qiaoqichaoandClaude Code
8fef00d268
feat(v2): T04 模拟案例生成与数据集划分
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>
2026-09-29 18:30:34 +08:00
..
2026-09-29 12:58:26 +08:00
2026-09-29 18:30:34 +08:00
2026-09-29 12:58:26 +08:00