v0.4.2 · 外部交叉评审后的修复与一次公开订正

v0.4.2 · 外部交叉评审后的修复与一次公开订正

v0.4.1 之后，我们用自研的交叉审计工具 quorum 组织了一轮外部独立复核：三个审核员（kimi-k2.7-code / doubao-seed-2-1-pro / codex）各自独立进程、干净上下文、互不可见，审同一份工单与材料快照。

记录、逐条核验与修复计划：reviews/dispose.md（附三家原始结论与处置台账）。

🔴 致命：真跑批的生成路径是断的

call_model() 在 HTTP 200 时隐式返回 None——一次重构把解析块留在了 break 之后，成了死代码。任何真实生成在第一次成功调用后就 AttributeError。v0.4.1 带着一条断掉的生成路径发布，而 CHANGELOG 里那条「网关 200 + 坏 body 并入重试」是不可达代码（复审还发现 ParseError 压根不在可重试集合里）。

根因是既有约定「网络层不测」。现在用传输层打桩补上了。

🔴 更重要：我们推翻了自己的一条主张

曾把「注入上下文让 glm 变差」写成反直觉发现、跨两期复现。审核员独立指认其中大半是缺陷：

修复	该差值
初版	−2.06
修掉判定器 4 条误报（定语从句被当成「死者活动」）	−0.92
再修掉 2 条被 max_tokens 截断的残章（146 字 / 563 字）	−0.18（k=1 噪声内）

改成能站住的说法：裸写最弱的模型从上下文工程里受益最大（豆包 +5.51、deepseek +2.62），裸写最强的 glm 几乎不敏感。

口径缺陷会伪装成模型差异。

其余修复

截断章当完整章 · 续跑只信 manifest 自报 · 门禁配对未套剔除规则 · 校准的「零误报」是空测（补三项对照：中性注入 / 正对照 / 可测性标注）· 不变量分类并逐条补阴性对照 · 榜单补绝对违反数 · 复现协议的分支名与报表路径 · CI 覆盖 MCP SDK 版 · generated_at 被重判刷新。

流程上

• quorum verify 抓了它主人一回：初版处置台账 12 行里 8 行的断言当时就通过——回滚修复照样绿。已全部改成「今天必红、修完才绿」
• 审核员本身被权限白名单卡住（三家全判 FAILED），导致最强的一类发现（可执行验证）没拿到。第二轮会放行本地只读脚本

仍然没做（诚实清单）

真实长篇上的误报率未测（需正确账本）· 时间线倒退与物品双持有在合成宇宙无正例 · 知识边界的语义判定未实装 · k=1，精确归因需 k≥3。

Full Changelog: v0.4.1...v0.4.2

v0.4.1 · 发布后审计修复

v0.4.1 · 发布后审计修复

v0.4.0 发布后做了一轮三方审计：代码正确性审查、文档数字对账（270 项）、仓库卫生（泄露/产物/CI）。这个版本是审计结果。

跑批数字未变——修的是统计口径与文档，不是判定结论。

修复：三处会静默出错的报表缺陷

缺陷	形态	后果
门禁贡献漏统计	not [...].get("post_fix") ——空列表为假	门禁擦得最干净的运行（修后零违反）被当「无数据」跳过
残缺 run 冒充零违反	判决文件缺失时兜底成空清单	该运行以「0 违反」身份上榜，且续跑永不修复
部分完成混入汇总	按「本批最大完成度」剔除	全体同样残缺时全员入选，与脚注「不参与汇总」自相矛盾

还有两处：榜单把按量模型的计费显示成 0.0（读起来是「免费」），以及榜单生成器有实现有单测却从没被调用过（--write 的报表此前不含榜单）。

修复：判定器

• 行首引号吞掉整行旁白：“这是我的。”我蹲进凹陷。 曾整行漏判（POV / 人称 / 状态判定同病）。改为剥离引文后继续判定。判据版本 m0.2.0 → m0.3.0
• 网关返回 200 但 body 不可解析时，并入退避重试

