状态：✅ 已实施（2026-07-28）。P1（config 排除法）+ P3（thinking 回传契约） 全部落地；真机验收 20/20 = 100%，与 A 臂零方差形态一致（§6.2）。
起因：MiniMax 走 Anthropic 兼容接口，但有自己的特征——
thinking参数语义、 thinking 内容块必须原样回传（官方 M3 function call 文档），且 M2.x 关不掉 thinking。问「如何用一个标准的 provider 同时支持多个差异化的方案」。⚠ 本文初稿的核心推论被自己的实验大幅修正了，两轮实验的账：
minimax_thinking_replay_experiment.clj（§7.1）：M2.7 三臂完全无差别； M3 上剥掉 thinking 回传让模型少思考（4.50→3.33 次/链，两组不重叠）， 但轮数、工具调用数、答案全同——行为差异确认，质量损害未证明。minimax_thinking_quality_experiment.clj（§7.5.1，为回答上一条而设计的 难任务 + 预注册判据）：n=20/臂，A 20/20、B 16/20，p = 0.0530 未过线 → 判为功效不足（不是「没差别」），按规矩当场维持不立项。- 确证实验（§7.5.3，n=40/臂，主指标与脚本一字未改）：A 40/40（方差为零）、 B 33/40；p = 0.0059 < 0.05 → P3 立项。正确率翻倍样本后几乎没动 （80.0%→82.5%），动的只有功效——印证了上一条的判断。
全程的方法论骨架：判据先于数据。它先挡住了「我早就觉得该做」（p=0.053 那次 没有放行，也没有切换到当时已显著的次指标），再在样本足够时双向地放行。 规则若只在支持自己时才作数，那它一开始就不是规则。
这正是本仓库那条惯例的价值：这种判断不能靠推导定案（README「Live 验证脚本」一节， 以及
advisor-alignment-design.md§2.3–2.5 里被真机推翻的三个单测判断）。先读
design-principles.md（§1 无真实需求不建）。 相关：response-path-consolidation.md（core 收回 厂商 wire 知识——本文的方案必须不违反它）、memory-filter-refactor.md（中立消息是历史的唯一真相）、agent-loop-concurrency-design.md§12.4 （:writes：只进历史、不发给 LLM 的消息字段——本文:blocks的先例）。
MiniMax 的差异不是一类，是三类。把它们合成一个 MinimaxProvider 是本题最容易
犯的错——因为其中一类的变化轴根本不是 provider，是模型。
| # | 差异类型 | 例子 | 机制 | 现状 |
|---|---|---|---|---|
| A | 端点 | base-url / /anthropic/v1/messages / Bearer 鉴权 | config merge | ✅ 已解决，不要动 |
| B | 请求参数 | thinking: {"type":"adaptive"}；M3 缺省关、M2.x 关不掉 | 参数透传（模型特征表暂不建，§7.3） | ✅ 已修（§6.1 排除法），实测开关语义与文档一致 |
| C | 会话状态 | thinking 块 + signature 必须原样回传下一轮 | 可选协议 + 中立消息不透明载荷 | 🚧 已立项待实施：M2.7 无影响；M3 正确率 100%→82.5%、逐轮全对 100%→47.5%、思考 8.0→2.75，确证实验 n=40/臂 p=0.0059（§7.5.3） |
骨架结论：不动 ILLMProvider。差异化能力放独立可选协议，调用点用
satisfies? 探测——有则用、无则退化。能力是发现出来的，不是继承出来的。
为什么 C 不能用 config 解决：它要求把 provider 的不透明数据穿过中立层再送回去。 config 是单向下行的，穿不回来。
provider/minimax.clj 全文 51 行，只有一张端点表 + 一次 merge：
(def ^:private minimax-endpoint
{:provider-name :minimax :base-url "https://api.minimaxi.com"
:api-path "/anthropic/v1/messages" :auth-scheme :bearer :anthropic-version nil})
anthropic/create-provider 接住它，AnthropicProvider 的 provider-name 从 opts 读。
这是 A 类差异的正确形状，本文不动它。问题在于：它是唯一的挂载点——
minimax.clj 里没有任何地方能表达行为差异。
build-kernel 白名单）anthropic/build-params 其实早就原样透传 :thinking（anthropic.clj:372）：
thinking (assoc :thinking thinking)
但 common/build-kernel 只把三个键放进 service config（common.clj:33-36）：
(cond-> {:model (:model opts "glm-4") :max-tokens (:max-tokens opts 4096)}
(:temperature opts) (assoc :temperature (:temperature opts)))
