Roarpeng/GraphFlow

English | 中文

给编程 Agent 用的记忆与上下文 harness。 本地优先的代码知识图谱 · 有界上下文压缩（响应真正有界：压缩包之外，历史回显只以短预览下发；比整读 top-10 文件少 95.6% token——这是 token 数比值，不衡量回答质量，见双基线） · 跨会话学习飞轮。

GraphFlow 把 记忆 + hooks + skills 做成可移植的 MCP 表面（Cursor、Claude Code、DeepSeek Harness、15+ Agent），让无状态模型变成可长期工作的编码助手。它不是编排执行器：先压缩上下文、再规划，执行交给宿主 Agent。纯 TypeScript/Node，CLI + MCP + VS Code 扩展，本地优先，无需 API Key——索引/压缩/召回不需要 API Key；默认语义向量后端首次会从 huggingface.co 下载一次模型（失败自动降级到完全离线的 hash 后端；设 embeddingProvider: "fnv" 可完全不联网）。

一条命令安装承诺：npm i -g @roarpeng/graphflow = 安装 + 注册 + 检测 + 修复；VSIX 激活同样自动完成注册，并把运行时同步到稳定目录 ~/.graphflow/runtime/，MCP 条目指向稳定路径——IDE 升级删旧扩展目录不再导致悬空。两种安装方式都是装完即用，三平台一致。

快速开始

npx @roarpeng/graphflow graph index .
npx @roarpeng/graphflow context preview "orchestrator" --json
graphflow mcp serve --http         # MCP Streamable HTTP（默认 stateless；--stateful 开启 SSE session）
npx @roarpeng/graphflow install    # 自动接入已检测到的 Agent（含 dsh）

MCP 入口：

{
  "mcpServers": {
    "graphflow": {
      "command": "npx",
      "args": ["-y", "--package=@roarpeng/graphflow", "graphflow-mcp"]
    }
  }
}

注册 Skill + MCP 到本机 Agent（一条命令）

npm install -g @roarpeng/graphflow   # 一条命令（含安装）：全局安装的 postinstall 自动完成注册+检测+悬空修复

npx @roarpeng/graphflow@latest doctor     # 先自检：列出本机检测到的 Agent
npx @roarpeng/graphflow@latest install    # 向所有检测到的 Agent 注册（幂等，可重跑）
npx @roarpeng/graphflow@latest uninstall  # 一键移除所有 Agent 上的注册

install 自动扫描本机 20 个宿主的检测标记（~/.zcode、~/.cursor、~/.claude、~/.codex、~/.config/opencode 等），对每个检测到的宿主写入三件套（以 ZCode 为例，其余宿主路径由 HostAdapter 注册表管理）：

注册物	位置	内容
MCP 服务器	~/.zcode/cli/config.json → mcp.servers.graphflow	stdio 启动 graphflow-mcp（10 个工具）
Skill	~/.zcode/skills/graphflow/SKILL.md	按需触发的图谱上下文技能
全局指令	~/.zcode/AGENTS.md（受管块）	GraphFlow 优先规则（append-with-markers，不动用户内容）

注意事项：

• **注册后需重启对应 Agent（或新开会话）**才会加载 MCP 与技能，运行中的进程不会热加载配置。
• Windows 首次启动慢/卡在"启动中"：npx 条目首次要从 registry 下载完整包及原生依赖（onnxruntime-node，Windows 上数百 MB），可能超过连接超时。解决：npm install -g @roarpeng/graphflow 后重跑 install——检测到全局安装会自动写入 node + server.js 直连条目（秒级启动、不再依赖网络）；未全局安装时回退 npx 条目。
• 经常使用建议全局安装省去每次 npx 解析：npm install -g @roarpeng/graphflow，之后直接 graphflow install / graphflow doctor。
• DSH（DeepSeek Harness）走插件路径 dsh plugin --profile web add @roarpeng/graphflow，与 install 二选一，叠加会重复加载（见下文 DSH 章节）。

Agent 应先调 graphflow_context 拿压缩上下文，再视需要调用 graphflow_plan。没有 LLM API Key（或 Key 已失效——plan/run 都会做真实问候探测）时会桥接到宿主 Agent（agent-delegated）：graphflow_plan 返回 planSource: "probe-failed-bridge" + 降级原因，graphflow_run 直接 DELEGATED（attempts=0 + executionDescriptor + bridgeReason）——坏 Key 与没配 Key 行为完全一致，不会把重试预算烧在占位符上。需要符号级精确编辑时，把 Serena 作为第二个 MCP server 并列挂载——见 GraphFlow + Serena 联合方案（配置示例：examples/graphflow-serena.mcp.json）。

