[Shadowell]

概要

赛马被系统判负（lost_futility、lost_exam）且相对母体改了两处及以上的挑战者，会在开发窗口上逐项消融：先测母体基线，再把每一处改动单独加到母体上回测，得出每项改动是有害、有益还是中性；结果作为单因素观察回流研究记忆，下一轮 AVO 可以据此提出「只留有益改动」的收窄候选。结论是开发窗口内的单因素效应，不含改动之间的交互，不是因果结论。

依赖与合并顺序

• 叠在 feat(arc): 赛马输赢回流研究记忆——前向结果表、裁判记账与沿接班链回流 #79（赛马前向结果回流研究记忆）之上，base 是 codex/race-outcome-memory。请先合并 feat(arc): 赛马输赢回流研究记忆——前向结果表、裁判记账与沿接班链回流 #79；feat(arc): 赛马输赢回流研究记忆——前向结果表、裁判记账与沿接班链回流 #79 合并并删除分支后，本 PR 会自动改到 main。
• 两个 PR 都等用户在对话里确认后再合并；本 PR 含迁移 0051_arc_ablation_runs，会改变生产研究环。

做了什么

• 账本：迁移 0051 新增 arc_ablation_runs（每个 target/挑战者一行，唯一键）与 arc_ablation_steps（每项改动一步，唯一键 (run_id, step_key)）；迁移幂等可重跑，SQLite 与 PostgreSQL 都测过。
• 引擎 arc/ablation.py：从 arc_forward_outcomes 挑已对接血缘的输家；冻结开发窗口（as_of 为前一天）；走与 AVO develop 同一条 ARCSelfTestService.run(purpose="development") 路径（同成本、资金、标的口径）；self_test.run 新增可选参数 data_reference，让候选直接用基线回测的封存数据，避免为带结构算子的候选再隐式建一行基线，从而每个输家恰好「改动数 + 1」次回测（不传时 AVO 行为不变）。
• 幂等与恢复：BitPro 幂等键由母体身份、开发窗口、资金、标的与周期派生、不含输家身份，同母体同窗口的同一改动复用变体行与回测作业，复用不计费；检查点存在步骤行，语义仿照 BacktestActionRunner（读失败有界重试、中断有界续跑、单作业等待上限 24 小时、版本变化原样记失败）；计费点是作业身份落库，崩溃后重放同一幂等键不重复建作业、不重复计费。
• 预算：EvolutionConfig 新增 ablation_enabled（默认开）、ablation_max_backtests_per_day（默认 6，按 UTC 日）、ablation_max_backtests_per_loser（默认 6，范围 3–6）；不占每日研究名额；一次只跑一个回测。旧的已存配置照常加载。关闭：把 ablation_enabled 设为 false。
• 记忆回流：_memory 在前向结果之后、开发记忆之前插入 type=ablation 条目（memory_id 形如 ablation:<run_id>），只投影本轮已展示的前向输家的已完成消融；与前向结果合计不超过 8 条，模型可见的前 20 条里开发记忆至少 12 条；消融窗口不得晚于本轮开发窗口结束日；出错只记运行错误，研究照常。AVO 系统提示说明含义与引用方式；研究证据视图单列 ablation_references。
• 可观察：GET /api/v1/arc/evolution 的 budget.ablation（当日用量与上限、各状态任务数、原因计数、输家计数、下次检查时间；独立事务，失败只降级为 unavailable）；效果报告新增 ablation_* 字段；只读列表 GET /api/v1/arc/evolution/ablations（不含原始回测指标）。失败都写具体原因码（如 parent_changed_since_race、parent_relay_hold、daily_budget_exhausted、too_many_changes），不补零。

安全边界

• 只回测、只用开发窗口，从不请求最终验证窗口；不碰 Paper／实盘，不建 ARC 任务，不进 incubation 与 Paper 审核（测试用一个只允许五个回测相关方法的假客户端证明）。
• 消融行是停止状态、无正式 Paper 审核绑定。已对照 BitPro main（59c869ca）核实：auto_enroll_uncontested_variants 只纳管 has_formal_review_binding 为真的候选，relay_variants 也跳过未审核的候选，所以消融行不会被当成挑战者，也不会进入 tried_variants。不需要新增 purpose，BitPro 未改。
• 影响面：budget_status 与 _memory 的 GitNexus 影响分析为 HIGH（tick 扫描依赖），两处新增逻辑都在独立事务或 try/except 内，异常只降级自身；相对 feat(arc): 赛马输赢回流研究记忆——前向结果表、裁判记账与沿接班链回流 #79 分支的 detect_changes 为 LOW，无受影响执行流程。

验证

• 新增 tests/test_arc_ablation.py、test_arc_ablation_schema.py、test_arc_ablation_postgres.py（真 PostgreSQL）、test_arc_ablation_observability.py、test_arc_ablation_memory.py，并在 test_arc_self_test.py、test_arc_evolution.py、test_arc_external_surface.py、test_avo_evidence.py 补充用例。
• 对 9 处关键守卫做过变异检验（作业复用、计费标记、母体身份校验、隐式基线、每日上限、名额共享、记忆顺序、证据视图隔离、记忆失败隔离），去掉任一处都有用例失败；每日上限有两道检查，同时去掉才失败，属有意冗余。
• 完整检查（LC_ALL=en_US.UTF-8）：前端 lint、15 项测试与构建，ruff、mypy（319 个文件）、pytest 2325 项全部通过。前端复用主工作区依赖、未重新安装。

未线上实测与已知限制

• 未在生产上跑过；首次运行会对已有的已关联输家逐个排队，每天最多 6 次回测。
• 需要 BitPro 配合的点（本 PR 未改 BitPro）：BitPro 每个母体只扫描最近 400 条 purpose=candidate 回执，消融行会占用这个扫描窗口（复用与每日上限使影响有限，长期可在扫描时排除无审核绑定的行）；BitPro 谱系接口需要管理员会话，未用于历史回填。
• 崩溃恰好发生在「记下续跑次数」与「发出续跑请求」之间时会多算一次续跑（与原 BacktestActionRunner 相同的边界）。
• 前向赛马的时间段可能与下一轮最终验证窗口在日历上重叠；记忆条目只给结论级数字，最终验证仍按同窗基线比较与门禁执行，不因此放宽。
• docs/agent_architecture_and_interview_handbook.pdf 未重新生成，其中迁移数仍为旧值。

实现由 DeepSeek V4.1 Flash 按 Claude 的任务书执行，每个提交都经 Claude 审查。

🤖 Generated with Claude Code