brake1 bounded convergence loop on pr comments

brake 1 を上限 3 往復の収束ループとし、所見と裁定を PR コメント上で直接やり取りする

Question

brake 1（skills/evolution-parallel-agent-eval）は単巡で打ち切る単発測定であり、所見は評価者 → 親 → 統合コメント1本 → 著者、裁定は commit body という経路を取っていた。#1862 が「受け皿より先に検出幅が縮んだ」窓を観測したとき、幅（N）を戻す以外にゲートの形で答える道はあるか。あるなら、ラウンド数・伝達面・裁定の置き場・親の位置はそれぞれどうなるか。

Current resolution

brake 1 は上限 3 往復の収束ループである。評価者と著者は PR コメントを直接の伝達面として往復し、親はその往復の内容を監督しない。

• 1 往復の定義 = 評価ラウンドの所見投稿 → 著者の応答（修正 commit ／却下コメント／両方）→ CI green。初回の評価が 1 往復目。
• 上限は 3。 評価ラウンドも著者の応答も最大 3。出口は step 8 で、所見ゼロのラウンドが返ればそこで早く抜け、そうでなければ上限で抜ける。超過時に新しい機構は無く、現行 step 9 の位置でセルフレビューとマージ判断に入る。
• 所見の経路から統合の段が消える。 評価者は自分の所見コメント 1 本を PR へ直接投稿する。親は読まず、統合せず、取捨選択せず、順位を付けず、回答しない。親の取り分は中継とスケジューリングのみ（次のラウンドを開くこと、著者を resume して「スレッドを読んで裁け」と入口だけ渡すこと）。
• 裁定の置き場は PR コメント。 accept / reject とその理由は commit の有無で分岐せず、常に所見が届いたスレッドへ載る。「何も受理しなかった場合は commit body が無い」という旧分岐は消える（rules/model/subtractive-structural-beauty.md Core principle (A)）。
• 却下は loop の内側では最終。 著者が理由とともに却下した所見は、以降のラウンドの評価者が再提起せず、著者も再裁定しない。
• 親の点検は消えず、位置が移る。 「読んでいないものは判断できない」は保たれるが、per-round から出口 1 回（step 9 のセルフレビューでスレッド全体を読み、却下が残ったままで妥当かを含めてマージ判断を記録する）へ移る。
• 評価者は毎ラウンド新規に spawn する。 resume はしない。器具が対象について無知な外部であること、および前回の所見はすでに PR スレッドに載っていることが根拠。ただしこれは暫定であり、fresh spawn と resume のどちらが多く検出するかは未測定（測定先 = #1848）。

Edges

• supersedes brake1-single-round-cap — 単巡打ち切りの規定そのものを置き換える。「修正後の再検証ラウンドを行わない」は「上限 3 往復まで行う」になった。同 entry の Non-scope が列挙していた降りた欠陥クラス 3 種のうち、親の修正が新設した欠陥と後半ラウンドでしか出ない散文層の 2 件は、修正が最終ラウンドより前に着地する限りループの射程に入る（skills/evolution-parallel-agent-eval/SKILL.md Non-scope, What the three-round cap gives up）。初回実装に在り どのラウンドも届かなかった挙動欠陥は降りたまま。再評価条件（1 巡制限下で merge した変更が本番挙動として実害を出した場合）は形を変えて生きており、本判断では「上限内で打ち切った merge が観測可能な本番実害を出した場合」として引き継ぐ
• supersedes brake1-findings-routed-through-parent — 転送経路・裁定の置き場・往復の上限の 3 点すべてを置き換える。評価者は PR へ直接投稿し（統合コメントは廃止）、裁定は commit body ではなく PR コメントに載り（分岐表の 3 行は 1 つの着地面へ畳まれた）、親→著者の無上限往復とその収束判断を親が skills/model-loop-safety で保持する形は、固定上限 3 に置き換わって親は数えるのをやめた。同 entry が置いた原理「findings が親のコンテキストを通ることが監督を買う対価である」は位置が変わっただけで生きている — 親はスレッド全体を出口で読む。取捨選択の禁止 3 件（drop / rank / reply）も、親が中継役である限りそのまま効く
• depends on brake1-evaluator-floor-lowered-to-one — 幅（N=1 の床と既定）は本判断で動かない。動いたのはラウンド数という第四の変数だけであり、幅と門とラウンド数は別軸である
• depends on brake1-rerun-gated-on-what-the-round-audited — 同 entry の再走判定（停止理由ではなく「そのラウンドが何を監査したか」）は不変。その Ceiling（同一 baseline に対する 3 回目の試行）と本判断の 3 往復は数字が同じで宛先が違う。前者は verdict がゼロの周を数えて human へ上げ、後者は完了した往復を数えて親へ抜ける。ceiling の 2 回目の試行に居る run はまだ往復 1 の内側である
• depends on brake1-firing-closed-by-criterion — 発火条件は本判断で一切動かない。全自己進化 PR で brake 1 は必須のままである
• relates to brake-adjudication-by-resumed-author — 同 entry が元々置いていた「評価者は指摘を PR コメントに直接投稿する」という転送経路は、brake1-findings-routed-through-parent が一度置き換えた後、本判断で再び直接投稿へ戻る。ただし戻り値を 1 行に絞るという形ではなく、親は戻り値の内容を読まない中継役という形である。裁定主体（著者）・エージェント深さ 1・再構成フォールバックはいずれも不変
• conflicts with （現時点で対立 entry なし）

