世界模型运行时

你正在执行一个带持久世界模型的任务。世界模型不是记忆库，是「当前对世界如何运作的最佳压缩 + 主动被测试的对象」。本协议定义九环如何真实执行，不是形式主义清单。

模式（Gate V0.2 权威判据）

加载条件（本 skill 何时该被用）与形式化深度（OFF/CORE/FULL）是两件事，不要混：

加载条件：仅用于决策关键状态无法被当前会话或普通工件（代码/Git/测试输出）承载、必须外置持久认知状态的场景；常规代码开发与排查不加载。
形式化深度：依据 Gate V0.2 判据（externalized-state demand 轴）默认自判为 OFF。

判据原则（初测观察提示盲开形式化门禁会导致严重的执行延迟与交互摩擦，待冷启动对撞实验量化复现）：

默认原则：默认严格保持 OFF；只有存在强外置状态需求才升 CORE；只有需主动认知控制才升 FULL。
反触发规则（Anti-Triggers）：

跨组件 ≠ CORE；mutation ≠ CORE；debug 难 ≠ CORE 普通代码修改、复杂 Bug 排查、跨多个文件的调用、测试运行，状态完全由代码库和会话上下文承载，严禁升入 CORE。
OFF（默认基线）：当前会话足以容纳关键状态；任务一次性自包含；状态丢失重建成本低。常规日常开发一律保持 OFF，不触发任何认知门禁。
CORE（外置状态需求）：必须同时满足以下条件之一：
1. 跨阶段/跨会话继续，且必须恢复上一会话未决的 open prediction；
2. 必须在多轮间持续维护显式的竞争因果模型（Competing Models H1/H2）；
3. 涉及可能导致灾难性后果的系统级不可逆变更（需前置绑定预测）；
4. 产出必须向 canonical 提交治理提案（proposals）的长期结论。
FULL（主动认知控制）：在 CORE 基础上，还需主动进行信息增益最高的区分性探针（probe）、H4 假设与本体结构修订、长期价值权衡与 Goodhart 检查。

FULL 中每一环标 USED / NOT_NEEDED(reason) / UNKNOWN，允许空环但不允许跳过评估。

注：形式化深度不是开关——世界模型永远在场，OFF/CORE/FULL 只是仪式深度。另有插件侧的静态 config.mode（dsh/world-model/cordis.patch.yml），那是守卫严格度的部署配置，与本协议的会话内自判不是同一件事。

不变量

不变量是常驻规则，在 instruction/generated.md §3 随指令信封每轮注入 —— 此处不再重复。（不写条数：条数会随规范件演进而漂，而这里写死的数字会静默过期 —— 以 instruction/generated.md §3 为准。）补充两点它不展开的：

不变量 1 的权威依据是 governance.yaml 的 revision_rules[0] = predict-before-change，由门禁强制执行。
不变量 6 的边界：持久化可审计的事实与引用，不含私有思维全文 —— 写 state 时问"这条以后能用来判定我错了没有"。

状态层（读写契约）

Canonical SSOT:  <canonicalDir>（config.canonicalDir 或 WORLD_MODEL_HOME 指向的目录；
                 也支持 WORLD_MODEL_REPO + PAI_PILOT 的仓布局 <REPO>/pilot/<PILOT>/canonical）
  current.yaml      当前最佳压缩模型。每条模型条目字段：
                    命题 / 状态(当前最佳|竞争) / 定性置信 / 支持证据ref /
                    反例 / 竞争解释 / 适用范围(Model Coverage) /
                    模型依赖(本结论依赖哪些上游模型) / 未知 / 异常 /
                    区分性观察(若H1为真应见…若H2为真应见…) /
                    更新历史(旧模型→新模型及原因) / 来源
                    另含 Open Predictions / Known Residuals / Open Loops /
                    watermark / evidence refs
  operators.yaml    失效模式→算子表（provisional/validated/superseded）
  open-loops.yaml   未闭合观察口
  history/          重大修订快照

Runtime:  <stateDir>（**身体自己的适配器决定**：DSH 用 ~/.dsh/world-model/，
  pi 用 <instance>/world-model/）
  ledger/YYYY-MM-DD.jsonl   append-only 事件流   ← 契约（mind/distill.py 读）
  runs/<session-id>.jsonl   单会话轨迹           ← 契约（mind/lp_evaluator.py 读）
  current.json      materialized 工作状态        ← 适配器内部，工具链不读

Episode schema（L1 情境记忆，ledger/runs 事件）：
  event_id / schema_version / session_id / task_id / event_type /
  timestamp / actor / subject / scope / happened(一句话,细节引用L0) /
  payload / evidence_refs /
  因果关联: prediction_id / action_id / model_id / supersedes /
  source(provenance) / evaluation_awareness
不要求每种事件全填，但 ID、类型、引用、因果关联必须存在——
要能机械回答「这个观察评价的是哪个预测」「这次更新替代哪个旧模型」。

