| title | SQUEEZE-MODELS-MAX-PIPELINE | ||
|---|---|---|---|
| description | 多語 batch sync 主流程 — priority schema P0/P1/P2/P2.5/P3 + Tier 0a Sonnet diff-patch + 4-tier cascade + Z0-Z6 stage spine + §義務鐵律推 100% + v4.4 對齊 translate.py v4.3（owl-alpha 移出 default / preflight 冷凍 / audit-quality.py 已存在） | ||
| type | pipeline-canonical | ||
| status | canonical | ||
| current_version | v4.11 | ||
| last_updated | 2026-07-29 | ||
| last_session | 2026-07-29 vortex（模型實績新增跨語總體門檻；撤下 3090 兩個零產出 Qwen） | ||
| production_signal | scripts/tools/lang-sync/translate.py §DEFAULT_CASCADE_ID docstring（本檔 cascade 描述必須鏡射它；audit 時 diff 這兩處，REFLEXES #56 rule (a)） | ||
| sister_docs |
|
||
| upstream_canonical |
|
渦流模式 pointer（2026-07-27）：觀察者驅動的持續迴圈（/goal＋每小時甦醒） 另有 canonical BABEL-VORTEX-LOOP.md——固定 benchmark 報告、三重巡檢、自動進化硬條款、薄殼 wake prompt contract。本檔管「怎麼翻」， 渦流檔管「怎麼持續運轉與進化」。
第一性原理：用所有手邊免費 model 同時平行打、refusal 當作 first-class 結果記錄、最終跨批次統合補空缺，把單一 model 的天花板（rate limit / content policy / quality）拆成許多小天花板加起來逼近 100%。Tier 4 Local LLM 永不漏接 sovereignty-sensitive topics。
v4.11（2026-07-29 vortex）：弱適配同時看逐語與跨語總體 — 四語 lane 的
qwen3.5:35b已 0/8，舊儀器因每個語言僅 2 筆仍不警示； 現新增 worker/backend × all 的 n≥8 門檻。實績後續為 0/9，因此 fleet Babel profile 撤下 qwen3.5:35b；先前完整文章 3/3 timeout 的 qwen3:32b 同步撤下。3090 正由 fleetctl 補 gemma4:26b，完成前不降級核發。 fleetctl pull 同步改用 JSONL 串流事件每 5% 回報；舊stream:false曾讓 17 分鐘的正常下載在控制面完全無訊號。v4.10（2026-07-29 vortex）：URL 保留驗 identity，不只驗 quantity — non-armor fallback 實際把 percent-encoded URL 改一碼，另把 apostrophe 改成
%27；總數相同時舊 gate 仍顯示 PASS，±2 容忍甚至允許漏掉來源。現改為 source／translation URL multiset 必須完全相同，任何遺失、增生或改碼都 hard fail。v4.9（2026-07-29 vortex）：短 prompt 存活不等於完整工作量吞吐合格 —
qwen3:32b收斂為單 worker 後，仍在同一篇長文 3/3 撞 900 秒；因此 fleet 改優先核發同節點現成的 MoEqwen3.5:35b（抽象層實測 142.7 tok/s）。qwen3.6:35b-a3b-coding-nvfp4的 Ollama manifest 僅支援 macOS，不能作為 Windows 3090 的候選；fleet 現會把 Ollama HTTP 錯誤本文帶回控制面。v4.8（2026-07-29 vortex）：workload profile 同時管模型品質與單機並行 — 3090 的
qwen3:32b單請求 27 秒可回，但同一 Ollama 被核發三個 Babel worker 後 9/9 全在 900 秒 timeout。babelprofile 現將每台機器的核發量再收斂為 1； control plane 的全機批次額度不變，其他 workload 不受影響。v4.7（2026-07-29 vortex）：模型品質門檻進入 fleet 抽象層 —
fleetctl workers --profile babel只核發已拉取且符合下方入池白名單的模型，沒有合格模型即 fail-closed、不核發 worker。restart-vortex.sh只宣告 workload profile，不寫死節點、端點或模型。觸發證據： fleet 曾把gemma4:12b核發給 Babel，13 次嘗試僅 1 篇通過（7.7%），且直接違反 「任何情況都不派」規則；修復後同一節點由抽象層核發白名單內的qwen3:32b。v4.6（2026-07-24 vortex）：統一調度器落地 —
babel-dispatch.py把本地 GPU 節點與雲端免費模型收進同一個 worker pool（每 worker 綁一個 backend 端點、共享工作佇列、status-aware 跨引擎 dedupe、三重 gate、git-lock commit、迴圈到 stale=0 missing=0），取代 per-node 手寫 bash 迴圈。三個結構修正（相對 legacy dispatcher）：(1)git add只加本輪驗證過的精確路徑，目錄級 add 會掃進並行引擎未 commit 的工作 (2) gate fail 對 HEAD 有舊版的檔案還原不刪除——寧可 stale 也不要 missing（配套salvage-quarantined.pygate 驗證式還原歷史降級）(3) verify 前先 prettier 正規化對齊 commit hook 量測面。同日根治cjk-leak-check.py兩個假陽性家族（全形括號 gloss 豁免 + ja/ko marker 表的 的/了/一個/淘汰 + 引述 span 豁免）——此前 ja lane 在 gate 面前 100% 死路。免費模型季度校準：discover-free-models.py自動探勘 + 校準，2026-07-24 通過 5 模型（nemotron-3-ultra-550b / gemma-4-31b / laguna-xs-2.1 / gpt-oss-20b / north-mini-code，結果 reports/openrouter-free-calibration-2026-07-24.json）。站體層配套：轉址目標 existence-aware（resolve-redirect-targets.mjs，quarantine churn 不再炸 CI）。v4.4（2026-07-05 五病根治）：對齊 translate.py v4.3 production 現實 — owl-alpha 移出 default cascade（6/10 silent 轉 paid）、preflight health-check + 6h 冷凍入 spine、audit-quality.py「待造」修正為已存在、frontmatter 加
production_signal欄（REFLEXES #56 rule (a) 首次落地：本檔 cascade 描述的 SSOT 在 code，audit 時 diff 兩處）。觸發：dna-audit §4.3「#56 於自身觸發檔復發」。v4.2（2026-05-16）：Inventory recalibration — Hy3 已退役、gpt-oss-120b 升 Tier 2 已驗證、新候選佇列 (Llama-3.3-70b / Hermes-3-405b / Gemma-4-31b / Nemotron-3-Super-120B 等) 標記為「需 calibration」+ §驗證 SOP（標準 test set + scoring criteria）。Default cascade 改為 codex + gemini 雙 subscription Tier 1 priority。
v4.0 設計理由：對齊 REWRITE-PIPELINE v5.0 + MAINTAINER-PIPELINE v2.0 spine restoration 範式。修補 v3.3 結構問題：(1) 缺 ASCII spine box-frame；(2) Hard Gate 散在 Z2/Z6 prose 無集中索引；(3) Top 5 最常忘沒提取。
