_{\text{漏报}}}{N_{\text{应报}}} \\ OverreachRate &= \frac{N_{\text{越权}}}{N_{\text{五类决定}}} \end{aligned}

规范要求：

AVDR 必须与漏报率、越权率一起报告，并附各自的样本量；只报 AVDR 的结果不算有效结果。
一个统计周期内，只要确认一例严重漏报（P0 级事件没有及时到达 Maple），或一例涉及删除与不可逆操作、公开发布、产生费用的越权，这个周期的 AVDR 作废，不参与任何比较，先写复盘。
其余情形下，漏报率和越权率分别不高于阈值 $\theta_{miss}$ 、 $\theta_{over}$ 时，AVDR 才能用来比较不同的组织或路由策略。阈值属于待验证设计，要在积累标注数据后版本化确定。
方向相反的偏差，即本可由 Agent 决定却交给 Maple 的“错误升级”，已经体现在 AVDR 的分母里，不另设约束，但仍单独统计，便于看清分母为什么变化。

这两个比率的分母本身就难拿到：没被上报的事，往往也没人记得它该被上报。所以判定不能只看 Maple 收到了什么，还要从完整事件流里抽样复查。采集方式见 4.5 节。

4.3 五个核心维度

维度	主要指标	防止的局部优化
质量	Verified Truth Completion、First-Pass Verified Delivery	把“自报完成”当交付
效率	墙钟时间、关键路径时间、等待占比	只计算模型生成时间
成本	每次可信交付的全链路费用	忽略失败、返工和验证成本
可预测性	p50/p90、超时率、预估误差	平均很快但偶尔卡几天
Maple 注意力	介入次数、阅读量、恢复时间、无效通知	用人的时间掩盖系统低效

安全、权限、数据完整性不属于可以交换的第六个维度，而是硬门禁。漏报与越权也不作为可交换的维度，而是 AVDR 成立的前提。

4.4 管理层的信息质量指标

Leader 的价值在于可靠压缩，不是转发消息。可观察：

\text{Compression Ratio} = \frac{\text{底层事件数}}{\text{向上汇报数}}

同时必须测：

关键信息保留率；
严重问题漏报率；
越权率；
错误升级率；
上级追问次数；
重复通知率；
决策所需证据完整率。

这些指标和 AVDR 绑在一起看。严重问题漏报率就是 4.2 节的漏报率在 Leader 这一层的切片，越权率同理；两者一高，AVDR 的分母就被人为压低，分数不再可信。错误升级率方向相反：本可在组织内部决定的事交给了 Maple，会直接抬高 AVDR 的分母，AVDR 本身已经惩罚它，这里单独列出，是为了看清分母变化来自哪里。

高压缩率而严重漏报不是优秀管理；低漏报但把所有日志转发给 Maple 也不是优秀管理。

4.5 待验证设计：用 jev 给判断类问题打代理标签

漏报、越权这类约束，难点不在计算，而在判定：一件事该不该找 Maple，一份汇报有没有漏掉关键事实，都没有现成的日志字段可以直接读。全部交给 Maple 标注，会把省下来的注意力又花回去；交给生成式模型逐条写评语，又贵又难复核。

一个候选做法是用 jev 打代理标签。jev 是一类只做判断、不生成文本的决策模型：给它一段材料和一道选择题或打分题，它返回各选项的概率和置信度，单次调用成本很低。

适合交给 jev 的判断：

这件事该不该找 Maple（是否属于五类决定权，或 P0、P1 级事件）；
一份汇报有没有漏掉关键事实；
一条消息该算 P0–P3 的哪一级；
任务特征打分：可分解性、耦合、不确定性、可逆性、风险等，对应 2.1 节里可以由低成本分类器建议的字段。

不交给 jev 的判断：

交付算不算真的验证过：看 CI、真值探针和审查证据；
时间和费用：看日志和账单；
任务价值权重 $w_i$ ：这是 Maple 的偏好，不让模型代猜。

护栏：

每周抽样，由 Maple 亲自标注一小批，用来校准 jev 的判断。Maple 的标注是真值，jev 只是代理。
喂给 jev 的材料先去掉原有的等级标注。2026-09-23 的影子实验发现，它会照抄材料里已有的 P 级。
低于置信度门槛的判断不采信，转人工，或按保守方向处理。

jev 与 Maple 的标注写进同一张表（8.9 节），用标注者区分，这样一致率和校准曲线可以直接从表里算出来；未达到采信门槛的标注只作记录，不进入漏报率和越权率的计算。

