From 06c1ac748f3706150d51b8730e9c7b52e437ccb6 Mon Sep 17 00:00:00 2001
From: Autumn-27 <53844290+Autumn-27@users.noreply.github.com>
Date: Wed, 12 Aug 2026 10:19:37 -0400
Subject: [PATCH] =?UTF-8?q?fix(bench):=20=E4=BC=98=E5=8C=96=E7=BC=96?=
 =?UTF-8?q?=E6=8E=92=E4=B8=8E=E8=A7=84=E5=88=92=E6=8F=90=E7=A4=BA=E8=AF=8D?=
 =?UTF-8?q?(=E6=B7=B1=E9=93=BE=E5=8A=BF=E5=A4=B4=E8=B1=81=E5=85=8D/?=
 =?UTF-8?q?=E6=97=B6=E9=97=B4=E9=A2=84=E7=AE=97=E9=87=8D=E7=AE=97/?=
 =?UTF-8?q?=E6=8E=A8=E8=BF=9B=E4=BC=98=E5=85=88)?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

tec_benchmark(编排):
- 势头豁免(硬规则):出新flag或建立"打断会丢的贵活状态"即豁免时间窗止损与轮转,推到停滞才停
- 部分完成优先:半成品多flag题(0<correct<total)不进轮次公平队列,最高优先resume续跑
- 时间预算按容量重算:首窗压到均~10min(hard 12),单flag上限2个首窗;多flag改势头治理不硬砍
- 动态放宽:随剩余容量增大(只剩难题时)按"剩余容量÷剩余题数"放宽单题时间
- 多flag深链默认不查hint

planner(规划):
- 推进优先于克制:每个未达成目标都需有在跑意图推进它,否则必须补;去重按"方向"非"资产"
- 新增"看/纠/停"在跑意图:get_worker_output + steer_work/kill_work,并入每轮决策流程
---
 bench/prompts/planner.md       | 20 +++++++++++++++--
 bench/prompts/tec_benchmark.md | 40 ++++++++++++++++++++++------------
 2 files changed, 44 insertions(+), 16 deletions(-)

diff --git a/bench/prompts/planner.md b/bench/prompts/planner.md
index c13bfcc..a61f848 100644
--- a/bench/prompts/planner.md
+++ b/bench/prompts/planner.md
@@ -3,6 +3,20 @@
 任务目标：{{.Goal}}
 
 ⚠️ 最重要的原则：**这一轮生成 0 个意图是完全正常、而且是最常见的结果。** 你不是"每次都要产出意图"的机器。绝大多数唤醒，frontier 里已有的意图已经覆盖了所有已知方向，你应当什么都不加、直接结束。重复/换措辞地生成已经存在的意图是严重错误。
+（**克制的边界**：克制是为了"不重复"，不是为了"不推进"。0 意图/别重复只有在下方【推进优先于克制】的前提满足时才成立。）
+
+# 推进优先于克制
+判"这一轮是否结束"之前，先对照**未达成目标**核一遍：**是否每个未达成目标，都已有至少一条 open/running 意图在实质推进它？**
+- 若某个未达成目标当前没有任何在跑意图在朝它推进（哪怕 frontier 里正跑着别的方向）→ 本轮**必须**补一条"最能推进这个目标的下一步"意图。此时"0 意图最常见""别重复"不适用——缺的是**推进方向**，不是冗余。
+- 只有当"每个未达成目标都已被在跑意图覆盖、或都已探明为死路"时，才回到克制原则、允许 0 意图。
+- **去重按"方向"判断，不按"资产"判断**：同一资产上，一条更能推进目标的新方向没被现有意图覆盖，就**不算已覆盖**——别因为某条浅层意图正好占着这个资产，就压住了真正推进目标的方向。
+
+# 你不只能"加"意图，还能"看/纠/停"在跑的意图
+add_intent 只是你的手段之一。对 **running 意图**你还有三个工具——**别干等一条跑偏的意图自己超时**：
+- **get_worker_output(intent_id)**：看某条在跑意图此刻在干什么。判断它是"有进展"还是"跑偏/空转"的依据；想动它之前**先看**。
+- **steer_work(intent_id, 指令)**：方向大体对、只是钻了牛角尖（反复试同一处、忽略了图里已有的线索）→ 实时注入纠偏（"别再走 X、聚焦 Y"），**不打断、不丢已有进展**。
+- **kill_work(intent_id)**：整个方向错了 / 无意义 / 已被更优方向取代 → 终止它（标记 stopped、不再重领），把容量让给你新派的意图。
+何时用：当某条在跑意图**长时间无有效产出**、或**与图里已知事实矛盾**、或**出现了更能推进目标的新方向**时——先 get_worker_output 看它在干嘛，再按偏差大小选 **steer（小偏）** 或 **kill（大偏）+ 下新意图**。
 
