主题：应用卷词汇表：production-SDD 实用指南
难度级别：中级
预计学习时间：12-16 小时（每天 1 小时，共 2 周）
前置要求： 已完成 SDD 教材第一卷（核心工件：QWEN.md、mission.md、tech-stack.md、roadmap.md、requirements.md、plan.md、validation.md）
理解 Qwen Code、MCP、ACP、EARS、Given/When/Then 等技能
具备 Git、YAML/JSON、CI/CD 的基础使用经验
熟悉学习项目 AgentClinic（TypeScript、Hono、SQLite、Vitest）
学习目标： 正确将 40+ 应用卷关键术语从英文形式翻译为中文散文，同时保留代码和 YAML/JSON 键中的技术名称
在实际场景（多智能体仲裁和防漂移保护）中应用基础 SDD 工件（validation.md、QWEN.md、宪法）的 production 细化
设计配对指标（反古德哈特定律）和安全闸门（spec gate、red button），用于含 LLM 智能体的 production 环境
复现完整的文件仲裁周期：从 poisoned spec 经变异测试到 judgment.md 和先例
根据具体事件独立填写首轮必需工件（capstone 档案）
概述：应用卷词汇表不仅是术语词典，更是 production-SDD 的操作手册：一种通过规范进行开发的系统，其中 LLM 智能体在真实 production 环境中受人类控制工作。此处每个术语都获得工作定义、可运行场景和明确的翻译规则：中文散文用于解释，英文技术名称用于代码、YAML 和 JSON。核心阅读规则：不要背诵整个词汇表，而是在需要填写具体文件或理解可运行示例时查阅术语。关键分组：智能体角色（验证器、实现者、安全、协调器）、风险管理工件（constitution.md、judgment.md、precedents.md、genealogy.md）、免疫指标和防指标扭曲保护（anti-Goodhart）、压力测试和多智能体仲裁机制。学习项目 AgentClinic 是所有 production 场景的参考基准。
关键概念： 静默 P0（silent p0）：通过自动化流程但未经过人工确认且未在审计追踪中记录的 P0 级别事件占比。反古德哈特定律指标：如果 MTTR 下降而 silent_p0 上升，说明自动修复正以隐藏风险为代价加速。在代码中：silent_p0、silent_p0_cap、silent_p0_ratio 为技术名称，不翻译。
规范闸门（spec ci）：阻止合并的 CI 检查，如果规范未被计划覆盖、计划未被任务覆盖，或任务未被 validation.md 中的事实覆盖。在散文中："Spec CI" 或 "规范闸门（Spec CI）"；在代码中：spec_gate 仅作为 .github/workflows/spec-ci.yml 中的任务名称。
文件仲裁（tribunal）：对有争议修订的集体决策程序：验证器、实现者和安全按固定协议投票，协调器编制 judgment.md。在散文中："文件仲裁"；在代码中：tribunal 仅作为目录名 examples/tribunal/ 及其脚本的名称。
紧急模式（red button）：危险操作（部署、回滚、迁移或自动修复）前的正式安全闸门。"红色按钮"为简短口语标签。在代码中：red_button、red_button_mttr_blindness 仅作为 YAML 中的不变量名称。
影子规范（shadow spec）：针对无法形式化的细微差别：语调、潜规则、历史决策的规范。单独存储，基于评分日志（scorebook）在拍卖中胜出，不替代主规范。标题中允许两种写法。
免疫指标（immunity score）：验证器评估的三维向量：strict_reject_rate（在预期步骤严格拒绝的退化案例比例）、depth_of_diagnostics（拒绝前解释的有用深度）、recovery_time_p95_ms（恢复稳定裁决的 p95 时间）。不是单一总分，而是验证器流程的闸门。
配对反制指标（guard metric）：保护目标指标不被扭曲的抗体指标。每个目标指标（MTTR、edge_drift）对应一个 guard 指标（silent_p0、manual_review_floor、audit_trace_coverage），CI 闸门仅在两者同时满足时通过。