健康自检一条命令：graphflow selfcheck（配置加载 / 图存储代码节点 / delta 日志 / 索引新鲜度 / LLM 真实连通 / 判断层层级 / 成本台账 / 飞轮脉冲 / 对话脱敏 / 会话日志，红绿清单，--json 可编程消费）。

成本经济学（2.2）：台账 / 可缓存前缀 / 质询门 / 判断层

• 成本台账：每次自有 LLM 调用的真实 usage（prompt/completion token、prompt-cache 命中）落 graphflow-out/cost-ledger.jsonl，按价格表计价（GRAPHFLOW_PRICE_* env 可覆盖；localhost 端点一律零价=本地模型免费）；每个 MCP 响应的 text copy 字节数记为对宿主账单的归因贡献（宿主侧计费本身不可计量——归因而非账单）。selfcheck 报 estCost 与缓存命中率；闭环 episode 携带 costSummary 快照。
• 宿主前缀可缓存：锚点分数决定选谁、id 决定顺序——同查询跨轮字节级一致；易变数值只留 structuredContent、绝不进 text copy。GraphFlow 块稳定 ⇒ 宿主 prompt 缓存持续命中（缓存读约 1 折）。
• 计划质询门（规则版，零 LLM）：merge 后的桥接计划与模型计划都会被图事实质询（计划触及符号的外部调用方/被删符号/需求关联），challenges[] 随 merge 响应与 plan 结果返回，执行前必须回答；GRAPHFLOW_PLAN_GATE=enforce 未答计划降级 suggested。
• 负知识库：带教训的失败沉淀为 anti-pattern-lesson 节点，同类失败 ≥2 个不同 episode 实证后进入下一次计划的 avoid 列表（"N 次 episode 实证"）；后续 pass 会 resolve 并从零重开证据周期。
• 判断层：便宜验证角色（质询/蒸馏）沿 rules-only → Jev（TypeSafe System One 类型化判定，TYPESAFE_API_KEY，localhost=免费） → 云端 economy 自动升级；selfcheck 显示当前层级，零配置用户恒为 rules-only。
• ObservationPack 默认化：超限的 MCP text copy 自动打包为内容寻址句柄 + 头尾预览（content/handle 可精确召回），先于桩化——大响应不再灌满对话史。

Web 可视化配置后台（本地轻量服务）

除 VS Code 扩展设置面板外，NPM CLI 安装用户可随时通过一行命令在浏览器中唤起本地暗色配置后台：

graphflow settings      # 或 npx graphflow config ui

任意目录快速诊断凭证链路：

graphflow llm-check      # 逐 provider 显示获胜凭证来源、检查过的环境变量名、端点状态

• 通用模型协议：原生支持 openai-compatible 与 anthropic-compatible 协议，仅需配置 baseUrl 和 model；
• 本地免密部署：自动识别 localhost / 127.0.0.1 等本地模型端点（如 Ollama / vLLM / JEV 本地服务），无需虚假 API Key 即可直接通信；
• 四级级联嗅探：公网端点自动按域名特征映射对应环境变量（DEEPSEEK_API_KEY、TYPESAFE_API_KEY、OPENAI_API_KEY、ANTHROPIC_API_KEY 等）；未配置任何 Key 时 100% 平滑进入 Bridge 桥接模式，绝不抛错阻断。

GraphFlow 2.x：Agent Efficiency Agent (eff-agent)

从“省 Token”升级为“计算规避决策层（Compute Avoidance）”。该包（packages/efficiency-agent）尚未发布到 npm，npx eff-agent 无法运行；请在克隆本仓库并 npm install 后从源码运行：

# 查看用法
npx tsx packages/efficiency-agent/bin/eff-agent.ts --help

# 通过 agent CLI 执行任务，由你自己的验证命令判定
npx tsx packages/efficiency-agent/bin/eff-agent.ts run "修复这个模块的类型报错" --worker external --cli-command claude --cli-args "-p" --validation "npm run typecheck"