╭──────────────────────────────────────────────────────────────────────────╮
│ SQUEEZE-MODELS-MAX 多語 batch sync — Z0-Z6 主流程 │
│ │
│ 🧭 三軸設計原則 │
│ ├── 軸一：跨模型平行（task dir per provider） │
│ ├── 軸二：try-catch first-class（refusal 是 result 不是 exc） │
│ └── 軸三：最後統合 + retry（aggregate 不是 throw away） │
│ │
│ 🪜 4-tier cascade（v4.4 = translate.py DEFAULT_CASCADE v4.3 鏡射） │
│ ├── Tier 0a: Sonnet diff-patch（已存在翻譯漂移 ≤ 10 lines） │
│ ├── Tier 0b: bump-source-sha.py（pure metadata refresh） │
│ ├── Tier 1: codex (subscription) → gemini (subscription) │
│ ├── Tier 2: gpt-oss-120b:free（owl-alpha 6/10 silent 轉 paid │
│ │ 已移出 default，顯式 --cascade override 才用） │
│ ├── Tier 3: free fleet 驗證佇列 (Llama-3.3 / Hermes-3-405B…) │
│ └── Tier 4: Ollama qwen3.6:35b（永不漏接；主權定位 pending │
│ 決策 4，fleet 端 6/14 bench 後 gemma4-only） │
│ ＋ preflight health-check（v4.3）：起跑 probe 各 backend， │
│ 死模型整 run 冷凍 6h，不讓 N 篇各自撞 timeout │
│ │
│ ──── Z0-Z6 standard execution flow ────────────────────── │
│ │
│ Z1: Pre-flight ──→ 6 step │
│ ├── status.py / sync-translations / slug-map / prepare-batch │
│ └── filter TBD-NEEDS-SLUG / snake-balance N groups │
│ ↳ Hard gate: manifest 完整 + group balanced │
│ │
│ Z2: 跨模型平行 dispatch ──→ N task dir × M worker │
│ ├── Tier 1 主批 (codex / gemini subscription) │
│ ├── Tier 2 副批 (gpt-oss-120b:free；owl 已出 default) │
│ └── Z2.1 Concurrency cap 3-5 / Z2.2 Cool-down ≥ 5-10 min │
│ ↳ Hard gate: refusal detection / 40-byte stub purge │
│ │
│ Z3: 增量 commit ──→ 每 ~50 fresh local commit（不 push） │
│ ↳ Hard gate: pre-commit YAML / 0-byte purge │
│ │
│ Z4: 跨輪 retry ──→ still-missing → 下一 tier model │
│ ↳ 重複 Z2 → Z4 直到 still-missing == 0 OR 全 tier 試過 │
│ │
│ Z5: 最終統合 + 驗證 ──→ verify-batch.py 8 項全跑 │
│ ↳ Hard gate: lang-sync status fresh ratio 達標 │
│ │
│ Z6: 抽樣品質 audit ──→ size-ratio scan + 人眼抽樣 N=max(10, 5%) │
│ ↳ Hard gate: healthy ratio ≥ 90% 才能 ship │
│ │
│ ✅ Batch shipped (push after user approval) │
│ │
│ ──── 跨 pipeline boundary ───────────────────────── │
│ → 單篇 SOP / 跨 pipeline 觸發：TRANSLATION-PIPELINE.md │
│ → 跨機器搬遷：SENSE-FETCHER-MIGRATION.md │
╰──────────────────────────────────────────────────────────────────────────╯
| Gate | 觸發 stage | 條件 | 工具 | 不過 = ? |
|---|---|---|---|---|
| 目標語言 canonical guide 內嵌 | Z2 prompt | per backend prompt | backend prompt 必含 docs/editorial/per-language/TRANSLATION-{lang}.md §1-§6 table inline |
sovereignty leak + 站內不一致 |
| Manifest 完整 | Z1 | dispatch 前 | prepare-batch.py output |
不 dispatch |
| Group snake-balance | Z1 | dispatch 前 | manifest 內建 | 重 balance |
| 40-byte refusal detection | Z2 | per-article | output too small (40 bytes) worker log |
log ❌ + cleanup + 繼續 |
| 輸出截斷偵測 (truncation) | Z2 | per-call | finish_reason == "length" guard（max_tokens 32000） |
不 save + 走 cascade retry |
| 🔴 腳註完整 (defs ≥ source) | Z2 + Z5 | per-call + batch | openrouter-translate.py 內建 + verify-batch.py [3b]（zh [^n]: count vs translation） |
不 save / 不 ship（截斷靜默掉腳註 = 263 文去引用 root cause，2026-06-06） |
| null content refusal | Z2 | per-article | result is None guard |
log ❌ + 繼續 |
| HTTP 429 backoff | Z2 | per-call | 指數退避 3 retry | 最後失敗 log ❌ + 繼續 |
| YAML parse fail | Z2 + Z3 | per-article | yaml.safe_load(frontmatter_block) |
rm + retry queue |
| Concurrency cap 3-5 worker | Z2.1 | initial dispatch | manual + REFLEXES #45 | reduce concurrency |
| Cool-down ≥ 5-10 min | Z2.2 | rate-limited 後 | REFLEXES #45 | 走 Tier-2 fallback |
| Pre-commit hook（YAML / 憑證） | Z3 | per commit | .husky/pre-commit |
不 commit |
| 不 push 中途 | Z3 | 整個 batch round | manual | abort push |
| Destructive git ops 禁令 | 全程 | sub-agents alive | REFLEXES #35 | abort op，走 worktree |
verify-batch.py 9 項 |
Z5 | 整個 batch | verify-batch.py（含 [3b] 腳註完整 hard gate） |
不 ship |
| Size-ratio scan ≥ 0.5 | Z6 | 每篇新翻譯 | audit-quality.py（已存在 2026-05-13——本檔曾標「待造」八週，dna-audit 修正） |
flag + retry |
| Healthy ratio ≥ 90% | Z6 | sample audit | random N = max(10, 5%) | 回 Z4 retry |
lang-sync status fresh |
Z5 | ship 前 | status.py |
retry 直到達標 |
