工作原理

01T1/T2 克隆检测——winnowing 指纹索引

找出精确与参数化的重复 token 段：改名的变量、换掉的常量算克隆，改掉的语法不算。

t = window + kgram - 1 = 26 + 25 - 1 = 50 tokens

任何至少 t 个归一化 token 的公共段都含 t - k + 1 = w 个连续 k-gram，即一整个窗口，窗口最小值只依赖窗口内容，两份拷贝必选中同一个：必然至少共享一个指纹，这是 Schleimer 等人 SIGMOD'03 的 no-miss 下界，作为正确性契约。滚动哈希是 Rabin-Karp， h = (h - t[i-k]*top)*BASE + t[i]，跑在 FNV-1a 叶子哈希之上。

02T3 近似克隆——树编辑距离（TSED）

判决 AST 几乎相同、token 流却不同的单元：被改形、被重写的拷贝。

TSED(a, b) = (max(n1, n2) - ted(a, b)) / max(n1, n2)
clone      ⇔ TSED >= 0.85

cloneDecidesWith (num, den) t n1 n2 = (mx - t) * den >= num * mx  where mx = max n1 n2

ted 是单位代价的 Zhang-Shasha（删 = 插 = 1，kind 码相同时 relabel = 0，否则 1），恒为整数，故比较是精确交叉相乘、两侧可判：max = 100 时 ted 15 是克隆、ted 16 不是。两条 O(1) 预筛 q · tsedDen < tsedNum · max（q ∈ {min(n1,n2), I}，I = Σ_label min(c1, c2)）在任何 TED 之前砍掉候选对，可采纳正因为用的是同一个 85/100。

03文档重复——shingling + MinHash/LSH

判定两段文档（markdown 段落、HTML 文本、纯文本段落、注释块、docstring）是否近似重复。

dupDecidesWith num den inter union  =  inter * den >= num * union

dupVerdictWith (num, den, vfloor) inter union run
  =  dupDecidesWith num den inter union  ||  run >= vfloor

生产绑定 (80, 100, 50)：Jaccard ≥ 0.80（整数精确判定），或至少 50 词的逐字连续段。inter 与 union 由核自己从升序去重的 shingle 集合算出，过 wire 的是原始计数、绝不是比值。MinHash/LSH 只是无 RNG 的粗筛（置换下标即盐）；R 个 shingle 的连续段横跨 R + k - 1 个词。

04结构判决——树尺度熵，八条判轴

判的是树而不是文件：目录几何、命名分布、引用局部性、文档覆盖、文档陈旧、冗余、模块度。

tsallis2 cs     = 1 - Σ (c/N)^2            -- and = 0 when N == 0
tsallis2Norm cs = tsallis2 cs / (1 - 1/n)  -- n = nonzero bins, n > 1
chi2 pairs      = Σ_{r > 0} (p - q)^2 / q  -- p = o/Σo, q = r/Σr
perMille r      = floor (r * 1000)

charge_i = floor(scale * v_i / (v_i + N))   -- v = 被点名目录数, N = 目录总数
raw      = Σ_axes (charge_i * violCost)
score    = max 0 (scale - raw `div` (structViolCostNeutral * judgedAxisCount))

Shannon 熵与 KL 散度要取对数，不可精确判定，故改用同族中有理数封闭的 Tsallis-2 多样性与 χ² f-散度，跑在 Data.Ratio 上。参考质量为 0 的 bin 上有观测质量时 χ² 返回 Nothing：一次点名那些目录的拒绝。判轴质量 v 是被点名的目录数，折算成 scale 的千分数并经 structViolCostNeutral = 10 折叠；judgedAxisCount 依可选事实表是否上 wire 取 5 到 8。

05评分与 ADR-006 棘轮

把七条判轴折成一个 0–1000 分，并对着只准收紧的基线银行把门。

raw     = sum_i (w_i * p_i * violCost)
wTotal  = sum_i w_i                            -- derived, never a literal
score   = max 0 (scoreScale - raw `div` (violCostNeutral * wTotal))

p(x) = 0                              if x <= S
     = pMax                           if H <= S          -- degenerate fallback
     = pMax * ((x - S) / (H - S))^2   if S < x <= H
     = pMax * (1 + 2*(x - H)/(H - S)) if x > H           -- C¹ 线性臂

m = median(x)
r = median( max(x/m, m/x) )                    -- >= 1 by construction
S = clamp(floor(m * r^k), [softMin, softMax])

tolerated(c) = max (c * tolNum `div` tolDen) (c + tolAbs)

added   = current \ baseline        -- non-empty => fail
removed = baseline \ current        -- informational; drives the shrink