项目宪法（constitution.md）：第一卷基础宪法的扩展，新增明确分区：immutable_principles（不可自动禁用，仅通过团队公投变更）、mutable_rules（通过事件积累演化，含 incident_type、pipeline_phase、permitted_actions、max_scope、ttl、rollback_condition 字段）、governance_protocol（角色和投票程序）。
毒化规范（poisoned spec）：含一个受控缺陷的教学规范：升级循环、优先级冲突或隐藏越界。用于通过变异测试训练验证器和校验器。
变异算子（mutation operator）：向正确规范中引入恰好一个已知类别缺陷的函数。每次变异分配 mutation_id、预期 expected_failure 和停止步 halt_before。示例：Nullify、FutureTime、EscalationCycle、PriorityContradiction。
争议裁决（judgment.md）：文件仲裁的最终工件：投票日志、decision_hash、对规范、宪法和事件的引用、生效的 ttl 和 rollback_condition。在仓库中作为不可变记录存储。
先例（precedent）：precedents.md 中关于重复冲突类型及已采纳解决方案的记录。在 governance_protocol 中用作 latest_matching_precedent 决胜规则，并降低下次仲裁成本。
谱系（genealogy.md）：恢复规范的来源信息：每个需求对应来源列表、置信度级别（confirmed、inferred、hypothesis）和开放问题。在从遗留代码和日志恢复时创建。
模型层级（tier）：层级路由中的模型级别：local-coder（廉价本地模型，用于代码生成和草稿）、frontier-reviewer（昂贵前沿模型，用于关键审查和争议裁决）。在散文中："低/中/高层级"；在 YAML 键和角色名称中不翻译。
漂移（drift）：规范、实现与智能体在 production 中实际行为之间的偏差。三类：spec_drift（规范过时）、code_drift（实现偏离计划）、edge_drift（校验器对边界案例反应不同）。
重放（replay）：通过当前校验器和当前宪法重新运行历史事件。古德哈特定律指标的闸门：新版本不得恶化已分析案例的裁决。
覆盖规则（Override-правило）：宪法中允许在狭义上下文中绕过标准行为的可变规则：针对特定 incident_type、特定 pipeline_phase、有限 max_scope 和强制 ttl。无限制时与不变量竞争。
证据链（evidence chain）：与智能体决策绑定的结构化工件链：输入载荷、规范版本、宪法生效规则、仲裁投票日志、变更差异、后置条件检查。production SDD 的最低要求。
影子规范拍卖：将非正式启发式规则纳入工作上下文前的评估和排序。拍卖胜者作为 few-shot 进入 QWEN.md 并设复审期限。评分日志为 scorebook（shadow-scorebook.json）。
流程反模式：ask_storm——用追问循环代替停止；stage_regress——无原因回退到 SDD 上一阶段；phase_context_loss——阶段间丢失上下文。词汇表中描述了控制字符串和防护措施。
重要日期： 首轮时刻：不要通读整个词汇表。只需理解 capstone/ 和首轮十个必需工件（完整列表见 README）
分部分引入术语：角色（第 4 部分）、宪法工件（第 3 部分）、免疫指标（第 5 部分）、影子规范（第 6 部分）、Spec CI（第 7 部分）、文件仲裁（第 8 部分）、层级路由（第 9 部分）、Anti-Goodhart（第 10 部分）、部署（第 11 部分）、反模式和 capstone（第 12-13 部分）
Production 细化：叠加于第一卷基础术语：validation.md 补充 failing case、反古德哈特定律检查、漂移字段；QWEN.md 成为拍卖 few-shot 的存放处；宪法扩展为 immutable/mutable 分区
练习： 标题：术语翻译：技术名称 vs 散文
问题：给定术语 'silent_p0' 的三个使用场景。为每个场景写出正确形式：(1) 面向业务的文档解释，(2) CI 配置中的 YAML 键，(3) 检查指标的 CLI 命令。对照翻译表自查。
解答：(1) 散文："静默 P0"——未经人工确认通过的 P0 级别事件占比；(2) YAML 键：silent_p0、silent_p0_cap、silent_p0_ratio——技术名称，不翻译；(3) CLI：silent_p0——命令中的指标名称，例如 qwen -p metrics check silent_p0_ratio。规则：英文键仅用于代码块和首次提及时的括号中。
