从零到一：7 天 RSI 学习路径
每日课纲、测验和实验室：7 天学会 RSI。本文把七天收成可 检查的产出，不代替子站上的交互练习。
七天结束时，你应有一份能复算的实验包：策略文件、评分器版本、回归基线、至少一次拒绝和一次接受的 trace.jsonl。没有拒绝记录，说明门禁没工作。
| 天 | 主题 | 必须留下的产出 |
|---|---|---|
| 1 | 范式与边界 | 一张五步图，一份白名单/黑名单 |
| 2 | 评估器 | 规则 R1–R6 与评分器版本号 |
| 3 | 反思与教训库 | 带编号的教训，以及一条被拒绝的无证据反思 |
| 4 | 策略补丁 | 只改 constraints 的 diff |
| 5 | 多角色或小种群 | 调用次数对齐的对照笔记 |
| 6 | 防退化 | 回归失败时丢弃补丁的日志 |
| 7 | 复盘 | 可复现实验包和毕业任务说明 |
Day 1：范式
阅读 入门介绍。在纸上画出执行、评估、反思、改进、再执行，并标出哪一步允许模型自由发挥（只有执行和有证据的反思草稿），哪一步必须是代码（评估、白名单、门禁、停止）。
白名单写三条，黑名单写三条。黑名单至少包括：安全段、回归集文件、评分器源码。用子站 Day 1 的写作循环做一次手工三轮，每轮用同一张 10 分量表。量表在三轮之间不许改。记录每轮分数和你改了提示词的哪一句。
晚间检查：你能否指出哪一轮只是换了说法、失败点没变。指不出，就还没把「失败」定义成可观察项。
Day 2：评估器
按 快速开始 实现 R1–R5。再加上 R6：规格里的数字必须原样出现。把版本号写成 rules-r1r6-v1。准备三道回归题，冻结 baseline.json。
做校准小实验：混入两份你认为很差的草稿。若评分器给它们 8 分以上，规则太松，先改规则再谈改进。此日不要优化提示词。评估器不稳定时优化策略，得到的是噪声。
可选：写一个评审器 JSON。引用不是草稿子串就丢弃。规则失败时评审器不得把分数改成满分。
Day 3：反思
实现「失败编号 → 一句动作」的目录。模型生成的反思若包含目录外编号，整条教训 grounded=false，改进器必须返回空。
用三道小题连续做。第 3 题开始前检索教训。写下第 3 题是否避开了前两题的编号。若没有避开，检查检索键是不是整段闲聊而不是编号。
故意注入一条错误教训（把断言失败归因到「应该删除测试」）。确认这条教训不会进入白名单补丁。把它归档，并在笔记里写明归档条件：建议触及黑名单。
Day 4：只改一处
改进器只允许改 constraints。跑两轮。第一轮即使分数上升，只要回归出现新失败就拒绝，并保留 policy.prev.json。第二轮在失败集成为真子集且回归通过时接受，本地 git 提交信息写失败编号。
对照实验 B：关掉回归，只看当前题。记录 B 接受了哪些 A 拒绝的补丁。这是 Day 6 的预演，今天就要看到至少一条分歧。
不要同时改温度。温度不是白名单里的策略字段。
Day 5：互评或小种群
选一条轨道。
互评：作家、编辑、读者三套提示词，同一个规则评估器。读者只产失败证据，编辑只产补丁建议，作家只产草稿。预算按调用次数与「单角色自省」对齐。次数更多而失败集相同，判定互评更差。
种群：最多 4 个个体，每个相对父代只变异 constraints 里的一句。安全段从冻结文件复制。未过回归的个体不能当冠军。
写出半页对照：失败集合、调用次数、是否过拟合到当前题。不写「协作更智能」这类句子。
Day 6：综合与防退化
把调度器按 开发指南 收拢：预算、平台期、安全停止。平台期定义为失败集合连续两轮不变。
从最近接受的补丁里抽一份，回答三个是否：规格数字还在吗，失败集是否缩小，回归题有没有被抄进提示词。有一个否，就回退并补规则。
选择一条实战轨道收尾：写作说明、带测试的小函数、或数据分析检查清单。 轨道必须能用规则判断成败。不能用规则判断的任务，不作为毕业任务。
Day 7：复盘与边界
阅读 开源对照 和 最佳实践。用模板记一个外部项目：评估器、改进对象、有没有回退、搜索集和报告集是否分开。