# 在两个轨道上运行 50 任务黄金语料（每任务独立 git worktree，oracle 判定）
npx tsx packages/efficiency-agent/bin/eff-agent.ts bench run packages/efficiency-agent/benchmarks/golden-v1.jsonl --cli-command claude --cli-args "-p" --arm baseline --output runs/baseline.jsonl
npx tsx packages/efficiency-agent/bin/eff-agent.ts bench run packages/efficiency-agent/benchmarks/golden-v1.jsonl --cli-command claude --cli-args "-p" --arm adaptive --output runs/adaptive.jsonl

# 溯源门禁 A/B 对比；--gate 在任一 §28 验收门未通过时失败
npx tsx packages/efficiency-agent/bin/eff-agent.ts bench compare runs/baseline.jsonl runs/adaptive.jsonl --gate

首次真实 provider A/B（benchmarks/REAL-AB-RESULTS.md）在 50 个任务上观测到输入 token 约少 47%（2026-10-02 修复基线检索后复跑：-54%，配对 95% CI -56.5% ~ -52.0%），每臂只跑一次，且未测回答质量（成功判据仅为非空回答）；只能视为输入量观测，不能当作“质量不变的节省”。

核心能力

能力	说明
R9 承诺账本 + 收尾审计	治「干着干着就忘了」：依赖 lock 一致性 / 孤儿文件接线 / 文档漂移内置检查器 + graphflow.audit.json 声明式规则（容器引用、驱动加载）；默认对账 git 未提交工作区；graphflow audit CLI + report_outcome success 前自动审计（GRAPHFLOW_AUDIT_STRICT=1 严格拒报成功）；跨会话提醒——下次会话首次 graphflow_context 返回「上次会话有 N 项未收尾」。见 docs/closing-audit.md
R8 省钱与靠谱双主线	working-set 预取（消灭探索轮次）、challenge 图 diff 质询、spawn-receipt 出生证、facts ask 时点查询、quote 诚实任务报价
Harness	记忆动态、按任务召回（图锚点 + 压缩摘要 + 历史 episode + skill），有明确 L0–L3 token 预算；符号正文进包（前 3 个 L1 符号锚点各附声明正文，单条 ≤120 token、整包 ≤20% 预算，且只取锚点阶段剩下的预算——正文永不挤掉锚点；只有磁盘文本仍与索引期签名一致才附，否则保持纯指针，expandAnchor 报 exact / relocated / drifted；enableSymbolBodies: false 可关）；打包外附加负载如实记账（对话命中与 workbench/对话预览回显计入 unbudgetedTokens，accountedTokens = 压缩 + 包外负载，estimatedSavingsPercent 按该真实下发总量计算，estimatedRawTokens 不低于实际下发量；响应有界——回显为每条约 160 字符的消息预览并带 truncated 标记，全文留在图谱中，可经 anchorId 展开 / VS Code 面板查看；recordDialogue: false 完全关闭回显与记录）
Token 比值（双口径）	对整读同一 ranker 的 top-10 文件少 95.6%；对朴素 grep 基线少 98.5%。两者回答不同问题，不可互换。二者都只是 token 数比值，不检验压缩包是否仍含答题所需信息，不代表回答质量；实时 context preview 的节省百分比口径不同，不承诺具体数值。见 benchmarks/RESULTS.md
检索自测	132 条 golden 查询的 CI 门禁为 ≥80% recall / ≥90% top-K；commit 锚定基准（npm run bench:retrieval）当前实测 Hit@5=100%、MRR=0.779、NDCG@5=0.638——查询由作者编写、无 held-out 划分，属样本内回归门禁，不代表泛化能力；中文查询大多依赖智能体提供 englishQuery（commit 锚定的 v2.0.3 held-out 审计实测中文查询 Hit@5 为 2/5，见 benchmarks/flywheel-proof-claims.json）
