🥮 mooncakes.io

    vicTop-cw/fist-mbt/src/evolve does not have a README file

    Archive

    source
    pub struct Archive {
      items : Map[String, Artifact]
      path : String
    }

    档案库（进程内 Map 存储，持久化由调用方决定）。

    Archive::add

    source
    fn Archive::add(self : Archive, a : Artifact) -> Unit

    添加产物。若 parent 已在库中，累加其 children 计数。 重复添加同一 id（覆盖已有记录）时不再重复累加父节点 children，避免计数虚高。

    Archive::all

    source
    fn Archive::all(self : Archive) -> Array[Artifact]

    全部产物（值数组）。

    Archive::best

    source
    fn Archive::best(self : Archive) -> Artifact?

    最高分产物（空库 None）。

    Archive::dead_ends

    source
    fn Archive::dead_ends(self : Archive, limit? : Int) -> Array[String]

    低分产物（“此路不通”地图）：喂回给课程生成器绕开。

    Archive::get

    source
    fn Archive::get(self : Archive, id : String) -> Artifact?

    按 id 取产物。

    Archive::is_duplicate

    source
    fn Archive::is_duplicate(self : Archive, goal : String, threshold? : Double) -> Bool

    查重：某个 goal 是否与库中已有产物高度相似（Jaccard >= threshold）。

    Archive::is_empty

    source
    fn Archive::is_empty(self : Archive) -> Bool

    是否为空档案库。

    Archive::len

    source
    fn Archive::len(self : Archive) -> Int

    产物总数。

    Archive::lineage

    source
    fn Archive::lineage(self : Archive, from : String, depth? : Int) -> Array[(String, Double, String)]

    从某产物沿 parent 链回溯谱系（最多 depth 层），返回 (id, score, goal) 数组。

    Archive::new

    source
    fn Archive::new(path : String) -> Archive

    新建档案库。

    Archive::novelty

    source
    fn Archive::novelty(self : Archive, note : String) -> Double

    新颖性：1 - 与库中 note 的最大 Jaccard 重合。值越高越没见过。

    Archive::sample_parent

    source
    fn Archive::sample_parent(self : Archive, lam? : Double, a0? : Double, rand~ : () -> Double) -> Artifact?

    加权滚轮采样：p_i ∝ s_i · h_i，返回选中产物（空库 None）。 rand 注入 () -> Double（[0,1) 均匀），保证可测试。

    Archive::summaries

    source
    fn Archive::summaries(self : Archive, limit? : Int) -> Array[String]

    摘要（高分优先）：给课程生成器看的 top-N。

    Artifact

    source
    pub struct Artifact {
      id : String
      parent_id : String?
      goal : String
      note : String
      code : String
      score : Double
      parts : Map[String, Double]
      children : Int
      created_at : String
    }

    档案库中的一个产物。

    Artifact::create

    source
    fn Artifact::create(id~ : String, parent_id~ : String?, goal~ : String, note~ : String, code~ : String, score~ : Double, parts~ : Map[String, Double], created_at~ : String) -> Artifact

    构造一个产物（供外部包创建后加入档案库）。

    Artifact::from_json

    source
    fn Artifact::from_json(j : Json) -> Artifact

    从 JSON 反序列化 Artifact。

    Artifact::to_json

    source
    fn Artifact::to_json(self : Artifact) -> Json

    产出 JSON（供 MCP / 展示）。

    Artifact::with_children

    source
    fn Artifact::with_children(a : Artifact, n : Int) -> Artifact

    返回 children 字段更新后的副本（MoonBit struct 不可变，用于累加子代数）。

    SearchCandidate

    source
    pub struct SearchCandidate {
      name : String
      title : String
      source : String
      mechanism : String
      portable : Bool
    }

    搜索候选：一次外部调研产出的「可移植资产」候选。

    • name：候选名（去重键分量一，如库名/论文名）
    • title：展示标题
    • source：来源（去重键分量二，如 "crate" / "gh" / "paper" / "blogs"）
    • mechanism：实现机制/原理描述（供可移植性启发式评估）
    • portable：是否可移植（assess_portability 输出）

    analyze_candidate

    source
    fn analyze_candidate(name : String, title : String, source : String, mechanism : String) -> SearchCandidate