于是走 create-agent 的人递不到 :thinking——只能自建 kernel/service 绕开
agent 门面。能力存在但不可达。
回传链上有两处把块结构抹平：
advisor/memory.clj:22-33 response->neutral——把归一化响应重建成中立
assistant 消息时，只用 :text 与 :tool-calls。:reasoning 字段（model/response.clj:96
extract-reasoning 抽出来的字符串）在这里就没了，块结构与 signature 更是
从未进入中立层。wire/anthropic.clj:30-38 assistant->wire——反向也只会造 text 与 tool_use
两种块。即使中立层带了信息，也没有出口。数据其实早就攒好了：流式层处理 signature_delta 时（stream/anthropic.clj:180）
把签名挂到对应块上，注释写的就是「便于多轮 thinking 回传」。攒完，然后在中立层被丢掉。
初稿的推论是：MiniMax M2.x（thinking 关不掉）走工具调用多轮时，我们回给模型的
assistant 消息缺少 thinking 块，interleaved thinking 的前提不成立——官方文档的原话
是 response.content 是个列表、必须完整返回。
这个推论被实验修正了：M2.x 上不成立（§7.1，thinking 关不掉，回传里有没有历史 thinking 都一样），但在 M3 上成立且有质量后果（§7.5.3，正确率 100%→82.5%）。 「文档要求」与「不照做会怎样」终究是两回事——支撑立项的是后者，而它花了三轮 实验才拿到。§1.3 描述的抹平自始至终都在，变的只是我们知道它值多少。
这是最容易做错的一点。同一个 MiniMax provider 实例同时服务 M3 与 M2.7，而两者的 thinking 语义相反：
| 模型 | 省略 thinking | {:type "adaptive"} | {:type "disabled"} |
|---|---|---|---|
| MiniMax-M3 | 关闭 | 开启 | 保持关闭 |
| MiniMax-M2.x | 仍然开启（关不掉） | 开启 | 仍然开启 |
所以不能把它做进 record、工厂函数或 provider 级 config——那等于宣称「这个 provider 只服务一种模型」。正确形状是一张按模型名解析的特征表：
;; minimax.clj —— 数据，不是代码
(def model-traits
[[#"(?i)^MiniMax-M3" {:thinking-default nil :thinking-forced? false}]
[#"(?i)^MiniMax-M2" {:thinking-default nil :thinking-forced? true}]])
:thinking-forced? 不是用来发参数的（它发不出去），是用来告诉下游
「这个模型一定会吐 thinking 块，C 类回传契约必须生效」。它驱动 C，不驱动 A。
这不是 MiniMax 特例，是同一个问题的三个方言：
| 厂商 | 必须原样带回的东西 |
|---|---|
| Anthropic（官方） | thinking 块 + signature（thinking + tool_use 同时启用时，缺签名会被拒） |
| MiniMax | 整个 response.content 列表（含 thinking 块）；OpenAI 口径下是 reasoning_details 或 <think> 原文 |
| Gemini | thought_signature |
三家的共性：有一段数据，中立层看不懂、也不该看懂，但必须原封不动送回去。
这正是 response-path-consolidation.md 那条约束的
边界情形——core 收回了厂商 wire 知识，所以 core 不能认识 thinking 块；但它
需要一个不解释、只搬运的口袋。
ILLMProvider，用可选协议 + satisfies? 探测ILLMProvider 是 DIP 的端口。往里加方法 = 所有 provider（含用户自己实现的）当场
破坏性变更。supports-function-calling? / supports-stream? 这两个布尔位是既成事实，
但不该再沿着这条路加——每来一个能力就改一次协议，不可持续。
;; core：新增独立协议，老 provider 一行不改、不实现即无此能力
(defprotocol IReplayableResponse
"响应里存在「必须原样带回下一轮」的不透明块时实现本协议。"
(replay-blocks [this raw-response]
"→ {:format <keyword> :data <原样载荷>}，无则 nil")
(blocks->wire [this blocks]
"把上面存下的载荷还原成本 provider 的 assistant content；format 不认识则返回 nil"))
调用点一律 (when (satisfies? proto/IReplayableResponse p) ...)，不满足就走现有路径。
这就是「一个标准 provider 同时支持多个差异化方案」的骨架：能力发现，而非继承。
:blocks（与 :writes 同性质）{:role :assistant :content "..." :tool-calls [...]
