test(ai-coach): 轻量架构可行性评测（方案 §1–17）+ 第一轮结果 CONDITIONAL GO

[sol-wizard]

按《AI Action Coach 轻量架构可行性评测方案》§1–§17 实现的评测代码，以及第一轮运行结果。§18（failure bundle / 自动修复闭环）没做。

第一轮结论：CONDITIONAL GO

授权边界全部守住（0 张未授权卡片、0 条虚构 Evidence 获得授权、0 次未确认的正式变更、提问规则 0 违反），多轮状态由 Kernel 正确表达。但有两处「守得太死、不给纠错机会」要先修：

层	结果
架构确定性（scripted A1–A12）	12 / 12；另 4 个变体过、4 个已知缺口固定为 _KnownGap characterization
真实模型 16 个 Case ×1	14 / 16（E1、E6 失败，同一根因）
稳定性 8 个关键 Case ×3	6 / 8（GO 线 7/8）：E6 0/3，C8 2/3
Question Judge 校准	11 / 12

必须先修

1. 一条不可验证的 constraint claim 会丢掉整张正确的卡片，且不重生成（E1、E6；scripted 复现 A3b）。
   E1「帮我安排明天下午三点整理论文资料，做半小时」模型卡片完全正确，只因 constraint 文本 明天下午三点整 比引用 明天下午三点 多一个字，HasInvalidClaims → ConversationPostPolicy 第 55–62 行 Downgrade(ContinueListening, EvidenceInvalid) → 用户看到「抱歉，这次没能形成合适的回复」。
   249d2cca（09-12「optimize」）把这里从 RequiresRegeneration 改成了 Downgrade；PostPolicy_InvalidCurrentClaimWithActiveIntent_RejectsModelProposal 从那天起就是红的。
   建议：constraint claim 不可验证时只丢该条 constraint（item / actionRequest / disposition 的虚构仍致命），并/或恢复 RequiresRegeneration。
2. Companion 出卡触发只认 direct_instruction（C8 三次里一次）。模型把「…但还是帮我安排明天早上跑步吧」标成 explicit_planning_request，ProposalTrigger = CurrentTurnDirectInstruction 就拒绝出卡。建议触发同时接受 explicit_planning_request（仍要求引用来自当前消息）。

其他发现（未声明的问句绕过提问节奏、有约束的 intent 拿不到确定性兜底、部分纠正与整体拒绝不可区分、降级时模型文本整段换成 canned 道歉等）见完整报告 blotz-v2/ai-action-coach-evaluation-round1-report.md。

这个 PR 里有什么

全部在 blotztask-test/AiCoach/Evaluation/，不动生产代码：

• AiCoachEvalHarness：真 ConversationKernel + 真 ModelTurnRuntime（prompt、context builder、Evidence Guard、Planning/Support Policy、Post-Policy、Guards），只换 gateway；固定时间 2026-09-14 周一 10:00 Sydney。
• AiCoachEvalCase / EvalChecks / QuestionQualityEvaluator：Required / Allowed / Forbidden 契约与硬规则检查，断言公开 Outcome 和 Kernel 状态，不解析日志。
• LightweightJudge + QuestionJudgeCalibrationTests：同一部署做 judge，只出软信号，12 样本校准。
• EvalRunRecorder：每个 Case 每次运行一行 JSON 到 TestResults/ai-coach-evals/（已 gitignore），含原始模型输出。
• ArchitectureFeasibilityTests（A1–A12 + 变体 + 已知缺口）、ExecutionModeEvalTests（E1–E8）、CompanionModeEvalTests（C1–C8）。

AICOACH_MODEL_TESTS=0 dotnet test blotztask-test --filter "FullyQualifiedName~ArchitectureFeasibilityTests"   # 秒级，不调模型
dotnet test blotztask-test --filter "FullyQualifiedName~ExecutionModeEvalTests|FullyQualifiedName~CompanionModeEvalTests" --logger "console;verbosity=detailed"
AICOACH_EVAL_RUNS=3 dotnet test blotztask-test --filter "FullyQualifiedName~CompanionModeEvalTests.C8_" --logger "console;verbosity=detailed"

真模型层需要 blotztask-api/appsettings.Development.json 的 Azure OpenAI 凭据，没有则显示 SKIPPED、不算通过。

注意

• ai-coach-v3-pro 上原本就有 7 个红测试（ModelTurnRuntimeTests 6 个 + ConversationPolicyTests 1 个），本 PR 没有改它们：6 个是旧 scripted 候选缺 actionRequest 字段、被 2f288aad 后的 readiness 规则降级；1 个就是上面阻塞 1 的规约冲突。
• 4 个 _KnownGap 测试固定的是当前行为；修好后会翻红，届时改成正向断言。

🤖 Generated with Claude Code

https://claude.ai/code/session_01YMgJV8JoQ93ZXL8kEuuzry