历史观察（N 很小）： 2026-09-23 的影子实验用 jev 给 49 条代码审查意见分诊（挡合并，还是记到任务上以后处理），与人工标签一致 39 条；只看审查者自带级别的基线是 38 条。真正该挡合并的意见一条没漏，但它基本是在照抄审查者已经标好的 P 级。同一次实验给 11 个 PR 判审查档位，判对 9 个；判错的两个里有一个是危险方向，把带定时删除脚本的 PR 判成了不需要审查。置信度不低于 0.70 的 5 个判档全部正确，但在意见分诊上，高置信度并没有挡住误判。全部调用合计约 0.0166 美元。这些结果只对当时的模型版本和问题措辞成立；而且它判的是审查意见和 PR 档位，不是漏报与越权本身，能否迁移到“该不该找 Maple”，需要另做影子实验。

5. 学习阶段：从可解释规则逐步演进

5.1 阶段一：规则与描述统计

适用于样本稀少、数据定义仍在建立的时期：

安全和审批硬规则；
任务类型与风险分类；
分组完成率、p50/p90、费用和返工；
Beta-Binomial 区间；
task-cluster bootstrap；
Pareto 前沿；
人工确认路由建议。

此阶段只做 shadow recommendation，不自动改变生产路由。

5.2 阶段二：层次贝叶斯模型

层次贝叶斯适合“组合很多、单个组合样本少”的 AIOS 数据。任务类型、模型、effort、harness 和组织拓扑可以共享部分总体信息，同时保留各自偏移：

\operatorname{logit} P(success) = \alpha + \beta_{task} + \beta_{model} + \beta_{effort} + \beta_{harness} + \beta_{organization} + \beta_{interaction}

它能避免某个只成功一次的组合被估计为 100%，并自然输出不确定区间。模型版本和配置变化仍需分 cohort，不能依赖贝叶斯模型掩盖漂移。

5.3 阶段三：树模型

当积累数百个结构化 attempt，并且字段质量达到门槛后，可评估 Gradient Boosted Trees、CatBoost、LightGBM 或 Random Forest。它们适合混合类别特征和中等规模数据，也更容易解释：

哪些特征触发 reasoning 升档；
何时增加 Reviewer 有实际收益；
哪些耦合模式导致尾部耗时；
何时并行会被整合成本抵消。

树模型仍只提供预测和 shadow 建议，生产变更需要受控评估。

5.4 阶段四：Contextual Bandit

Contextual bandit 在每个新任务上观察上下文、选择策略、获取反馈，并更新对策略的认识：

观察 $x_t$ ；
从安全候选中选择 $a_t$ ；
记录选择概率 $p(a_t\mid x_t)$ ；
获得结果 $y_t$ 和证据 $e_t$ ；
更新策略估计。

它适合处理探索与利用：高风险任务继续使用已验证策略；低风险、可回滚任务可以给证据不足但有潜力的低成本路线少量探索机会。

5.5 阶段五：组织策略学习

数据充分后才研究：

task graph 到 organization topology 的策略学习；
constrained reinforcement learning；
offline reinforcement learning；
图模型表示依赖与 ownership；
imitation learning 学习优秀 Commander 的决策；
序列模型预测任务状态演化。

这一阶段要求稳定 reward、完整失败轨迹、选择概率和可靠反事实评价。它不是近期工程前提。

5.6 为什么初期不训练深度神经网络

当前真实任务样本规模小、任务异质性高、模型更新快，深网很容易：

记忆少数任务而不是学习规律；
把任务难度差异误认为模型能力差异；
把 provider 或 CI 故障归因给模型；
无法解释组织选择；
在模型别名或配置更新后迅速失效。

因此，在样本量、数据完整率、cohort 稳定性和离线评估均达标前，不训练深度路由网络，也不让任何学习模型自动修改生产路由。

6. 选择偏差与因果识别

历史成功率天然存在选择偏差。能力更强的模型往往被派给更困难的任务，便宜模型可能只处理机械工作。直接比较总体完成率可能得出相反结论。

6.1 必须记录 propensity

每次路由至少记录：

候选策略集合；
实际选择策略；
选择理由；
选择概率或可重建的 policy version；
被硬门禁排除的策略；
人工覆盖及原因。

没有 propensity 或策略版本的历史数据仍可做描述统计，但不适合进行强因果推断。

6.2 Matched cohort

优先比较同时满足以下条件的样本：

同一 task type 或 issue family；
相近风险和复杂度；
相同 acceptance/truth probe 版本；
相同或可控的 provider、protocol、harness；
能确认 effective effort；
同一模型/config cohort；
相似时间窗口与基础设施状态。