    基础清洗：对五个字段做 trim；portable 依据 mechanism 的启发式（assess_portability）。 去重键 = (trimmed name, trimmed source)。

    assess_portability

    source
    fn assess_portability(c : SearchCandidate) -> Bool

    可移植性启发式评估（粗糙但可复现，规则写死在此注释）：

    • mechanism 非空；
    • 长度合理：长度 ≥ 4（过短视为信息不足，不可移植）；
    • 含可移植性动作词（大小写不敏感）：port / portable / porting / adapt / wrapper / wrap / reuse / extract / portability / 移植 / 封装 / 复用 / embed / integrate / conforms / compat / decouple；

    满足全部三条 → true；否则 false。该评估是计算而非 LLM 自评，供 distill 过滤硬门槛。

    coverage

    source
    fn coverage(a : Array[String], b : Array[String]) -> Double

    覆盖率 |a∩b| / |a|——非对称，a 是基准（根目标），b 是待测文本。 Jaccard 用并集做分母，长文本天然被稀释：子任务多写 200 字模板就"更像漂移"， 那是长度惩罚不是目标偏离。coverage 只问"根目标里的词还在不在"，多写不罚。

    critic_dup_sim

    source
    fn critic_dup_sim() -> Double

    相似度 ≥ 该值判为"疑似重复/课程漂移"，直接建议 reject。 经验阈值：Jaccard 词集重合 0.70 足可视为同一路线。

    critic_most_similar

    source
    fn critic_most_similar(arc : Archive, note : String) -> (String, String, Double)?

    在档案库中找与候选 note 最相似的既有资产，返回 (id, note, 相似度)。 找不到（空库/候选空）返回 None。

    critic_review

    source
    fn critic_review(arc : Archive, note : String, score : Double, threshold? : Double) -> Json

    Critic 综合评审（SAGE Critic 角色，纯计算）：
    • novelty = Archive::novelty(note) （相对档案库新鲜度 [0,1]）
    • sim = 与最相似既有资产的重合度（最相似者）
    • combined = score==0.5（未计分）→ novelty；否则 0.5score + 0.5novelty （BUG-60：中性 0.5 不参与加权，否则 combined 上限 0.75 永远够不到默认阈值 0.85）
    • admit = sim < dup_sim 且 score_accept(combined, threshold) 返回决策 JSON：{ admit, novelty, score, combined, threshold, sim, rank, reason, top_hit? }。

    distill_candidates

    source
    fn distill_candidates(cands : Array[SearchCandidate]) -> Array[SearchCandidate]

    蒸馏：去重（同 name+source 只留首个）+ 只保留 portable 的 + 按 source 有序输出。 「输出有序」依 source 字符串升序（字典序）排列，稳定（同 source 保持原始先后）。

    evolve_lesson_persist

    source
    fn evolve_lesson_persist(store : 
    SqliteStore    ?, id~ : String, cat : String, reason : String, fix : String, now : String, score? : Double) -> Bool

    把一条教训持久化为 [lesson] 资产（域无关，仅落库 evolve_artifacts）。
    • store 为数据库句柄（None = 内存态，返回 false）
    • id 由调用方生成并保证趋唯一（重复 id 走 upsert 覆盖，避免多轮打回互相覆盖）
    • note 存失败原因、code 存纠偏提示（为空则取 reason） 返回是否成功落库。

    is_duplicate_candidate

    source
    fn is_duplicate_candidate(a : SearchCandidate, b : SearchCandidate) -> Bool

    判重：候选去重键一致（name 与 source 均相等）即视为重复。

    is_robust

    source
    fn is_robust(score : Double, floor? : Double) -> Bool

    稳健性谓词：score 不低于 floor（默认 0.70）视为稳健产物。 用于在采样/蒸馏前过滤掉脆弱产物。

    jaccard

    source
    fn jaccard(a : Array[String], b : Array[String]) -> Double

    两个 token 数组的 Jaccard 相似度 |a∩b| / |a∪b|。

    lesson_goal

    source
    fn lesson_goal(cat : String) -> String

    构造 lesson 类目目标串：goal 前加 [lesson] 前缀（幂等，已有前缀则原样返回）。

    lesson_ts_part

    source
    fn lesson_ts_part(now : String) -> String

    从时间戳提取 id 片段（去分隔符、取前 16 位），用于生成可读且趋唯一的 lesson id。
    fn run_external_search(cmd : String, args : Array[String], runner? : (String, Array[String]) -> Result[String, String]?) -> Result[String, String]