python3 scripts/tools/lang-sync/babel-health.py # 六維度：coverage/yaml/footnote/ratio/zombie/stub
python3 scripts/tools/lang-sync/babel-health.py --json # 機器可讀WARN 級（exit 永遠 0），不是 gate——閾值升 HARD 需哲宇拍板（儀器化黃燈路線：先 WARN 收數據）。誕生於首次完整巴別塔健檢：reports/babel-health-2026-07-18.md（含各維度基線數字＋ratio band 三處 canonical 矛盾的量尺自查）。ratio band 數值 SSOT＝ratio-bands.json（字元比法；2026-08-06 #19 default-action 執行，數值沿用各語言既有校準未改動；<0.5 CRITICAL bytes 地板是另一把尺，在 audit-quality.py）。
先查這張表再造工具（per §儀器化第 1 條「動手前先查既有工具」）：
| 儀器 | 管什麼 | 什麼時候跑 |
|---|---|---|
enrich-batch-targets.py |
把結構靶子（腳註／H2／圖片／圖說連結／網址）與分次寫入清單寫進派工單；--check 對靶 |
派工前寫入；agent 交件前對靶 |
restore-footnote-urls.py |
腳註／圖說／全文三層的出處網址還原（截斷、整條消失、多來源翻成單來源、編碼正規化） | agent 交件前必跑，不是有問題才跑 |
cjk-adjacency-check.py |
漢字直接黏在拉丁字母上的短片段漏譯（長度門檻底下的盲區） | 四道閘之一 |
verify-agent-batch.py |
拿 agent 自述跟實測對帳（既有，2026-08-01） | 批次驗收 |
三支新的都刻意保守：修不確定的就不修，回報給人。restore-footnote-urls
不猜被截掉路徑的網址（猜錯把讀者送到別人的頁面，比留著壞連結更糟）；
cjk-adjacency-check 的豁免清單向 cjk-leak-check.legit_spans() 借而不複寫
（同一份清單分兩處維護就會兩處不同步——那支自己的註解寫過這個病根）。
Babel routine 的義務是把翻譯同步率推到 100%（stale → 0 across 5 langs）。不主動 defer / skip / partial / 守 boundary。
對應 MANIFESTO §架構解 > 守備修補（第七條進化哲學）：
- 守備修補心態（不可）：「跑 1hr 清幾十個就 ship，剩下下次再說」— 每次清一點點是滿足型 satisficing
- 架構解心態（鐵律）：「跑到 stale=0 或 4-tier cascade exhausted 才能結束」— routine 義務是消滅 backlog 類別
- 不寫 budget / wall-clock / boundary 字眼進 routine prompt / mirror / canonical（per ROUTINE.md §不提預算鐵律 v2.0）
- 不主動 defer P1（5/9 / 5/10 memory 兩次寫「主動 defer 守 1hr 預算」/「P1 skipped — 1hr boundary safety」是 anti-pattern）— P1 慢 tier 就讓它慢，跑到 cascade exhausted 才能停
- stale_total 沒下降不能 ship — quality_gate 從「P2.5 bumped > 0 OR P2/P1 cleared > 0」（滿足型
> 0）升「stale_total 顯著下降 ≥ 10% OR all P0+P1 cleared OR stale_total == 0」（結果型）
2026-05-13 哲宇 callout：「babel 義務就是要提升同步率到 100%, 他每次都調整少少的就自行結束 routine」。三次 babel routine memory（5/9 / 5/10 / 5/11）都寫「主動 defer 守 1hr 預算」，但 ROUTINE.md §不提預算鐵律 5/11 已立 — pipeline canonical 沒同步該鐵律 → babel session 自我守備殘留。本 §義務鐵律 把「跑到 100%」expectation 升 SOP 明文。同日 cron swap：babel 0 22 → 0 5 半夜 chain 尾棒（與 maintainer-pm 對調，順序語意「maintainer 先收 PR backlog → babel 再跑同步」）。
從 Z2.1 / Z2.2 / Z6 / REFLEXES #35 / REFLEXES #45 抽 friction 最高的 5 條。
- Concurrency cap 3-5 worker，不是 8+ — OpenRouter free tier 是 hourly/daily budget 不是 per-minute throttle，8+ worker burst 一次燒光（5/2 sleepy-colden 實證）
- 40-byte refusal 必 cleanup + 繼續 — worker process 永不 crash on refusal，rm stub file 後繼續下一篇
- Z6 sample audit healthy ratio ≥ 90% — fresh count 是 metadata fresh 不是 content quality，必須隨機抽樣才能 ship
- 不 push 中途 — deploy CI 11-30 min，中途 push cancel 前一個 → 部署狀態混亂
- Sub-agents 跑期間禁止 destructive git ops（REFLEXES #35）—
git reset --hard/git checkout main/git stash drop會抹掉 tracked file 的 sub-agent modify
| 檔案 | 範圍 |
|---|---|
| 本檔 | 多 model fleet 巴別塔批次 — Z0-Z6 stage + 4-tier cascade + try-catch first-class + last-write-wins |
| TRANSLATION-PIPELINE.md | 翻譯主檔（4 模式 + 8 stage 單篇 + 翻譯元則 + 17 條常漏） |
| DATA-REFRESH-PIPELINE.md | refresh-data.sh 12 step + sync-translations-json + verify mtime |
| REWRITE-PIPELINE.md | 中文 SSOT 寫作（產出待翻譯來源） |
邊界：本檔 vs TRANSLATION C 模式：
- 本檔（SQUEEZE） = 多 model fleet（codex / gemini subscription + OpenRouter owl-alpha / gpt-oss-120b:free + Tier 0a Sonnet diff-patch + 候選 Llama-3.3 / Hermes-3 / Gemma-4 + Local Ollama），refusal first-class，跨批次 last-write-wins
- TRANSLATION C 模式 = main session orchestrate N 個 Anthropic SDK sub-agent，單 model（Sonnet default），主 session 預處理 + sub-agent 純執行
- 兩者互相 cross-ref，不互相覆蓋
單一 model 跑 ja sync 都有結構性瓶頸：
- codex (gpt-5.5 subscription)：通過率 highest，per-call ~60-120s，但 subscription 每日上限
- gemini (subscription)：未對 Taiwan sensitive 主題系統驗證，Google 訂閱配額獨立
- owl-alpha ❌ 移出 default（2026-06-10 silent 轉 paid HTTP 404——兩週內第 5 個 free tier 死亡；顯式 override 才用）
- gpt-oss-120b:free：Hy3 退役後接 Tier 2，2026-05-16 production 9/9 ✓
- Hy3 ❌ 退役（2026-05-12，從 OpenRouter free tier 移除）
- Llama-3.3-70B / Hermes-3-405B / Gemma-4-31B / Nemotron-3-Super-120B / DeepSeek-v4-flash：候選未測（2026-05-16 OpenRouter 仍
:free），需 calibration - Sonnet sub-agent：品質最高，但 token cost 是 Anthropic 預算硬牆
