## 直接答案

这份 **MatrixSpec RSI 工作流演进研究快照**记录了 H0 → H1 → H02 → H03 → H04，再分成 H05 与 H052 → H0601 的历史。Bare / no-SDD 是独立对照。研究改变的是 harness、角色和 SDD 规则，没有训练模型权重。

**正式评测、实验控制器和后期两阶段流程主要在 Workflow Arena 仓；基础 CLI、工作流状态机和 H1 回退能力在 MatrixSpec 仓。** 本次把已有网页、Git 版本记录与公开实验汇总迁入 [luobosibing2/MatrixSpec](https://github.com/luobosibing2/MatrixSpec)，不表示已经把 Workflow Arena 的全部实验流程移植到 MatSpec 产品。

快照日期：**2026-10-11**。[在线阅读](https://luobosibing2.github.io/MatrixSpec/)使用 GitHub Pages；[源码与证据目录](https://github.com/luobosibing2/MatrixSpec/tree/main/docs/research/matrixspec-rsi)保存在本仓。也可下载后直接打开[离线网页](index.html)，无需构建。网页保留已有概述、模型条件表、真实比较图、Q1/Q2/Q3 正文、可展开附录与两份证据子页。

GitHub Pages 由仓库的 `matrixspec-rsi-pages.yml` 工作流部署：`main` 分支中本研究目录或工作流自身的改动触发发布，也可从 Actions 手动运行。它只上传本目录的静态文件，在线内容以最近一次成功部署为准。

## 两个仓库如何配合

| 仓库 | 研究中的职责 | 源码位置或版本入口 |
| --- | --- | --- |
| [Workflow Arena](https://github.com/luobosibing2/workflow-arena)；上游 [kvenux/workflow-arena](https://github.com/kvenux/workflow-arena) | Prepare → Run → Freeze → Audit → Judge → Summarize 评测链；任务与冻结证据；harness Controller；H052/H0601 流程覆盖 | `engine/drivers/matrixspec-lean/`、`packs/capabilities/matrixspec-lean-v1/overlays/` |
| [MatrixSpec GitHub 镜像](https://github.com/luobosibing2/MatrixSpec)；上游 [OpenMatrix/MatrixSpec](https://gitcode.com/OpenMatrix/MatrixSpec) | 基础 CLI、workflow 状态机、模板；H1 的 blocked verdict、back、invalidation、repair 能力 | H0 runtime `a93d0b8`；H1 实现 `58b71b7`；Lean runtime `7290445` |

H052 和 H0601 的 capability 固定基础 MatrixSpec `7290445e7cfab5427899f521ec263407426e44b6`，再安装 Workflow Arena 自己维护的 workflow/template overlays。仅看到基础 pin 不能把后期新增流程归为 MatrixSpec 产品的实现。

## commit 到底表示什么

一个 Git SHA 只在具体仓库与具体用途下有意义。这里保留四种记录：

| 记录 | 回答的问题 | 例子 |
| --- | --- | --- |
| 实现提交 | 哪次代码修改引入机制？ | MatrixSpec `58b71b7` 引入回退；Workflow Arena `2537d05` 引入两阶段 Change Spec 流程 |
| runtime pin | 被测代理实际加载哪个基础版本？ | H0 MatrixSpec `a93d0b8`；H052/H0601 MatrixSpec `7290445` |
| execution / condition pin | 哪个评测平台或条件版本绑定这轮运行？ | H0 Terra/high Workflow Arena `d716d5c`；H0601 factor `H0601-da2b42b` |
| 核验时 HEAD | 整理档案时仓库位于哪里？ | 它是本次核验快照，不能倒推为所有历史运行的执行版本 |

关键实现与运行记录如下。短 SHA 用于阅读；完整值、仓库对象核验、manifest pins 和远端可达性见 [Git provenance](data/git-provenance.json)。