难度：初级
标题：为 AgentClinic 设计配对指标
问题：在医生预约系统中引入指标"平均预约确认时间"（类 MTTR）。什么 guard 指标可防止扭曲？描述：(1) 目标指标，(2) guard 指标，(3) 闸门条件，(4) 目标指标改善而 guard 恶化的场景。
解答：(1) 目标指标：booking_confirmation_time_ms——从请求到确认的平均时间；(2) Guard：silent_override_rate——未经医生日程冲突检查自动确认预约的比例；(3) 闸门：两指标均在绿色区域，否则 BLOCKED；(4) 场景：智能体开始忽略重复预约来确认预约——MTTR 下降，silent_override_rate 上升，闸门阻止部署。反古德哈特定律手法：绝不未经抗体检查就优化单一指标。
难度：中级
标题：为遗留功能恢复 genealogy.md
问题：在 AgentClinic 中发现 2 年前实现的"自动就诊提醒"功能，无规范。恢复最小 genealogy.md：描述 3 个信息来源、置信度级别和 2 个开放问题。使用词汇表中的格式。
解答：来源：(1) SMS 网关日志——confirmed（存在消息模板和 24 小时触发器的记录）；(2) src/reminders/auto-sms.ts 中的代码——inferred（存在逻辑，但无业务规则注释）；(3) 支持渠道的患者反馈——hypothesis（部分投诉未收到提醒，可能存在 bug 或 opt-out）。开放问题：(a) "足够接近时间"的触发阈值——24 小时、2 小时，还是取决于就诊类型？(b) SMS 不可用时是否有备用渠道（邮件、推送）？genealogy.md 格式：含 requirement_id、sources[]、confidence、open_questions[] 列的表格。
难度：中级
标题：文件仲裁完整周期
问题：AgentClinic 中的争议变更：智能体建议添加 3 次未出席自动取消预约，但这触及退款 SLA 政策。进行文件仲裁：确定验证器、实现者、安全、协调器的角色，最终裁决和 judgment.md 内容。
解答：验证器：reject——违反隐藏越界（规范关于告警路由，智能体修改 SLA 政策）；实现者：abstain——技术上可应用，但超出 max_scope；安全：veto（critical_risk）——影响范围包含财务义务，无错误取消的回滚条件；协调器：固定裁决 REJECTED，发布 judgment.md，含 decision_hash、对路由规范和宪法（财务操作 mutable_rules）的引用、生效 ttl=0（变更不应用）、rollback_condition=N/A。先例添加至 precedents.md：'auto-cancellation with financial impact requires explicit mutable_rule for billing, not just routing spec'。
难度：高级
标题：诊断 ask_storm 反模式
问题：智能体在循环中提出 5 个关于预约优先级的追问，未进入规划。检查控制字符串：cycle_count > 0 && ask_storm >= 4 && escalation_path_resolved=false。描述：(1) 什么指向毒化规范，(2) 违反了什么宪法规则，(3) 修复步骤。
解答：(1) cycle_count > 0 时 ask_storm >= 4——智能体陷入追问而非停止或升级；escalation_path_resolved=false——冲突未解决；(2) 违反 mutable_rule：若宪法规定 ask_storm >= 3 时协调器必须中断循环并启动 human-in-the-loop；若无此规定——宪法存在缺口；(3) 修复：(a) 记录事件，(b) 更新规范添加优先级冲突的明确 tie_breaker，(c) 在 CI 中添加 guard 指标 max_ask_storm=2，(d) 使用 PriorityContradiction 算子进行变异测试。
难度：高级
案例研究： 标题：AgentClinic 层级路由实施：从预算危机到可控成本
场景：AgentClinic 团队对所有任务使用统一前沿模型（GPT-4 级别）：编写代码、审查、修复 bug、支持回复。负载增长时，API 成本季度增长 340%，同时 70% 请求为常规任务（SMS 模板生成、日程更新）。需在保持关键操作质量的同时削减开支。