:blocks {:provider :minimax :format :anthropic-content :data [...]}}
先例是 :writes（agent-loop-concurrency-design.md §12.4）：
只进历史存储，不直接发给 LLM，wire 层构造时天然剥落。:blocks 与它唯一的不同是
wire 层会消费它——但只由产生它的那个 provider 消费：:provider / :format
对不上就当没有。core 全程不解释 :data。
assistant->wire 改为两条路：:blocks 认得 → 原样吐；否则 → 现有的 text+tool_use 重建。
降级路径必须留，且是缺省：存量历史没有 :blocks，跨 provider 复用同一份历史时
（换模型重跑、subagent 用别的 provider）:format 也对不上。
:blocksadvisor/memory.clj 的 response->neutral 是唯一入口，但它在 client 模块、拿不到
provider 实例。两个选项，倾向后者：
| 选项 | 做法 | 问题 |
|---|---|---|
| a | 归一化响应里多带一个 :replay-blocks 字段，由 provider 在 normalize-response 时填 | LLMResponse record 加字段（改 core 的 make-response），但不破坏协议 |
| b | response->neutral 拿到 provider 实例后 satisfies? 探测再调 replay-blocks | 要把 provider 递进 memory-filter，属于新的耦合 |
倾向 a：raw-response 本来就在响应里（make-response 已保留），provider 顺手
抽一次比让 client 认识 provider 更轻。a 的代价是 core 多一个字段——按 §1 判据，
这个字段换来的是「不建就做不到」的能力（见 §5），不是对称性。
| 方案 | 为什么不 |
|---|---|
新建 MinimaxProvider record 委托 Anthropic | M2.x/M3 的差异是模型级，一个 record 装不下两套相反语义；且每加一个兼容端点就要复制 9 个协议方法的委托 |
| 在 advisor/filter 层做回传 | filter 站在中立层，看不见 wire 格式。让它认识 thinking 块 = 把 Anthropic 方言泄进 client 模块，直接违反 response-path-consolidation.md。filter 适合做策略（这轮要不要开 thinking），不适合做格式 |
| provider 内部维护会话状态 | 破坏无状态 provider：多实例并存与并发调用当场失效（create-provider 的 opts-in-record 设计就是为了摆脱全局可变状态） |
往 ILLMProvider 加方法 | 所有实现方（含仓库外的）破坏性变更，换来的只是少一次 satisfies? |
中立消息直接存 Anthropic 块（不加 :format 标签） | 历史一旦跨 provider 复用就会把方言喂给不认识它的厂商；:format 是降级判据，不是装饰 |
对 §3 提的两个新面（IReplayableResponse 协议 + 中立 :blocks 字段），实验后重判：
| 问题 | 初稿回答 | 实验后 |
|---|---|---|
| 现在有人要用吗？ | 有：MiniMax M2.x thinking 关不掉 | 是（确证）。M3 上剥掉回传，正确率 100%→82.5%，p=0.0059（§7.5.3）。M2.7 不受影响，但一个模型受影响就够了 |
| 不建的话用户怎么办？ | 做不到（回传在 wire 内部，用户插不了手） | 做不到：回传发生在 wire/* 与 advisor/memory 内部，agent 层连 filter 都不暴露。用户唯一的出路是绕开框架自己拼消息——那等于不用这个框架 |
| 换来的是什么？ | 能力：多轮工具调用不降级 | 正确率 + 行为可复现：40 次里 7 次答错、21 次过程走歪 → 0；A 臂 40 次零方差。这是能力，不是「更声明式」 |
| 是不是三家共性？ | 是，但共性不构成立项理由 | 同上。Anthropic 官方 thinking+tool_use 需要签名回传是另一个场景，本实验没测；等它成为真实需求时再按 §1 重判 |
结论：P3 立项（§7.5.3，p=0.0059）。
这一条值得说透的不是结论，是路径：我在写这份设计时就倾向做 P3，而它先后被 自己的实验否掉一次（M2.7 无差别）、卡住一次（p=0.053 未过线），第三轮才拿到 够格的证据。中间那次尤其关键——当时次指标已经显著（p=0.004），切过去就能「证明」 我本来的判断，但那是结果切换，不作数。
规则双向才作数：它挡住了想立项的我，也在证据足够时放行了同一个我。 如果它只在支持我的时候有效，那从一开始就不是规则，是修辞。
实施时验收必须钉正确率差异本身（§6 P3 行），而不是「thinking 块有没有回去」—— 后者是手段，前者才是这件事被批准的全部理由。