判轴 0 是唯一不是计数的轴：对文件尺寸的凸罚，精确 Rational，越过硬线仍单调；pMax 是落在 H 上的值，不是上限。软线 S 是仓库自身冻结 LOC 分布的统计量，S = clamp(median + k·MAD, …) 改写成乘性形式以免取对数，只在 establish 时导出并冻进基线。fail 位是六个具名条件的析取：ratchet_over、discrete_added、floor、dedup_budget、knobs_digest、rows_dropped，控制台按此序印在 FAIL 之后。

06图存活性与死代码判决

回答「哪些文件是任何活物都够不着的？」，在节点身份即行下标、wire 上没有文本的引用图上作答。

arcs  = { (s,d) | [s,d,kind,rung] ∈ edges,  rung <= minRung,  kind ∉ inert }
reach = ⋃ { reachable(G, s) | s ∈ entries(entryMask, flags) }

public     = testBit flags 0
referenced = indeg >= 1 over kept arcs
judged     = i ∉ reach
code       = 1 + public + 2*referenced    -- the lookup table is the authority

四个码让「已导出但无人引用的 API」永不塌进普通 dead：1 unref_private、2 unref_public、3 unreach_private、4 unreach_public。一个 site 按本语言梯级依次走，第一个产出恰好一个在域候选的梯级胜出；多于一个即 Unresolved，External 是正确答案、不是漏判。环只报不判；没有入口种子的环岛仅凭可达性即判死。

07三信号 join

把相似度 × 图位置 × 变动史合成四个候选码之一，然后刻意不据此行动。

(1, sev 2, [1,2,3,4], [])    -- merge_candidate:  sim + graph + both referenced + distinct SCCs
(2, sev 3, [1,2,5],   [6])   -- delete_candidate: sim + graph + dead flank, RG10 guard clear
(3, sev 1, [1,2,7,8], [])    -- churn_hotspot:    sim + graph + cochange + rewrite

rewriteHot  = total > 0 && (rewrote_a + rewrote_b) * rewriteDen >= total * rewriteNum
cochangeHot = cochange >= cochangeFloor
legsMask    = legSim .|. (if graphBoth then legGraph else 0) .|. legChurn

优先级是数据而不是守卫顺序：第一行 required 位全成立、forbidden 位全空的规则胜出，否则码 0，所以性质电池能靠旋转表来证伪顺序。每条会 gate 的规则都要求 graph 位：掩码 5（图腿缺席）只带码 0，而不是假装入度为 0。

08拆分 ROI 缝价（四条腿）

给「这个长文件值不值得拆、从哪儿拆」标一个价，是建议，不进结构分数也不进 fail 位。

benefitMilli(u) = max 0 (floor (1000 * (p(total) - p(end_u) - p(total - end_u))))

costMilli(u)    = crossRefs(u)      * roiRefMilli
                + cutClones(end_u)  * roiCloneMilli
                + crossChurn(u)     * roiChurnMilli
                + roiPhiMilli

viable          ⇔ b >= c            -- ROI >= 1, evaluated without division

收益是拆分退回的软区罚分，算在与判决家族同一条凸曲线上（直接 import）；p 凸且 p(0) = 0，故超可加，方括号非负。最佳缝是对 ROI 的精确有理 argmax，用交叉相乘的 b % c 比较；n 个顶层单元产出 n - 1 条缝。长而内聚得一条带数字的豁免，长而可拆得一条切割线。

09编辑四分类（更新监督）

把每次被监督的编辑归约成逐文件对的四个整数（matched / novel / moved / deleted），让「堆上去而不是改上去」成为测量。

siteOpens s n  =  n * movedCost + s  <  n * plainCost

destFloor      =  least n with siteOpens siteCostCross n   =  2

accepted   = isStart && distinctEvidence >= destFloor && anchored
anchored   = any (\(_,_,w) -> w >= anchorFloor) evidence

跨文件证据下限是推出来的：siteCostCross = 2 让单条跨文件行恰好打平（1*1 + 2 = 3 = 1*3），打平不开站，故 destFloor 为 2，那个平局就是巧合拒斥。唯一拍板的是 anchorFloor = 19：双语料影子消融里，凭空发明的站点最宽锚点 16 个 alnum 字符，最细的真实锚点 19，故 19 是杀掉全部实测巧合、保住全部实测真站的窗口上沿。L2 的 delta 只单向：普通行可改判为 moved，反向绝不可以。

