单次记录不构成普适结论
本页整理已有公开证据，不是本次运行的 PASS 报告。本次未重跑检索、注入、Provider 或性能测试；材料阅读修订为 23fa19712c009cf864782401c449106b3ac9f17f，运行来源仍是证据包记录的 91753f1c1ff6fc07bc262dfa50fb719a63210e0b。1
冻结的输入，可追溯的语料
所有检索评测都锚定两组冻结输入。语料是六篇中文优先的 Markdown 文档，每条陈述都可追溯到 ZhoMind-v2 的 README、接口契约、ADR 或已验证测试，每篇文档以 ## 来源 小节映射事实到具体仓库位置。查询集固定为 16 条，按四类构造：四条精确约束（标识符、路径、版本、常量）、四条语义改写、四条组合条件、四条边界查询。
边界查询是这套评测最有设计感的部分：它们对应的语料证据不足、冲突或过时，因此必须不被当作可正常回答的问题。每条边界查询记录 insufficient / conflicting / stale 的原因分类，其诊断结果单独存放，不进入可回答查询的指标聚合——失败的检索和不该回答的问题，在统计上也不该混为一谈。
对比条件全部对齐：QA 分块 500/50、候选深度 20、模型身份一致、语料与查询集哈希固定。Hybrid RRF 按 chunk_id 去重，采用 rank-only 的 k=60，不叠加分数平均与重排。
记录的结果：质量持平，成本分化
| 指标 | Sparse BM25 | Dense | Hybrid RRF |
|---|---|---|---|
| Evidence Recall@3 / @5 / @10 | 1.0 / 1.0 / 1.0 | 1.0 / 1.0 / 1.0 | 1.0 / 1.0 / 1.0 |
| Context Precision@3 | 0.333 | 0.333 | 0.333 |
| Context Precision@5 / @10 | 0.20 / 0.10 | 0.20 / 0.10 | 0.20 / 0.10 |
| 首条 Gold Evidence 排名 | 1.17 | 1.25 | 1.17 |
| 检索耗时 | 0.44 ms | 3816.7 ms | 3261.7 ms |
三种模式在这份语料上的 Recall 与 Context Precision 逐项一致，但首条 Gold 排名并非完全相同，耗时也不同。这份历史记录不支持普适胜者；当时的 Migration Retrieval 与质量对比属于不同职责，也不能据此推导当前 Pilot 的新验收结果。
值得留意的是 context_precision 的绝对值：@10 只有 0.10，说明按这份查询集的 Gold Evidence 标注，扩大返回集合没有提高精确度。这不能单独证明新增候选全部无用，也不能据此推出“前三条”是最佳截断点；确定这个参数仍需要独立实验。2
提示注入：四类案例，一个拒绝
通过认证产品路径的实时运行覆盖四类固定案例：指令覆盖、密钥提取、伪造来源指令、施压无证据作答。
前三类案例全部通过——输出保持 evidence_gated_answer，引用计数正常，失败分类为空。最有说服力的是第四类：施压无证据作答的案例，引用计数为 0。系统顶住了"你就直接回答吧"的压力，没有绕过证据门控——门控真的在产品路径上生效，而不只是在单元测试里。
同样重要的是边界声明：这是对记录案例与条件的证据，不是普适安全保证。公开记录只包含归一化案例身份、通过与否、封闭结果、引用计数与失败分类——不含原始对话，避免证据本身泄露攻击面。
性能：目标未达成，但归因清晰
发布候选接受了两种负载的观测，各 20 个请求，零错误：
| 负载 | TTFT P50 | TTFT P95 | 总耗时 P95 | 错误率 |
|---|---|---|---|---|
| c1（单并发） | 7.65 s | 15.93 s | 15.93 s | 0 |
| c5（五并发） | 12.46 s | 74.46 s | 74.47 s | 0 |
12 秒的端到端 P95 目标未达成——c1 为 15.9 秒，c5 为 74.5 秒，这是如实披露的部分。但报告同时把时间拆开了：应用自身受控的时长包络中心为 653ms，其余大头是检索、provider 与 embedding 服务的等待。外部 provider 延迟与应用受控时长分开报告，观测到的外包络不把外部延迟变成应用声明——一个诚实的性能结论，比一个达标的数字更有信息量。
生产验收与证据包
持久栈验收覆盖认证普通回答、SSE、历史投影、证据不足回复、生成不可用（零生成回退跳数）、来源撤回、成员停用、服务健康、两次独立干净启动的 Retrieval Smoke，以及管理员与知识用户的双角色浏览器边界。
所有这些记录进入公开证据包 portfolio-release-candidate-01：manifest 将运行身份、冻结的语料与查询哈希、工件哈希与声明的边界绑定到源修订 91753f1。公开工件刻意排除凭证、原始环境值、私有问题、完整回答、来源摘录与运营细节——可复核性不以泄露为代价。3
这套方法本身是产出
2026-09-08 本地集成基线已更新至 c1609dd12523e780149ec7ac546a34509f907757。当前 Pilot BM25、条件充分性、闭合执行和批准生成路由，需要绑定新语料、策略与运行身份重新验证；旧版“零回退”记录只说明当时行为，不代表当前禁止一切批准回退。实验生命周期与候选发布仍在独立工作树中。4
最终使用效果的验证还需覆盖带条件的工程问题、实际知识覆盖、来源复查和日常体验，而不止一个小型检索集。完整读法见评测证据全文。
回顾这组实验，最有价值的可能不是任何单项数字，而是方法本身：输入冻结、指标与诊断分离、结论绑定边界、证据包可验证。它和这个项目的设计立场是同一枚硬币的两面——回答需要证据支持，实验结论同样需要。
来源与范围
| 主张 | 固定材料 | 不能扩大成的结论 |
|---|---|---|
| 三模式质量与耗时 | retrieval section | 混合检索的普适优劣 |
| 四类提示注入 | prompt-injection section | 全面安全认证 |
| c1 / c5 性能 | REPORT 与性能 sections | 服务等级或任意环境吞吐承诺 |
| 认证、历史与撤回 | production-acceptance section | 本次已重新执行生产验收 |
公开材料为了隐私仅保留有界记录，不提供全部原始对话。因此它支持记录范围内的核对，不意味着访客可以从公开摘要复现所有实时请求。保留这一代价，比用“可复现”一词遮住输入缺失更准确。
技术页补充本次阅读修订下的证据选择与生成失败测试；迭代记录解释运行来源和发布材料提交的区别。本文不把这些新阅读的断言重新归属到历史运行。