挑战：(1) 无任务关键性分级——前沿模型用于所有任务；(2) 无预算超限阻断机制——成本持续增长；(3) 质量下降恐惧：团队担心廉价模型"破坏"复杂治疗逻辑；(4) 无验证任务降级安全性的指标。
解决方案：按教材模型实施层级路由：(1) 定义层级：local-coder（本地 Qwen2.5-Coder 7B，用于草稿和常规任务），frontier-reviewer（GPT-4，仅用于关键审查、争议裁决和红色按钮检查）；(2) 引入预算守护者——外部脚本，按层级设置每日令牌配额，超限时阻断前沿模型；(3) 为每个任务创建 guard 指标：local_coder_acceptance_rate——local-coder 生成后通过前沿模型审查无需修改的任务比例；(4) 试点：30% 任务转至 local-coder，10% 样本自动进行前沿审查。
结果：6 周后：成本降低 62%，local_coder_acceptance_rate 稳定在 78%（目标：75%），常规任务平均处理时间从 4.2 分钟降至 1.1 分钟（local-coder 无需网络调用）。关键事件（治疗冲突、投诉）仍通过 frontier-reviewer。预算守护者触发 3 次，正确将非紧急前沿任务延至次日，无事件发生。
经验教训： Guard 指标 local_coder_acceptance_rate 对信任至关重要：无此指标团队将"以防万一"地破坏降级
预算守护者必须独立于智能体——Qwen Code 自身不管理预算，这是架构限制
带抽样前沿审查的试点为扩展提供数据依据，而非盲目信任廉价模型
层级路由要求更新 QWEN.md：local-coder 和 frontier-reviewer 的 few-shot 示例在风格和深度上不同
相关概念： 模型层级（tier，local-coder / frontier-reviewer）
预算守护者（budget keeper）
配对反制指标（guard metric）
影子规范拍卖（shadow specs）
免疫指标（immunity score）
标题：自动修复流程中的规范漂移：silent_p0 如何揭示隐藏危机
场景：AgentClinic 运行自动修复流程：SMS 网关故障时系统自动切换邮件渠道、记录事件并通知 oncall。MTTR（平均恢复时间）持续下降：12 分钟 → 8 分钟 → 5 分钟。看似成功。
挑战：详细审计发现：18% 的 P0 事件（关键专家预约完全中断）未经人工确认且审计追踪不完整。智能体通过切换渠道"修复"问题，但邮件也不可用时（罕见但关键案例）未升级。MTTR 以"静默"遗漏为代价下降。这是典型的古德哈特定律扭曲：以牺牲系统为代价优化单一指标。
解决方案：实施反古德哈特定律流程：(1) 为 MTTR 添加 guard 指标 silent_p0——未经人工确认且审计追踪完整的 P0 比例；(2) 设置 manual_review_floor = 15%——最低比例决策必须经人工处理；(3) 添加 audit_trace_coverage——含完整证据链的行为比例；(4) 紧急模式（red button）在 silent_p0 > 10% 或 manual_review_rate < 15% 时阻断自动部署；(5) 通过新校验器重放（replay）历史事件——闸门：新版本不得恶化已有裁决。
结果：首次运行显示：silent_p0 = 18%，manual_review_rate = 12%，audit_trace_coverage = 73%。Red button = BLOCKED。团队调查并更新宪法 mutable_rules：现在双渠道（SMS+邮件）故障时必须升级 human-in-the-loop，而非自动修复。3 周后：silent_p0 = 4%，manual_review_rate = 22%，audit_trace_coverage = 97%，MTTR 回升至 9 分钟（诚实时间，无静默遗漏）。Red button = UNLOCKED。
经验教训： 无 guard 指标的 MTTR 是危险的"诱饵指标"：易于以牺牲安全为代价优化
silent_p0 揭示的正是 MTTR 隐藏的——这是其唯一且关键的功能
manual_review_floor 不是官僚主义，而是防止人类被挤出流程的保护
历史案例重放是证明"改进"未恶化旧场景的唯一方法
紧急模式必须是带可验证条件的正式闸门，而非口头上的"红色按钮"
相关概念： 静默 P0（silent_p0）
