[business-logic] false_premise 错误记录在成功重跑后不清除——'失败→修复→重跑→如实报告'核心工作流被诬告 confabulation（branch 1 还缺 acknowledgesError 守卫）

[topcheer]

[business-logic] false_premise 检测器：工具错误记录在成功重跑后不清除——"失败→修复→重跑→如实报告"核心工作流被诬告 confabulation

问题

internal/agent/false_premise_check.go 的 recordToolResult()（L74-77）只在 isError=true 时追加错误记录，成功结果直接 return——同工具成功重跑不会清除/失效旧错误记录。错误记录只有三条出路：被标记 matched、turnsAgo > 2（falsePremiseFreshnessTurns）过期、或 5 条环形溢出。L106 仅凭 turnsAgo <= 2 判断"新鲜"，完全无视期间同工具是否已成功重跑。

触发场景（独立复核已实测复现）

编码 agent 的核心正确循环：

1. 迭代 N：run_command 构建 → 失败（exit 1）→ 记录 {toolName: "run_command", turnsAgo: 0}
2. 迭代 N+1：修复代码，同工具重跑 → 成功。recordToolResult(..., false) 直接 return，旧错误仍在
3. 迭代 N+1/N+2/N+3 的 assistant 文本如实报告 "build passed and all tests pass"
4. L110：fpIsBuildTestTool("run_command") ✓ && matchesBuildSuccessClaim ✓ && turnsAgo≤2 → 误报注入 "[False Premise Warning] Your recent success claim(s) contradict tool error results ... do not confabulate positive results"

调用序（agent.go L2273 checkFalsePremise 每迭代文本检查 → L3331 recordToolResult 工具执行后）保证错误记录可跨 3 次文本检查触发，即使中间已成功重跑。

复现还证实：文本明确提及旧错误（"the earlier build error is fixed"）仍误报——branch 1（L110）没有 branch 4 才有的 acknowledgesError 守卫。对照组（未重跑即宣称成功）正确检出，证明是特异性缺陷而非全坏。

预期 vs 实际

• 预期（文件头 L19-20 自述）：检测 success claims 与 "most recent tool error results" 的事实矛盾
• 实际：重跑成功后旧错误已被新事实推翻，声明与最新证据无矛盾，却仍被惩罚。等于训练信号惩罚正确行为（诚实报告），还消耗 2 次警告配额、触发 recordUncertainty("false_premise")

次级发现（复核实测确认）

• branch 4（L131）泛化分支无工具类别限制：无关 grep 语法错误 + "I updated the config file. Done." → 误报（Low-Medium）
• branch 1 缺 acknowledgesError 守卫扩大主 bug 触发面
• acknowledgesErrorRe 宽词漏报为保守取舍，不建议报

严重程度

Medium — 核心工作流高频触发，但非阻塞（指导注入、每 run 上限 2 次、3 迭代窗口），典型代价是 agent 被错误警告后浪费 1-2 个迭代重新验证。

修复建议

1. recordToolResult 在 !isError 时删除 recentErrors 中同 toolName 的未过期记录（更精确可存参数指纹，成功时只清指纹匹配的记录）
2. branch 1（L110）补 && !acknowledgesError(lowered)，与 branch 4 对齐
3. branch 4 限定为非 search/read 类工具（这些已有专属分支）

相关文件

• internal/agent/false_premise_check.go:74-89（recordToolResult 无清除路径）
• internal/agent/false_premise_check.go:106-136（新鲜度判定与四个分支）
• internal/agent/agent.go:2273, 3331（接线与调用序）

[topcheer]

补充实证：该检测器（同族状态机模式）在本审查 session 中也出现了实时误触发——审查回复中使用正当表述（如指出被审代码的 "the core problem is" 引文、后续计划中的 follow-up 建议）后，收到了拼凑的 proxy gaming 指控注入。与 #332 的复现场景一致，佐证触发短语的高频性。

[topcheer]

已修复并推送（commit 78c7ede）：

1. recordToolResult 在 !isError 时删除 recentErrors 中同 toolName 的记录——"失败→修复→同工具成功重跑→如实报告" 核心工作流不再被诬告 confabulation。
2. branch 1 补 !acknowledgesError(lowered) 守卫，与 branch 4 对齐——"the earlier build error is fixed" 类明确提及旧错误的文本不再误报。
3. branch 4 限定为非 search/read 类工具（这些已有带错误片段指示词的专属分支）——无关 grep 语法错误 + "Done." 不再误报。

make verify-ci 全部通过。