| 台阶 | 内容 | 状态 |
|---|---|---|
| P0 | 验证实验：examples/minimax_thinking_replay_experiment.clj | ✅ 已完成（2026-07-28），结论见 §7 |
| P1 | 打开 config 白名单：common/service-config 改为排除法（orchestration-keys），provider 专属键（:thinking / :cache-strategy / :service-tier / :top-k / :beta …）从 create-agent 直达 provider | ✅ 已完成（2026-07-28，+3 tests / +17 assertions；真机 M2.7 冒烟通过） |
| P2 | model-traits 表 + thinking 缺省解析 | ⏸ 不建：M3 实测确实可开可关（§7.3），表有了真实基础，但用户显式传 :thinking 即可（P1 已打通）——框架代填只是「更省事」，按 §1 落在假想列 |
| P3 | IReplayableResponse + 中立 :blocks + wire 还原 + 降级路径 | ✅ 已实施（§6.2）。验收按当初定的方式钉正确率本身：走真实框架 20/20 = 100%，B 臂 82.5% 的行为消失 |
P1 是纯粹的既有承诺缺口：build-params 早就认 :thinking，只是 agent 门面把它
挡在外面。修的是「说了能用却用不了」，不是长新抽象——不触发 §1 的立项判据。
common/service-config（新提取的公开函数）把白名单换成排除法：
(def ^:private orchestration-keys ;; 只属于编排层，绝不下沉
#{:provider :tools :tool-vars :kernel :filters :memory :pause-store
:callbacks :conversation-id :max-iterations :state-slots :tool-manager
:eligibility-fn :system-prompt :on-pause :on-error :on-env-error
:cancel-token :tool-choice :id})
三个判断值得记下来：
:thinking）；排除法漏一个键 = 一个编排层的值被塞给 provider。后者当场就炸、
而且炸在测试里，前者只在用户报「为什么不生效」时才被发现。:tools 是这份名单里最危险的一条，因为它两边都存在但含义不同：service
config 的 :tools 是已编译 schema，agent 的 :tools 是 tool var 向量。漏下去
provider 会转出 {:name nil}——MiniMax 报 400「function name is empty」。
这不是假想：P0 实验第一版就是这么挂的（见 §7.1 教训）。故单测专门钉了这一条。nil 不下沉。{:temperature nil} 若原样传下去，provider 侧
(some? temperature) 这类判据会被 nil 骗过，行为与「没传」不同。故 service-config
过滤 nil 值。验收：service_config_test.clj 3 tests / 17 assertions（正向透传 + 反向不泄漏 +
build-kernel → service → provider 端到端）；全套 319 tests / 1324 assertions / 0 failures；
真机 M2.7 走 create-agent {:thinking {:type "adaptive"} :top-k 20} 冒烟通过。
改了 4 处源码，全部加法：
| 层 | 改动 |
|---|---|
core model.clj | 新增可选协议 IReplayableResponse（单方法 replay-blocks） |
core response.clj | LLMResponse 加 :replay-blocks 字段 + response-replay-blocks |
core service.clj | 归一化时 satisfies? 探测，探到才取；core 不解释 :data |
core message.clj | 中立消息 :blocks 契约 + with-blocks / blocks |
client advisor/memory.clj | response->neutral 把载荷带进历史（§1.3 那个洞） |
provider anthropic.clj | 实现协议：只在真有 thinking 块时捕获整段 content |
provider wire/anthropic.clj | 认得的 :blocks 原样吐；否则走既有重建 |
实施中改了三处设计判断（都朝更小的方向）：
blocks->wire，实施时发现还原发生在
各 provider 自己的 wire 转换器里（它本就认识自家格式），走协议是绕一圈。
缺了才加，不为对称性加。extend-type Object 兜底。仓库自己踩过并记在 model/provider?