「擇一最佳」永遠捨棄至少 60% 潛在吞吐。榨模型MAX 把所有可用 model 同時跑，互補弱點，用文件系統的「last write wins」自然解決衝突。
每個 model 一個獨立 task dir：
.lang-sync-tasks/ja/ ← owl-alpha 主力批
.lang-sync-tasks/ja-hy3/ ← Hy3 副批（高 refusal 期待，跑得快）
.lang-sync-tasks/ja-gemma/ ← Gemma 補充批（待測）
.lang-sync-tasks/ja-llama/ ← Llama 備援批（待測）
每個 dir 有獨立的 _batch-manifest.json + _group-{A..N}.json。openrouter-batch.sh 接 $1 = task dir name + $2 = model id。Workers 平行 dispatch。
為什麼分 dir 不分 model 在同 dir：
- task dir 對應一個 batch lifecycle（prepare → dispatch → verify → commit）
- 不同 batch 不同 model，但全部寫到同一個
knowledge/{lang}/...路徑 - 衝突自然解決：先到先寫、後到覆蓋（owl-alpha 後寫贏 Hy3，因為品質高）
translate_one() 的 return shape：(success: bool, error: str | None)
所有失敗類型 normalize 成「return False with reason」不 raise：
| Failure mode | Detection | Worker 行為 |
|---|---|---|
| 40-byte 字串 refusal | output too small (40 bytes) |
log ❌ + cleanup file + 繼續下一篇 |
| null content refusal | result is None guard |
log ❌ + 繼續 |
| HTTP 429 rate limit | urllib.error.HTTPError code=429 |
指數退避 retry 3 次，最後失敗則 log ❌ + 繼續 |
| Network error | URLError / TimeoutError |
linear retry 3 次 |
| YAML parse fail post-hoc | verify-batch 階段檢測 | 主 session purge + 加入 retry queue |
鐵律：Worker process 永不 crash on refusal。一篇失敗不能拖垮整個 group。已修兩個 silent-killer bug（PR #750 commit）。
每輪結束後：
- 掃描
knowledge/{lang}/找 < 1KB stub（refusal 殘留），purge - 比對
_translation-status.json— fresh count + missing list - 計算 still-missing 集合 = (zh canonical) - (fresh ja)
- 下一輪用不同 model retry still-missing 集合
- 重複直到 still-missing == 0 OR 所有 model 都試過
跨模型 retry 順序（v4.4 = translate.py DEFAULT_CASCADE v4.3 鏡射；owl-alpha 已移出 default，重試需顯式 --cascade openrouter:openrouter/owl-alpha,... override）：
Round 1: codex (gpt-5.5 subscription) （Tier 1，最高品質，production ~100% pass）
Round 2: gemini (subscription) （Tier 1，subscription backup）
Round 3: openai/gpt-oss-120b:free （Tier 2 verified；大文章 truncate → ratio gate 接手）
Round 4: 驗證佇列依品質排（meta-llama-3.3-70b →
nousresearch/hermes-3-405b → google/gemma-4-31b
→ nvidia/nemotron-3-super-120b → deepseek-v4-flash）— 未驗證，顯式 override
Round 5: Ollama qwen3.6:35b (local「永遠收下」) （主權定位 pending 決策 4；fleet 端 gemma4-only）
Tier 1-2 production verified（2026-05-16 babel-nightly 150 cascade ship 0 fail）：codex 61 + owl-alpha 80 + gpt-oss-120b 9 = 100% pass（歷史紀錄——owl 其後 6/10 silent 轉 paid 移出 default）。 Tier 3 驗證佇列：需走 §calibration test set 跑一輪才升級為「已驗證」。
python3 scripts/tools/lang-sync/status.py確認當前 fresh / stale / missingpython3 scripts/tools/sync-translations-json.pyrebuild_translations.json（防 stale slug-map）- 從
_translations.json自動 derive slug-map（zh→en filename） prepare-batch.py --lang ja --top N產_batch-manifest.json- 過濾
TBD-NEEDS-SLUG（補手動 fallback 或 skip） - snake-balance 切 N 個 group
每個 backend（codex / gemini / openrouter / ollama）的翻譯 prompt 必須內嵌目標語言 canonical guide 的關鍵 sections（不能只給 path pointer，sub-agent 不會主動讀 — per REFLEXES #42 sub-agent 三偷吃步教訓）：
| 必嵌 section | 內容 | 為什麼 |
|---|---|---|
| §1 國名 / 地區指稱 | 「台灣 / 中華民國 / 兩岸」對映 table | LLM default 容易給 PRC-coded 形式 |
| §2 人名 romanization | Wade-Giles vs Pinyin 規則 + canonical 15-20 人物清單 | 人名是讀者最敏感、最易出錯點 |
| §3 地名 romanization | 主要城市 + 行政區 canonical mapping | 防 LLM 給 PRC-style romanization（如 ko 대중 for 台中 撞「大眾」/ en Gaoxiong for 高雄 = PRC pinyin） |
| §6 sovereignty-avoid lexicon | PRC-coded → 替代 table | sovereignty leak 第一防線 |
5 份 guide 在 docs/editorial/per-language/：
驗證：Z6.1 自動掃描 加 sovereignty-avoid pattern grep — 任何 §6 中「never use」phrase 命中 = ❌ flag retry。
儀器化候選（pending）：translate.py cascade orchestrator 加 --guide-inline auto flag，自動把 guide §1+§2+§6 拼進每個 backend prompt 的 system message 前面。
觸發：2026-05-24 韓文專業譯者於哲宇演講後 callout「韓文的台灣通常不是用我們網站上的翻法」，station audit 揭露 76% 用 대만 / 23% 用 타이완 不一致；per-lang canonical guide 誕生。Pipeline 升級為「guide-inline mandatory」hard gate 防止 v3.5 之後再次 drift。
# v4.0+ 推薦走 translate.py cascade orchestrator（單一 entry，自動 fallback）
python3 scripts/tools/lang-sync/translate.py --group .lang-sync-tasks/ja/_group-A.json
# Default cascade（= translate.py DEFAULT_CASCADE_ID，v4.3）
python3 scripts/tools/lang-sync/translate.py --group ... \