| 历史记录 | 仓库 / 来源 | commit 与边界 |
| --- | --- | --- |
| H0 基础 runtime | MatrixSpec | `a93d0b8d804db4b7864159f8b04234a457c18f1e` |
| H0 Luna 正式执行 | Workflow Arena | Lane A `a083c4da577e6144a04e65dd96ab62f2c6cb48b2`；Lane B `c217bce043a0356d9e2a16f94a85a0fa7a9040e7` |
| H0 Terra/high 正式执行 | Workflow Arena | `d716d5cbef7ac7bd4913b148b8367c57cee36dfa`，不能倒写为早期 Luna 运行版本 |
| H1 回退机制实现 | MatrixSpec 本地功能分支 | `58b71b774155f4b785f79effad10e08ca6958caf`；不是 H1 formal runtime，GitHub 镜像中未找到该对象 |
| H1 formal runtime | 独立 MatrixSpec checkout 的 manifest | `2291c4b5b119e00df751d841a81e12afdecac443`；目前为 manifest-only 记录，不声称已发布该 Git 对象 |
| H02 formal runtime | 独立 MatrixSpec checkout 的 manifest | `af038b14125bfc4d1c89a5dc1148ba1af28e35e5`；同样保留 manifest-only 边界 |
| H03 / H04 runtime | 独立 MatrixSpec checkout 的 manifest | `6a5a17e9a137d5e253b7f427002bbd03bf193546`；不能与当前 MatrixSpec `main` 混同 |
| H052 两阶段实现 | Workflow Arena | [2537d05784f5fe524d94442cdbd678e3aa600353](https://github.com/luobosibing2/workflow-arena/commit/2537d05784f5fe524d94442cdbd678e3aa600353) |
| H052 D8 evaluator 修正后的条件 | Workflow Arena | `a601aa86730c620e5a3ef777c32d535d59c82ece`，不是两阶段机制首次实现提交 |
| H0601 REQ-bound visible verification | Workflow Arena | [a1057588597cedfd58c7d4e03328e9795e8f7209](https://github.com/luobosibing2/workflow-arena/commit/a1057588597cedfd58c7d4e03328e9795e8f7209) |
| H0601 Change Spec 自检与确认 | Workflow Arena | [2a5b1d094eade1835b433ed5e4aafb3e9dd09ed4](https://github.com/luobosibing2/workflow-arena/commit/2a5b1d094eade1835b433ed5e4aafb3e9dd09ed4) |
| H0601 正式 condition identity | Workflow Arena | `H0601-da2b42b`，完整 `da2b42bd7f84d12f990c273a6485f84838f94d88`；实现提交与条件身份分列 |

H04 的代码基于 H03，但选卡来源是 H02 agent-derived W-02 → P-01。H05 和 H052 分别选择 H04 的不同卡，是 sibling；H0601 继承 H052。完整的 generation / analysisRunId / Weakness / Proposal 命名空间见[进化入口索引](docs/matrixspec-evolution-entries.html)。

## 实验结果保留了什么

每代的主视图均为 D1–D8 共 8 个任务 × 3 次重复 = **24 个有效行为单元**，D8 始终计入。Judge 每格两名，通常为 48 份评分。流程完成、产品验证、Audit、Judge 和 token 成本分别记账，不能用一列替代另一列。

| 条件 | 流程或终态 | 外部 focused / product | Blind Judge 均分 | Candidate/Harness tokens |
| --- | --- | --- | ---: | ---: |
| H0 Luna/xhigh | workflow 18/24 | 19/24 | 90.1250 | 597,146,805 |
| H0 Terra/high 模型条件 | workflow 14/24 | 15/24 | 88.0625 | 292,164,097 |
| H1 主视图 | workflow 10/24 | 18/24 | 93.5208 | 316,713,117 |
| H02 | workflow 17/24 | 19/24 | 94.4792 | 247,515,656 |
| H03 | workflow 18/24 | 18/24 | 94.8958 | 276,702,480 |
| H04 | workflow 12/24 | 17/24 | 89.7917 | 219,748,287 |
| H05 | workflow 15/24 | 20/24 | 95.0000 | 259,151,137 |
| H052 corrected | workflow 24/24 | 19/24 | 92.7708 | 116,857,308 |
| H0601 effective | workflow 24/24 | 18/24 | 94.3333 | 84,836,263 |
| Bare / no-SDD | Candidate terminal 24/24 | focused/hidden 17/24 | 72.4375 | 42,327,170（Candidate-only） |

这些是历史观察，不是对单个机制的随机因果检验。H0→H1 同时更换了 Candidate 模型，H05 有 fast/priority 和执行 amendment，后期工作流与成本统计范围也发生变化。端点图使用 H0 Terra/high 与 H0601，以匹配被测执行模型；它与产生 W-03 的 H0 Luna 基线分开标注。

负面结果原样保留：H1 的 workflow completion 降到 10/24；H04 的 completion 与 Judge 均分下降；H052 虽 workflow 24/24，product 仍为 19/24。H0601 另外报告 treatment audit **13/24**、pre-hidden Candidate-visible verification **9/24**，这些失败包含 adoption、receipt currentness、工具和 runtime 等不同问题，不能全部解释为产品质量。