整理实验包：
rsi.config.json（白名单、轮数、温度）rules与版本号baseline.jsontrace.jsonl（含一次accepted: false）- 最后一次抽检的三个是否
毕业说明用十行写完：任务规格、评分器版本、最后策略相对初版的 diff 摘要、回归结果、你拒绝自动化的一件事（例如改测试或改权限）。十行写不满，说明日志不够。
子站若提供完成标记，以实验包为准，不以徽章为准。
每天时间怎么切
子站把每天分成理论、进阶和实战。本地建议同一结构：上午读文档并写定义，下午改代码并跑规则，晚上留下日志和一句「今天哪条门禁真的拒绝过」。晚上没有拒绝，第二天先修门禁，不要加新功能。
卡住时的顺序：先看失败编号是否稳定，再看补丁键是否越界，最后才怀疑模型能力。多数「模型不会改」其实是评估器没有把错误说成编号。
完成线
- 能口头讲清五步顺序，并解释为什么不能先改进再评估。
- 实验包可在另一台机器上只跑评分器、复算分数。
- 至少一条补丁因回归被拒绝，一条因失败集缩小被接受。
- 安全段哈希在整个七天不变。
- 毕业说明没有「大幅提升」这类不能复算的话。
未达到时，不要加种群和多 Agent。回到 Day 2 把规则收紧。七天的目标是可控的改进循环，不是更长的演示文稿。
每天晚上的固定记录格式
不要另起一套表格。每天只追加下面这一行到 trace 旁边的 journal.md，字段名保持不变，方便第七天打包。
day=N scorer=rules-r1r6-v1 accepted=0|1 failures=R? regression_new=0|1 safety_hash_changed=0|1 note=一句话
note 只允许描述证据，例如「回归题 export-csv 新增 R2」。不允许写「感觉更好」。七行 journal 加 trace.jsonl 就是毕业包的索引。缺一天的 accepted=0 记录，就在第八天补一次故意越界补丁，确认门禁仍会拒绝，而不是回头修改历史日志。
Day 1 晚上可以交的循环图
图上五个节点用动词命名，不要用「处理」「优化」这种不能观察的词。边上写输入输出的文件名：执行读 policy.json，评估写 failures，反思写 lesson.json，改进写 policy.next.json，门禁决定是否用 next 覆盖 policy。若图上出现从改进直接指向评分器源码的边，把这条边划掉，并在黑名单里加一行。子站测验若问五步顺序，以这条边的方向核对，不要背选项文字。
Day 2 的校准数字怎么读
十份草稿里四份是你手工做差的。记录差样本的分数中位数。中位数大于等于 6，说明规则没有抓住「差」。常见漏网是只检查关键字「边界」是否出现，于是模型写「边界情况等等」也能得分。把 R4 收紧为必须包含「不得」加一个具体宾语，例如「不得关闭审计日志」。收紧后升版本号，上午的分数全部作废，下午用新版本重跑基线。不要把新旧版本的平均分写 进笔记。
Day 3 的检索命中要能指认
第 3 题开始前，打印检索到的教训编号。若打印为空，先不要怪模型，检查第 1 题的 cites 是否写入。若打印了编号但第 3 题仍犯同样错误，把教训正文读出来：动作是否具体到字段。把「写清楚输入」改成「输入段列出 user_id 与 code」。改教训正文不算改策略，但要在 journal 里写 note=lesson_rewritten。一天之内重写教训超过两次，说明目录本身不稳定，停止加题。
Day 4 的 diff 只看三行
git diff 里应该只看到 constraints 的增加。出现 safety、baseline、rules 任一文件，提交前重置。提交信息使用失败编号，例如 accept R6 keep digits。拒绝的补丁不要提交到策略文件，可以提交到 rejected/ 目录并在文件头写回归题 id。这样第七天能拿出「被拒绝的 diff」，而不是只记得自己曾经拒绝过。
Day 5 的对照表
| 系统 | 调用次数 | 最终失败集 | 回归新增 | 结论 |