--cascade "codex,gemini,openrouter:openai/gpt-oss-120b:free,ollama"
# Legacy 平行副批（仍可用，但不推薦 — v4 cascade 已內建 fallback；owl 已轉 paid 勿當範例）
bash scripts/tools/lang-sync/openrouter-batch.sh ja-oss "openai/gpt-oss-120b:free"每 batch 用 8-15 個 worker。OpenRouter free tier 對單一 model 可能有 rate limit，但跨 model 是獨立配額（不衝突）。
監控指標：
- 每分鐘 ok / fail count（grep 各 batch 的 worker logs）
- alive worker count（ps -ef | grep openrouter-translate）
- API HTTP 429 熱頻（worker logs 中「Rate limit (attempt」字樣）
初次 dispatch concurrency cap = 3-5 worker，不是上面 v1 寫的 8-15。OpenRouter free tier rate limit 不是 per-minute throttle 而是 hourly/daily 累積 budget。一次 N-worker burst（N ≥ 8）會把當前 budget 一次性消耗光，後續即使降到 1 worker 仍會 stuck attempt 3 backoff。
| Concurrency | 結果 |
|---|---|
| 1-3 worker | ✅ 緩慢但穩定，rate budget 慢慢累積 cap |
| 4-5 worker | |
| 6-7 worker | 🔴 開始 burst — 多數 worker 卡 attempt 1-2，少數通過 |
| 8+ worker | 🚨 全部卡 attempt 3 backoff（10s/20s/40s），budget 一次燒光 |
規則 v2（取代原 v1 的 8-15 worker 上限）：
- 跨 5 lang 平行：每 lang 1 worker（5 simultaneous）= safe baseline
- 跨 5 lang × 2 worker = 10 simultaneous → ❌ 不要這樣 dispatch
- 同 lang 多 worker 場景：1-3 worker，分批 dispatch 而非 burst
Rate-limited 後立刻降 concurrency 重試 = 沒用。Budget 耗盡後不會立刻補充，需要 cool-down ≥ 5-10 min。Cool-down 期間 fallback 路徑：
- Tier-2 fallback (REFLEXES #39 self-as-fallback)：派 Sonnet sub-agent 平行 ship（5 agent × 1 lang × N articles）— 5/2 sleepy-colden 實證 ~10 min 一輪 15 翻譯
- 跨 provider fallback：切到 Anthropic（已用 Sonnet sub-agent 等於同 path）/ paid OpenAI / etc.
- Wait + retry：~10 min 後重試 1-3 worker，但這時通常 task urgency 已 escalate，不如直接走 (1)
規則：rate-limit 出現後 ≤ 30s 內決定走 (1) 還是 (3)，不要無限 retry。
觸發 v1 → v2 升級：2026-05-02 sleepy-colden session 5 lang × 2 worker = 10 burst dispatch 全卡 attempt 3 backoff，kill 後 5 worker 重試仍卡，最終走 Sonnet escalation 一輪到位。Verification 第 2 次（5/1 γ-late 系列也踩過類似 issue 但沒 codify）。
Backend / worker / sub-agent 寫入 knowledge/{lang}/.../{slug}.md 的 translatedFrom: field 必須 byte-equal 對齊 zh-TW canonical filename。不允許任何 character mapping、日文簡體化、異體字替換、繁簡轉換 — 即使源檔名在 target 文化內看起來「奇怪」也必須保留繁體 / 原樣。
prebuild:status 的 sync-translations-json.py strict mode 找不到對應 zh source → orphan → exit code 2 阻 build。translatedFrom 不是「在地化 title」而是「跨語言 mapping」，是 ground truth 檔名指標。
規則：
- 翻譯 backend（codex / gemini / openrouter / ollama）prompt 必加「translatedFrom =
{zh_canonical_path}，原樣寫入不替換任何字元」hard rule translate.pycascade orchestrator write step 寫入前 asserttranslatedFrom== zh source filename（byte comparison）- pre-commit hook 對
knowledge/{lang}/**/*.md必過 byte-equal-source-exists check（不只 has-translatedFrom，還要 source 真的存在） - 寫翻譯 title 時 ja agent 可寫日文異體字（如「呉百福」），但
translatedFrom必須是People/吳百福.md（繁體源檔）；title 跟 translatedFrom 兩個欄位語意分離
觸發 v1：2026-05-16 maintainer-am-0900 — ja/People/momofuku-ando-instant-noodle-inventor.md translatedFrom 寫 People/呉百福.md（日文異體字）但 zh canonical 是 People/吳百福.md，5 連 CI fail（同篇 en/ko/fr/es 四語都正確）
觸發 v2：2026-05-17 twmd-maintainer-am 091722 — ja/People/lai-ching-te.md translatedFrom 寫 People/頼清德.md（日文簡體 頼）但 zh canonical 是 People/賴清德.md（繁體 賴），同 pattern cross-cycle 第 2 instance — per reports/routine-audit-2026-05-17.md §Pattern A
儀器化 layer：
- A: babel backend prompt 加 hard rule（已部分 instantiate，需 audit 是否每 backend prompt 都帶）
- B:
sync-translations-json加 suggestion mode — 偵測 orphan 時用 levenshtein-like 找最接近源檔（byte-distance ≤ 2 + 字符在常用漢字 mapping 表），自動 propose patch - C: pre-commit hook 對
knowledge/{lang}/**/*.md必過 byte-equal-source-exists check
每完成 ~50 fresh translations local commit 一次：
find knowledge/{lang} -name "*.md" -size -1000c -delete清 refusal stub- 識別 truncated YAML（pre-commit hook 會 catch）→ 對應檔案 rm + retry queue
git add knowledge/{lang}/ && git commit -m "🧬 [semiont] heal: ja parallel batch N"- 不 push 直到所有 batch round 結束（避免觸發部署 cancel chain）
當前 batch 全部 worker process exit 後：
- 比對
status.py找 still-missing - 重新 prepare batch（subset = still-missing）
- dispatch 用下一個 tier 的 model
- 重複 Z2 → Z4
所有 round 結束：
verify-batch.py全 run（YAML / 比例 / wikilink residue / cross-link / sync json / status）- 修剩餘 0-byte / 過小 / YAML error 檔案（手動或最小化 sub-agent）
