web-flow-benchmarklisted

# web-flow-benchmark · 有限评测 > 评分负责发现问题，不负责制造无限循环；memory 只接收经过根因验证的错误，不接收所有低分。 ## 按需读取 - 只读 [rubrics](references/rubrics.md) 中当前 stage 的小节；不要加载其他阶段细节。 - 使用 [review template](references/review-template.md)记录证据和结论。 - 输入包括 stage、attempt、当前 artifact revision、参考 artifact，以及测试、浏览器或命令证据。 评审文档路径必须是 `reviews/<stage>/attempt-<n>/round-<n>--<artifact-id>-r<revision>.md`。事实门修复使用同目录的 must-pass recheck 版本路径，不占主观 round 1/2。 ## 独立 memory 若本 Skill 的 `memory/index.md` 存在，只读取 rubric、硬校验、加权计算和停止规则相关的 1–3 条记忆。benchmark 自身发生且通过三项验证的错误写回自己的 `memory/`；产物阶段的错误候选必须交回对应阶段 Skill。 ## 独立性 评分必须交给没有参与本阶段生成的独立 AI，或至少使用干净上下文。评测 Agent 不能用生成者的自我说明代替产物证据。 ## 一次评分 1. 读取当前 rubric 的 must-pass、维度、权重、阈值和 0/3/5 锚点，并计算 rubric 原始字节 hash。 2. 先逐项验证 must-pass，为每项写 passed/failed 和直接 evidence。修复后的 `must-pass recheck` 不占主观评分两轮。 3. 任一 must-pass 失败：decision 为 blocked、weighted score 为 null，只指出一个最先要恢复的事实条件。 4. 硬校验全过后，对每个主观维度打 0–5 分并给证据；加权均分公式为 `sum(score × weight) / sum(weight)`，保留两位小数。 5. 只选择一个对结果影响最大且当前可改的 top fix。 6. 按 review template 写 Markdown，再调用 runtime `review record`，绑定 reviewer、独立性、rubric ref/hash、review path/hash、artifact ref/hash、must-pass、分数和 decision。 ## 两轮规则 ```text round 1 达阈值 → pass round 1 未达阈值 → revise_once，只修 top_fix round 2 → 停止主观评审循环 达阈值 → pass 未达阈值 → proceed_with_residual，不要求收敛 任意轮 must_pass 失败 → blocked，修复事实条件后重新验证 ``` 第二轮后的 residual 要保留，但不能自动写进 memory。 ## memory candidate 只有发现可能跨次复现的真实错误时才附候选，并分别回答： - `actual_error`：是否真的发生，而非审美偏好？ - `root_cause_verified`：根因是否有代码、测试、命令、数据或用户确认？ - `likely