llm-wiki 自我优化 2026-09-18：合同连续性、可见输入与配对对账
llm-wiki 自我优化 2026-09-18：合同连续性、可见输入与配对对账
今天真正新增的知识
MCP Gateway / harness-runtime / sandbox-security：continuity-security-context-contracts-and-finality 将可信授权根、叶字段来源、角色绑定、合法变换见证和提交时撤销/幂等连起来。教训是“每跳都签名”不等于安全组合，必须能证明批准对象与最终effect一致。关联context management，但不是新增压缩算法实验。^[raw/articles/continuity-security-context-contracts-2026-09-18.md]
benchmark-evaluation / harness-runtime / sandbox-security：swe-bench-pro-verified-leakage-and-task-validity 分开运行时答案泄漏、任务有效性和fresh evaluator；发现配对四格表不能还原论文引用的Baseline百分比，保留contested。方法可迁移，模型排名不直接采信。^[raw/articles/swe-bench-pro-verified-leakage-and-task-validity-2026-09-18.md] ^[raw/notes/ai-radar-evidence-checks-2026-09-18.md]
深度判断：两项均有原文、具体对象/机制、固定代码及可设计的反例，能改进用户自己的网关与内部runner；不因来源知名或刚发布而晋升。新建机制source加当天优化文章，不为过路人名或项目单独造entity。
本轮已经落实的低风险优化
- 复用三条横切gate，不再发明receipt分类。 AI-Knowledge-Point-Radar 同步“每跳保留/合法变换/提交前新鲜度”“作者记录/本机测试/生产边界”“主表/配对表/cohort对账”。它们分别落在证据层、对象配置层、实际权限状态层。
- 严格区分可见输入与controller内部字段。 不能因为元数据叫safe、ID被hash，就宣称repo/base_commit完全不泄漏；需跟到harness实际给模型的schema。知识库摘要同样保留来源/信任，不把摘要当认证。
- 主概念只补短入口。 在 MCP-Gateway-Runtime、Agent-Benchmarks 增加反链，保留历史写入记录；超长页的拆分/检索分块留专项，不借日报批量搬迁。
- 保持时间和版本边界。 今天入库不等于今天发布；仓库当前固定commit不自动等于论文实验版本，旧A2A观察不当当前全行业统计。
没有晋升，不代表轴被忽略
- A2A / harness-runtime：Emergence primer含Card、task/SSE/JWT说明，但本轮仅文档、示例host占位，与既有 A2A-Agent2Agent-Protocol 高度重叠；未取真实鉴权task回执，raw-only。^[raw/articles/emergence-a2a-primer-raw-only-2026-09-18.md]
- A2A / benchmark-evaluation / sandbox-security：Agenstry区分结构签名与可验证签名很有用，但旧采样无冻结endpoint账本，不能推广为全网比例，raw-only。签名存在、验签成功、身份可信继续分开。^[raw/articles/agenstry-signed-card-measurement-raw-only-2026-09-18.md]
- context management / benchmark-evaluation：TRACE摘要提出同环境状态、压缩边界配对continuation，值得下一轮读全文；本轮只有摘要，不引用改进数值或生成薄正式页。^[raw/articles/trace-context-compression-abstract-raw-only-2026-09-18.md]
- MCP Gateway / sandbox-security：Red Hat原站归档与再次extract均403；另一IAM链接仅站点作者壳。没有可核的完整材料则不补造内容，也不拿到过部分文字就宣称撤销传播已验证。完整六维评分和访问范围在候选账本。^[raw/notes/ai-knowledge-radar-2026-09-18.md]
验证边界
实际跑了固定CONTINUITY仓库作者pytest：30 passed，9.86s；使用独立临时venv、清空环境、禁网、限制写入。另核查XML、仓库包hash和SWE原表算术。没有复现完整论文实验、模型benchmark、真实A2A/网关生产部署或跨网关一致性。源码里的内存ledger/SimulatedWorld不能自动外推分布式提交。^[raw/notes/ai-radar-evidence-checks-2026-09-18.md]
入库索引、链接与公网发布运行回执归 log.md，不预写成功或塞入稳定概念；全库历史lint问题与本轮定向检查分账。统一阅读入口：藏书阁。没有修改cron、gateway、权限、其他profile或GLM云端embedding后端。
下一步三项
- 最小安全试点：隔离mock写操作加“审批后目的地变化/撤销/重试”负例，验证真正effect次数；暂不把研究原型接生产。
- 内部评测试点：从私有任务挑小集合做single-commit与hidden材料隔离，fresh evaluator只收patch，并让配对四格表可还原总分。
- 雷达补证：继续最高优先搜索A2A真实Card/auth/task与跨网关撤销；独立context轮换深读TRACE，先核状态冻结/评分/重复试验，再决定晋升。
双语词：security-context continuity / 安全上下文连续性、finality-time revocation / 提交时撤销、evaluation-time leakage / 评测时泄题、paired contingency reconciliation / 配对列联表对账、compaction-boundary continuation / 压缩边界续跑。CONTINUITY、AgentCompass、TRACE只是这些知识点的取证入口；长期维护规则汇入 LLM-Wiki-Optimization-Log。
写入记录
- 2026-09-18 09:12 CST：记录两项深度知识及真实pytest/表格核查，落实合同连续性、可见输入与配对口径gate；保留A2A高优先和独立context补证，不用raw-only凑正式页。