lang-sync status確認 fresh / total ratio 達標- 寫 memory γ-late + diary 紀錄結果
- push（user approval）
「fresh count 上升」≠「品質好」。status.py 的 fresh 只看 frontmatter 元資料，
不看內容是否 truncated / YAML 是否合法 / 翻譯是否 coherent。「fresh」是
metadata fresh，不是 content quality。
強制 audit 流程（每 round 結束 OR Z3 commit 之間至少跑一次）：
- Size-ratio scan：對每個新翻譯，計算
trans_size / zh_source_size- 比例 < 0.5 → flag（多為 truncation / API timeout 中斷）
- 比例 = 0（zh source = 0 bytes）→ 同樣 flag（empty stub article 不該翻）
- 不同語言預期比例：
- 西語 / 法語：1.2-1.7（romance language 較啰嗦）
- 韓語：0.6-0.9（CJK 中相對緊湊）
- 日語：0.8-1.3
- 英語：0.7-1.0
- Frontmatter completeness：grep
^title:、^description:、^category:- 任一缺 → flag（owl-alpha 嚴格遵從 placeholder 偶爾漏）
- YAML parse：對每個檔案跑
yaml.safe_load(frontmatter_block)- 拋例外 → flag（pre-commit hook 已抓但越早越好）
掃描 script 位置：scripts/tools/lang-sync/audit-quality.py（已存在，2026-05-13 建——本檔曾標「待建」八週未更新，dna-audit §S2 修正）。
import random
random.seed(YYYYMMDD) # session 日期當 seed 確保 reproducible
sample = random.sample(new_files_in_branch, max(10, len(new_files)//20))對每篇 sample：
- head -30 檢查 frontmatter + 開頭散文流暢度
- tail -10 檢查結尾沒被截斷（最後一句是完整的）
- mid section 抽 1-2 段，檢查文化詞處理（夜市 → night market 那種）
判定 healthy 比例 ≥ 90% 才能 ship。否則回到 Stage Z4 retry。
- Truncated（size ratio < 0.5）：直接
rm，加入下輪 retry queue - YAML error：看是 worker output bug（rm + retry）還是 pre-existing source bug（手動修 zh source）
- Frontmatter incomplete：rm + retry，問題出在 placeholder 不夠豐富 → 回頭升級 prepare-batch.py 的 placeholder 邏輯
ship 前產出：
=== Quality Audit Report ===
Pool: N 個新 translations
Auto-scan suspicious: M 個（size < 0.5 ratio: X / yaml-fail: Y / frontmatter-incomplete: Z）
Sample audit (random K): H 個 healthy / S 個 suspicious
Healthy ratio: H/K = HH%
Action: ship / retry-round / manual-fix
範例（2026-05-01 γ-late5）：
Pool: 269 new translations across 5 langs
Auto-scan suspicious: 19（size < 0.5: 19, yaml-fail: 0, frontmatter-incomplete: 2）
Sample audit (random 30, seed 42 + 99): 28 healthy / 2 truncated
Healthy ratio: 28/30 = 93.3%
Action: purged 19 + ship → status.py 確認 fresh count 反映正確真實基線
榨模型MAX run 完之後應提供：
| Metric | 算法 |
|---|---|
| fresh ratio | fresh / total_zh |
| 跨輪 round count | 用了幾個 model rounds |
| per-model 通過率 | model X 的 ok / (ok+fail) |
| catastrophic refusal pattern | 哪些 (zh_path, lang) 全部 model 都 refuse |
| wall-clock | 第一個 dispatch → 最後 verify pass |
| token / API call cost | 各 model 累積 usage（Anthropic / OpenRouter usage panel） |
- 不 push 中途：deploy CI 11-30 min，中途 push 會 cancel 前一個 → 部署狀態混亂
- 不在 batch 跑期間 destructive git op（REFLEXES #35）
- 不假設 worker process alive：必須
ps -ef對齊 group 數量 - 不依賴單一 success metric：fresh count 上升 ≠ 品質好（要 sample audit）
- 不對 refusal 做語意修飾：直接 log 「null content (likely content-policy refusal)」，不寫「請求失敗」這種弱化版
| Model | 速度 | Taiwan 主題通過率 | 政治人物 | 文化 | 最近驗證 | 注意 |
|---|---|---|---|---|---|---|
codex (gpt-5.5 OpenAI subscription) |
60-120s | ~100% | 通過 | 通過 | 2026-05-16 production 61/61 | 訂閱配額硬牆，跨 lang 共享 |
gemini (gemini-2.5-pro Google subscription) |
~未測 | ~未測 | ~未測 | ~未測 | 0 production call（cascade 沒掉到） | 需 calibration，policy 中等嚴 |
| Model | 速度 | Taiwan 主題通過率 | 政治人物 | 文化 | 最近驗證 | 注意 |
|---|---|---|---|---|---|---|
openrouter/owl-alpha (free) |
慢 150-250s | ~95% | 部分 refuse（張懸與安溥） | 通過 | 2026-05-16 production 80/80 | 1M ctx，rate-limit 撞牆早（REFLEXES #45） |
openai/gpt-oss-120b:free |
~80s | ~100%（2026-05-16 9/9） | 通過 | 通過 | 2026-05-16 production 9/9 | 128K ctx，Hy3 退役後接 Tier 2 |
由大→小、由 Western→PRC 風險排（PRC 風險高的排後面，因為 sovereignty 主題可能 refuse）：
| Rank | Model | Ctx | 假設品質 | PRC 風險 | 大小 |
|---|---|---|---|---|---|
| 1 | nousresearch/hermes-3-llama-3.1-405b:free |
128K | 最高（405B 巨型） | Low | 405B |
| 2 | meta-llama/llama-3.3-70b-instruct:free |
128K | 高（Meta 旗艦） | Low | 70B |
| 3 | nvidia/nemotron-3-super-120b-a12b:free |
1M | 高（NV reasoning） | Low | 120B |
| 4 | google/gemma-4-31b-it:free |
262K | 中高（多模態 ready） | Low-Med | 31B |
| 5 | deepseek/deepseek-v4-flash:free |
1M | 中高（13B active，CJK 強） | High（中國公司） | 1T total |