效率机制（SoL-Pi 借鉴）	默认全开、可在 GraphFlow: Settings 逐项关闭：大输出归档为句柄（ObservationPack）、日志压缩为逐字核验收据（Evidence-Preserving Reducer）、按观测压力自适应预算 + 压缩建议（Online Context Compact）、编辑+验证融合（Action Fusion）；dsh 侧在模型表面自动投影大结果（GRAPHFLOW_D_DSH_PROJECTION=0 关）。见 docs/efficiency-mechanisms.md
效率/能力门禁 + 机制自动研究	配对双臂报告落 graphflow-out/efficiency.json，governance release-gate 新增 --min-efficiency-qualifying / --max-capability-regressions / --min-anchor-recall-percent / --min-body-coverage-percent；候选机制走 graphflow mechanism propose|trial|freeze|admit|reject|list（held-out 隔离、代码强制）
对话图	对话轮是带时间语义的类型化图节点（supersedes / same_topic 边 + validAt / invalidAt）：被修正的结论离线检测并以修正链渲染，当前真值过滤隐藏被取代轮。历史问答可检索：dialogue search "<query>"（--include-superseded 回看历史），graphflow_context 预览附加纯增量 dialogueHits、绝不挤掉代码锚点。dialogue fork --from 显式分叉、dialogue list --path 回放路径、dialogue traces 多 Agent 轨迹、artifact export-memory 导出 dialogues.md（按 session 分组、含修正链与轨迹）。注入在所有代码锚点之后、纯增量；落盘前做密钥脱敏（API Key / Bearer / JWT / 连接串 / PEM），GRAPHFLOW_DIALOGUE_REDACT=0 可关
飞轮复现	npm run proof:flywheel 离线串检索 / skill A/B / memory A/B；见 docs/flywheel-reproduction.md。skill / memory A/B 是手工构造图上的合成机制测试，不是任务成功率：采用 held-out 划分、两臂同一判据后，飞轮对未见任务没有迁移收益（skill 61.5% 对 61.5%；memory 51.6% 对 61.3%）。此前的“100% 对 61.5%”“100% 对 56.5%”用答案反推历史经验且两臂判据不一致，已撤回
团队记忆	graphflow team serve：tenant 隔离 + viewer/contributor/admin；非 loopback 默认强制认证；diagnose 报告连通与 RBAC。见 docs/team-memory-security.md
HostAdapter	全部 20 个宿主的 install / uninstall / doctor 统一走注册表：4 个手写切片（Cursor / Claude Code / DeepSeek Harness / Kimi Code）+ 通用 profile 切片（Trae、VS Code、Windsurf、Cline、Roo、Kilo、PearAI、Gemini、Codex、Antigravity、Amazon Q、Zed、Continue、Qoder、Opencode、ZCode）
2.x 效率决策层	仓库内独立包 @roarpeng/graphflow-efficiency-agent（未发布到 npm，需从源码运行）+ eff-agent CLI；四轨指纹、三层缓存、Layer B 小模型 Meta 决策、Dynamic Temporary Harness 动态任务沙盒、TypeSafe-JEV 强类型 AI Worker、External CLI Worker、R1-R6 溯源门禁 A/B 基准。详见 packages/efficiency-agent/README.md
Serena	并列第二个 MCP：context/plan → Serena 编辑 → report_outcome