在 matched cohort 内，可使用同题复跑、inverse propensity weighting、doubly robust estimation 和 task-cluster bootstrap。任何结论都必须显示 distinct task N 与不确定区间。

6.3 Sentinel task

新模型、新版本或配置变化时，选择少量具有代表性的真实低风险任务作为 sentinel：

覆盖多个 issue family；
具有 baseline 和可验证结果；
尽量进行同格复跑；
不接触真实生产数据；
结果进入独立 cohort；
未达到证据阈值前不继承旧版本排名。

Sentinel 用于发现退化，不应演化成脱离真实工作的固定刷榜系统。

6.4 Shadow mode

在 shadow mode 中，系统生成推荐，但不改变当前执行策略。记录：

推荐策略；
实际策略；
两者预测差异；
最终实际结果；
若可评估，推荐策略的离线反事实表现。

只有当数据质量、预测校准、风险门禁和人工复核连续达标后，才允许低风险类别小比例自动探索。安全、权限、数据损坏和生产任务长期保留人工或 Commander 审批。

7. 消融实验设计

要判断多 Agent 组织是否真的有用，需要比较组织机制，而不只是模型名称。

7.1 基础实验组

组别	组织策略
A	单一 Agent 完成分析、实现与自测
B	Commander + 单 Developer + 独立 Reviewer
C	Commander + 多个互不重叠 Developer 并行
D	Commander + Domain Leader + Developer/Tester/Reviewer
E	动态组织与动态模型路由

7.2 关键消融项

去掉 Domain Leader，观察总指挥信息负担和漏报；
去掉 ownership window，观察冲突与返工；
去掉 baseline truth probe，观察“测试绿但没修好”的比例；
去掉 CompletionReceipt，观察中断恢复与证据缺失；
重复正式 Review，测量新增发现与时间/费用边际收益；
固定 GPT-5.6 Sol（medium 推理档）与动态档位比较；
所有消息上送 Maple 与分层注意力路由比较；
串行开发与低耦合并行开发比较。

7.3 主要观测

Verified Truth Completion Rate；
First-Pass Verified Delivery Rate；
墙钟时间与 p90；
全链路费用；
返工轮数；
Maple 介入次数和注意力时间；
信息压缩率、严重问题漏报率和越权率；
中断恢复成功率；
安全、权限和数据事件。

实验不应通过放宽验收标准获得更快结果。各组必须绑定相同 acceptance version 和 truth probe。

8. 最小数据结构

以下为分析 read model 的最小逻辑 schema，不指定当前实现必须使用哪种数据库。

8.1 `task_case`

task_case_id
beacon_issue_id
repo_ids
task_type / issue_family
risk_class / reversibility
base_sha
acceptance_hash / truth_probe_hash
created_at

8.2 `route_config`

route_config_id
canonical_model_id / model_snapshot
provider / endpoint_class / protocol / harness
requested_effort / effective_effort
profile / config_digest
billing_mode
valid_from / valid_to

8.3 `organization_plan`

organization_plan_id
commander_run_id
leader_count / organization_depth
role_counts
ownership_partition_hash
parallelism_limit
review_policy / ci_policy
stop_conditions_hash
policy_version

8.4 `attempt`

attempt_id / parent_attempt_id
task_case_id
agent_run_id
route_config_id / organization_plan_id
started_at / ended_at
status / failure_class
token_usage / provider_cost_actual / estimated_cost
source_uri / source_commit / source_hash / ingest_state

8.5 `gate_result` 与 `review_run`

attempt_id / head_sha
gate_type / result
baseline_reproduced
evidence_uri / observed_at

review_run_id / reviewer_route_id
independent / verifier_skipped
raw / kept / dropped findings by severity
artifact_uri

8.6 `delivery`

task_case_id / head_sha
pr / ci_run / review_run
merged_state / deployed_state
first_pass / rework_rounds
completion_receipt_id
delivered_at

