主题
附录 B · lab 课题 ↔ 手记命题 对照表
pixiu 的 lab 体系做了一件特别的事：用可证伪实验，逐个检验旧手记里的命题。本附录是对照表——左边是旧手记的命题，右边是 pixiu 的实证结果和对命题的修正。
| lab 课题 | 旧手记原命题 | pixiu 实证 | 对命题的修正 |
|---|---|---|---|
| R1 鲁棒性默认化 | 鲁棒性应该默认化（timeout/retry） | make_llm_client 工厂 + @provider_retry，清债 415→0 | R1-7：默认化有边界——装饰器难被 lint 强制，工厂可强制 |
| R2 熔断层级 | 连续失败要熔断 | CircuitOpenError（5次/60s/半开），根治 scheduler 空转一夜 | R2-1：熔断是跨层契约——下层熔断、上层优雅降级，缺一不可 |
| E1 EDD 闭环 | 先写 eval 再写功能（结构化例子） | signal eval 建框架，代码断言抓退化 | EDD 在叙事场景分维度适用：结构化直接，叙事需 E2/E3/E4 支撑 |
| E2 打分手段 | 三种手段（代码断言/裁判/人工）并列 | 决策表：结构化→断言、叙事→裁判、裁判可信度→人工 | 给了"指标→手段"判据（旧手记没给）；裁判对轻微违规灵敏、打分有分寸 |
| E3 非确定性 | 跑多次看通过率（5次×80%），分层 | 裁判飘分布不均（极好 std0.31 / 极差 std0） | 分层不只按维度，按输入可判定性；旧手记承认没落地，pixiu 落地了 eval_llm_judge_statistical |
| E4 eval 卫生 | eval"队列污染"，sleep 土办法 | grep 出 ~20 处模块级可变状态（4类"隐藏队列"） | "队列"是一类（单例/缓存/字典/标志），sleep 治标，要 reset 状态/mock 隔离 |
| Q1 单人 CI | （旧手记未覆盖） | ruff 415→0、Actions 45s/83 passed | 单人 CI 也值——抓"配了不跑""静默失败"（Q1-1） |
| Q2 空壳识别 | （旧手记未覆盖） | 系统识别法核实调用链闭合 | "功能不是写了就算数"，要逐个验证调用链 |
| C1 驾驭曲线 | 许愿→划边界→驾驭→元驾驭（回望式） | 全程"驾驭式"，AI 执行比重递增 | 曲线可进行时观察（执行比重指标）；演进渐进非跳跃 |
这张表说明了什么
这张表本身就是这本书方法论的精华。它说明三件事：
1. 经验之谈可以被检验。 旧手记里的每个"我觉得"，都能变成一个可证伪的假设，用实验去证实、证伪、或修正。这不是写论文的矫情，是让"经验"变成"知识"的唯一途径。
2. 实证会修正命题。 注意右边那列——几乎每个课题都给了"修正版命题"。E3 发现飘的分布不均，修正了"分层按维度"；E1 发现 EDD 分维度适用，修正了"EDD 统一可行"；C1 发现演进是渐进的，修正了"阶段跳跃"。真实的项目会打脸纸上的理论，打脸之后修正出来的，才是更接近真相的命题。
3. 有些命题是全新的。 Q1（单人 CI）、Q2（空壳识别）在旧手记里根本没覆盖——是 pixiu 的实践自己长出来的新认知。这说明光"验证已有命题"不够，还要从实践里提炼新命题。
怎么读这张表
如果你读过旧手记，这张表告诉你"那些命题在一个真实项目里，哪些成立、哪些要修正、哪些有边界"。
如果你没读过，这张表本身就是一份"agent 工程命题清单 + 实证结果"——你可以直接拿去对照自己的项目检验。
附录 C 是一份把全书各章自检汇总的总清单，帮你把这些命题落实到自己的项目里。