这一节回答：每个里程碑的 review gate 具体审计什么？审计动作的标准动作是什么？谁来执行？
三检审计 + 四类断言
ADR-001 定义"每个里程碑过三检 review gate"。本章把"三检"展开为可执行的具体审计动作。
| 检查项 | 含义 |
|---|
| 战略保真度审计 | 工程产物未引入战略禁入概念 / 未违反战略边界 |
| 契约回归审计 | 与上一里程碑的接口契约向后兼容（major 升级除外） |
| 认知质量审计 | 当前里程碑范围内的认知输出符合质量目标 |
四类断言
每检由若干可执行断言组成，分四类：
| 类别 | 检查方式 | 自动化程度 |
|---|
| 机械断言 | 脚本 / grep / 静态分析 | 完全自动（CI 跑） |
| 结构断言 | schema 校验 / 类型检查 / 依赖图 | 完全自动 |
| 样本断言 | 在评估数据集上跑 + 指标阈值 | 半自动（运行自动，判断需人复核） |
| 语义断言 | 人工审查（PR / spec / 文档一致性） | 人工 |
战略保真度审计动作
机械断言
| 断言 | 实现 | 通过条件 |
|---|
| 禁词不命中 | verify-kb.mjs 含 banned-concept grep | 全部 0 命中（或仅在拒绝清单列举段） |
| 战略原句存在 | grep 关键句（如"FinBayes 不直接下单"在文档中存在） | 至少一处命中 |
| 凭证字段不在数据 schema | grep private_key / mnemonic / api_secret 等字段名 | 0 命中（白名单：边界 hook 测试 fixture） |
| 执行类工具 category 不在 Capability Registry | 静态分析工具注册代码 | 0 个 category=execution 的工具 |
| TLS 强制 | grep http://（非 localhost）在 Provider 配置 | 0 命中 |
结构断言
| 断言 | 实现 |
|---|
| 综合层输出 schema 含反方 / 风险 / 失效条件三字段 | Pydantic schema 校验 |
工具 schema 含 category 字段 + 严格枚举 | OpenAPI / JSON Schema 校验 |
| 审计 trail 字段无凭证类列 | DB schema 静态检查 |
语义断言
| 断言 | 谁做 |
|---|
| 同义改写未绕过禁词（如"行动判断"改写为"行动倾向"） | Claude Code Review |
| 输出契约语义未偷偷弱化 | Claude Code Review + 工作流维护者复核 |
| 战略不变量未被"工程方便"理由削弱 | 工作流维护者裁决 |
战略保真度阻断条件
战略保真度审计任何一条机械断言失败 = 阻断 merge。语义断言失败 = 进 review 反馈循环。
契约回归审计动作
机械断言
| 断言 | 实现 |
|---|
| 既有接口的字段未被删除 | OpenAPI diff |
| 既有字段类型未变更 | Pydantic schema diff |
| 既有错误码语义未变 | 错误码字典 diff |
| contract_version 正确递增 | Git diff + 版本规则校验 |
结构断言
| 断言 | 实现 |
|---|
| 数据库 schema 仅增加字段或新表 | SQL DDL diff |
| State Store schema_version 与代码期望版本匹配 | 启动期检查 |
| 删除字段前的 deprecated 标记存在至少一个 minor 版本 | Git 历史扫描 |
样本断言
| 断言 | 实现 |
|---|
| 上一里程碑的样例请求在当前里程碑仍能正常处理 | 跑上一里程碑的端到端测试 fixture |
| 既有审计 trail 在新版本下可读 | 加载历史审计文件 + 校验 |
契约回归阻断条件
契约回归审计任何机械 / 结构断言失败 = 阻断 merge。样本断言失败 = 看是否有合理升级路径（如已 deprecated 一版本）。
认知质量审计动作
详细方法见 CHAP-21。这里聚焦里程碑级的审计动作：
样本断言
| 断言 | 实现 |
|---|
| 当前里程碑范围的冒烟集全过 | 评估运行器跑 + 阈值校验 |