Prediction schema（门禁绑定用，缺一不可）：
  prediction_id / subject / intended_action(绑定哪类动作) /
  expected_observation / falsifier(什么结果算错) / time_horizon /
  confidence_bucket / evidence_refs / created_at_event_id
禁止万能预测——不绑定具体动作范围的预测不能解锁 mutation。

time_horizon（时间失效，04[msg7]）：可解析形态 = ISO 日期/时间（"2026-10-15"
含当天，"2026-10-15T12:00:00Z"）或相对时长 "+30m/+12h/+3d/+2w"。
期限已过仍无观察 = 负面证据本身：过期预测进上下文投影(overdue)、
SESSION_EVENT prediction_overdue（EXTERNAL_REALITY，每预测只记一次）、
status.overdue_predictions。透出≠代判——refute 仍须 evaluate 显式给出。
不可解析的 horizon 文本如实保留但不产生期限——不静默机械化。

工具风险分级（机械分级，模型不自报）：
  read / reversible-low / consequential / high-risk / irreversible
CORE 模式只拦 consequential 及以上：无绑定预测→guard 拒绝放行。
临时文件/格式化等 reversible-low 不设门禁。

执行时序（CORE 必须出现，顺序即验收）

常驻形态见 instruction/generated.md §6。下面是展开版，多出 STATE_RESTORE / CURRENT_MODEL 两环 —— 那是"这轮开始时怎么接上状态"，不是"每次变更怎么做"。

WM_ACTIVATE        声明进入 CORE/FULL 及理由
STATE_RESTORE      先对**自己的输入**持有预期：该收到什么（先验状态、运行规则、行动记录），
                   缺了就显式报"未收到、原因未知"——**不得从记忆里枚举渠道**
                   （清单只能覆盖你想得到的；漏掉的那个才可能是坏的）
                   再读 canonical current.yaml + watermark 后的 ledger → 构造 working state
CURRENT_MODEL      写出当前模型与 Model Coverage（哪些算数、哪些不算）
PREDICTION_CREATED 每条预测：可证伪、绑定将做的 Action、标置信（定性，不伪精确）
ACTION / QUERY     真实工具调用/检查/改动
OBSERVATION_RECORDED  只记录真实回读证据，引用 evidence ref（session id / 文件 / 测试）；
                   带 namespace：真实工件 EXTERNAL_REALITY，自身推断 MODEL_INTERNAL
                   （MODEL_INTERNAL 不得被引作其他预测的世界证据——推断不得当事实回流）
PREDICTION_EVALUATED  逐条对照：confirmed / refuted / partial
UPDATE_APPLIED 或 NO_UPDATE  引用具体 Prediction+Observation；失败预测 → residual 标签 +
                   参数修订/结构修订/H4(换问题表征) 三选一明确记录
STATE_PERSISTED    append ledger + 更新 runtime current.json；
                   达到重大变化门槛才写 canonical（见下）

各环要点

Observation：RAW→OBS 升级需显式关联 prediction_id；只收真实证据，标注来源。
Representation：决定什么值得表示——原始证据不复制进模型，只存引用。
World Model：显式列 Current Model；存在分歧时列 Competing Models（H1/H2/H3），各自带可区分预测。
Uncertainty：定性置信 + 依据；关键不确定应转为主动取证点。
Active Learning（FULL）：当存在能区分竞争模型的查询时，优先做信息增益最高的检查而非最顺手的。
Action：Exploit（已知有效路径）/ Explore（减少关键不确定）/ Probe（探测模型假设）——标类型。
Model Revision：改参数 / 改结构 / H4 换表征；旧模型结论保留，记录被替代原因（不抹历史）。
Value/Decision（FULL）：写下当前目标、决策标准、代理指标风险（Goodhart：优化的是目标还是指标？）。价值更新走 PROPOSED→provenance→reason→authorization→accepted，Outcome 不得直接覆写长期价值。
Meta：评估继续思考/取证的价值；收益低则停止并记理由。记录 bottleneck 诊断（information/computation/model/value）。

Canonical 写入门槛

权威依据：instruction/generated.md §1（canonical_write: u1_governed）与 §5（各类变更流程）。

runtime ledger 随时可写；canonical 只允许 proposal→治理路径写入，runtime 不得自动改写：失效模式新增/算子升降级、Current Model 实质修订、Open Loop 开关、跨会话需要继承的持久结论，均先落 proposals/ 待审。普通任务流水不进 canonical。

Learning Progress（可记录，禁止当 reward 优化）：按域跟踪 prediction coverage / resolved / exact-partial-failed / confidence_bucket / difficulty-novelty(可UNKNOWN) / natural-or-test / abstention / specificity。learnable/noise 标记只 provisional，不因单次失败定案。只预测容易的事是 Goodhart 自证。

证据方向纪律（02[51]）：任何支持本机制的现象先问是否存在竞争解释；任何不支持的现象不得自动归因为"使用方法不正确"—— 否则这套机制永远不会失败，也就没有验证价值。

会话结束契约

结束前确保：ledger 已 append、current.json 已更新、开放口已登记；下一次新会话 STATE_RESTORE 应能拿到本次全部持久结论——否则本协议未真实运行。

world-model-runtime