背景

2026-09-03、Master 判断（dialogue）。起点は #1862 が観測した窓 — brake 1 の検出幅（N=3 → N=1）が、それを引き受けるはずの受け皿（#1853 の行動照合 probe）より先に縮んだ、という観測である。本判断はその論点に対し、幅を戻すのではなくゲートの形を変える側の答えを採った。

理由の根が動いていたことも駆動要因である。却下を commit body に置く根拠は rules/evolution/initiator-autonomy.md Merge brake の「単一ラウンド上限の下では評価者が再論しないので、親の点検だけがそれを支えている」という条件節だった。上限を外せばその条件節が外れ、却下は次ラウンドの評価者が検査できる。置き場を PR コメントへ移す根拠はここにある。

起票 = #1863、実装 = PR #1864。

制約

• 基板の制約は仕様で回避できない。 サブエージェントは自分で起きられず、SendMessage はサブエージェント同士を直結しない（サブエージェント発の送信は親セッションのアドレスで出る）。PR に webhook を張っても起きるのは親セッションである。したがって親は監督からは降りられるが、スケジューラからは降りられない。到達可能な形は「内容を読まない中継役」だけであり、本判断が採ったのはそれである
• 却下を loop 内で最終としたのは上限を守るため。 再提起を許すと 3 往復すべてが一件の押し問答で埋まりえ、押し問答を決着させられるのは親だけである。それを許せば、本判断が往復の内側から外した裁定役が上限の内側へ戻る。代償として誤った却下は出口まで検査されない（skills/evolution-parallel-agent-eval/SKILL.md Non-scope, What the three-round cap gives up が「見落とし」ではなく「降りた」として明記している）
• 収束は上限が担保し、skills/model-loop-safety の判断を親が保持する形は不要になった。 上限は run ごとに読むものではなく固定であり、ループの内側に数えている actor は居ない
• 観測 n=0。 本 PR 自身の brake 1 は旧仕様（単巡）で走っており、ループが効くのはマージ後から。post-merge observation（rules/evolution/memory-entry-format.md Self-Evolution Observation Format、2 週サイクル）に載せる
• 再評価条件 = 上限 3 往復の内側で打ち切った merge が、本番挙動として観測可能な実害を出した場合。あるいは往復が常に上限まで伸び、削減したはずのコストが単巡時を上回った場合

結論

採用：評価者 → PR コメント → 著者 → PR コメント、を上限 3 往復。親は入口を渡し、次のラウンドを開き、出口でスレッド全体を読む。

却下した案：

• 幅（N）を戻す。 #1862 の窓に対する直接の答えだが、床を下げた根拠（検出面を #1853 の probe へ移す）を撤回することになる。ゲートの形を変える方が、幅の判断を維持したまま検出の機会を増やせる
• 親が往復を監督し続ける形（現行の統合コメント経路を保ったまま上限だけ足す）。 親が per-round で所見を読む限り、ラウンドが増えるほど親のコンテキストに往復が積み上がる。監督は出口 1 回で足りるという判断がここに立っている
• 評価者を resume する形。 前回の所見を覚えているため上辺だけの修正を見抜けるが、自分の前回の所見にアンカーし、器具が「対象について無知な外部」でなくなる。効きが読めないため暫定で fresh spawn を採り、判断は #1848 の測定へ送った

関連

• issue #1863 / PR #1864 — 本判断の実装
• issue #1862 — 受け皿より先に縮んだ窓の観測。本判断はその論点への答え
• issue #1848 — A/B 検証機構。評価者 resume ／ fresh spawn の測定先
• issue #1853 — 行動照合 probe。床引き下げが名指しした受け皿
• issue #1865 — 本 entry と索引の追加