light-experiment-coding

# 实验编码（stage 6）

任务不是“写出能跑的 notebook”，而是把上游冻结计划逐行实现成**可证伪、可复跑、可审计**的实验。优先级：

1. 不改研究问题；
2. 不让评估信息进入训练；
3. 能用固定环境与 seed 真复跑；
4. 保留足够 raw evidence，让 result-analysis 自己重算；
5. 代码整洁和速度服从以上约束。

先完整阅读 [`references/experiment-coding-resource-map.md`](references/experiment-coding-resource-map.md)。工具机制见
[`references/tools.md`](references/tools.md)，TDD/调试红旗见
[`references/tdd_redflags.md`](references/tdd_redflags.md) 与
[`references/debug_protocol.md`](references/debug_protocol.md)。

## 入口：冻结输入

开始写码前读取并 hash：

- question / estimand；
- experiment matrix 每一行和 fair-comparison 常量；
- pre-registration 及 provenance；
- failure-tree report：每条 hypothesis 的 success/failure/inconclusive 分支、guardrail/counter-metric、kill criterion 与 amendment policy；
- data fixed revision、raw/curated SHA256、lineage、split ID、`split_leakage` evidence；
- result-analysis 对 raw run、predictions、metrics、failures、provenance 的消费契约；
- 当前 git commit 与 dirty state。

primary outcome、comparison family、exclusion、stopping 已冻结。若实现证明计划不可行，带最小复现和影响返回
research-plan，停下让人决策；不得改 config 默认值静默漂移。

## 实现顺序

### 1. 建立最小可运行项目

优先复制 [`assets/project-scaffold/`](assets/project-scaffold/)：

- `uv.lock` + `pyproject.toml`：`uv sync --locked --extra dev`；
- `configs/experiment.schema.json`：每个 matrix row 的机读配置；
- `experiment_contracts.py`：data/model/metric/preprocessing 最小接口；
- `reproducibility.py`：运行期 seed helper；
- CI/pre-commit/debug 资产。

遵循现有仓库框架和配置格式；不要为一个实验引入付费 IDE、云追踪或私有 key。MLflow/DVC 可选，普通本地文件必须能完成
核心闭环。不可用资源明确写 `UNAVAILABLE:原因`，不假装通过。

### 2. 测试先行

在实现 preprocessing/train/eval 前：

1. 写 gold test，验证人工可算的小答案；
2. 写 property test（Hypothesis），验证范围、有限性、对称/单调等不变量；
3. 写 metamorphic test，验证置换/等价变换后的输出关系；
4. 写 train-only-fit 测试，记录 transformer 只收到训练折；
5. 亲眼看新测试因缺实现或真实 bug 失败，再写最小实现使其通过。

浮点断言用 `pytest.approx` / `assert_allclose(rtol, atol)`。先声明 device、dtype、mixed precision 和容差；NaN/Inf
默认 fail。不要测“随机训练一定达到某个漂亮数”，测确定性边界和可重算事实。

### 3. 防泄漏实现

- holdout：先 split，再仅用 train `fit/fit_transform`，test 只 `transform`；
- CV/调参：预处理器与模型放进 sklearn `Pipeline`，每折只 fit training fold；
- 患者/用户/牧场等实体用 group-aware split，不得跨 train/test；
- 目标编码、特征选择、PCA、imputation 同样只在训练折 fit；
- 数据件复核直接复用 data-engineering `split_leakage`，不重造。

`review_gate` 只识别静态形态，会漏/误报；领域语义仍要人工核对。指标异常好，先查 leakage。

### 4. 控制随机性与数值边界

分开两个目的：

- `fixed_repro`：固定一个 seed，在同代码/data/config/environment 下做两次独立运行；
- `randomness_estimation`：按预注册 seed 列表做多次运行，估计算法随机性。

多 seeds 不是患者/实体样本量，绝不拿 seed 数替代功效分析 n。

按实际使用覆盖 `PYTHONHASHSEED`（当前进程须启动前设）、`random`、NumPy、框架 RNG、CUDA、cuDNN、
deterministic algorithms、DataLoader generator/worker。记录 device/dtype/AMP、线程数、worker 数、排序键和已知
非确定算子。换 seed 应可变但可追溯；同 seed 一致也只支持同环境契约，不外推跨 release/platform/hardware bitwise 保证。

