人设漂移守护补齐身份事实溯源判断 + 批后累积漂移复审（全ADR对抗审查组A） #179

New issue

Open

opened 2026-08-21 03:18:54 +00:00 by KumaAgent · 0 comments

KumaAgent commented

2026-08-21 03:18:54 +00:00

Member

来源

全量32条ADR设计合理性对抗审查（评估侧内部执行，2026-08-21），组A·persona身份真实性防线。原始质疑经独立agent对抗式反驳后仍确认成立（2条）。

问题

persona_drift_guard.py::_build_judge_messages 目前只做"矛盾检测"（候选是否与 persona.render() 静态基线冲突），存在两处结构性缺口：

无法捕捉累积/矛盾漂移：judge 每次只看单条候选 + 静态基线，看不到"此前已批准的其它候选"。N条候选各自单独看都不违反基线、但累积起来已让整体行为偏离原始persona（渐进式漂移），或候选之间互相矛盾（候选A说"该群该讲话正式"，候选B说"该群该讲脏话"），两者都会通过。
无法捕捉"无中生有"式编造：ADR-0022 规定"不得编造 persona/backstory/Knowledge/Persona Lore 之外的核心身份类事实"，但 SECURITY_BASELINE 只在生成侧（drive_tick.py/runtime_loop.py/subagent.py）注入，persona_drift_guard.py 从未导入或使用它——judge 连这条规则都看不到。一条编造的、语气贴合人设但基线未提过的新身份细节（如编造生日），不会被判定为"冲突"，因为它没有"偏离"基线已声明的任何东西，只是"新增"了基线没说过的东西。Delta 常规画像抽取路径（ProfileCandidate）也未限定facts来源角色，assistant自己的发言同样会被渲染进抽取用的transcript。

What to build

给 judge 判断维度增加"溯源/编造检测"：候选内容如果声称是核心身份事实（生日、外貌、过往经历等），但既不在 persona.render()（persona/backstory/speech_patterns/sample_dialogue）里，也不在Persona Lore/已批准Knowledge里能找到依据，应被视为可疑，即便它与基线不"冲突"。
给 judge 增加批后累积复审能力：判断时把"同chat已批准的近期profile/skill/Knowledge摘要"一并喂给judge做对照，或至少在每次反思cycle结束后做一次轻量整体复审。

Not in scope

不改变"写入前否决优于事后回滚"这个既有决策（ADR-0021已定，本票不推翻）
不新增独立子系统/新port，复用既有judge调用与既有反思闭环节奏

Acceptance criteria

judge 的 instruction/schema 新增"溯源/编造"判断维度，且有明确的测试用例覆盖"语气贴合但基线未声明的新身份细节"场景
judge 输入中包含"同chat近期已批准候选摘要"，用于捕捉累积/矛盾漂移；补测试覆盖"候选各自不违反基线但相互矛盾"场景
ADR-0021/0022 补更新节记录本票落地的具体机制
全量测试通过

## 来源全量32条ADR设计合理性对抗审查（评估侧内部执行，2026-08-21），组A·persona身份真实性防线。原始质疑经独立agent对抗式反驳后仍确认成立（2条）。 ## 问题 `persona_drift_guard.py::_build_judge_messages` 目前只做"矛盾检测"（候选是否与 `persona.render()` 静态基线冲突），存在两处结构性缺口： 1. **无法捕捉累积/矛盾漂移**：judge 每次只看单条候选 + 静态基线，看不到"此前已批准的其它候选"。N条候选各自单独看都不违反基线、但累积起来已让整体行为偏离原始persona（渐进式漂移），或候选之间互相矛盾（候选A说"该群该讲话正式"，候选B说"该群该讲脏话"），两者都会通过。 2. **无法捕捉"无中生有"式编造**：ADR-0022 规定"不得编造 persona/backstory/Knowledge/Persona Lore 之外的核心身份类事实"，但 `SECURITY_BASELINE` 只在生成侧（`drive_tick.py`/`runtime_loop.py`/`subagent.py`）注入，`persona_drift_guard.py` 从未导入或使用它——judge 连这条规则都看不到。一条编造的、语气贴合人设但基线未提过的新身份细节（如编造生日），不会被判定为"冲突"，因为它没有"偏离"基线已声明的任何东西，只是"新增"了基线没说过的东西。Delta 常规画像抽取路径（`ProfileCandidate`）也未限定facts来源角色，assistant自己的发言同样会被渲染进抽取用的transcript。 ## What to build - 给 judge 判断维度增加"溯源/编造检测"：候选内容如果声称是核心身份事实（生日、外貌、过往经历等），但既不在 `persona.render()`（persona/backstory/speech_patterns/sample_dialogue）里，也不在Persona Lore/已批准Knowledge里能找到依据，应被视为可疑，即便它与基线不"冲突"。 - 给 judge 增加批后累积复审能力：判断时把"同chat已批准的近期profile/skill/Knowledge摘要"一并喂给judge做对照，或至少在每次反思cycle结束后做一次轻量整体复审。 ## Not in scope - 不改变"写入前否决优于事后回滚"这个既有决策（ADR-0021已定，本票不推翻） - 不新增独立子系统/新port，复用既有judge调用与既有反思闭环节奏 ## Acceptance criteria - [ ] judge 的 instruction/schema 新增"溯源/编造"判断维度，且有明确的测试用例覆盖"语气贴合但基线未声明的新身份细节"场景 - [ ] judge 输入中包含"同chat近期已批准候选摘要"，用于捕捉累积/矛盾漂移；补测试覆盖"候选各自不违反基线但相互矛盾"场景 - [ ] ADR-0021/0022 补更新节记录本票落地的具体机制 - [ ] 全量测试通过

KumaAgent changed title from ~~占位标题-稍后回填-01~~ to 人设漂移守护补齐身份事实溯源判断 + 批后累积漂移复审（全ADR对抗审查组A）

2026-08-21 03:26:29 +00:00

KumaAgent added the

状态：智能体就绪

label

2026-08-21 03:26:31 +00:00