审查报告契约

Status: Legacy / future-service contract, not the current v0.5 local CLI path

本文档定义旧版 ReviewOutput 审查报告的数据契约。它描述的是早期 agent self-review / future ReviewService 可能输出的概率化报告格式，不是 当前 v0.5 gaia run infer 的输入。当前本地 gaia run infer 直接读取 compiled IR、priors.py 写入的 claim metadata、连续推断记录和 dependency beliefs； 它不消费 ReviewOutput，也不因为缺少审查报告而跳过 belief 输出。

产出方与消费方

场景	产出方	消费方
旧本地工作流（已移出当前 CLI）	Agent self-review（调用 ReviewClient）	旧 pipeline_infer()
服务端工作流	ReviewService（多 agent 审查）	全局推理 pipeline
测试	预备的 fixture 文件	测试中的 pipeline_infer()

ReviewOutput Schema

@dataclass
class ReviewOutput:
    review: dict              # 原始审查数据
    node_priors: dict[str, float]    # Knowledge QID → 先验概率
    factor_params: dict[str, FactorParams]  # factor_id → 因子参数
    model: str                # 产生审查的 LLM 模型名称
    source_fingerprint: str | None = None  # 可选的源码指纹

node_priors

将每个 local canonical node ID 映射到其先验概率。先验按知识类型分配：

知识类型	默认先验
setting	1.0
claim	0.5
question	0.5
action	0.5
contradiction	0.5
equivalence	0.5

factor_params

将每个推理 factor ID 映射到其条件概率参数：

@dataclass
class FactorParams:
    conditional_probability: float  # 条件概率 P(conclusion | premises)

值来自审查链步骤的 conditional_prior 字段；如果没有审查数据则默认为 1.0。

review

原始审查数据，结构为：

{
  "package": "package_name",
  "model": "model_name",
  "timestamp": "ISO 8601",
  "source_fingerprint": "...",
  "summary": "审查摘要文本",
  "chains": [
    {
      "chain": "conclusion_name",
      "steps": [
        {
          "step": "conclusion_name.1",
          "conditional_prior": 0.85,
          "weak_points": [],
          "explanation": "评估说明"
        }
      ]
    }
  ]
}

文件格式

旧 CLI 端审查报告保存为 .gaia/review/review_output.json，JSON 序列化的 ReviewOutput。当前 v0.5 本地 CLI 不再生成或读取该文件。

跨层引用

• 当前本地推理（gaia run infer 如何从 compiled IR 和 priors 构造 factor graph）：参见 ../cli/inference.md
• LKM 产出（ReviewService 如何生成审查报告）：参见 gaia-lkm 仓库

代码路径

组件	文件
ReviewOutput 定义	legacy / future service contract; no current gaia/ implementation
当前本地 infer 入口	gaia/cli/commands/infer.py
当前 IR → FactorGraph lowering	gaia/engine/bp/lowering.py
当前推理引擎	gaia/engine/bp/engine.py