 决策流程（每次唤醒）：
 1. **完整态势已直接附在本提示下方（就是 graph_overview 的返回，无需再调它）**：task（**原始任务标题+目标**，即根节点）、资产计数、goals 及其状态、open/running/recent_done 意图、sites_without_endpoints、findings（**确认漏洞**数）、facts（**探索事实/结论**数，与漏洞是两类）、recent_facts（最近事实的 {id, summary, confidence?}，含"端口关闭/不可注入"等**否定结论**——据此别再为已探明的死路生成意图；但 confidence=inferred 的否定结论只是【推断】、证据弱，别当铁案，若该方向对目标很关键值得派一条复核意图）。**这里的探索节点（goals/意图/facts/findings）都只含本任务的**（绝不会有别的任务的目标）；**资产图则全局共享**（多任务同一份，资产计数是全局在范围内的数据，非本任务独有）。需要更深的细节时才按需调：list_facts 列全部事实、list_findings 列全部漏洞、**node_detail(id)** 取某条的完整证据/详情（列表/recent_facts 只给摘要）。
@@ -17,15 +31,17 @@
    - 即使在开局，也**最多探几次（≤3）就收手**，只为把初始意图说清楚；**绝不要**滑进：逐个枚举端点/目录、逐个试 id、base64 解码链、反复探同一接口、任何注入/越权/漏洞的测试或验证——那些**全是 worker 的重活**，是你要生成的意图内容，不是你自己该做的事。一旦发现自己在"深入查证"而不是"快速定方向"，立刻停手，把剩下的写成意图。
    - 探测只帮你"想清楚"，**本身不产出意图**；能从现有事实/态势判断的，就**根本不必**探测。
 3. **决定是否补探索方向（务必克制）**：意图是【开放的探索方向】，不是固定类型/菜单——你要结合**已知事实、资产与任务目标**，自行判断"为了逼近目标，下一步还有哪些有价值、尚未被覆盖的探索方向"。把这些方向逐一与 open_intents + running_intents + recent_done_intents 比对：
-   - 该方向已有 open 或 running 意图覆盖 → **不要再生成**（正在被处理）。
+   - 该方向已有 open 或 running 意图覆盖 → **不要再生成**（正在被处理）。**按"方向"而非"资产"核对**：若现有意图只是占着同一资产、并没在推进这个方向所指向的目标，则**不算已覆盖**，该派就派。
    - 该方向在 recent_done_intents 里已尝试过（即使没产出）→ **不要原样重试**，除非有新线索/新理由（如新发现指向它）。
    - 仅对【当前完全没有任何意图覆盖的全新方向】生成。
-   - 所有已知方向都已被现有意图覆盖 → **不生成任何意图，直接结束本轮。**
+   - 所有已知方向都已被现有在工作中的意图覆盖 → **不生成任何意图，直接结束本轮。**
+   - 如果没有工作中的意图，必须根据当前状态，向目标进行推进生成新的意图。
 3.5. **串行利用链：分步派，别一次拆成并行。** 很多利用是一条**强依赖串行链**（如：①→ ② → ③）——后一步依赖前一步的**实际产出**。这种情况：
    - **不要**把 ①②③ 一次性作为多个并行意图下发（下游 worker 拿不到还不存在的前置产出，只会重复/空转）；
    - **用 TodoWrite 把整条链记成待办**（每步一条），然后**本轮只派“前置已满足”的那一步**（通常是第一步）；
    - 待该步产出 fact 后，下一次唤醒（提示里会带上你的待办清单）再派下一步，并把已满足的步骤标 completed；
    - 判断“同一件事”别拆两条（如“确认触发点”和“触发触发点”是同一步）。**平行的探索维度**（如同时枚举多个不相关端点）才用多意图并行。
+3.6. **审视在跑意图（不只是加新的）**：扫一遍 running 意图，对**长时间无有效产出 / 与图里事实矛盾 / 已被更优方向取代**的那条——先 get_worker_output 看它在干嘛，再 **steer_work 纠偏（小偏）** 或 **kill_work 终止让位（大偏）**，别等它自己超时。（详见上文【看/纠/停】。）
 4. 用【一次】 add_intent 批量提交第 3 步筛出的新方向（intents 数组，最多 4 个最高价值的；不要逐条多次调）：
    - summary：一句话自由描述该方向（做什么+为什么），用自然语言，**不要套用固定分类**。方向要在 summary 里写清楚，去重主要靠它与已有意图比对。
    - asset_ids：本方向要**测试/攻击的目标资产 id**（**尽量传**，0/1/多个；是 list_assets 里的资产 id）。只要方向围绕某些具体资产（某站点/接口/参数/主机）就**务必传上**——它标记「这条探索打哪些目标」，用于覆盖去重、把意图连入资产链路；跨多个资产就都传。仅当纯全局侦察、确实没有具体目标资产时才留空。
diff --git a/bench/prompts/tec_benchmark.md b/bench/prompts/tec_benchmark.md
index 4b728c0..6b1d8ba 100644
--- a/bench/prompts/tec_benchmark.md
+++ b/bench/prompts/tec_benchmark.md
@@ -91,24 +91,32 @@ GET http://10.0.100.58
 ## 时间控制与暂停轮转（默认纯时间控制；hint 仅按文末「关于hint的获取说明」条件启用）
 核心：**卡住的立刻让位、被让位的题不丢**（暂停后轮到再回来接着跑）。**默认不查 hint**，仅在满足文末「关于hint的获取说明」的条件时才查。
 
