战术闭环修复与验收

2026-09-13；规则 field_tactics_v3。本次保留自由行为树和 A/B 独立演化，未调用付费模型、未替换部署策略、未修改旧成绩及未决战斗。

实现

• 共享观察契约统一有限数值 eq/ne、布尔和精确文本比较；原生条件轨迹记录字段存在性、类型、目标、结果。报告区分缺失、类型错误、不成立；前缀覆盖不冒充原生访问，矛盾反馈不输出死代码结论。
• 投入预备队改为确有额外部署收益的加速补线，查询、提交、生效复用预测；机会消失不扣点。reserve_balanced 宽度 3，双方各三前线、三预备队；equal 不再当作镜像。
• 轮换追加动作编号 5：1 点、延迟 1 小时、侧级冷却 3 小时。最弱前线与最强合格前线型预备队交换；入替组织度 ≥40、优势 ≥15、宽度合规，首接战小时输出 ×0.75。出替等待 2 小时，再最多恢复 10 小时，每小时组织度 +2、疲劳 −2，组织度最多恢复 20、上限 60，每单位一次，不恢复人员弹药士气。
• 带耗弹标签且实际远程输出的单位每完整投入小时耗弹比例 0.02，按投入比例缩放；双方同一时步初值计算输出，之后一起扣弹；不足一轮按剩余量缩放，零弹无远程输出及能力收益，不直接判败。正式游戏城市自动补弹也受活动野战限制。
• 突破保留原三小时窗口与成本；敌前线兵力加权组织度低于 40 才向受掩护后排分流，线性增加至 30%，总输出守恒，既有暴露优先。坚守主动取消，NO_OP 保持窗口；记录开始、到期、取消与持续时长。
• 规则默认集中于 BattleRules 资源字段；整顿、交接、弹药、冷却进入快照与回放。新机制开局限定陆地野战，不在渡河完成后偷偷启用，也不扩展攻城、水战。同小时双方崩溃输出互溃，不按遍历顺序判一方胜。
• 军府、地图战斗面板添加场景化轮换按钮并绑定统一资格查询；人类竞技场、单位弹药／整顿、前后排组织度与事件展示同步接入。报告分开动作、实际生效、拒绝、姿态占用与转换；反事实保留积分差以及物理状态变化。

固定对照结果

原始文件在 utils/battle_training/runs/field_tactics_verification_1789233529/，四份完整报告与 contrasts.json；可用 scens/test/test_field_tactics_acceptance.tscn 复现。对手固定纯坚守，种子 11、23、37，各场景换边；所有 48 场按原击败目标自然结束，没有缩短期限、改积分或移除失败样本。表中为胜／负／平。

人工基准	镜像步兵（6 场）	三前线三预备队（6 场）	实际生效的战术军令
纯坚守	2／2／2	3／3／0	无付费战术军令
完整突破窗口	3／1／2	5／1／0	突破 60 次
有效加速补线	2／2／2	5／1／0	补线 4 次
轮换整顿	2／2／2	6／0／0	轮换 36 次

四份报告合计 5845 次决策，Python 覆盖分析与 Godot 原生条件证据一致，无矛盾。小样本结果用于证明机制可利用，不代表通用最优策略。

另有 12 组一小时物理对照：六组轮换将一支前线组织度设为 20，保持其他条件及同种子，前线组织度相对坚守提高约 23.32–23.37 点；六组混合兵种镜像将敌前线组织度设为 20，突破令受掩护后排组织度额外下降约 1.05–1.14 点。每组均消耗 1 战术点，同种子重放完全一致。这些是预先固定状态下的直接收益，不冒充最终目标积分改善。

反例保留：健康前线没有轮换机会；零／无额外收益预备队不能花点；轮换有交接输出折损且不可无限恢复；强前线不发生突破后排分流；基准比赛仍有输局和平局。

验证与兼容

• Python 全套 149 项执行，3 项需显式开启的 MCP 集成测试跳过，其余通过。
• Godot MCP：内核 15 项、野战机制 14 项；Limbo／旧树 262 次决策一致；战斗管理器、反事实、随机续算、冻结对手、整批暂停／恢复与已完成缓存通过。人类竞技场双侧分别 42／41 次操作，记录及回放通过。
• GDScript 首先使用 MCP test_run；军事非 @tool 资源不适合编辑器套件，按套件提示通过 MCP project_run 运行对应 .tscn，不把编辑器跳过算通过。每次运行后读取游戏／编辑器日志。
• 军事 UI 总套件在既有征募测试 scens/test/test_military_ui.gd:187 的“训练单入队立即锁定本城壮丁”断言失败，未扩改征募模块。战斗按钮使用定向测试验证六按钮、合法轮换启用、无收益补线禁用和结束战斗禁用；总套件不能宣称全绿。
• 当前版本：内核快照 5、世界战斗状态 4、模拟状态 3、观察 2、行为反馈 2。旧 JSON 树仍可读；旧活动快照拒绝静默迁移，原运行需要原规则环境续算。历史反馈另存 runs/20260912_224922_8b649521/feedback_v2/corrections.md，B 第 3 代 1897 个冷却字段缺失数为 0，突破原生选择 39＋41＝80。

下一步是由用户明确启动新规则下的新模型训练；本次停在离线验收完成，不对旧 192 小时未决样本追加输／平标签。