完整英文对照与基准数字：README.md。

工作台脉络

日常 Chat 仍是单线。复杂任务用 graphflow_plan 播种功能主题容器（画布上是计划步骤，不是一轮一节点）。点击节点，把 topicId 传给 graphflow_context 即可在该功能上继续或回到主线。问法跑偏会 Fork 孤立旁支，主线不被刷脏。答完再调 graphflow_context({ assistantReply }) 回填原文。树上的标题只用于显示；下一轮必读是 Goal + 祖先标题 + 该节点原文 Q/A。

按需唤醒（仍是 10 个 MCP 工具，不新增）：

graphflow workbench tree --json
# VS Code / Cursor：GraphFlow: Workbench Tree（活动栏默认收起）或 Chat /tree
# MCP：graphflow_diagnose → graph.workbenchOutline
graphflow context preview --topic-id "<topic:...>" "在此节点继续"
graphflow context preview --reply "助手原文回答"

DeepSeek Harness 插件

GraphFlow 本身就是一个 dsh 插件包（topic：dsh-plugin）。package.json 声明 dsh.bundle，根目录 cordis.patch.yml 把 GraphFlow MCP 与 ESM glue 插入 Harness 的插件树。

能力

能力	说明	dsh 工具名
压缩上下文	查询 → 锚点 + 摘要；按 anchorId 展开	mcp__graphflow__graphflow_context
任务规划	simple / insight；无 LLM 时桥接宿主	mcp__graphflow__graphflow_plan
桥接执行包	规划 + 压缩上下文，不代跑代码	mcp__graphflow__graphflow_run
结果回填	关闭技能飞轮	mcp__graphflow__graphflow_report_outcome
ATP Insight	submit / merge	mcp__graphflow__graphflow_insight
建图	增量 / 单文件 / 全量重建	mcp__graphflow__graphflow_index
技能洞察	历史任务沉淀的 skill	mcp__graphflow__graphflow_skill_insights
诊断	图谱、路由、token 节省、飞轮健康	mcp__graphflow__graphflow_diagnose
产物	图谱 import / export	mcp__graphflow__graphflow_artifact
技能指南	给已连接 Agent 的用法说明	mcp__graphflow__graphflow_skill_guide

在 dsh 上	状态
上述 10 个 MCP 工具（stdio cwd = 会话工作区）	支持
Skill（bundle glue 注册；dsh plugin add 即可）	支持
会话结束飞轮（仅 agent/disposed → outcome report；不是 live session/flush）	支持
首轮短 hint（先调 graphflow_context）；兼容会话格式 v4（source.kind = plugin:graphflow-dsh）	支持
对话自动入图（只记真人提问；v3 plugin / v4 宿主生产者 kind / plugin:* 注入一律排除）	支持
dsh web「知识节点」面板（POST /api/gf/nodes，经 connection.fetch.register；旧宿主回退 /gf RPC；web 半边依赖 dsh-api-session-controller / dsh-client-connection / dsh-client-ui-renderer）	支持
VS Code/Cursor 图谱面板、Settings、Workbench Tree、@graphflow chat	不移植
Cursor Agent Plugins 发现 / Claude Code Session* 文件 hooks	不移植（dsh 用 bundle + glue）

核心价值：本地 AST 知识图谱（10 种语言走真实 tree-sitter AST（含 C/C++）；TypeScript/JavaScript 走 TypeScript 编译器（可选依赖，缺失时降级正则抽取、符号细节减少）；Markdown 为正则解析）、L1–L3 分层压缩（token 比值双口径并列——对整读 top-10 文件少 95.6%，对朴素 grep 基线少 98.5%，两者回答不同问题、不可互换，且都不衡量回答质量）、跨会话 Episodic / Skill 飞轮。GraphFlow 不执行代码，只给宿主 Agent 压缩上下文和计划；对话写入边界默认做密钥脱敏（GRAPHFLOW_DIALOGUE_REDACT=0 可关）。Workbench 数据走 MCP graphflow_context / graphflow_diagnose 即可。

安装

方式 0：插件市场一键装（推荐）

GraphFlow 已按 dsh-plugin 收录规范 打标（dsh-plugin / cordis-plugin / deepseek-harness / cordis），市场每 2 小时自动扫描该 topic——可在 DSH 插件市场 或 DSH-Plugins-Marketplace 搜 GraphFlow 一键安装/更新。也支持 GitHub 直装：

dsh plugin --profile web add github:Roarpeng/GraphFlow

⚠️ 只选一条注册路径：市场 / dsh plugin … add 会自动把 dsh.bundle 的 cordis.patch.yml 注册进 profile；此时不要再跑 npx @roarpeng/graphflow install（它写 $DSH_HOME/cordis.patch.yml overlay），两条注册叠加会重复加载。市场判定类型为 cordis-plugin；仓库不提交 dist/（源码型），安装时会先询问「安装依赖并执行构建」，确认后执行 npm install + npm run build（离线可用）。

披露（disclosure）：本地优先——索引/压缩/召回/图存储全离线（默认 resilient local 语义向量：优先本地 Xenova/bge-base-zh-v1.5，失败降级 FNV-1a hash，可用 embeddingProvider: "fnv" 强制纯离线，无需 API Key）；仅当为 graphflow_plan / graphflow_run 配置 LLM provider 时才访问云端端点（api.deepseek.com / api.openai.com / api.anthropic.com / dashscope.aliyuncs.com / ark.cn-beijing.volces.com）。API Key 只从环境变量或全局配置读取；~/.graphflow.config.json 以 0600 权限写入，日志脱敏。可执行核验：graphflow audit --privacy（见 docs/threat-model.md）。完整字段见 package.json 的 disclosure。