    经注入命令执行外部搜索，返回原始文本（成功 Ok / 失败 Err）。

    不内置网络、不硬编码路径；搜索执行器由调用方通过 注入参数 runner 传入 （供上层接入，测试用 mock 注入）。未注入（默认 None）→ Err「未注入搜索执行器」。

    score_accept

    source
    fn score_accept(score : Double, threshold? : Double) -> Bool

    门禁放行：score 达到阈值（默认 0.85）即通过。 供 evolve_submit 落库前 / Omega gate 复用——决策来自可计算分数，而非 LLM 主观判断。

    score_artifact

    source
    fn score_artifact(coverage : Double, fingerprint_ok : Bool, schema_ok : Bool, accuracy : Double) -> Double

    综合评分公式（返回 [0,1]）：

    structural = (fingerprint_ok ? 0.25 : 0) + (schema_ok ? 0.25 : 0) // 结构完整分量，max 0.5 completeness = coverage.clamp(0,1) * 0.25 // 覆盖度分量，max 0.25 correctness = accuracy.clamp(0,1) * 0.25 // 正确度分量，max 0.25

    score = clamp(structural + completeness + correctness, 0, 1)

    理由：
    • 结构完整性（fingerprint + schema）是硬前提，合占 0.5。产物若连"可被验证"都满足不了， 即便内容正确也不该排到前列；故两个结构位每个按 0.25 硬惩罚。
    • 覆盖度与正确度各占 0.25，奖励"解得全、解得对"，线性映射可复现。
    • 满分 1.0 当且仅当四项全优（coverage=1、fingerprint、schema、accuracy=1）。

    score_of_lesson

    source
    fn score_of_lesson(score : Double) -> Double

    lesson 分数默认 0.5（教训典型中性样本，不参与 best，但参与死路地图权重）。

    score_rank

    source
    fn score_rank(score : Double) -> String

    档位分档（L4 最高），阈值自定、docstring 写明： L4 score ≥ 0.85 —— 优（放行进入 DGM 高分候选） L3 0.70 ≤ score < 0.85 —— 良 L2 0.55 ≤ score < 0.70 —— 中 L1 score < 0.55 —— 弱（档案库仍保留，作谱系垫脚石）

    tokens

    source
    fn tokens(s : String) -> Array[String]

    切词单真源（BUG-25 标定后重写）：ASCII 词 + CJK 单字 + CJK 相邻二字组，去重。

    旧口径是"可见字符集"——对中文等价于逐字拆散，熔断器三态 与 三态熔断器 同分， 而真正的病灶是改写型子任务：子任务合法地换一套词（"依赖图恒空"→"增量编译链修复"）， 字符集重合因此趋 0，绝对阈值下 15/15 全判漂移（实测见 scripts/calibrate_goal_drift.py）。 新口径加 ASCII 词与 CJK 二字组，让"同词/同词组"才计分： 全量父子对（1222 条）假阳性 16.9%→1.9%，随机错配对照仍 81.3% 判可疑。 口径必须与 scripts/calibrate_goal_drift.py 逐字对齐——数字不是抄来的，是那条命令跑出来的。

    unigrams

    source
    fn unigrams(s : String) -> Array[String]

    可见字符去重集（旧 tokens 口径，保留给兄弟冗余用）。 兄弟重复的典型形状是"词序换位"（数据采集模块 ↔ 采集数据模块）， 二字组口径会把它们放行（jaccard 0.556），字符集恰好对词序不敏感（1.0）； 实测这个分量在真实非模板家族上不额外增加误报（两种口径同为 34.8%，见标定脚本）。

    Source Files

    Powered by MoonBit

    Site sourceReport issuePackagesBuild queueSkillsStatistics

    © 2026 mooncakes.io