10分数轨迹——趋势斜率判决

check 分数在历史上是涨、平还是跌，每天多少？

x_i   = ts_i % 86400                 -- seconds to days, exact ratio
y_i   = (score_i * 1000000) % scale_i

slope = median{ (y_j - y_i) / (x_j - x_i) : x_i ≠ x_j }   -- Theil-Sen

slope < -band  → 2  (degrading)
slope >  band  → 0  (improving)
otherwise      → 1  (flat)        where band = floorMicro

% 是 Data.Ratio 的精确比构造子，不是取模；y 把每次提交归一到固定的 10⁶ 满量程网格，不同 scoreScale 下的行因而可比。斜率取成对斜率的中位数（trend/2）：一个野点能把最小二乘均值拽到任何地方，却拽不动中位数。

11FPR 纪律与守卫档位阶梯

架在非确定性写手之上的确定性门：守卫挂在 Write|Edit 的 PreToolUse 上，以精确算术回答每次待落盘的写，规则类先付清代价才能执法。

TIERS = ["observe", "warn", "ask", "deny"]
PROMOTED_DEFAULT = "deny"

cap      = lines_for(file).file_lines_fail     // 文件自身的类表；class 0 用全局默认 750
breach   ⇔ cap != 0 && lines > cap

permille = (lines - S) * 1000 / (H - S)
0   ..= 249  →  observe
250 ..= 750  →  warn
751 ..       →  ask

12确定性擦除——安全谓词

判决擦除计划的行，覆盖三个可证明的类（dead_file、verbatim_doc、t1_twin），其余行以具名 reason code 拒绝。

class  = 0 (retired 4.0.0, refused by name) | 1 verbatim_doc | 2 t1_twin
         3 dead_file (confidence road, 2.32.0)
reason = 0 eraseable | 1 language_unresolved | 2 not_full_segment
         3 bytes_differ | 4 copy_not_dead | 5 unit_not_covered
         6 public_surface (6.1.0)

Rust 从三个来源家族组装整数事实；Haskell 执行固定的首个失败谓词。proto 2.32.0 起 class 3 信任 graph 家族的逐行置信；proto 6.1.0 起公开死件判决（2 unref_public / 4 unreach_public）在权衡置信之前即以 public_surface 拒绝，导出的 API 永不可擦，此后未担保的置信才拒行。

13未提及声明顾问——提及否决

列出名字不被任何他文件拼写的已判决声明，带可见性码：一件只报不判的负向仪器。

veto  = another file spells it | fold (Rust, ≥2 segments ∧ ≥7 chars)
        | the file's own exception regions spell it
row   = [node, vis, conv]      (integers only — a name never rides the wire)
emit  ⇔ vis ⊇ {exported, scope-exported} ∧ conv has no exempt bit (0..10)
code  = 1 private > 2 restricted > 3 reexported > 0 public

14墓碑残留——被删名字的合取

抓住从代码里删掉 X、又把 X 以缺席形式写回的改动：标题 (no X)、标识符 without_x、一句 X is no longer needed。

R     = ⋃ names(before) \ ⋃ alive(after)      (structural positions only; keys, never text)
row   = [kind, marks, names]                  kind ∈ {0 bracketed, 1 bare, 2 prose}
site  ⇔ names ≥ 1 ∧ (kind ≠ 2 ∨ marks ≥ 1)    (the conjunction, read per sentence)
over  ⇔ budget declared ∧ |sites| > budget     (spoken at [tombstone] tier; ships observe)

15同角色顾问——稀疏检索与仓内联想

用整数 BM25 在读自索引事实的六通道词袋上排出与某单元（或一段文本）最像的单元，再问核哪些扮演查询的角色：离线「代码 RAG」，无模型、无浮点，只当顾问。

bag    = six channels N P C D S L        (facts the parse already carries; hashes, never words)
score  = Σ w · idf · 22·tf·avg / (10·tf·avg + 3·avg + 9·len)   (k1 = 6/5, b = 3/4; integer fixed point)
widen  = top-m PPMI neighbours at ≤ ½ weight    (opt-in view; never evidence)
role   ⇔ (N ≥ 1 ∧ C ≥ 1) ∨ (N ≥ 2 ∧ shapeEqual)  (judged in Haskell over similar/1; advisory only)