qiaoqichaoandClaude Code
8fef00d268
先边界 fixture 再批量生成；全程程序组合场景，**不做任何模型调用**（14 §8 末）。 新增 services/simulation_dataset.py： - generate(seed, scale)：程序化生成虚构项目，同 seed 同版本**逐条一致** - split()：按关联组 + 时间分桶（组内不拆），以组的最早发生时间排序 - assert_group_integrity / assert_source_allowed：组不跨集合；保留集来源禁止用于提炼 - manifest()：构造 DatasetManifest 契约体 契约补 T04 才该有的部分（T00/04 当初有意推迟）：EventOutcome 七值枚举、 OutcomeCount、DatasetManifest。含两条硬约束——合成数据必须 demo 域（BR-34）、 计数不得为 0（空结果用不适用表达）。 配比按 14 §8：通过 1800（直接 900 + 补件后 900）/ 未通过 600 / 不计入 600 （附条件 100 + 未送审 175 + 退出 175 + 待定 150）= 3000。 两个建模决定： - "补件后通过"是 approved 的**子类型**（outcome_subtype），不是独立 outcome —— 06 §3 要求区分首次提交与补件后，但设计 §9.1 的 EventOutcome 只有 7 个值，不自扩充 - conditional 是否计入目标由客户映射决定（OQ-05），故 label=None，绝不默认当通过 实现中被自己的检查抓到两个 bug： 1. 分组与近重复用了两套独立公式，导致 near_duplicate_of 指向别组记录， assert_group_integrity 直接报"近重复案例跨集合"。现组号与近重复由同一序号唯一推出 2. split() 末段取剩余可能为负（极端小样本），会静默切出错误的划分。已夹到非负 测试：新增 test_simulation_dataset.py 24 项（边界 fixture 10 + 生成 10 + 清单 4 + 落盘 2），含 AC-35 的可复现性与 AC-36 的组不跨集合/保留集来源拒绝。 全量 272 项 OK（248 → 272）；verify.py 10/10 PASS。 Co-Authored-By: Claude Code <noreply@anthropic.com>