原始文档的离线阅读副本 · 原始文件

RSI 学习案例：选择与演示

日期：2026-10-17。本文只整理已完成且保留原始证据的运行，不新增模型实验，不修改候选经验或历史评分。

选择结论

主案例采用 LedgerSnap 内部快照对账。这是明确标注的构造场景，不是用户历史重放。

选择它的原因：

补充案例采用 专业评测中的退款冲正对账，展示已观察到的评分和执行成本改善。它是开发阶段选择出的正向个例，不能用两个案例计算总体成功率。

主案例的业务故事

第一次处理 LedgerSnap 导出时，用户说明内部约定：

  1. revision 是对象业务版本，emitted_at 只是投递时间，旧版本可能晚到。
  2. 每条记录是完整金额快照，不是金额增量。
  3. 先为每个对象选最大业务版本，再看该版本是否为 deleted。
  4. 同对象同版本的相同载荷去重；冲突载荷必须报告，不能任意取一条。

插件从该会话抽取经验，独立筛选后保留 3 条。目标会话只有另一批数据，没有重新给出内部约定；有经验组得到历史规则，无经验组没有。

目标结果如何手工核对

对象 最大业务版本 状态 计入金额 / 分 检验点
holdout-p 4 active 7,842 投递更晚的版本 3 不能覆盖版本 4
holdout-q 2 deleted 0 不能先过滤删除记录，再复活版本 1
holdout-r 2 active 4,094 相同载荷重复投递只计一次
holdout-s 3 active 1,726 取完整最新快照，不累计旧版本
holdout-t 2 active 2,612 高版本恢复有效，不能永久删除

有效对象 4 个；金额 7842 + 4094 + 1726 + 2612 = 16274 分。 目标无同版本冲突，因此冲突处理经验在这一题中没有得到行为验证。

五分钟演示顺序

  1. 打开 report.html，先说明主案例是构造场景、补例是专业评测。
  2. 展开“来源任务与用户纠正原文”，指出规则来自历史，不是目标答案。
  3. 展开“插件实际保留的 3 条经验原文”，核对来源、适用范围和排除条件。
  4. 打开完整审计页，查看抽取和独立筛选的原始对话，以及实际记忆注入。
  5. 对照双组目标输入和输出，用上表手算核验金额。
  6. 展示退款补例的评分、Token、响应次数、耗时，并说明学习成本和证据边界。

在 DSH 中查看已完成记录： 设置 → RSI 记忆 → 来源 session-bc40fe1e-dc39-4bcf-adc7-c20dab477d05 的 completed 学习记录 → 候选及来源 → 双组记忆送达记录 → 原始对话 → 打开原生会话。

查看现有证据不需要重新点击“开始学习”。正常已安装 profile 的部署验收尚未完成； 查看实例和正常日常 profile 不能混为一谈。鉴权地址见相邻 walkthrough，token 不进入报告。

已保留的真实执行结果

案例 / 指标 无经验 有经验
LedgerSnap 输出 active_count=null, total_cents=null active_count=4, total_cents=16274
LedgerSnap 实际记忆送达记录 0 1
LedgerSnap 任务 Token 1,987 3,079
LedgerSnap 响应次数 1 1
LedgerSnap 耗时 / 秒 1.115 3.129
退款冲正官方评分 0.588235 1.000000
退款冲正任务 Token 1,372,640 605,978
退款冲正响应次数 31 19
退款冲正耗时 / 秒 240.797 95.719

LedgerSnap 抽取和筛选额外消耗 31,241 Token。 退款补例抽取和筛选消耗 195,197 Token，训练消耗 1,403,297 Token。 Token 为保留记录中的用量，不是核验后的计费金额；学习成本不包含在目标任务表中。 响应次数不是用户交互轮数。

建议陈述

“我们先证明插件能在原生 Harness 中完成从历史会话学习到新任务应用的闭环。 这个构造例中，模型自动抽取并保存了内部快照规则，实际注入新任务后正确完成了对账。 另一个专业评测个例中，评分从 0.588235 提升到 1，同时目标执行 Token、响应次数和耗时降低。 目前还不能据此声称任意任务都会提升，下一步需要独立任务和普通摘要对照验证稳定净收益。”

无经验组按题目要求返回 null 是合理澄清，不是计算错误。 因此主案例证明历史信息复用，不证明等信息条件下的推理提升，也不是效率正例。 合成场景受之前开发失败启发，不是独立确认性实验。

证据入口