DoG 演示模块

两个可直接投入使用的演示图,对象为 harness-article.md(任何你想质检的文本文件,把 target 改成你的相对路径即可)。

1. article-quality.graph.json — 非形式化目标的四维拆解

把"这是一篇真正有质量的好文章"(非形式化、无唯一判准)拆成四个可独立评看的子目标 + 一个根整体断言:

• no-slop — AI 味儿(模板腔/空口号/模糊词)
• dense-fun — 信息密度与趣味(每段有思想+证据)
• readable — 易懂、符合认知规律(定义先行/段间有桥)
• human-qual — 人类质感(句式节奏/有立场)
• root — 单维都过后,作为一篇完整文章是否成立(整体断言)
• phrase-hint — 程序化辅助(模板词表脚本,soft/tolerable)

要演示:四维全部由 agentic 子代理(独立判断力)判定;程序化只做辅助;根节点整体断言"只降不升"。

2. dog-smoke-multi.graph.json — 多级 + 混合判定(功能全景)

• 3 层结构:root → content-group → 四个 agentic 叶;两个 composite 各带整体断言
• 程序化叶:phrase-hint(slop-phrases)、file-nonempty(file-non-empty)——脚本名不带 .js
• 依赖边:content-group 依赖 file-nonempty(文件检查先于内容组;source depends on target)
• 失败传播:任一个 hard 子项失败 → 该组失败 → 根失败;tolerable 项不影响根

怎么跑(在 dsh web/tui 会话里,工具面:dog_validate / dog_create / dog_run / dog_wait / dog_status)

1. 把目标文件放在 dog 工作区(settings.yaml → dog.workspaceRoot)
2. dog_validate { graph: <图> }         # 只校验
3. dog_create   { graph: <图> }         # 固定对象副本 + 生成 graphId
4. dog_run      { graphId: "<…>" }      # 开始(后台)
5. dog_status / dog_wait                # 轮询到非 running
6. 面板(Debugger)看每个节点的状态/证据/事件流

预期行为(engine 语义,可当验收清单)

• agentic 叶:子代理独立判定,证据伴随({"verdict", "evidence"})
• 程序化叶:立即执行、不排队;输出也是 {"verdict", "evidence"}
• 复跑同图(对象+判据不变):已结算叶标记 inherited(复用,0 token)
• 子树失败:composite 跳过自己的整体断言,原因定位到具体子项
• 宿主重启遗留 run:启动即标 cancelled(run+goal 级),已结算叶继续可继承
• 面板:节点状态与事件同帧;dependsOn 箭头 = 被依赖者 → 依赖者(执行先后)