|---|---|---|---|---|
| 单角色 | 4 | 空或具体编号 | 0 或 1 | 基线 |
| 三角色 | 4 | 同左 | 同左 | 只有更小失败集才算更好 |
| 种群 4 | 4 | 同左 | 必须为 0 才保留冠军 | 否则整代过拟合 |
调用次数用日志里的执行器次数，不把你自己读文档的时间算进去。三角色若实际调用了 12 次，把单角色也跑到 12 次再比，或者把三角色预算砍到 4 次。不对齐就不填结论列。
Day 6 三个是否题的填写例子
题目是重置密码说明。抽到的补丁哈希记在 journal。三个回答必须引用轨迹里的子串或规则编号。
- 数字还在：输出含「6 位」「15 分钟」「5 次」，回答「是」。
- 失败集缩小：从 R6 变为空，回答「是」。
- 回归题漏进提示词：在 constraints 里搜回归题的订单号或 CSV 列名，搜到则回答「否」，并回退。
三个回答都是「是」才能把该哈希写成当前默认策略。有一个「否」就回到该补丁之前的 policy.prev.json。
Day 7 毕业说明的十行草稿
- 任务：重置密码函数说明。
- 规格义务：三个数字与审计日志不可关。
- 评分器：rules-r1r6-v1。
- 初版失败：R3 R4 R6。
- 终版失败：空。
- 回归：三题无新增失败。
- 接受的 diff：constraints 增加两句。
- 拒绝的 diff：试图删除审计日志句子，安全停止。
- 不自动化的事：不改测试、不改权限。
- 抽检：三个是否均为是，抽检人与日期。
十行都能量到文件，实验才算结束。子站徽章可以之后再点。把实验包路径写进个人笔记，并在主站文档的 更新日志 之外保留你自己的副本。主站更新日志记录的是课程上线，不代替你的实验哈希。
如果某一天超时
超时的处理是删范围，不是熬夜加种群。Day 5 整段可以推迟到七天之后。Day 2 的规则和 Day 4 的拒绝日志不能省。没有这两样，后面的互评没有可比较的对象。推迟的内容写进 journal 的 note，不要假装做完。
毕业实验的最小题目库
下面三题只作回归，不要拿来写「优化成功」的故事。优化故事只用第四题。
- 导出最近 7 天订单为 CSV，列至少包含 id 与 date。
- 按订单号查询状态，输入字段必须写明 order_id。
- 已登录用户重置密码，保留验证码 6 位、锁定 15 分钟、每日 5 次。
- （优化题）把一段不含数字的 产品口号改成开发者说明，规格另给三个必须保留的数字。
第 4 题的数字不要与第 3 题相同，否则策略会背诵 6、15、5。第 4 题失败集缩小且 1–3 题失败集不变，才可以在毕业说明里写终版失败为空。
和子站测验的对齐方式
子站每天有选择题。错题不要只看解析就点下一题。把错题翻译成你脚本里的一个断言。例如题目考「自评不能当门禁」，你就在代码里确认 score 字段没有读取自评 JSON。翻译不了的错题，回到 FAQ 用自己的话写三行，放进实验包的 misconceptions.md。这个文件也算产出，它证明你知道自己容易混哪一条。
七天之后的唯一延伸
七天结束后只允许做一个延伸：把规则从说明文换成一个真实的小函数测试，改进对象仍是一个函数或一段 constraints，不是整个仓库。延伸仍使用同一调度器和同一日志字段。若你发现必须改日志格式才能做延伸，说明延伸太大，缩回去。开源对照留在阅读，不在七天之内接进调度器。
脚本验收嵌进七天
Day 2 结束的标志不是分数变高，而是 rule_r6 的两个反例测试通过，且 scorer_version 已写入日志。Day 4 结束的标志是安全段被改时补丁函数返回空，并且 trace 里能找到一行 accepted 为假。Day 6 结束的标志是 should_stop 在失败编号发生替换时不报平台期，同时 check_trace 能抓住「回归失败却接受」。Day 7 把这三条命令的退出码写进毕业说明，而不是只交一篇体会。
子站测验全部通过但本地测试失败时，以本地测试为准，回到对应的一天。不要用测验分数代替退出码。