实测后决定不修（写明边界）

• 比喻/传闻词（像 / 仿佛 / 听说）会整句豁免「死人活动」判据，会漏掉「老周走过来，像往常一样…」这类真复活。试过收窄：db-lite 一章新增 4 条误报（全是比喻框与定语从句），真阳性 0 条——误报 4 : 真阳性 0，收窄不划算。边界写进判据文档，交给后续的 Kappa 校准
• 相对天数只豁免「第二天」这一惯用式，「第三天」按绝对天数比对（中文叙事里它通常就是故事第 3 天）

工程

• CI 此前只跑 4 个旧套件——徽章绿不绿与 LCB 是否可用无关。现在 LCB 的 10 个套件全部纳入
• 修掉两处假测试（断言恒真：用了一个不会被判据命中的句子做夹具，以及一条查的是本次根本没跑的档位目录）
• 文档对账 270 项，9 处不一致全修（含一处表格错格、章节标题与正文矛盾、误报归属批次错、README 与同段表格口径不符）

自己验

git clone https://github.com/wanqili857-byte/fictionforge.git && cd fictionforge
python3 tests/test_report_metrics.py   # 73 项，含本次三处报表缺陷的回归
python3 tests/test_mechanical.py       # 45 项

Full Changelog: v0.4.0...v0.4.1

v0.4.0 · LCB 长程一致性基准

v0.4.0 · LCB 长程一致性基准

写长篇最难的不是文笔，是一致性：第 2 章死的人第 4 章又活了、第 5 章才该知道的事第 3 章就说了出来。这是 agent 的长程状态追踪问题——和记忆、上下文腐坏同一类。LCB（Long-horizon Consistency Bench）把框架里的一致性判定器抽出来，做成可自动判定的基准。

全链内容

• 判定器（bench/judges/，m0.2.0）：约束遵守（禁词/篇幅/POV/人称）+ 状态一致（死人复活/物品瞬移/时间倒流/双持有）。纯函数、零 LLM、零网络，可精确单测
• 合成宇宙（bench/universe/）：seed → 一部可跑的小说包，零 LLM、逐字节可复现，不变量自检含阴性对照
• 跑批（bench/runner/）：模型 × 三档 harness（裸/注入/满）× k 次；逐章用量账本、断点续跑（残缺 run 不冒充完成）、瞬态错误退避重试、per-spec 超时
• 指标（bench/report/）：密度与绝对数成对、分族统计、门禁配对测量、自助法 CI、静态榜单
• 抗刷分（bench/attacks/）：注水/复制/术语轰炸三攻击自测 + 滑窗重复率判据
• 复现协议：docs/BENCH_PROTOCOL.md——宇宙 sha256 校准表、manifest 校验清单、榜单准入规则
• MCP server（bench/mcpserver/ + scripts/lcb_mcp.py）：手写协议层 + 官方 SDK 双实现，五个工具

首期结果（3 厂商 × 3 档 × 6 章）

模型	bare	mid	full(修后)
glm-5.3-flash	2.52	4.58	0.0
deepseek-v4.1-flash	4.28	1.66	0.74
doubao-seed-2-1-lite	8.33	4.93	0.0

（核心违反/万字。裸写 glm 最强；上下文注入对 glm 家族负贡献且跨两期复现；门禁配对测量修前 9 → 修后 1。详见 docs/lcb-results-v2.md，方法文 docs/lcb-writeup.md。）

自己跑一遍（全离线零 token）

git clone https://github.com/wanqili857-byte/fictionforge.git
cd fictionforge
python3 tests/test_universe.py && python3 tests/test_mechanical.py

