TaskFoundry 是一套用强 Agent 持续生产高难科学计算 Harbor 题目的出题框架。 它把题目设计、规范沉淀、Teacher 出题、Labwright 环境配置和 Researcher 盲测 拆成独立契约，同时用持久状态和证据门把它们连接起来。
本项目采用 Apache License 2.0。公开仓库只包含框架源码、测试、
文档和经过脱敏的示例，不包含实时 runs/、一次性 capability、内部回执或完整
Harbor 运行目录。
- 题型模块生成
QuestionDesignBrief、来源角色图和 Ground Truth 账本。一道题应预计在 1800 秒内可解。 - Teacher 锁定题型规范、最小可运行题包和固定基础镜像合同。
- Reviewer 检查题型、明显泄漏、Oracle、grader 和 首次解题安全门，不等待 Stable 环境。
- Teacher 向独立 Researcher 签发一次性请求；Researcher 立即从固定 Paper2ARM 基础镜像启动 Harbor。
- 缺少公开能力时，保存失败 trace 并提交类型化请求；Labwright 重放基础环境与 delta，同一科学 attempt 使用修复后的 fresh sandbox 重试，环境失败不计科学尝试。
- 首次有效解题后，Teacher 只依据公开验证结果调整真实科学难度，Labwright 根据真实 delta 精简并 固化题目镜像，不按作者侧依赖猜测镜像内容。
- 完整 Reviewer 验证 Oracle、诚实解、对抗样例、最终环境和无泄漏证据。
- 每个
highrevision 执行三轮独立、空策略上下文的 fresh blind；任一得分>=0.85即TOO_EASY，修订难度后从 blind-a01 重启。三轮均低于通过线后， 才能运行一至两级经审核的非答案提示；提示后必须达到通过线。Agent 硬超时为 3600 秒；达到超时后暂存该题并调度下一题。
freeze-package 前必须先显式绑定与当前 brief/revision 一致的两份设计证据：
taskfoundry attach-design-evidence <run-dir> <source-role-map.json> <ground-truth-ledger.json>
taskfoundry freeze-package <run-dir> <package-dir>难度修订会使这两份绑定失效；修订后的题包必须重新绑定同一科学来源和 GT 合同。
正常出题流程不包含 harness 或模型对比实验。历史实验可以作为旁路研究证据， 但不得写入正式验证账本。
Teacher 调度器保持三个带 owner、generation、heartbeat 和 expiry 的 writer lease。
Reviewer、Harbor、Labwright 或人工等待立即释放 authoring 槽位并自动补位，等待结束后重新排队；旧 ACTIVE 字段不再代表真实存活：
taskfoundry scheduler-enqueue /personal/TaskFoundry/scheduler q18 \
/personal/TaskFoundry/runs/q18 \
--teacher-thread-id <teacher-task-id> \
--teacher-prompt /personal/TaskFoundry/runs/q18/teacher-prompt.md
taskfoundry scheduler-work-once /personal/TaskFoundry/scheduler
taskfoundry scheduler-status /personal/TaskFoundry/scheduler调度状态只表示哪道题应继续推进。真正的解题仍必须通过 Researcher capability 进入 Harbor 沙盒，不能由 Teacher 当前会话直接执行。
Harbor 使用独立的全局队列，硬上限为 200 个活动 Job。每个 JobConfig 必须只有
一个 task、一个 trial 和一个 LBG 环境，因此每项正式尝试创建独立沙盒。超过上限
的请求保持 WAITING，不会丢弃或计作科学失败：
taskfoundry harbor-queue-submit /personal/TaskFoundry/harbor-queue \
<request-id> <job-config.json>
taskfoundry harbor-queue-claim /personal/TaskFoundry/harbor-queue \
--worker-id <researcher-worker> --limit 200
taskfoundry harbor-queue-status /personal/TaskFoundry/harbor-queue正式 researcher-run 必须带同一共享队列根目录。没有预先认领时，它会尝试按
FIFO 自动认领自己的请求；200 个槽位已满时仅返回 QUEUED，不会兑换一次性
capability 或启动 Harbor。
Labwright 有两条生命周期，运行时增量必须先于稳定镜像：
- 运行时增量：Researcher trace 触发公开能力请求，Labwright 排他认领并重放基础环境， 返回带证据的恢复回执；修复后重试同一科学 attempt，配置失败不计科学尝试。
- 稳定镜像：首次有效解题结束后，Labwright 汇总已验证增量形成镜像固化计划，构建题目 完整镜像，经过干净沙盒验证后登记为 Stable。
普通 CPU 题使用固定 Paper2ARM 基础镜像。最终镜像包含题目依赖 和公开资源，不包含凭证、隐藏答案、测试、提示或 Researcher 轨迹。
运行目录中的 question-revisions/ 是不可变验证快照，不是最终交付目录。完成题包
必须同步到：
/personal/codex-workspace/question-from-questions/<题号>/question-pack/<题族>/
FAMILY_MANIFEST.json
high/
medium/
low/ # 可选
Q3–Q32 的旧题包尝试、Reviewer、Harbor、运行回执和失败归因按 trace 类型复制到
各题的 trace/authoring/imported-taskfoundry-runs/，并以 SHA-256 建立逐题索引。
原始 run 保持不动，历史 PASS 或 COMPLETE 仅作为可复用证据，不会自动写入
question-pack/：
cd /personal/TaskFoundry
PYTHONPATH=src /opt/mamba/bin/python scripts/consolidate_question_history.py
PYTHONPATH=src /opt/mamba/bin/python scripts/consolidate_question_history.py --apply全局总账位于 question-from-questions/AUTHORING_PROGRESS.json 和 .md；每道题的
明细位于 trace/authoring/HISTORY_INDEX.json 和 .md。Q1、Q2 不在迁移范围内。
cd /personal/TaskFoundry
/opt/mamba/bin/python -m pytest -q
python3 /home/codex-work/.codex/skills/engineer-large-code/scripts/check_large_code.py \
src/taskfoundry/*.py新增和修改的代码注释、公开契约说明及项目文档统一使用中文。命令、协议字段、 模型名称和外部工具的专有名词保持原文。
examples/harbor-trajectory/q10-survival-a01/
收录了一次成功的 fresh Harbor blind solve 轨迹及 verifier 摘要。示例从运行目录
单独提取并复核，不包含凭据、内部代理地址、私有 reference、receipt 或完整日志。