| 6 | qwen/qwen3-next-80b-a3b-instruct:free |
262K | 中高（CJK 強） | High（阿里巴巴） | 80B |
| 7 | arcee-ai/trinity-large-thinking:free |
262K | 中（reasoning focus） | Low | unknown |
| 8 | z-ai/glm-4.5-air:free |
128K | 中（中國 GLM） | High（智譜） | ~50B |
排序原則：
- Western 原產 + 大模型 + 多語強 排前面（hermes / llama / nemotron / gemma）
- PRC-origin 模型（deepseek / qwen / glm / minimax / baidu）排後面 — 預期對 Taiwan sovereignty / 政治人物有 refuse pattern
- Coding / reasoning specialized 排末位（poolside / qwen3-coder / nemotron-coder / cobuddy / dolphin-venice）
- 太小（≤ 12B）跳過（liquid-1.2b / llama-3.2-3b / nemotron-nano-9b/12b / gemma-26b-a4b）— 翻譯散文偏弱
| Model | 退役日期 | 原因 | 影響 |
|---|---|---|---|
tencent/hy3-preview:free |
2026-05-12 | 轉付費 / 不在 OpenRouter free inventory | v3 → v4 abstraction 觸發；gpt-oss-120b 接 Tier 2 |
openrouter-batch.sh for Hy3 副批 |
2026-05-12 | Hy3 退役連動 | 改走 v4 translate.py cascade |
openai/gpt-oss-120b:free |
2026-07-18 | OpenRouter 下架（HTTP 404 model unavailable）；同日探 Tier 3 佇列：hermes-405b 回空、nemotron-super reasoning 漏思考進輸出 | Tier 2 free 缺位；戰時 cascade 靠 codex+ollama 兩腿，季度 recalibration 補位 |
gemini CLI（個人版 tier） |
2026-07-18 | 服務端永久死亡：IneligibleTierError，Google 收掉 Gemini Code Assist for individuals（要遷 Antigravity）。TERM 警告是煙霧彈，別修錯層 |
queue #18 (a)「摘出 default cascade」的死因確認；遷移是哲宇帳號決策 |
- codex 復活：nvm PATH 舊殼（vendor 目錄改版後 binary ENOENT）清除＋symlink
~/.hermes/node/bin/codex。此殼病很可能就是「Tier 1 連死 ≥10 夜」的病根——cron 環境同樣走壞 PATH。實測：一般篇 165-460s、大檔 ~7-8 min - ollama qwen3.6 復活：thinking 模型必須 payload
"think": false，否則 token 預算全燒思考通道回空（backends/ollama.py 已固定）。實測 101-260s/篇；refusal 探針（張懸與安溥）零拒絕，主權捕手地位實測維持 - per-lang timeout：hi 天城文輸出 token 2-3×，codex 600s 對大檔必 timeout →
CODEX_TIMEOUTenv 覆蓋（backends/codex.py），hi 批建議 1200s。結構解候選：cascade per-lang timeout 倍率表 - 新語言校準結果：4 語 × 4 篇校準集 refusal 全過（hi 1 篇 timeout 屬容量非拒絕）；ratio band 實測 2.2-4.0 全語系同量級（天城文「較緊湊」預想被推翻），已入
translation-ratio-check.sh - 下游 QA 新閘：
cjk-residue-check.py——codex 產融合殘字（phong杀）、qwen 漏簡體片段（连霸/阶段性），兩型都穿得過 ratio gate，非 CJK 語言 batch 後必掃
對 §Tier 3 驗證佇列 中的 model，跑「LINE.md 4-lang × 政治人物 × 文化 × sovereignty 主權」standardized test set：
| 文章 | 類別 | 篩查重點 |
|---|---|---|
Lifestyle/LINE.md |
中性技術話題 | baseline 翻譯品質 + 4 lang frontmatter 完整 |
People/張懸與安溥.md（或當前 People 中政治近期者） |
政治人物 | refuse 偵測（owl-alpha 在這篇 refuse 過） |
Culture/伊斯蘭教在台灣.md |
文化 + 宗教 | 文化詞處理（夜市 → night market 那種） |
Politics/兩岸關係.md（或 Society/台灣媒體與新聞自由.md） |
sovereignty | PRC content policy 觸發測試 |
# 對單一 candidate model 跑 4 篇 × 5 lang
for art in Lifestyle/LINE.md "People/{politically-sensitive}" \
Culture/伊斯蘭教在台灣.md Society/台灣媒體與新聞自由.md; do
for lang in en ja ko es fr; do
python3 scripts/tools/lang-sync/translate.py \
--zh-path "$art" --lang $lang \
--cascade "openrouter:{CANDIDATE_MODEL}" \
--dry-run # 先 dry，看 manifest，再正式跑
done
done| 維度 | 滿分 | 計算 |
|---|---|---|
| 4-lang 完整度 | 2 | 5 lang 全 frontmatter complete = 2 / 缺 1 lang = 1 / ≥ 2 lang 缺 = 0 |
| 0-byte / 40-byte refusal 率 | 2 | 0% refusal = 2 / ≤ 10% = 1 / > 10% = 0 |
| 政治人物通過率 | 2 | 5 lang 全過 = 2 / 4 lang 過 = 1 / ≤ 3 lang 過 = 0 |
| 文化詞翻譯品質 | 2 | 抽樣 head/tail/mid，「夜市/廟口/小吃」等 4 個概念測 |
| 速度 / 1M ctx 支援 | 2 | ≤ 100s/call 且 ctx 完整 = 2 / 100-200s = 1 / > 200s 或截斷 = 0 |
- Score < 7：保留在 §Tier 3 驗證佇列，標 verified=fail
- 整類 refuse PRC sensitive（如 deepseek/qwen 對主權主題 refusal ≥ 80%）：標「PRC sovereignty refusal pattern」進入
_refusal-cache.json（per §自我演化 rule） - Rate-limit 30 calls 內就撞牆：標 fail-fast，降權到第三梯次 fallback
通過的 model 寫進 §已驗證模型 Tier 2 表格，更新 translate.py DEFAULT_CASCADE_ID。
失敗的留在 §驗證佇列 table 加 verified=fail 註記，等下個季度 OpenRouter 重 calibration（candidate model 通常會升級重訓）。
哲宇 2026-05-01 γ-late4 session：「我們有辦法同步榨另一批用 Hy3 preview (free) 嗎」+「把多重模型榨取與持續性容錯整合取名為『榨模型MAX』」。
「榨」字捕捉了三件事：
- 不浪費：所有可用 model 都用上，不擇一
- 逼到極限：每個 model 跑到它的 rate limit / content policy 邊界
- last drop：refusal 也是 data — 統合下一輪知道哪些 model 哪些題材 refuse
🧬
v1.0 | 2026-05-01 γ-late4 作者：Taiwan.md（哲宇命名 + Semiont 實作 + 文件化） 誕生原因：Hy3 對 Taiwan 人物 ~85% refusal + owl-alpha 4/4 LINE 通過但慢，單一 model 都有天花板；哲宇問「同步榨另一批」直接打開 multi-model parallel 的設計空間