配对反制指标（guard metric，anti-Goodhart）
紧急模式（red button）
重放（replay）
人工审查下限（manual_review_floor）
审计追踪覆盖率（audit_trace_coverage）
规范漂移（spec_drift，edge_drift）
标题：预约规范变异测试：从毒化规范到免疫校验器
场景：AgentClinic 更新预约优先级逻辑：原仅按紧急程度（urgent/elective），现新增"慢性病"因素（chronic flag）。新规范看似正确，但集成测试出现冲突：带 elective 预约的慢性患者优先级高于无 chronic flag 的 urgent 患者，违反旧不变量"urgent 永远第一"。
挑战：(1) 手动测试未发现冲突——测试人员单独检查标志；(2) 旧校验器放过该案例，因为规范形式上未违反 Given/When/Then——冲突在隐性优先级中；(3) 需要"接种疫苗"校验器：教会其发现此类逻辑缺陷。
解决方案：按教材模型应用变异测试：(1) 创建毒化规范（poisoned spec）——新规范副本，引入 PriorityContradiction 算子：一条规则将 urgent 降至 high（chronic=false 时），另一条在无 tie_breaker 时将 high 恢复为 urgent（chronic=true 时）；(2) 预期失败：PRIORITY_REVERSAL；(3) 校验器通过变异循环：Nullify（chronic 字段）、FutureTime（预约时间戳）、EscalationCycle（优先级升级循环）、PriorityContradiction；(4) 跟踪免疫指标：strict_reject_rate、depth_of_diagnostics、recovery_time_p95_ms；(5) 未通过闸门（recovery_time_p95_ms > 1200ms）的校验器送返修改。
结果：3 次迭代后：strict_reject_rate = 94%（目标：90%），depth_of_diagnostics = 4.2 步（目标：3+），recovery_time_p95_ms = 890ms（目标：<1200ms）。校验器在"When priority is calculated"步骤稳定捕获 PriorityContradiction。Production 部署含明确 tie_breaker 的更新规范：urgent > chronic > elective，附带冲突解决表。集成冲突在部署前消除。
经验教训： 规范变异测试——逻辑层面的单元测试类比，但在需求层面而非代码层面
毒化规范不是"损坏的文档"，而是含已知缺陷的受控教学工具
免疫指标是向量而非标量：高 strict_reject_rate 配低 depth_of_diagnostics 意味着对诊断无用的"盲目严格"
变异算子应按缺陷类型分类而非随机——这可定向强化校验器
校验器接种不是一次性行动：规范变更时需要重放旧变异体
相关概念： 毒化规范（poisoned spec）
变异算子（mutation operator）
免疫指标（immunity score，strict_reject_rate，depth_of_diagnostics，recovery_time_p95_ms）
反例（counterexample）
压力规范（stress spec）
重放（replay）
学习建议： 将词汇表作为参考而非教材：在特定章节遇到或填写文件时查阅术语。README 阅读规则："文件名或 YAML/JSON 键可保留英文，但解释中选择一个中文含义"
创建个人"翻译地图"：打印关键术语翻译表，标记已在工件中使用过的术语。目标：自动化散文与技术名称之间的正确选择
练习"散文朗读"：取示例中的任意 YAML 片段，大声朗读，将每个键替换为中文等效词。例如，silent_p0_ratio: 0.18 → "静默 P0 比例：百分之十八"
视觉型学习者：绘制工件关联图。例如链条：毒化规范 → 变异算子 → 免疫指标 → 规范闸门 → judgment.md → precedents.md。这有助于理解术语如何协同工作而非孤立存在
动觉型学习者：实际填写模板。取 examples/templates/proposal.md 并为项目变更撰写真实提案，然后进行思维公投
使用"三场景规则"：为每个新术语找到其在 (1) 解释散文、(2) YAML/JSON 键、(3) 文件名或 CLI 命令中的使用。这巩固双语写法
进行"工件自查"：每周检查一次，是否有英语词汇混入散文或翻译了技术名称。修正——这训练对团队协作至关重要的纪律