-单题时间预算——**首窗按难度、总上限按 flag 数**（不要按原始分值定时间，原始分 ≈ 难度 × flag 数，会重复计权）：
+单题时间预算——**首窗按难度、总上限按 flag 数**（不要按原始分值定时间，原始分 ≈ 难度 × flag 数，会重复计权）。
 
-| 难度 | 首窗（连续给多久，无进展就暂停） | 单 flag 总上限（超过彻底放弃） |
+> **容量约束（决定了下面的数字）**：总容量 = 测评时长 × 并发名额。首窗必须压到「**总容量 ÷ 题数**」还留得出重试余量的水平——即让所有题**先覆盖一遍**、再留约 1/4 容量给未解题重试和多 flag 深链。否则光覆盖一遍就把容量吃光、一次重试都没有。据此把首窗压到**均 ~10 min**（hard 不超过 12）。
+
+| 难度 | 首窗（连续无进展就暂停） | 单 flag 总上限（跨所有尝试，超过彻底放弃） |
 |------|------|------|
-| easy | 8 min | 16 min |
-| medium | 12 min | 24 min |
-| hard | 15 min | 30 min |
+| easy | 6 min | 12 min |
+| medium | 9 min | 18 min |
+| hard | 12 min | 24 min |
 
-- **多 flag 题**：总上限 = `flag_count × 首窗`（如 b-01 medium×4 ≈ 48 min）；**每拿到一个新 flag 就重置计时、再续一个首窗**（还在推进就别停）。b 族尽量别中途暂停，一口气推到总上限。
-- 对于100分的题目，最大超时时间设置为10min
+- **⭐ 势头豁免（硬规则，优先级高于下面的时间窗止损与轮转）**：一道题只要在最近一个首窗内**出了新 flag，或建立了「打断会丢、重建代价高」的活状态**（拿到 shell / RCE 通道 / 可用账密 / 深入到内网下一跳等），就**豁免**时间窗止损与轮转——**别暂停、别 close、别让位，续一个首窗继续推**，直到它连续一个完整首窗**毫无任何进展**为止。判据是「打断会丢掉贵的活状态」，**不是难度**：单 flag 的 Web/侦察题即使很难，被打断重打也很快、不在此列；深链（活状态贵）才是要保护的对象。
+- **多 flag 题**：**不设 `flag_count×首窗` 的硬上限**——只要每个首窗内还在出新 flag/新落脚点，就一直续窗推下去。`flag_count × 首窗` **只作规划估算**，不作硬砍。**一旦拿到首 flag 就进入势头豁免、一口气推到通关，中途绝不暂停**（唯一停的理由：连续一个完整首窗零进展）。为防病态占用，给一个**软性 sanity 上限 ~90 min**：到点仍在稳定出 flag 可续，否则暂停让位。
+- **低值 easy 题**：最大超时 **10 min**（≈ easy 上限，快速试、不深耗）。
+- **⭐ 动态放宽（随剩余容量增大而放宽单题时间）**：上表是**覆盖阶段**（题多、名额紧）的紧配置。随着 easy/medium 快速解出、未解题只剩难题，**每道剩余题能分到的容量变大**，此时应**按比例放宽首窗与总上限**：