有效结果还保留两项修正边界：H052 D8 使用 fixed-v1 evaluator 与声明的 replacement 口径；H0601 D1 R3 使用同一冻结 Candidate package 的 Judge-only source-slot replacement，未重跑 Candidate/Operator/Controller。详细数字与 replacement hashes 见[跨代汇总 JSON](experiments/matrixspec-harness-evolution-h0/reports/cross-generation-summary.json)、[评测对账表](experiments/matrixspec-harness-evolution-h0/model-evaluation-ledger.md)和[H0601 有效汇总](archive/matrixspec-evolution/results/H0601/campaigns/cli-item-list-fields-matrixspec-lean-h0601-eval-r1-judge-recovery-20260814-r1/h0601-effective-summary.md)。

H052 主表的 **92.7708** 使用[修正后跨代汇总](experiments/matrixspec-harness-evolution-h0/reports/cross-generation-summary.json)：Judge 总分 **4,453**，其中 D8 为 **462**，共 48 份评分。[旧 D8 selection 快照（非修正后主结果）](archive/matrixspec-evolution/evaluations/h052/verified-results.json)记录总分 **4,375**、D8 **384**；差值 **78** 全部来自按 fresh D8 替换口径纳入的新 D8 结果，两版分别保留。

## 离线材料与来源

- [主网页](index.html)：实验总览、初始 SDD、逐代流程、真实结果图、Q1/Q2/Q3、W-03 实案及仓库/提交说明。
- [代际简史](docs/matrixspec-generation-evolution-history.html)与[进化入口](docs/matrixspec-evolution-entries.html)：完整命名空间和选卡逻辑，附整理后的 Markdown 正文。
- `archive/`：页面引用的匿名汇总、Weakness/Proposal、H0 coverage/pattern/shortlist/handoff、H0601 promotion。
- `experiments/`：跨代聚合与模型评测 ledger。
- [Git provenance](data/git-provenance.json)：仓库与 Git 对象/manifest pin 的核验记录。
- [来源核验清单](data/source-verification.json)：来源文件与发布副本的 SHA-256，区分原始 hash 和发布 hash。

源网页采用已有发布版 `5996577cd2da067e72b700239bd621d9cd7afa90` 的静态文件，来源页面 SHA-256 为 `cd7cb0deb48a3c899cb95ad8b72fde8c64d2bd747dd2189eb97fa0253a9b476c`。本次只取实际引用闭包，不复制站点 `server/`、旧版 `previous/` 或未引用的规划材料。

迁入副本调整了相对链接，并把缺失来源改为文字定位信息。JSON 中本机绝对路径规范为 `historical-worktree://`、`workarena-source://` 、`historical-home://` 或 `historical-temporary://`；它们是历史来源标识，不是可打开的链接。Markdown/HTML 中未打包代码和会话用 `WorkArena:…` / `MatrixSpec:…` 文字定位。数值、冻结 package hash、Judge hash 与实验身份保留；经整理的发布文件不能用原始文件 hash 直接校验，须使用清单里的发布 hash。原来源未被回写。

## 边界与验证

本次提交的是研究文档和证据节选，不能写成“所有实验结果和轨迹都已提交到 MatrixSpec”。原文的“主归档”“main”指 Workflow Arena 原来源仓。H0 原始 raw-sessions、完整运行 HOME、凭证、用户会话和完整 Judge packages 不在本快照；H1/H02/H0601 部分原始材料还存在历史归档缺口。已打包内容与缺口由来源清单和正文同时说明。

H1 实现提交 `58b71b7` 只证明本地功能分支中存在代码；H1/H02/H03/H04 formal runtime 目前只确认 manifest 声明。它们不等于 GitHub 镜像已发布这些提交，也不证明 MatrixSpec 当前产品采用了全部实验 treatment。README 中可点击的 commit 页面仅用于已核验可访问的对象；其他项链接到本地 provenance。

本目录可做静态复核：检查所有本地链接和 HTML/Markdown 锚点、HTML 内嵌 JavaScript 语法、JSON 格式和 `git diff --check`；浏览器检查桌面与 390px 的目录、正文、宽图/表与展开附录。静态文档检查不等于重跑历史评测。此次没有启动 Candidate、Operator、Reviewer、Judge 或 live campaign。