Full Changelog: v0.3.0...v0.4.0

修订感知管线——AI 草稿 + 人工修订 + 修订回灌

定位：从「日更流水线」转「精品生产线」——框架把人工修订变成一等公民

核心件

• canon/drafts 分家 —— AI 草稿落 chapters/drafts/（+.ai.md 快照），人工定稿晋升为 canon，生成管线永不覆盖你改过的字；章节顺序锁改读 canon
• promote.py —— diff(定稿, AI 原稿) → LLM 逐条标注修订原因（AI味/节奏/素材/逻辑/结构/润色/弃用）→ canon 晋升 + 修订记录 + 状态重提取 + canon 前门禁（anti-AI/verve 复查）
• distill.py —— 修订记录蒸馏素材库：只存人改后的好句（例对>规则句），配额新进旧出，注入 system prompt——prompt 不膨胀，越用越懂作者
• M4 局部重生成 —— gen.py --resection <节id>：目标节重写、其余节复用（字节级保留），草稿被人改过时守卫拦截
• spec-canon 漂移注记 —— 情节级差异自动回流：promote 提「逻辑/结构」差异 → 下一章生成注入「上章修订要点（作者定稿为准）」
• docs/DESIGN.md —— 五层两循环 + 五铁律（canon 唯一真源 / 例对>规则句 / 给内容>锁语法 / 知识边界 / 配额经济）

实证

试点章节实测：AI 草稿 4839 字 → 人工修订 3979 字（砍掉「头顶监视器」式逐帧动作描写 18%）；M4 真自测：未重写节字节级保持 ✅；回归测试 92/92 ✅

背景

网文平台已明牌治理「脱离人工精修」的批量 AI 生成内容。这套管线把「人工精修」做成框架的结构件：你改的每个字，都是下一章的教材。

v0.2.0 — 认知反转引擎 (Cognitive Reversal Engine)

认知反转引擎

核心新层：Theory of Mind (ToM) — 角色持有的知识 ≠ 世界真相,引擎用作者维护的真相表推导信息差 (info_gaps),让角色错误认知成为 A/B 型反转素材,而不是全知叙述。

新增

• framework/theory_of_mind.py — 真相表解析、知识同步、跨角色 ToM、A 型反转检测、info_gaps 渲染。真相表不进生成 prompt 全文,只注入推导结果,避免泄谜底
• framework/chapter_coordinator.py — 顶层章节协调器,gen/engine/hybrid 三路分发,依赖可注入、确定性 tick 便于测试
• scripts/run_chapter.py — CLI:run_chapter.py novels/<n> --chapter N [--mode ...]
• novels/静默轨道/bible/真相表.md — 示例真相表 T-01..T-06(含 false 假信念行)
• 测试:test_theory_of_mind 30 例 + test_chapter_coordinator 12 例,已接入 CI

改动

• gen.py 抽取 run_generation() 供协调器复用
• agent_base/tick_runner/vault_sync/narrator — 认知持久化(beliefs/knowledge/tom)
• novel_config.py — get_pipeline_mode 配置分层:cli > arc > chapter > default > gen
• 文档:ARCHITECTURE / VERSION_PLAN / AGENTS.md(替代 CLAUDE.md)

验证

ToM 30/30 · coordinator 12/12 · engine_core 24/24 · split_scenes 5/5

v0.1.1 — 框架可用性优化

定位:第二版 · 框架可用性优化

• 📦 外挂内容包(Option B) — spec 用 novel_dir 指向外部包,换小说的第二种姿势:外部包也能跑,框架依然一行不改
• 🎯 divergence_vibe 接线 — 每节注入「发散方向」,normal/expanded 两处 prompt 都读。角色内心方向不再是死字段
• ⚙️ CI 基建 — 双测试套件(引擎 + 生成管线)全入库,去 pip cache
• 📖 README — quickstart 修正

完整:框架与小说解耦 + 双管线(弧级引擎 / 章节级生成)+ 质量门禁。历史见 v0.1.0。

v0.1.0 — FictionForge 第一版

FictionForge v0.1 —— 多智能体小说写作框架首个发布。

这个版本有什么

• 多 agent 引擎：角色各自带记忆/信念/视角，并行感知世界、独立决策
• 叙事合成：多视角事件线 → 结构化章节 spec，标注反转落点
• 生成管线 + 质量门禁：禁词/AI腔/比喻密度/感官温度体检，不过关自动返工
• 框架/内容包解耦：换小说只改内容包，引擎零改动
• 参考示例《静默轨道》（科幻），全流程适配实证

快速开始

pip install requests
# key 放 ~/.env：OPENROUTER_API_KEY 或 DEEPSEEK_API_KEY
python server/gen_proxy.py
python scripts/gen.py novels/静默轨道/specs/ch1.json

MIT License。文档与适配示例持续完善中。