的注释里：ILLMProvider 因为有兜底，satisfies? 对任意非 nil 对象恒为 true。
本协议的整套机制建立在 satisfies? 上，加兜底 = 当场失效。单测专钉这条。§3.4 的选型也被现实推翻了：那里写「provider 在自己的 normalize-response 里填」，
但 agent 实际走的是 core 的 service/normalize-response（通用代码经协议方法
取 text/tool-calls）。provider 自己那个 normalize-response 根本不在链路上。
于是探测点落在 core——这恰恰是协议存在的理由：通用代码需要问 provider
「你这个响应里有没有要原样带回的东西」，而它不能认识任何厂商格式。
验收（按 §6 P3 行当初定死的方式：钉正确率本身）
replay_blocks_loop_test（client，载荷穿过
service→memory→下一轮抵达协议边界）、replay_blocks_test（provider，
中立→wire 逐字还原 + 三条降级路径）、replay_blocks_test（core，可选性真的可选）。
全套 331 tests / 1369 assertions / 0 failures（+12 / +45）。examples/p3_replay_acceptance_live_test.clj，走 create-agent 全链）：
20/20 = 100%，且 20 次全部恰好 7 次工具调用——与 A 臂零方差的形态一致，
B 臂 82.5% / 轮数 3–17 的行为消失。降级路径是缺省而非兜底：存量历史没有 :blocks、跨 provider 的历史 :format
对不上（换模型重跑、subagent 用了别家）、:data 为空——三条都走原来的
text + tool_use 重建，各有单测。
脚本：examples/minimax_thinking_replay_experiment.clj（三臂只差 assistant 回传内容：
A 完整回传 / B 剥掉 thinking＝当前框架行为 / C 保留 thinking 但删 signature）。
强制串行的四轮工具链（城市名藏在代号后，代号只能从上一步工具结果里拿到，模型无法
并行）。探针 1/2 一律显式 thinking: adaptive——M3 缺省关闭 thinking，不显式开
的话第一轮根本没有 thinking 块可剥，三臂等价，实验空转还会印出一个很像结论的「无差别」。
MiniMax-M2.7（n=4，thinking 关不掉）→ 无差别
| 臂 | 报错 | 走完轮次 | 产出 thinking | 重复问同一目标 |
|---|---|---|---|---|
| A 完整回传 | 0/4 | 5 5 5 5 | 5 5 5 5 | 0 |
| B 剥 thinking（当前行为） | 0/4 | 5 5 5 5 | 5 5 5 5 | 0 |
| C 删 signature | 0/4 | 5 5 5 5 | 5 5 5 5 | 0 |
MiniMax-M3（n=6，thinking 可关，显式开）→ 思考频率退化
| 臂 | 报错 | 走完轮次 | 产出 thinking | 均值 | 重复 |
|---|---|---|---|---|---|
| A 完整回传 | 0/6 | 5×6 | 5 5 4 5 4 4 | 4.50 | 0 |
| B 剥 thinking（当前行为） | 0/6 | 5×6 | 3 3 4 3 3 4 | 3.33 | 0 |
| C 删 signature | 0/6 | 5×6 | 4 4 5 4 5 4 | 4.33 | 0 |
两组不重叠（B 的最大值 4 = A 的最小值），且与另一轮独立数据（n=4：A 4.50 / B 2.75） 同向。即：剥掉 thinking 回传，M3 在后续轮次里重新思考的频率掉了约 1/4。
但这只是「行为差异」，不是「质量损害」——两个模型、三条臂、全部 30 次运行的 轮数（5）、工具调用数（4）、重复率（0）、报错数（0）完全一致，末轮答案也都正确 （北京 32°C > 上海 28°C）。「模型少想了几次」与「答得更差」之间没有本实验能给的桥。
