[Luo-root]

这个 PR 修什么

首轮评测实测暴露出来的三处口径问题，全部有源码或实测证据支撑。其中 references/dimensions.md 改动了「成立条件 / 不算」——按 evals/runbook.md 的规定，这类改动必须重跑评测验证，所以这个 PR 合入后需要重跑一轮。

问题	票	改在哪
硬编码维度的「算」与「不算」两句话互相打架	#16	references/dimensions.md 第 5 维
命名/分包口味这条不报边界没有可操作判据，2/3 轮报成了 P2 缺陷	#17	references/dimensions.md 第 4 维
ground truth 的 G4 判定错了；另漏了 13 条真缺陷	#15	evals/ground-truth.md + evals/rubric.md

---

一、硬编码维度：细则自己给了两个互斥答案

references/dimensions.md 第 5 维原本这么写：

• 算：它必须随环境/租户/调用方/数据规模/版本变化……
• 不算：真不变量（协议固定值、7 天），已命名、已注释、只有一个使用者。

refundWindow = 24 * time.Hour 正卡在中间：它是业务政策值（业务改成 7 天就得跟着改 → 按「算」条款该报），但它已命名、已注释、单一使用者（→ 按「不算」条款不该报）。

实测后果：B、C 两轮全量审查都判了「硬编码：无发现」，而且明确引用细则原文来支撑：

• B 轮：「唯一的业务常量 refundWindow（refund.go:11）已命名、有注释、只服务一个规则（真不变量）」
• C 轮：「refundWindow（已命名常量 + 已注释 + 单一使用者，按细则不算）」

模型没做错，是细则自己有两个答案。 根源是「7 天」这个例子——7 天退款窗口和 24 小时退款窗口是同一类东西，却被写进了「真不变量」。

改法：把两类值分开，并给一条一句话判据。

	协议固定值	业务政策值
例子	单位换算 100、HTTP 状态码	退款窗口、账期、免费额度、保留时长
改了会怎样	改了就是 bug	只是业务口径变了
算不算	不算	算

判据一句话：改了会出错 → 不算；改了只是口径变了 → 算。

业务政策值即使已命名、已注释、单一使用者也要报，但按「需要变化的边界」选最小一档（命名常量 < 函数参数 < 配置项 < 运行时发现），不一律上配置、也不一律上 P2。

二、命名/分包口味：抽象规则缺可操作判据

原来只有一个标签：「纯格式、命名口味、import 顺序、主观分层偏好」。

模型看到的是一条抽象规则 + 一个具体事实（「两个包同名、目录名不一致」），事实看起来有后果（import 要别名、godoc 混在一起），于是按文档维度的成立条件报了。

补了三条可判定的判据（编译器会不会出错 / 项目里有没有相反惯例 / 能不能不改），并写明：真要提只能进「需要你拍板」，不能进「必须修 / 建议修」。同时补了一句反向提醒——别因为这条把真正的文档缺陷放过去（godoc 与实现不符、注释说反返回值顺序，照报）。

三、ground truth：G4 判定错了，另漏 13 条真缺陷

G4 判定错的：源码那句承诺有限定语——

// Checkout is read-only with respect to the order store: it never mutates
// orders and never writes back to the database.

限定语是「read-only with respect to the order store」。c.Processed / c.Stats 是 Checkout 自己的字段，不是订单存储；模块里也没有数据库可供违反。我当初把「有副作用」等同于「违反 read-only 承诺」了。

实测佐证：三轮里两轮明确判定该承诺成立并给了推理（A：「读完 Run 全函数确认只读 orders 的副本，没有改订单、没有回写」；B：「逐行读 checkout.go:67-78 确认无写操作」）。

修法：G4 改成另一个真问题——承诺提到的「订单存储 / 数据库」在这个模块里根本不存在，属于该进拍板的文档问题。同时把原判定写进「不该报」清单，附理由。

另补 13 条真缺陷（G13–G25）：三路合计发现，全部可复核。最值得注意的几条：

• G13 ExpiresAt 用查询时刻 +24h，签发时刻根本没存（issued 只存金额）→ 退款窗口永远关不上
• G14 Issue 收「元」、IssuedCents 返「分」→ 把结算总额传进去就是 100 倍退款
• G15 0 元退款被记成「已退款」→ 之后任何真退款静默 no-op
• G17 Stats 共享指针 + 非原子自增 → 并发丢计数 + data race

GT 从 12 条扩到 25 条，rubric.md 的分母同步改（命中/归类/表达 12 → 25，raw 量级 50+ → 100+）。

---

口径与后续

• evals/baseline.md 里的分数是首轮 12 条口径下的结果，与新口径不可直接比较。 baseline.md 顶部已加口径提示，旧记录不覆盖——它是「当时按当时的标准答案跑出来的结果」，属历史事实。
• 合入后需要按新口径重跑一轮评测（改了 dimensions.md 的成立条件 → runbook 规定必须跑），新基线追加到 baseline.md，不覆盖旧节。
• evals/runbook.md 的归档段补了「存哪、怎么追加、口径变了怎么办」。
• G13 特意注明：判成 bug 或判成拍板都算命中（这个模块没有调用方，「该不该有退款窗口」本身就是业务问题）。

验证

• node tools/lint-skill.mjs . 通过。
• 全仓扫描「内置 / 别的工具 / 第二个工具」：零命中。
• 本 PR 改了 skill 执行文件（references/dimensions.md）→ 触发 runbook 的「必须跑评测」，重跑是合入后的必要动作。

关联 #15、#16、#17。