Phase 0 基线报告 — Naval 试点（single vs pack 低成本证伪）

日期: 2026-08-25
依据方案: docs/plans/2026-08-23-cangjie-skill-optimization-plan.md（v1.3.1）
状态: 步骤 1—5、7 完成；读者交叉试用（步骤 6）待用户执行

1. 基线冻结

项	值
冻结分支	`baseline/naval-freeze-20260825`（基于 `origin/main` `a47a604`，独立 worktree `../cangjie-baseline`）
冻结提交	`f59f64c`（74 文件：19 Skill × 3 文件 + 审计文件 + SHA-256 清单）
本地 tag	`baseline-naval-19skill-20260825`（仅本地，未推送）
完整性	`books/naval-almanack-skill.SHA256SUMS` 73 条校验和全部通过
静态校验	`validate_skill_pack.py`: 19 SKILL.md / 54 md，0 errors 0 warnings

2. 产出物

产物	路径
人工能力映射（唯一判断产物）	`benchmarks/naval/capability-map.yaml`（19 能力：id/重要度+依据/意图/关键词/一句话规则/晋级判定）
single 原型	`benchmarks/naval/prototypes/single/naval-almanack/`（1 入口 + 19 能力卡 + overview/glossary/cheatsheet/索引 + BUILD_MANIFEST）
compact pack 原型	`benchmarks/naval/prototypes/compact-pack/`（1 路由入口 + 6 晋级 Skill + `capability-destinations.json`）
Phase 0 工具（纯确定性）	`scripts/validate_skill_pack.py`、`scripts/compile_single.py`、`scripts/count_tokens.py`
A 类静态指标	`benchmarks/naval/metrics/a-class-metrics.{json,md}`
任务集与路由评测	`benchmarks/naval/task-set-v1.json`、`benchmarks/naval/phase0-routing-eval.md`

晋级门评审结果（预算 ≤8 入口，实际 7）：晋级 wealth-structure、productize-yourself、decision-heuristics、hourly-rate-time、reading-metaskill、screen-detox；其余 13 能力留路由域（幸福/接受/冥想等近邻域按 §4.6.5 统一路由，等 split-on-evidence）。逐条依据见 capability-map.yaml 的 promotion_notes。

3. A 类静态指标（tokenizer=cl100k_base；o200k 结论方向一致）

指标	A 原版 19 Skill	B single	C compact pack
入口数	19	1	7
发现负载（常驻目录）	3,897	340（−91%）	1,575（−60%）
单任务负载 median	2,207	4,730（+114%）	晋级命中 2,247（持平）；路由命中 4,957
语料总量	113,417（含审计文件）	52,599	68,799

解读：数据坐实了 v1.3 的预判——single 省的是入口数与常驻发现负载（产品/认知成本），但每任务 token 负载翻倍（入口 SKILL.md ~2.6k + 能力卡 ~2.1k）。若按「常驻每会话都付、任务负载只在命中时付」的模型，B 只有在每会话命中任务 ≤1 次时才有 token 净收益；token 角度 C 是更好的折中。因此 single 的取舍理由只能是认知/管理成本，不能宣传为省 token——这必须写进后续对外文案。

4. 路由评测（探索性，20 任务）

版本	命中预期	acceptable/部分	无承接	正确判停
A 原版	14	3	1	2
B single	18	0	0	2
C compact	18	0	0	2

关键发现：

A 的结构性盲区：书级查询（作者/章节/术语）没有任何已安装入口承接——INDEX/GLOSSARY/OVERVIEW 是构建产物不随 Skill 安装。B/C 的 overview/glossary 路由直接补上这块。
B 的最大实证风险是真实触发率：19 条 description 合计 ~3.9k token 的触发面被压缩到 340 token，不含「纳瓦尔」关键词的裸意图（"我总控制不住发火"）在真实宿主里是否激活 single 入口，静态判定测不出来。这正是读者测试的核心问题。
近邻意图（T16—T18）在 B/C 的显式路由表下判定精确度不低于 A 的 description 竞争。
本轮为主流程自评 + 静态判定，含乐观偏差，不能用于「不劣于」结论（详见 phase0-routing-eval.md 的偏差声明）。

5. §10.6 终止条件判定

终止信号	是否触发	依据
single 路由命中明显差于 A	否	静态判定 B ≥ A（18+2 vs 14+3+2），且补上书级查询盲区
能力覆盖丢失严重	否	19 能力全量编译为能力卡，0 丢失；晋级 6 能力双视图可达
token 负担不可接受	部分预警	每任务负载 +114%；不构成终止，但否决「single 省 token」叙事
编译流程不可行	否	纯确定性编译 + 校验全绿，含死链清洗与发布哈希

结论：不触发终止，进入读者交叉试用。 但基于数据做两点方向修正建议：

auto 默认策略倾向 compact pack（发现负载 −60%、高频任务负载持平、书级查询有承接），single 作为「重视认知成本/单书轻使用」场景的显式选项——待读者测试数据确认后写入 ADR-002 的最终裁决。
对外文案禁止「single 更省 token」表述，统一为「更少入口、更低管理与认知成本」。

6. 待用户执行：读者交叉试用协议（步骤 6）

选定一个宿主并锁版本（如 Cursor 当前版本），记录宿主名+版本号。
三个版本分别安装到干净的 skills 目录（一次只装一个版本）：
- A: books/naval-almanack-skill/ 下 19 个 Skill 目录
- B: benchmarks/naval/prototypes/single/naval-almanack/
- C: benchmarks/naval/prototypes/compact-pack/ 下 7 个目录
从 task-set-v1.json 抽 5—10 条（务必含 T05/T16/T17 这类不含书名关键词的裸意图），观察：入口是否触发、是否加载了正确能力卡、超范围题是否判停。
每条记录：宿主、任务 id、触发的入口、加载的文件、主观质量 1—5 分。
结果回填 benchmarks/naval/phase0-report.md 附录，据此做 go/no-go 与 auto 默认策略裁决。

7. 遗留与不做清单

能力卡未携带 per-capability test-prompts.json（Phase 1 的 Capability Bundle 契约再定）。
未建 .cangjie/ 侧车、缓存、依赖图、SourceDocument、CLI——按方案 Phase 0 明确不做。
全部改动未推送：基线 tag/分支在本地，工作区新增文件未提交（见报告末尾文件清单）。

6.2 KiB Raw Blame History Unescape Escape