方式 A：装进某个 profile（推荐）

dsh plugin --profile web add @roarpeng/graphflow
npx @deepseek-ai/dsh web

方式 B：home 级 overlay（所有 profile 生效）

先有 $DSH_HOME（默认 ~/.dsh），再执行：

npx @roarpeng/graphflow install

会写入：

路径	作用
$DSH_HOME/cordis.patch.yml	插入 mcp-graphflow（cwd: process.cwd()）与 graphflow-dsh glue
$DSH_HOME/skills/graphflow/SKILL.md	Skill 目录（graphflow install）；bundle glue 也会在运行时 ctx.skills.register

开发态也可：

dsh plugin --profile web add /absolute/path/to/GraphFlow

用法

1. 任何读代码、改代码、排错之前，先调 mcp__graphflow__graphflow_context，并传入当前仓库绝对路径 rootDir。
2. 用返回的 summary / anchors / tokenBudget 当第一上下文；不够再按 anchorId 展开。
3. 跨多文件或范围不清时，再调 graphflow_plan；结果里的 workbench.topics 是功能节点。之后可用 topicId 细化，或 graphflow_diagnose.graph.workbenchOutline / graphflow workbench tree 唤醒脉络树。
4. 改完文件后调 graphflow_index（单文件可传 filePath）。
5. 若走了 graphflow_run，结束后必须 graphflow_report_outcome（episodeId + success）。
6. 回答用户后应再调 graphflow_context({ assistantReply }) 回填原文。
7. 中文问题请同时传 englishQuery（英文文件名 / 符号名），不要只用泛化中文词检索。

不要在 cordis.patch.yml 里写死 GRAPHFLOW_WORKSPACE_ROOT。

卸载

npx @roarpeng/graphflow uninstall
# 若只从某个 profile 移除 bundle：
dsh plugin --profile web remove @roarpeng/graphflow

换 Agent 工具：一个项目一份图谱与记忆

同一个项目轮流用 Cursor / ZCode / Cline / Claude Code / DSH，不会重复建图，记忆（对话、workbench 主题、episode、skill）也会延续：所有宿主按项目目录读写同一个 graphflow-out/graphflow-graph.sqlite 及其增量索引清单（.graphflow-cache/index-state.sqlite.json），只重新解析改动过的文件。

• 运行时依赖按需下载：VS Code/Cursor 扩展与 MCP 共享运行时不打包 better-sqlite3 和 @huggingface/transformers，首次启动时后台装进 ~/.graphflow/optional-deps（better-sqlite3 按 node / Electron ABI 分目录）。手动：graphflow deps status、graphflow deps install [--with-model]；关闭：GRAPHFLOW_OPTIONAL_DEPS_AUTO=0 或扩展设置 graphflow.downloadRuntimeDeps。
• 旧 JSON 存储自动合并：老版本在缺依赖时会退回 graphflow-graph.json，与 SQLite 分叉。现在 SQLite 打开时发现同名 JSON 会把记忆并入（同 id 取较新；对话轮 id 冲突则顺延编号），原文件改名为 *.merged-bak，结果写入 *.merge-log.json，graphflow diagnose 的 graphStore 段可见。
• 量化向量模型：默认 Xenova/bge-base-zh-v1.5 的 q8 版（约 98MB，fp32 约 400MB），缓存在 ~/.graphflow/models，所有宿主共用。embeddingPolicy.dtype 或 GRAPHFLOW_EMBEDDING_DTYPE 可选 fp32 / fp16 / q8 / q4。每个向量带模型指纹，召回只比较同模型向量；换模型后索引时逐批重算旧向量，模型加载失败退回哈希时不会覆盖已有的语义向量。
• graph index --full 不再清掉记忆：重建前先取出记忆子图，重建后写回。

其它安装路径

路径	适用
Agent Plugins 1.0（plugin.json + mcp.json + skills/）	Cursor 等支持插件清单的宿主
npx @roarpeng/graphflow install	Rules / 多 Agent / 非插件宿主（含 dsh overlay）
VS Code / Cursor 扩展	Open VSX：roarpeng.graphflow

更多

完整英文文档、基准与协议：README.md · ATP/IR · 上下文合同 · 经验记忆 · GraphFlow + Serena · 竞品对比

第三方复现飞轮 / 记忆 A/B / 检索自测：npm run proof:flywheel（说明见 docs/flywheel-reproduction.md）。所有数字均为作者在本仓库上的自测，不是独立评测；综合 / 多域基准是作者自定阈值的内部检查，不作为宣传分数。