为什么 M2.7 看不到：它关不掉 thinking（§7.3），每轮都必然思考，回传里有没有 历史 thinking 都不改变这一点。M3 是 adaptive——它会根据上下文决定这轮要不要想， 而历史里少了前几轮的思考，它就更倾向于不想。这条差异只可能在可关的模型上出现。
三处方法学教训，比结论本身更该记住：
get-weather 并行发了，整条链只有一次工具轮——而 interleaved thinking 是
「每次拿到工具结果后再想一次」。弱任务上的「无差别」是假阴性。故改成强制串行链。EXPERIMENT_REPEAT 存在的理由。C 臂（thinking 块保留、signature 字段删掉）4/4 通过，与 A 臂无差别。
（Anthropic 官方在 thinking + tool_use 同开时是否仍拒绝缺签名回传，未测——
不同端点不同厂商，不能拿本结论外推。）
| 模型 | 省略 thinking | {:type "disabled"} | {:type "adaptive"} |
|---|---|---|---|
| MiniMax-M2.7 | thinking 块 1 | 1（关不掉） | 1 |
| MiniMax-M3 | 0 | 0 | 1 |
M2.7 关不掉、M3 缺省关闭且能开能关，与文档一字不差。
对 P2（模型特征表）的影响：它现在有真实基础了——两个模型对同一个参数的响应
确实不同，不再是「传什么都一样」。但用户显式传 :thinking 就能得到想要的行为
（P1 已经把这条路打通），框架替他填一个缺省值换来的只是「更省事」，不是「不建就
做不到」——按 §1 判据仍落在假想列。保持不建。
顺带验证了另一件事：三次响应的
model字段都如实回MiniMax-M2.7。MiniMax 对 未知模型名会静默回退不报错，所以脚本每次都比对请求模型与响应模型—— 不比对就可能拿另一个模型的结果当结论。
两条路的块类型集合都是 #{"text" "thinking"}，thinking 块字段都是
#{:type :thinking :signature}。stream/anthropic.clj 那套累积器是对的。
（P3 不立项，这条暂时用不上，但它同时说明：真要做时这一层不必返工。）
M3 的思考频率退化已经确认且可复现，缺的是它到底伤不伤结果。
脚本：examples/minimax_thinking_quality_experiment.clj。
判据先定死，免得看到数据再找理由（这段写在跑之前，一个字没改过）：
| 观测 | 结论 |
|---|---|
| A 正确率 = 0 | ⚠ 地板效应，结论作废——任务太难，测的是算术能力不是回传策略 |
| A、B 均 = 100% | ⚠ 天花板效应，结论作废——任务太简单，判别不出来 |
B 显著低于 A（单侧 Fisher p < 0.05） | P3 立项，验收钉正确率差异 |
| 其余 | P3 永久不立项——没有后果的行为差异，不值一个协议 + 一个中立消息字段 |
任务设计的三条硬要求（前一个实验测不出质量差异，原因就在任务太软）：
于是每一轮都可判定对错（查的编号是否等于应查的），不只有最后一个数字。
难度校准（跑之前做，不是看到结果再调）：链长 5 步时 A/B 都答对——天花板守卫 当场触发，判别不出来，故正式实验用 7 步。校准的是任务，判据一个字没动。 两者的区别是这类实验诚信与否的分界：调难度是让实验有分辨力，调判据是给结论找理由。
| 臂 | 最终答案对 | 逐轮全对 | thinking 均值 | 轮数 |
|---|---|---|---|---|
| A 完整回传 | 20/20 | 20/20 | 8.0 | 8 8 8 …（20 次全是 8） |
| B 剥 thinking（当前框架行为） | 16/20（80%） | 13/20（65%） | 2.5 | 8–17（波动） |
为什么不能拿次指标定案：判据预注册的主指标就是最终答案。看到主指标差 0.003 就换到次指标上宣布显著，正是预注册要防的结果切换（outcome switching）—— 一次都不能开这个口子，否则以后每个实验都能挑出一个显著的指标来。