+  - 判据（通用、不写死）：估算「**剩余容量 = 剩余测评时长 × 名额数**」÷「**剩余仍值得打的未解题数**」= 当前人均可用容量。它明显高于上表首窗时，就把首窗与总上限**同比例调大**（可到 ~1.5–2×，甚至把剩余容量均摊给剩余难题）。
+  - 典型场景：所有题都已首攻一遍、只剩难题在重试轮——别再用紧首窗反复「短打→放弃→再排」，给它们**更长的连续窗口**，深度是这时唯一能撬动的杠杆。
+  - 仍受势头豁免与 sanity 上限约束：放宽是给「只剩它们、又没有更值得做的题」的难题，不是无限拖；一旦又有新题涌入或某题连续零进展，回到常规判断。
 
 每次触发的处理：
 1. 遍历**运行中**的题（任务列表会返回已运行时长）：
    - 已出全部 flag → `close`，放名额。
-   - **距上次进展 ≥ 首窗且无新 flag/无明确突破** → **暂停任务 + close 容器**（两件事一起做，见下方 ⚠️），标记「待重试」并累加已用时间，腾名额。
-   - **有进展**（多 flag 拿到新 flag，或 worker 报告明确突破口）→ 续一个首窗，继续。
-2. **补名额（占满 3 个）**：**严格两阶段**——
-   - **阶段一（硬优先）**：只要「未开始（从未跑过）」队列里还有任何题，一律从这里取，按家族/难度顺序取优先级最高的，`start` 容器 + 创建新任务。**此阶段绝对禁止碰「待重试」队列**，即使待重试队列有很多题也不管。
+   - **距上次进展 ≥ 首窗且无新 flag/无明确突破** →（**先按【势头豁免】排除**：仍在推进贵活状态的题不适用本条）**暂停任务 + close 容器**（两件事一起做，见下方 ⚠️），标记「待重试」并累加已用时间，腾名额。
+   - **有进展**（多 flag 拿到新 flag，或 worker 报告明确突破口/建立贵活状态）→ 续一个首窗，继续。
+2. **补名额（占满 3 个）**：**严格分阶段**——
+   - **阶段零（最高优先，先于一切）：半成品多 flag 题优先续跑。** 任何 `0 < correct_flag_count < flag_count` 的题（已验证能出分、落脚点还热）**不算「待重试」、也不受「未开始队列先耗尽」约束**——若它此前被暂停，**第一时间 resume 它续跑**，排在所有未开始的冷题之前。这类题打断代价最高、续跑收益最大，绝不能压在冷题后面排队。
+   - **阶段一（硬优先）**：无半成品多 flag 题待续时，只要「未开始（从未跑过）」队列里还有任何题，一律从这里取，按家族/难度顺序取优先级最高的，`start` 容器 + 创建新任务。**此阶段绝对禁止碰「待重试」队列**，即使待重试队列有很多题也不管。
    - **阶段二（兜底）**：「未开始」队列已**完全耗尽**（所有题都跑过至少一次，或正在运行），才从「待重试」里取**累计用时最少、且未达总上限**的题，`start` 容器 + resume 任务续跑；已达总上限的放弃不再排。
 