| 回归集无新增失败 | 评估运行器跑 + 对比上一里程碑结果 |
| 抗扰集（边界 case）无新增失败 | 评估运行器跑 |
| Self-consistency 高风险任务的分歧度未上升 | 指标对比 |
语义断言
| 断言 | 谁做 |
|---|
| 输出反方覆盖未削弱（如"反方质量"维度未下滑） | 工作流维护者 + 跨 Agent 模拟视角 |
| 表达密度匹配画像（不过密 / 不过疏） | 工作流维护者抽样 |
| 信息缺口处理诚实（没数据时不硬编） | 工作流维护者抽样 |
认知质量阻断条件
- 回归集失败 = 阻断 merge（硬阈值）
- 抗扰集失败 = 阻断 merge（边界相关，等同硬阈值）
- 冒烟集软阈值下降 >5% = warn + 必须 PR 描述里说明原因
- 语义断言不通过 = 进 review 反馈循环
各里程碑的审计点
M0 走通骨架审计
| 审计项 | 通过条件 |
|---|
| 战略保真度 | 全部机械断言 + 全部结构断言通过 |
| 契约回归 | 建立基线（M0 是基线 → 无前置对比） |
| 认知质量 | 5 条样例跑通 + 包含反方 + 失效条件 + 题眼命中 |
| 边界 | 5 类凭证样式输入 100% 拒收 |
| 审计 trail | task_id 贯穿 + Provider 调用链完整 |
M1 状态化审计
| 审计项 | 通过条件 |
|---|
| 战略保真度 | 同 M0 + 用户主权 5 维度全部可用 |
| 契约回归 | M0 baseline 100% 兼容 |
| 认知质量 | 候选 → 已确认两步路径可被评估观测 |
| 状态机 | 5 个状态机的所有转移都有测试 |
M2-M7 审计
每个里程碑的具体审计点在 OpenSpec 提案中由 Claude Code 起草，遵循"机械 + 结构 + 样本 + 语义"四类断言模板。
审计执行模型
这张图表达什么：每个 PR 走机械 + 结构断言（CI 自动）+ 样本断言（评估运行器）→ 人工 review 语义断言 → merge。所有审计结论进入审计记录。
这张图特意不表达什么：每条审计的具体工具实现（在工程实施仓 CI 配置）；审计争议的仲裁流程（在 governance/change-protocol.md）。
审计的可观测性
审计自身需要可观测：
| 维度 | 实现 |
|---|
| 每次审计的结论 | 进 release notes + 审计 trail |
| 责任人 | PR review 字段 + 审计记录 |
| 时间 | 自动记录 |
| 阻断历史 | 哪些断言曾经阻断过 + 解决路径 |
| 审计 SLA | 每个里程碑的 review 应在 X 工作日内完成（不是软指标，是流程承诺） |
审计 vs 测试 vs 评估的关系
| 维度 | 测试（CHAP-20） | 评估（CHAP-21） | 审计（本章） |
|---|
| 触发 | 每次 PR + nightly | 周期 + release | 每个里程碑 |
| 对象 | 业务正确性 / 协作 / 边界 | 认知质量 / 趋势 | 里程碑产物整体 |
| 通过 | assert + 覆盖率 | 指标 + 阈值 | 三检通过 |
| 负责 | 工程实施 Agent | 评估运行器 + 工作流维护者 | Claude Code Review + 工作流维护者 |
测试与评估是审计的输入证据。审计是更高层的"这一刻这一切是否能合并到主分支"的综合判定。
审计的边界
审计不替代：
- 战略层的决策（战略变更走 governance/change-protocol.md）
- 工程实施的细节决定（PR 描述中说明）
- 用户的真实使用反馈（在线评估信号）
审计就只做三件事：
- 这次里程碑产物是否符合战略边界（保真度）
- 这次里程碑产物是否破坏既有用户（契约回归）
- 这次里程碑范围内认知质量是否未退化
与其他章节的关系
- 三检 review gate 来源 → ADR-001
- 工程协作模式 → ADR-003
- 战略不变量与禁入概念 → CHAP-02 / CHAP-17
- 契约版本化策略 → CHAP-19
- 评估测试方法 → CHAP-21
- 里程碑切片 → CHAP-25 与里程碑/任务的对应
- 代码层审计点的物理位置 → CHAP-27 代码仓位置映射