R5.217 个真实 Harness 场景
一个朴素的终态标签，错了 10 次。
这些场景来自真实工程过程。它们包含执行完成但效果缺失、产物存在但没有被采用、旧证据被新版本覆盖，以及局部成功被提前写成整体完成等情况。
10错误标签
7恰好正确
基线只看一个粗粒度终态。重建时，我们把 Attempt、Effect、Adoption 与 Acceptance 分开，并回到各自的权威来源。重建后的判断在 17/17 个场景中与权威事实对齐。
TOWOW RESEARCH NOTE · 2026.08.17
当「完成」
没有发生。
17 个真实 Harness 场景里，朴素的「完成」标签错了 10 次。最麻烦的不是失败，而是执行者、日志和流程都说成功了，目标世界却没有留下相同的事实。
我们回看了两组 Harness 真实实验。结果没有告诉我们 Agent 不可靠，它告诉我们一件更具体的事：用一个 success 折叠整个现实，会把完全不同的状态写成同一个结论。
10
次错判在 17 个真实场景中
4/9
stdout / outer exit各自正确指示 4/9 次现实状态
9/9
Effect contract + readback在同组动作中达到 9/9
两个分母来自两组独立实验，不做合并统计。
核心发现
动作的发起者可以报告自己做了什么，但只有目标世界能证明什么真的发生了。
01 · TWO EXPERIMENTS
我们不是测同一件事两遍。
一组实验检查状态标签会不会撒谎，另一组检查常见的进程回执能不能证明目标效果。它们指向同一个断裂处，但样本、方法和分母不同。
R59 个真实动作
进程说成功，现实未必回答。
实验在真实 macOS、Git、Docker 与文件系统动作上，分别记录 stdout、exit code，并从目标系统做新鲜读回。
- stdout / 外层退出码
- 4/9
- 两种信号各自正确指示现实状态
- 最小 Effect contract + 目标端读回
- 9/9
- 在这组动作中达到 9/9
外层命令退出为 0，可能只代表载体完成了传递。worker 写出字节，可能只代表中间文件出现。真正的问题始终是：目标仓库、目标服务或目标状态现在是什么？
02 · HOW WE CHECKED
让结论离开日志，走到目标端。
方法并不神秘。关键是先决定谁拥有事实，再让判断沿着证据关系移动。
- 01
冻结场景
保留动作、版本、环境、预期结果和当时的真实权威面，避免事后改题。
- 02
记录朴素判断
只使用常见信号做基线，包括终态标签、stdout 和 exit code。
- 03
寻找事实所有者
文件由文件系统证明，提交由目标仓库证明，服务状态由目标服务证明，接受由当前授权主体证明。
- 04
执行新鲜读回
从目标端重新观察后置状态，不复用生产者的回执，也不把中间载体当作目标。
- 05
重建语义
把 Attempt、Effect、Adoption、Acceptance 分开，逐层与对应权威事实比较。
03 · WHAT CHANGED
从一个 success，变成四个可以被反驳的问题。
这不是给状态机增加名词。它是在系统最容易自我说服的地方，保留四个不同的证据责任。
尝试
动作被发起了吗？Attempt
调用、派发、子进程启动或消息发送，最多证明一次尝试进入了执行路径。
效果
目标世界真的改变了吗？Effect
由目标系统自己的原生读回确认，而不是由发起者、载体或中间进程代为宣布。
采纳
变化进入了消费关系吗？Adoption
文件写入不等于服务采用，提交存在不等于主线使用，产物生成也不等于进入工作流。
接受
有权的人或系统接受了吗？Acceptance
验收必须回到当前授权、原始目标与对应权威面。生产者不能替验收者签字。
设计后果
Effect 不能由动作生产者自证。Adoption 不能从产物存在推导。Acceptance 不能从测试通过推导。
ToWow 因此需要把当前 Mandate、精确的 RelationVersion、Commitment 及其目标效果绑在同一条关系上。一次提交可以完成，但它对另一个主权域造成的效果仍可能缺失；效果可以存在，但对方仍有权拒绝采纳；采纳已经发生，也不自动等于最终验收。
产品团队检查法：不要只显示绿色勾；分别标记 Attempt、Effect、Adoption、Acceptance，并让四项指向各自的调用、目标端读回、消费与授权验收证据面。
04 · TOWOW × FLOWNESS
共同的原则，不同的关系半径。
先在一个主权域里，把工作事实守住。
Flowness 处理上下文、工具、权限、执行、证据与长期多写入者漂移。即使参与者都受信任，也不能让某个 writer 的自报覆盖目标端事实。
更接近执行环境与协作 Harness共同规则生产者不能替消费者证明现实。
当工作跨过独立权威，保留拒绝与接受。
ToWow 研究 Principal、Mandate、RelationVersion、Commitment、Effect 与 Acceptance，追问独立主体如何在不预设共同最终真相时形成可验证关系。
更接近跨主权主体的关系协议Flowness 的工作治理与证据机制，未来可以与 ToWow 的跨主体关系研究组合；这里不声称二者已经完成产品集成或部署为同一套技术栈。两条研究线相关，但不是同义词。
05 · CLAIM BOUNDARY
这些数字说明什么，也说明不了什么。
可以说
- 在这 17 个已选真实场景中，朴素终态标签错了 10 次。
- 在这 9 个真实动作中，stdout 与外层退出码各自只能正确指示 4/9 的现实状态。
- 在同一组动作中，最小 Effect contract 加目标端原生读回达到 9/9。
- 分层语义能暴露单一 success 标签遮住的事实断裂。
不能说
- 不能把两个实验合并成 26 个样本或一个准确率。
- 不能据此推导所有 Agent 系统有相同比例的错判。
- 不能据此声称 ToWow 已在开放网络或生产环境中得到普遍验证。
- 不能用目标端读回替代业务、法律或人的最终接受。
还有一个不那么激动人心、却很重要的结论：如果任务是简单、确定、可由单一权威安全收口的，就应该走更短的中心化路径。ToWow 不需要出现在每一次调用里。
06 · DATA PROVENANCE
数据从哪里来。
本页数字来自 ToWow 研究档案中的本地真实实验，不是合成 benchmark，也不是公开用户遥测。原始材料包含场景记录、动作观察、目标端读回和语义重建表。
本地现实实验
9 个真实软件动作；stdout 与外层退出码各自对比最小 Effect contract 加目标端原生读回。
Effect Reality Reconstruction
17 个真实 Harness 工程场景；比较朴素终态标签与分层语义重建后的权威判断。
Towow Complete Research Archive v1.2
历史研究归档，包含正式论文《主权智能主体的共同现实形成》v1.1 与实验材料。
归档状态：研究材料在内部版本化保存。Flowness 的公开实现与可运行证据另见 GitHub。取证与整理日期：2026-08-17。
查看 Flowness 公开证据最后留下的问题
下一次 Agent 说“完成”时，我们究竟听见了一句汇报，还是看见了目标世界的变化？