### 5. 每个 run 保留 raw bundle

从 [`templates/run_manifest.template.json`](templates/run_manifest.template.json) 生成
`light.run_manifest.v3`；说明见 [`templates/run_manifest.md`](templates/run_manifest.md)。
`termination` 只说明进程为何停止，`completion` 才记录矩阵行 oracle 是否真的通过；
timeout / max iterations / cancel 一律不得冒充完成。

每个 matrix row × config × seed × attempt 独立目录，至少保存：

- config schema 校验后的快照；
- code commit/dirty/diff 与代码文件 hash；
- data/input SHA256、source revision、split ID；
- environment（Python/包/OS/CPU/GPU/CUDA/线程）；
- argv 数组、stdout、stderr、exit code；
- 每折/每实体 raw metrics、patient/entity-level predictions；
- test evidence；
- failed run 的 failure artifact。

失败 run 不删除，不覆盖成成功。禁止只交 summary CSV；result-analysis 必须能从 raw evidence 重算。

## 门控与 checkpoint

按此顺序真跑并记录 exit code：

```bash
python scripts/experiment_execution_contract.py --spec experiment_execution_contract.json \
  --report execution_contract_findings.json --json-out execution_contract_report.json
python scripts/review_gate.py src/ --json
python scripts/seed_audit.py src/train.py src/reproducibility.py
python scripts/repro_gate.py --spec repro_spec.json --report repro_findings.json
python scripts/run_artifact_check.py --manifest runs/EXP-01/run-a/manifest.json
python scripts/run_artifact_check.py --compare \
  runs/EXP-01/run-a/manifest.json runs/EXP-01/run-b/manifest.json
python ../light-orchestrator/scripts/run_checkpoint.py \
  --file .light/passport.yaml --stage 6 --findings repro_findings.json --write --ts <ISO-8601>
```

`experiment_execution_contract.py` 消费 `light.experiment_execution_contract.v1`（模板见 [`templates/experiment-execution-contract.example.json`](templates/experiment-execution-contract.example.json)，故意 fail-closed）：核 `as_of`、frozen scope/evaluator/budget、failure-tree handoff、matrix/DAG、run status/termination/failure class、partial checkpoint/resume command、环境与 cache provenance、repro level 分层、远程/付费执行授权。**timeout/OOM/preempted/max-iterations 不得写 completed**；`frozen_at` 与远程授权 `approved_at` 不得来自未来；`decision=NOT_READY/UNKNOWN` 本身阻断推进；run 必须绑定冻结 `matrix_rows` 中的 row，且每个 row 必须绑定 `failure_tree_refs`（hypothesis_ids、branch_action_ids、适用的 guardrail_ids）；新增实验行要先回 research-plan 修订；completed run 若上游要求 guardrail，`completion` 必须留下 `guardrail_evidence_artifacts`，否则不得交 result-analysis；实际 walltime/cost/compute_units 与远程预计成本不得静默超过冻结预算，超限必须有预算覆盖授权；`PARTIAL/RESUMABLE` 必须有 checkpoint SHA 和 resume command；请求 `CLEAN_ENV_RERUN/CROSS_PLATFORM/INDEPENDENT_REIMPLEMENTATION` 必须有对应证据；远程/付费/HPC 运行在 `user_authorization=APPROVED` 前不得 `RUN_READY`。

stage 6 的 canonical critical 只有：

- `leakage`；
- `reproducible`。

float/security 在研究 checkpoint 按 spec 为 warn；`review_gate` 可作为独立交付阻断门，不得借此扩大 checkpoint critical 面。
stage-6 门失败就在本阶段修，**不伪造 `ROUTES[6]` 出边**。

同固定 seed 两次必须是独立 run dir；`run_artifact_check.py` 先核 matrix/config/env/code/input 身份和
`started_at/ended_at` 时间轴（带时区、不倒序、不来自未来），再比较 predictions/raw_metrics hashes。
静态 seed/leakage 门 + 同 seed pair 都通过，仍只是一组有边界的证据。

## 交 result-analysis 与 7→6

交付全部 completed/failed runs、coverage、manifests、predictions、raw metrics、logs、test evidence 和 canonical findings。
不要在 stage 6 替 result-analysis 选择性丢 run 或先写结论。

只有 result-analysis 产出**真实实现 bug 或不可复现 root cause**时，orchestrator 才可：

```bash
python ../light-orchestrator/scripts/reroute.py \
  --findings result_findings.json --stage 7 --passport .light/passport.yaml
```

reroute 只给建议。**落