边界说明 · 三角色 AI 专业谈话系统

这份站点是什么 / 不是什么

是：三角色 AI 专业谈话系统的基础设施基线产物——由落盘的 append-only 事件日志生成的期列表、谈话正文、Replay 时间线与评价状态。

不是：对话质量结论。本站的 fixture 与 mock 数据只证明链路可用；即使标着"真实模型"的期，样本量也远不足以支撑角色差异、专业增益或 20 轮耐久的判断。

系统采用"预生成 + 静态分发"形态：AI 三个角色的谈话在构建期由真实模型生成并落盘为事件日志，本站只是这些产物的只读投影。因此不需要任何常驻后端、没有运行时超时问题、也不存在并发写入。

教师"现场插话"（Stage 7）无法在纯静态下完成——它需要一个无状态的函数入口：读同一份事件日志 → 推 1–3 轮 → 写回。那是叠加在形态之上的下一层，不在本站范围内。

不能验证对话质量：本 baseline 的 fixture 只证明基础设施可用，不能证明角色差异、自然承接或专业增益。
短 fixture 不具备统计意义：3–5 轮不足以观察 Persona 漂移、观点塌缩或后半程耐久；报告中的 AC 命中数是机制验证，不是质量分布。
F08 Endurance / F11 条件敏感度 / 后程 Diversity Preservation 未验证：需要 35–50 轮文本代理或变式对照，属 Stage 2。
真实模型样本量极小：本次含 5 条真实模型 run（合计 34 轮），只能证明"真实链路可跑通且可审计"（token / latency / 原始输出可回捞），不能当作质量分布或耐久证据。
Gold Set 尚未完成人工确认：现有条目均为 draft，只能用于校准，不能支撑"评价口径稳定"。
AC-02/04/05/06/07/08/09 全部是候选筛查：只有 AC-01（F17）是 auto final；其余结论必须人工确认才算 failure。
AC-08 是字符串级泄漏初筛：能挡住"不是标准答案"这类反向表述，但挡不住更隐蔽的泄漏措辞。
AC-05 在 fixture 上必然命中：确定性桩路由器每次返回同一组句柄，不能据此断言真实检索同质化。
评价不在线闭环：评价是运行后批处理，节目运行期间没有实时质量闸门。
不支持 run 续跑：崩溃后只能只读 Replay，续跑必须新建 run_id。

密钥扫描: passed（发布前对整份模型跑密钥正则与清洗残留检查）
可见性: internal（含 noindex，不对外）
谈话正文: 已发布
数据来源: 只读 runs/ 的事件与 artifact、reports/ 的报告、eval_assets/ 的 Gold 条目；不调用模型、不修改任何资产

产物生成于 2026-09-17T13:41:15.293Z｜密钥扫描：passed｜本页由 npm run site 从落盘的事件与报告生成，不含任何运行时。