评测
通过内容加载器契约
一个 loader 同时供给 Work、交互案例和评测报告。契约测试在卡片进入页面之前检查 Schema 形状、结论枚举、URL 唯一性，以及索引页/模板泄漏。
- 内容管线
- Schema 校验
- 防幻觉
- 集合
- 3
- Schema 错误
- 0
- 重复 URL
- 0
- 索引泄漏
- 0
Skip to content
有条件通过 未通过 有条件通过
Evidence log
评测报告
每份报告记录一个待验证命题、用于证伪它的检查，以及一个把“能跑”和“在这些 条件下能跑”区分开的结论。主题覆盖 Prompt 鲁棒性、幻觉排查、多轮状态和 构建级回归。
如何阅读结论
| 结论 | 含义 |
|---|---|
| 通过 | 所有既定检查通过；残留风险已列出。 |
| 有条件通过 | 意图已满足，但仍有一个字面要求、环境或范围条件未解决。 |
| 未通过 | 至少一项检查失败；复用前必须修复。 |
七个对抗性 Prompt 试图把 11/11 引擎测试变成上线许可。契约拦住了四个；一个设计歧义保持未决；一个源码级盲区留在范围外；四个关键锚点在填充上下文后仍然完整。
- Prompt 鲁棒性
- 对抗输入
- 长上下文
- 证据契约
- 对抗探针
- 7
- 契约拦截
- 4
- 未决 / 超范围
- 2
- 关键锚点
- 4/4
v2.0.0 发行说明写着“暂无已知问题”。六条发布主张里，五条被项目自己的规则书、引擎副本、回归覆盖声明或 UI 内联副本反驳——包括仍活在玩家可见弹窗里的那行 +500。
- 幻觉审计
- 主张验证
- 逻辑断层
- 发布门禁
- 审计主张
- 6
- 被反驳
- 5
- 发布阻断
- 2
- 无依据数字
- 0
需求要求 loader 读取 work/*.md，但仓库里没有 work/ 目录。我们没有凭空创建一个，而是审计文件系统，把 Work 映射到既有的 projects/ URL，并把这一偏差记录为有条件通过。
- 幻觉审计
- 路径校验
- 信息差
- 声明 glob
- 3
- 实际存在
- 2
- 映射集合
- 1
- 失效链接
- 0