评估
上一章运行时把东西做出来了。评估回答一个问题：这个结果满足 Seed 里写的验收标准吗？便宜的检查先跑，贵的后跑，前面挂了就不往后送。
1. 跑起来
ooo evaluate <session_id>预期结果：每一层的通过情况，以及对验收标准的最终判定。一次运行结束之后，在正式评估之前它可能仍然处于未验证状态，所以评估没有自动跟上的话，自己跑一次。
2. 三层
| 层 | 做什么 | 过关条件 |
|---|---|---|
| 1. Mechanical | 自动识别项目类型，跑 lint、build、test、静态分析和覆盖率。不用 LLM。 | 各项命令正常退出；覆盖率默认阈值 0.7 |
| 2. Semantic | LLM 拿结果对着验收标准打分。 | 标准判定为满足，且分数 ≥ 0.8 |
| 3. Consensus | 多个模型各自独立投票。只在特定条件下才跑。 | 2/3 多数通过（至少 3 个模型） |
3. 三层齐跑，只在这一条路径上成立
这一节是这一页最容易被误读的地方，所以单独拎出来说。
配置里三层的默认值都是开启的，直接跑 ooo evaluate 走的就是三层。但演化循环里不是这样：第一层默认关着（要靠环境变量打开），第三层在那条路径上是写死关掉的。也就是说，演化循环里实际只有 Semantic 一层在判。
把「三阶段评估」和「演化循环」并排写，读起来就像循环里也跑三层。它不跑。
4. 什么时候会触发第三层
第二层过了之后，按优先级依次检查下面这些条件，第一个命中的触发 Consensus。一个都不中就直接批准。
- Seed 被修改
- 本体（数据结构）发生演化
- 目标被重新解释
- Drift 分数超过 0.3
- 第二层的不确定度超过 0.3
- 采用了侧向思考给出的替代方案
另外，你直接要求 Consensus 的话，它优先于上面这六条。
Drift 是 0 到 1 的值，表示结果离原本 Seed 的意图跑偏了多少。低不代表功能做对了，只代表方向没走岔。
5. 独立性是被记录下来的，不是被假设的
合议庭里同一家 vendor 的票会被排除。每次运行都会打上一个标签：independent、same_vendor、unavailable、unverified。
限制要说在前面：判定是按 vendor 家族做的。如果你只配了一家 vendor 的后端，这个机制就是空转——这时候标签会写 same_vendor，而不是假装独立。把限制记成标签，比把它藏起来有用。
6. 没过怎么办
被评估拒绝的结果会进入有预算上限的演化循环，而且只有没通过的验收标准会进下一代，已经通过的直接冻结。演化那一章目前在英文版和한국어版里。
这一页的每个数字都对着当前源码核过：覆盖率 0.7（evaluation/languages.py）、语义分 0.8（evaluation/models.py）、2/3 多数与至少 3 个模型（evaluation/consensus.py）、drift 与不确定度阈值 0.3（evaluation/trigger.py）、四个独立性标签（evaluation/reviewer_independence.py）。第 3 节那条路径差异，英文版和韩文版目前都没写。有对不上的地方，欢迎到 GitHub Issues 说一声。