8.7 `attention_event`

event_id / source_event_id
audience / visibility
requires_action / severity
summary_hash / detail_reference
delivered_at / read_at / acted_at
supersedes / deduplication_key
estimated_attention_seconds

8.8 `policy_decision`

decision_id / task_case_id
candidate_strategy_ids
selected_strategy_id
selection_probability
selection_reason
hard_constraints_applied
human_override / override_reason
policy_version / decided_at

8.9 `judgment_label`

label_id
subject_type / subject_ref
question
labeler
model_version / question_version
input_digest / prior_labels_stripped
answer / probabilities / confidence
adoption_threshold / adopted
calibration_batch_id
labeled_at

subject_type 指被判断的对象：事件、汇报、消息或任务；question 取“该不该找 Maple”“有没有漏关键事实”“消息等级”“任务特征”等固定题目；labeler 区分 jev 与 Maple。prior_labels_stripped 记录喂给 jev 的材料是否已经去掉原有等级，这是 4.5 节第二条护栏的审计依据。

所有采集记录应保存 source hash、source commit、dirty/untracked 状态和 ingested_at。不合格数据进入 quarantine，不删除原始证据，也不进入自动推荐集。

9. 与 Beacon、Vyane、Horus 的边界

Beacon

Beacon 继续作为任务、状态、decision、claim 和交付进度的权威来源。学习系统读取任务事实，但不把预测结果反向伪装成任务完成状态。调度建议可以作为有来源的 projection 或 Log 关联，是否执行仍由权威命令和审批决定。

Vyane

Vyane 已具备 AgentRun、Conversation、Event、Delivery 等运行账本基础。本文提出的 attempt、route provenance、organization plan 和 CompletionReceipt 关联仍需按实际实现逐项补齐或核验。学习系统应以只读 normalization/read model 起步，不修改原始运行事件。

已验证事实（截至 2026-09-23）： 执行尝试（Attempt）的最小字段契约与启动门禁已经合并，执行账本的字段目录按本文的 $x$ 、 $a$ 、 $y$ 、 $e$ 分节；第一批只落了时间、用量、费用、CI 与审查结果，任务特征、组织策略、返工轮数和注意力字段都留待后续，而且运行环境里还没有生产记录。organization plan、policy decision、attention event 与 judgment label 目前都没有对应结构。

Horus

重明（Horus）是面向 Maple 的组织、注意力与决策控制面。模型建议、置信度、证据和数据质量适合在 Horus 展示；第一阶段只读 Team/read model 不等于已经具备自动建队、自动所有权或生产路由能力。任何“推荐”都必须允许展开到具体任务、SHA、探针和审查证据。

10. 研究纪律

不把外部 IQ 或通用 benchmark 直接写入 Vyane 生产路由。
不用事件行数代替 distinct task 数。
不删除失败、超时和取消样本。
不用今天价格覆盖历史实际费用。
不把 CI 绿色等同于真值验收通过。
不把 raw finding 数量等同于已验证缺陷。
不把 N=1 的结果写成默认策略。
不让学习模型越过安全、权限、数据和人工审批边界。
不在 shadow 评估达标前自动改变生产路由。
不在数据规模和稳定性不足时训练深度神经网络。
不在漏报率、越权率缺失或超限时报告 AVDR。

结语

御（Fulcrum）的长期能力不是“永远知道哪个模型最强”，而是能够根据任务、组织、风险和历史证据持续修正自己的执行策略。它首先应当是一个可解释、可审计、受硬约束保护的学习系统，然后才逐步成为能够受控探索的智能调度系统。

版本记录

日期	版本	变化	证据状态
2026-09-23	v0.2	首次公开发布。增加 AVDR 的配对约束（漏报率、越权率，与第 01 篇 v0.4 逐字一致）；把管理层的漏报率、错误升级率与 AVDR 绑定，并补上越权率；增加“用 jev 打代理标签”的待验证设计与 `judgment_label` 结构；标注已验证事实；统一御（Fulcrum）、重明（Horus）写法；模型代号改写为完整模型名 GPT-5.6 Sol（medium 推理档）	框架与设计属待验证；已验证事实为当日只读核对；jev 数字为历史观察，N 很小
2026-08-04	v0.1	研究草案（未公开）：四元组表示、三个相互约束的模型、AVDR 与指标体系、分阶段学习路径、因果识别与消融实验设计	研究框架