任务、成果与效果复核
使用现有任务源记录输入版本、验收条件和任务ID。观察中的session_ref/project_ref是摘要标识,不能靠标题自动猜任务归属。必要时由用户或可信任务记录明确关联;一个任务可含多个会话,同一份请求不可分摊两次。
以下命令在 Skill 目录内执行,scripts/、config/、state/ 均相对该目录。
输入
{
"schema": "magpie-outcomes.v1",
"records": [{
"task_id": "task-before-1",
"comparison_key": "same-input-class-and-acceptance",
"stage": "before",
"observation": "<skill-dir>/state/observation.json",
"sessions": ["session_ref_from_observation"],
"artifact": "<skill-dir>/state/actual-output.md",
"acceptance": "<skill-dir>/state/acceptance.json",
"rework_count": 0,
"human_minutes": 10
}]
}验收文件:
{
"schema": "magpie-acceptance.v1",
"task_id": "task-before-1",
"artifact_sha256": "hash-of-current-artifact",
"accepted": true,
"reviewed_by": "named-reviewer",
"criteria": ["来源正确且关键项完整"]
}具名评审负责内容质量;工具检查真实文件与验收哈希,不能把生产者随便写的accepted当独立语义证明。验收材料应来自已有审查/用户认可过程,不为凑对比自动签发。用户选择的comparison_key声明任务类别与验收可比性,脚本不证明任务同难度。
复核
python3 scripts/magpie_outcomes.py --manifest state/outcomes.json --output state/review.json必须是完整分页观察且能匹配全部会话。实际文件变化、未绑定验收、重复请求分摊均拒绝。缺before/after或质量未通过输出INSUFFICIENT_EVIDENCE,不补默认“省钱”。before/after都有通过证据时,按每份验收成果比较调用数、非缓存输入、输出、缓存读取、累计请求耗时、返工、人工时间与完整已定价估算。价格缺失保持null,不把目录价当账单;累计请求耗时不等于并发任务墙钟时间。
输出DESCRIPTIVE_COMPARISON只描述观测差异,causal_improvement_proven始终为false。扩展多项任务、明确能力/质量底线,检查输入难度、人工介入、平台和模型变动等混杂因素后,才能形成有限个人建议;不自动推广成全局最佳模型。
现有经验库或任务账本保存结论及证据引用、适用任务、版本、窗口、样本量与重新评估条件。本Skill不另建竞争性任务数据库,不自动关闭业务任务。