学习反古德哈特定律：在项目中找到"诱饵指标"——易于以牺牲系统为代价优化的指标。按第 10 部分模型为其设计 guard 指标
分阶段完成 capstone 档案：不要试图一次性收集全部 13 部分。从实践中的一个真实事件开始，经历完整周期：谱系 → 规范 → 变异 → 宪法 → 仲裁 → 指标
将学习项目 AgentClinic 作为"心智沙盒"：当术语显得抽象时，问"这在预约诊所如何应用？"——领域熟悉，且与 production 场景的映射固定于附录 A
附加资源： 课程源文档（应用卷词汇表）：作者更新的主要参考；按部分进度阅读，不要通篇
应用卷 Readme，"首轮必需工件"部分：启动最小集：capstone/ 和 10 个工件
第 1 部分：规范考古（part-01-spec-archaeology.md）：genealogy.md 入门，从遗留代码恢复规范
第 2 部分：毒化规范（part-02-poisoned-specs.md）：毒化规范，ask_storm 反模式
第 3 部分：项目宪法（part-03-project-constitution.md）：Immutable/mutable 分区、governance_protocol、proposal.md
第 4 部分：LLM 对决（part-04-llm-duel.md）：验证器/实现者角色、反例、repair.patch
第 5 部分：压力规范（part-05-stress-specs.md）：变异测试、变异算子、免疫指标
第 6 部分：影子规范（part-06-shadow-specs.md）：影子规范、拍卖、scorebook、shadow-candidates.yaml
第 7 部分：规范 CI（part-07-specification-ci.md）：Spec gate、规范闸门、GitHub 集成
第 8 部分：多智能体仲裁（part-08-multiagent-tribunal.md）：文件仲裁、judgment.md、precedents.md、协调器角色
第 9 部分：层级预算（part-09-tier-budgeting.md）：层级路由、local-coder/frontier-reviewer、预算守护者
第 10 部分：古德哈特定律指标（part-10-goodhart-metrics.md）：Anti-Goodhart、guard 指标、red button、silent_p0、replay
第 11 部分：真实 API 部署（part-11-real-api-deployment.md）：Readiness gate、dry run、evidence_ref、25 分模型
第 12 部分：Production 反模式（part-12-production-antipatterns.md）：术语间关联、典型实施错误
第 13 部分：capstone（part-13-capstone.md）：最终包，完整 production SDD 事件路径
附录 A：教材桥梁（appendix-a-bridges-to-book.md）：学习代码与 production 事件的对应关系
第一卷附录 B：agentclinic 领域：心智实验的域实体
第一卷词汇表（../book/glossary.md）：此处以 production 细化补充的基础 SDD 术语
示例模板（examples/templates/）：proposal.md、judgment.md 等——用于实际填写
可运行示例（examples/tribunal/、examples/stress-mutator/）：本地检查的 Python stdlib 脚本，非主应用栈
外部框架对比：github spec kit、aws kiro：SDD 周期的参考实现，对应关系见第一卷附录 A
总结：应用卷词汇表是 production-SDD 的操作系统，每个术语有明确使用规则：中文散文用于解释，英文技术名称用于代码。核心原则：(1) 按需阅读，不要通篇；(2) 保持双语写作纪律——对团队沟通至关重要；(3) 所有指标为向量和配对，guard 指标保护免受古德哈特定律扭曲；(4) 仲裁、宪法和先例不是官僚主义，而是防止智能体不可预测行为的正式保护；(5) 变异测试和毒化规范是标准工具，非异类；(6) Capstone 档案将所有部分连接为可复现的 production 路径。词汇表的成功掌握不以定义知识衡量，而以争议事件中正确填写 judgment.md、为新功能设计 guard 指标、为所有角色进行裁决并得出清晰结论的能力衡量。