| 库 | 维度与权重 | 现状分 | 国庆目标 | 评分标准出处（权威依据） |
|---|---|---|---|---|
| 四报（晨/机/思/夕） | 六维四档加权（事实锚点/合规/认知供给/思维增量/假设链/把握度）+ 8 道闸 | 92-133 | 维持 | report-model-scorecard v3（本体钦定）+ 铁律 v2.1 |
| L5 晨会判断 | Q 闸 8 题深度（23-24/24）+ 措辞闸 ERROR=0 + 代际增值（外部搬运≤25%）+ 对照组差分 | 23/24 | 弱项 0 + 搬运率≤25% | generation-ladder P-LADDER-003「强=能答输入集答不了的题」+ 09-28 本体对照组令 |
| knowledge_pack（993KB） | C 段新鲜度 40%（滞后≤1 日）+ K 段可答率 30%（抽 10 问）+ 污染率 20%（抽 20 条注入核源）+ 消费命中率 10% 阶段二 ✅：K 段贡献正实证（数字 +32~37%/条件词 ×2.4~3.5） 四维首测 ✅(10-01 06:05)：30+21+20+10 = 81/100，C段最新 09-30、K段 7/10 命中、951 注入块 0/20 可疑 |
81/100 | 提分至90+ | 新鲜度=check_market_freshness 同源；污染率=7B 禁编造反查；命中率=「记忆价值=被取用次数」（SOUL §一） |
| kb/（1660 文件） | 被引率 50%（被 KP/日报/Bot 引用过）+ 时效分布 30%（研报 30d/公众号 14d/经典永久）+ 重复度 20% | 未测 | 摸底报告 + 死重清单 | 被引率=SOUL §一「90 天 0 取用→降级」；时效=卖方研报行业惯例（L5 闸已禁超月研报） |
| research_report_cache | 日期分布（最新/最旧/中位）+ 共识地图引用的研报「≤1 周」达标率 | 半测 | 中位 ≤14 天 | L5 引用铁律「研报优先一周内」+ 时效闸先例 |
| market_snapshot（锚点源） | 全字段新鲜度（滞后≤1 交易日）+ SMART 触发线现距有效 | PASS | 维持 | check_market_freshness.py（已运行·阈值本体认可） |
| kb 对话纪要（228） | 归档完整率（交易日全覆盖）+ 脱敏合规（姓名 0 残留） | 高 | 维持 | 7Z 署名脱敏铁律（A20）+ work-log 契约体检器 |
| 线（库→库的加工） | 对照机制（怎么证明当前是最优解） | 现行解 | 评分 | 方法论出处 |
|---|---|---|---|---|
| 四报生成 LLM（deepseek-chat） | 8 道闸回归集（gate_regression 10 用例=10 事故）+ hy4 留档备选对照 | deepseek-chat | 有对照 | 闸回归纪律（09-26 立）+ 三模型对照实验（09-26 拍板保留 deepseek） |
| 预置研判消化（10 主题/日） | materials 三层序有 CHG 总账记录（锚点→四报→研报）；prompt 改动走 U 系列回归 | 锚点→四报→研报 | 有对照 | 09-10 决策 D3/总账 #20（排序由事故驱动定） |
| ASR 归类（关键词+LLM 兜底） | U7 修复前后对照（救回率 78%）；09-30 实测基线：关键词直归率 100%（20/20）、其他讨论水位 7%（健康线 15%，超限告警查关键词表）——脚本 wargame_stage3_asr.py 每会可复跑 | 两级兜底 | 基线已建 | U7（09-22）+「宁可 2 秒调 LLM 也不猜」原则 |
| CVD 二阶解读（4 步走） | U12 禁喂累积包（DR007 旧值事故对照）；硬挂钩 P-* ≥2 条；闸校验 | 四源+锚点 | 有对照 | 09-22 DR007 事故复盘 + U12 铁律 |
| 待办检测（5 条/批+全量兜底） | 会中批 vs 会后全量双链互补；去重器防重复；35 条/日实际产出 | 双链合流 | 结构对照 | CHG-005 v1（推送统一收口）+ CHG-007 回调 |
