WorkBuddy 配置自检 — 6 种评估体系

将配置分解为 5 类约束逐项检测。每项只有「违反/通过」，用 CoT 链式推理给出确凿证据。强调「绝对确定」才标错，避免风格偏好误判。

• 结构约束：文件存在、JSON/YAML 合法、必填字段不缺
• 内容约束：无死内容、无跨文件重复、无互相冲突规则
• 值约束：maxInputTokens 在模型窗口×0.4—0.8 区间、output 不超模型上限
• 依赖约束：AGENTS 引用的 references 文件确实存在、路径可解析
• 行为约束：自动触发条件可被 Agent 独立判断、误触发防护存在

5 维覆盖了配置的完整生命周期（格式→内容→值→关系→行为）。任何一维 P0 违规即可导致死循环，所以全局最优 = 5 维全部达到 P0 零违规。

为每条配置项构建「配置→行为→结果」因果链。检测链路中是否存在致命节点。不只检查「对不对」，而是检查「这个配置导致系统的哪个行为变好或变差」。

• 构建因果图：20+ 配置项 → 8 个行为节点 → 4 个结果维度
• 标注每个链路的严重度：死循环(P0) > 信息丢失(P1) > 效率下降(P2)
• 检测断链（配置存在但未连到任何行为节点=死配置）

一条 P0 负影响链路（如缺 maxInputTokens→死锁）就足以否定全局最优。全局最优 = 零 P0 负链路 + P1 负链路需被正链路覆盖。

定义 3 个互相制衡的目标：最小化 Token 消耗、最大化信息覆盖、最大化安全边际。检测当前配置是否在帕累托前沿上——如果不在，说明存在「零牺牲改进空间」。

• Token 消耗：always-loaded 总字节 / 理论最小必需字节
• 信息覆盖：关键决策场景中「能找到所需规则」的比例
• 安全边际：maxInputTokens − 预估最大会话用量 的差值

帕累托最优 = 不牺牲任一目标就无法改进另一目标。若配置不在前沿上 → 存在「免费午餐」改进。距离越小越接近全局最优。

对每项配置问两个反事实问题：「如果删掉它，系统会变差吗？」和「如果把它改成错误值，系统会崩溃吗？」。一项配置的正负影响通过反事实回答量化。

• 删掉它 → 变差：这项是有效配置（+分）
• 删掉它 → 不变或变好：这项是死配置（−分）
• 改错它 → 崩溃：这项有攻击面（需标注高风险）
• 改错它 → 无影响：这项是伪规则（−分）

全局最优 = 效率比 100%（每项配置都有正向净贡献）+ 零高风险攻击面。比空配置好的底线：效率比 > 0（至少有一项在帮忙）。

计算 always-loaded 文件中「操作上有用的信息量」占总 token 的比例。将配置视为通信信道——死内容、重复、无触发条件的引用都是信道噪声。目标是最大化信噪比。

• 有用信息 = 每条在至少一个决策场景中被使用的规则
• 噪声 = 文件自描述、过时元数据、无触发路径的引用、重复内容
• IE = 有用信息(token) / 总 token

信道容量固定（上下文窗口），最大化信息传输速率 = 最大化 IE。全局最优 IE 取决于配置复杂度需求——简单场景可达 90%+，复杂场景 70%+ 即为优。

不扫描文件，而是注入 5 类压力场景，观察系统行为。好的配置在压力下优雅降级，坏的配置在压力下崩溃（如我们遇到的死循环）。评估的是最差情况表现而非理想情况。

• 场景 1「长会话」：上下文接近上限时，压缩是否正常完成？
• 场景 2「工具请求」：用户问「用西瓜后台查 X」时，Agent 是否找到正确路径？
• 场景 3「设计任务」：用户要求设计新流程时，设计原则是否被加载？
• 场景 4「配置修改」：用户要求改配置文件时，config-rules 是否被读取？
• 场景 5「冲突指令」：两条规则矛盾时，Agent 是否按优先级选择？

一个配置的价值不由理想情况决定，而由最差情况决定。全局最优 = 所有压力场景得分为 2（正常），即系统在任何已知压力下都不崩溃。