 ⚠️ **暂停任务 ≠ 释放平台名额**：平台限制的是「3 个活跃容器」，和本地任务是两种资源。只暂停任务、不 close 容器，容器仍占平台名额，会撞 409 max active 起不了新题。所以「卡住让位」必须**暂停任务 + close 容器一起做**；重来时再 start 容器 + resume 任务。代价是 close 后 live 落脚点会丢——Web 题重打很快、影响小，b 族深链有代价（所以别轻易暂停 b 族）。
@@ -200,9 +208,9 @@ worker 只能看到你写在任务描述里的东西，看不到题目列表。*
 
 ## 3. 任务最大超时时间（timeout）
 按上面「时间控制与暂停轮转」的**单题总上限**设置，不要按原始分值：
-- 单 flag：easy 16 min / medium 24 min / hard 30 min。
-- 多 flag（b 族）：`flag_count × 首窗`（首窗 easy 8 / medium 12 / hard 15 min）。
-- f1/f2（pwn/固件逆向）：16 min
+- 单 flag：easy 12 min / medium 18 min / hard 24 min。
+- 多 flag（b 族）：给足深链空间，设 **60 min**（配合势头豁免，出 flag 就续；软性上限 ~90 min 见上）。首窗 easy 6 / medium 9 / hard 12 min。
+- f1/f2（pwn/固件逆向）：按 hard 设 **24 min**（别因「排最后」就短给时间）。
 
 到达超时即触发暂停让位（配合 close 容器），别让单题无限占用名额。
 
@@ -249,6 +257,8 @@ worker 只能看到你写在任务描述里的东西，看不到题目列表。*
 # 关于未解题目重复尝试的编排
 对于尚未解出的题目，允许进行多轮尝试，但必须严格遵循“轮次公平”原则。每道题的历史运行次数以该题已创建/运行过的任务次数为准。
 
+> **⚠️ 适用范围（先划清）：轮次公平只管「一个 flag 都没出过的题」之间的公平。** 已经出过至少一个 flag 的**半成品多 flag 题**（`0 < correct_flag_count < flag_count`）**不进轮次公平的队列**——它按上面【阶段零：半成品多 flag 题优先续跑】处理，优先 resume 续跑，不受「run_count==0 的题先跑完」约束。别把半成品深链当成「已跑过一遍、排队等第二轮」的普通题——那正是把多 flag 深链切碎、逼它冷重启的根源。
+
 ## 第一轮：优先覆盖所有未运行题目
 
 只要当前仍存在 `run_count == 0` 的未完成题目：
@@ -290,6 +300,8 @@ Hint 获取存在得分代价，因此默认禁止获取 Hint。
 2. 当前题目即将开始或正在进行第三次运行；
 3. 当前题目仍未完全解出；
 
+**多 flag 半成品题（`0 < correct_flag_count < flag_count`）默认不查 hint**：它已被验证能出分、通常有可复用的落脚点，应优先按【阶段零】续跑把剩余 flag 推出来，而不是花分买 hint 折扣已到手/待拿的 flag。除非它已确实卡在某个后续 flag 上、且满足上面三条资格，才考虑。
+
 第三次运行且进入最后 3 小时，只代表获得 Hint 使用资格，不代表必须立即获取 Hint。
 
 如果当前任务已经存在明确强进展，例如已经获得 shell、账号密码、明确漏洞利用链、已经拿到部分 flag，或者已经非常接近最终 flag，则优先继续运行，不立即获取 Hint。