但主指标确实选偏了，这是设计时的失误（记账，不改本轮结论）：最终答案是更噪 的度量——B 有三次（#1 / #16 / #20）链只对了 2/7 步却仍然答出 458，靠中途纠错或 凑巧回到正轨。「过程对不对」才是被 thinking 直接影响的量，「最后蒙没蒙对」隔了一层。 当初把最终答案定为主指标，是因为它更贴近用户关心的东西（答得对不对）， 这个理由本身没错——错在没预料到它的噪声会淹掉效应。
A 臂的确定性值得单独一提：20 次全部 8 轮、7/7 步、答案 458，方差为零。 B 臂轮数在 8–17 之间跳。这个对比比 p 值更直观：完整回传下模型的行为是可复现的， 剥掉之后不是。
结论与后续：按预注册判据，本轮不足以立项 P3。p 贴线（0.053）且主指标偏噪， 意味着这是一次功效不足的实验，而不是「证明了没差别」。标准补救是一次性加大 样本复核——若做，须跑前声明：主指标与阈值一律不变（仍是最终答案、p<0.05）， n=40/臂，结果为准，不再延长（否则「跑到显著为止」就是 p-hacking）。 在此之前，P3 维持不立项。
用户拍板执行 §7.5.1 说的那次复核。跑之前把话说死，四条一条不能改：
p < 0.05。EXPERIMENT_N。地板/天花板作废守卫照旧生效。次指标（逐轮全对）继续记录，但仍不参与定案。
| 臂 | 最终答案对 | 逐轮全对 | thinking 均值 | 轮数 |
|---|---|---|---|---|
| A 完整回传 | 40/40（100%） | 40/40 | 8.0 | 全部 8（方差为零） |
| B 剥 thinking（当前框架行为） | 33/40（82.5%） | 19/40（47.5%） | 2.75 | 3–17 |
主指标：单侧 Fisher p = 0.0059 < 0.05 → 按预注册判据，P3 立项。
样本翻倍前后正确率几乎没动（80.0% → 82.5%），动的只有功效——这正是 §7.5.1 判断「功效不足，不是没差别」的验证。n=20 那次差 0.003 未过线， 不是效应不存在，是样本不够。
这不是 p-hacking，判据本身能证明：主指标、阈值、任务、链长、模型、脚本全部
一字未改，只动了 EXPERIMENT_N；n 事前定死为 40 且声明「结果为准不再延长」；
两轮数据不合并。如果这轮不显著，本条就该定案不立项——规则是双向的，
这是它能作数的唯一理由。
次指标（未参与定案，但方向一致且幅度更大）：逐轮过程全对 40/40 vs 19/40。
B 臂有 21 次链条走歪，其中 7 次歪到最终答案也错。典型失败形态：B#18 只跑了
3 轮、链对 1/7 就交卷（提前收工），B#23 跑满 17 轮却越滚越偏（答案 40 vs 458）。
A 臂 40 次零方差——全部 8 轮、7/7 步、答案 458。这比 p 值更能说明问题： 完整回传下模型行为可复现，剥掉之后不可复现。
response.content 必须完整返回）：https://platform.minimaxi.com/docs/guides/text-m3-function-calldesign-principles.md §1 无真实需求不建（§5 自审的判据出处）response-path-consolidation.md core 收回厂商 wire 知识（§2.2 的边界约束）memory-filter-refactor.md 中立消息 = 对话历史唯一真相agent-loop-concurrency-design.md §12.4 :writes 只进历史（:blocks 的先例）filter-chain-design.md filter 三链的粒度与契约（§4 否决「filter 层做格式」的依据）Can you improve this documentation?Edit on GitHub
cljdoc builds & hosts documentation for Clojure/Script libraries
| Ctrl+k | Jump to recent docs |
| ← | Move to previous article |
| → | Move to next article |
| Ctrl+/ | Jump to the search field |