| L5 写稿（CVD 判断空间） | 对照组差分表（l5-control-group）：每日出稿 vs 昨日基线 6 指标，退步必归因；机制改动双稿 A/B | v3.2 骨架 | 日日对照 | 09-28 本体令「引入对照组」+ 09-26 批次二三组归因 |
| 语音问答（discuss） | 国庆本体实测：识别率/打断延迟/边界铁律（库外不编造）人工评分 | deepseek-chat+浏览器 ASR | 待测 | 边界铁律（本体验收级）+ barge-in 红线 150ms（外部基准） |
内部权威 铁律 v2.1 / 7A-7M：禁编造（7B）、证伪条件（7E）、溯源白名单（G3）、署名脱敏（7Z/A20）——库污染率与脱敏合规的直接依据。
内部权威 SOUL §一：「记忆的价值=被取用次数；90 天 0 取用→降级」——kb 被引率的判据源头；P-LADDER-003「强=能答输入集答不了的题」——Q 闸判据源头。
内部权威 闸回归纪律（09-26）：「改闸必跑回归，10 用例=10 事故」——所有线的对照机制模板；「先怀疑尺子，再修稿」——元纪律。
外部权威 WCAG 对比度（配色 v5 判定用）、卖方研报时效惯例（一周内优先/超月禁引——L5 引用铁律）、barge-in <150ms（语音行业生产红线，FutureAGI/GPT-Live-1 实测）、citation-first（投研 Copilot 行业入场券——P2 引用粒度目标）。
判定程序 P-LADDER-005：裁判不能是我、标尺不能我定、被评不能我写→凡自评指标（自循环率等）一律降级为诊断值，终审线交给 Q 闸（能答输入集答不了的题）与外部现实（T+5 市场回写）。
靶场：09-30 真实会议（12 主题 21 发言）｜实验场：benti（晨会零接触）｜模型：deepseek-chat 全程同款。
阶段一 ✅ 时态锚 prompt：A/B 对照——日期密度在薄弱主题翻倍（0.9→1.9、1.2→2.3/千字），数字锚点零下降；已固化进生产 _digest_preset_llm（U14-tas），重启生效。
阶段二 ✅ KP K 段贡献：喂 vs 不喂对照——数字 +32~37%、条件词（证伪/触发思考）×2.4~3.5、引用零幻觉；「知识包正贡献」首次拿到数字，KP 评分有了基线。
阶段三 ✅ ASR 归类命中率：关键词直归率 100%（20/20）、其他讨论水位 7%（健康线 15%）；LLM 兜底=保险丝（当日 0 触发）；监控脚本每会可复跑。
阶段四 ✅ 模型对照：deepseek-chat vs glm-5.3-flash，5 场×3 主题×双臂=30 份——
deepseek 15/15 完赛（数字11.9/日期3.2/条件8.0/字数1096/时延3.7s）；
glm-5.3-flash 0/15 出局——HTTP 200 但 content 空 22-46s，根因：思维链模型把 max_tokens=2000 全耗在 reasoning_content，finish_reason=length，content=空。
结论：预置研判保留 deepseek-chat；glm-5.3-flash 不适合长答场景（日报短答仍可用它）。
下一阶段：模型层因结构差异出局，转 SOP 层微调（事故复发率监控月度复盘）+ 阶段五=S8 句法节奏攻关。
D1（10-01）：KP 四维评分脚本落地跑首测 → 出基线分；顺手验证披露 TTS（benti 开会即测）。
D2（10-02）：kb 被引率摸底（1660 文件扫引用图谱）→ 死重清单；夜盯非农。
D3（10-03）：评分结果写进本 HTML（现状分列填真数）+ dashboard 加行；语音测试第 2 轮（换 Edge 浏览器对照）。
D4-D5（10-04/05）：S8 句法节奏专项（对照 09-28 基线 0 ERROR 攻关）；外部搬运率 67%→50% 攻关。
D6（10-06）：US10Y 改锚方案落地（按假期美债实况选 A/B，本体确认）。
D7-D8（10-07/08）：P1 三项（双产物分离/同意门控/回归题集）上 benti；节后预案（10-09 开盘检查清单）。
全程：语音测试随本体节奏随时插队；每项完成即更新本页对应格子。
⚠️ 诚实声明：标「未测」的格子，分数是 10-01 之后才有——今晚之前我只交付「标准+工具」，不交付编造的分数。现状列里「半测/高/低」是既有闸的定性结论，不是新评分体系的输出。