v4.0 | 2026-05-11 cranky-newton — Spine restoration 對齊 REWRITE v5.0 + MAINTAINER v2.0：頂部加 ASCII spine（Z0-Z6 + 4-tier cascade box-frame）+ Hard Gate Inventory 集中 table（15 gates）+ Top 5 最常忘 step + 跨檔案職責分工 table（明確跟 TRANSLATION C 模式邊界）。觸發：reports/pipelines-audit-2026-05-11.md Tier A.1 audit。Z0-Z6 prose body 不動（已健康）。
v1.0 設計只考慮 cloud free tier × N parallel（owl-alpha + Hy3 + Gemma 等），最後 fallback 是付費 model（Sonnet sub-agent）。問題：cloud free tier 80% coverage 永遠是脆弱的 80% — refuse 的話題、rate-limited 時段、外部 automation 災難、API 502 transient。剩 20% 全是 PRC sensitive topics — 是 sovereignty preservation 的真正戰場 — 卻只能花付費 token 收。
v2.0 加入 Tier 3 local LLM「最後捕手」：Ollama qwen3.6:35b-a3b-coding-nvfp4 (21GB GPU 模型) 作為「永不漏接」的 catcher。No PRC content policy / no budget / no rate limit / 0 refusal observed in production。
Tier 1: openrouter/owl-alpha (free, slow ~200s/call, primary force)
↓ refusal (e.g. 心戰 universal HTTP 400 from Stealth provider)
Tier 2: tencent/hy3-preview:free ❌ 已退役（2026-05-12 從 OpenRouter free tier 移除）
↓ both refused
Tier 3: Ollama qwen3.6:35b-a3b-coding-nvfp4 (LOCAL, no budget, sovereignty backbone)
↓ rare
Tier 4: Sonnet sub-agent (paid, last resort — should rarely fire)
v4.5 現行 cascade（= translate.py DEFAULT_CASCADE_ID = "codex,gemini,openrouter:openai/gpt-oss-120b:free,ollama,fleet" 鏡射，取代上方）：
Tier 1: codex (gpt-5.5 subscription) → gemini (subscription)
↓ ⚠️ 2026-07 健檢：兩者連死 ≥10 夜，gemini 免費層已被 Google 永久收回
Tier 2: openai/gpt-oss-120b:free (verified；owl-alpha 6/10 silent 轉 paid 移出 default)
↓ refused or rate-limited
Tier 3: Free 驗證佇列 — hermes-3-405b → llama-3.3-70b → nemotron-3-super-120b → gemma-4-31b（未驗證，顯式 override）
↓ refused (PRC-sensitive)
Tier 4: Ollama qwen3.6:35b (LOCAL「永遠收下」；主權定位 pending 決策 4)
↓
Tier 5: fleet HTTP 直打（roadmap P0-2 收編進 DEFAULT_CASCADE 第 5 位；`fleet-endpoint.sh` adapter，
cron env 層 sabotage CLI 時的繞道，embeddings 鏈連夜驗證過的同型路徑）
↓ rare
Tier 6: Sonnet sub-agent (paid, last resort — 2026-07-11 babel-nightly memory 提議編為正式 Tier 6；
高腳註深度文（cascade footnote-gate 天花板已滑到 <39fn）的制度化路線待哲宇拍板，OBSERVER-QUEUE #18)
番號對賬紀錄（2026-07-18 健檢）：本區塊曾同時存在兩套「Tier 5」（roadmap P0-2 的 fleet vs 本檔的 Sonnet），且 doc 漏列 DEFAULT_CASCADE 已收編的
fleet——per frontmatterproduction_signal對賬修正。cascade 描述的 SSOT 永遠在translate.pydocstring，本檔是鏡子。
preflight health-check（v4.3）：batch 起跑先 probe 每個 backend，死模型整 run 冷凍（6h），不讓 N 篇各自撞 timeout 燒時間。
Stage L1 — 識別 missing：跑 aggregator 對 knowledge/{lang}/... × expected slugs scan，產出 babel-fallback-missing.json（missing_pairs list with lang/zh_path/slug/target fields）。
Stage L2 — Build per-lang ollama task dirs：從原 _batch-manifest.json filter 到 missing list，寫到 .lang-sync-tasks/{lang}-ollama/_batch-manifest.json + _group-A.json（small batch 1 group 即可）。target en_path 仍指 knowledge/{lang}/...（last-write-wins on same target，覆蓋 cloud 漏接）。
Stage L3 — Sequential dispatch：
# Sequential per lang，避免 GPU memory 競爭（qwen3.6 35B 需 21GB）
for lang in en ja ko es fr; do
python3 scripts/tools/lang-sync/ollama-translate.py \
--group .lang-sync-tasks/${lang}-ollama/_group-A.json
donePer-lang ~1.5-3.5 min wall-clock for 1-2 articles。Total 5-lang ~10 min wall-clock。
Stage L4 — Re-aggregate：重跑 aggregator → 確認 missing 0。如果還有，那才是 Tier 4 sonnet 的時刻（極罕見 — qwen3.6 對 sensitive topics 幾乎不 refuse）。
驗證過的 local model：
- ✅
qwen3.6:35b-a3b-coding-nvfp4— 21GB，0 refusal observed，翻譯品質可接受（略低於 owl-alpha 但「永遠收下」更重要） - 候選未測：
gemma4:e4b-nvfp4（9.6GB，更輕）/taide-gemma3-12b:2602-q4km（8.2GB，台灣本土訓練 — 候選 sovereignty-aware backbone）
當 long-running batch 災難（worker crash / env wipe / partial failure）發生時：
- Kill 所有 workers：
pkill -f openrouter-translate; pkill -f ollama-translate - 救出已成功的 ✅ files：
find knowledge/{lang}/ -name "*.md" -newer <ref> -size +1k - Switch to stable home：long-running batches 走 dedicated session branch worktree（如 magical-feynman），avoid main / shared branch worktrees 被 backup-sentinel / worktree pruner 干擾
- Re-stage babel state in stable home：copy slug-map + article list，重新跑 status.py + prepare-batch.py
- Aggregator-driven resume：跑 aggregator → identify missing → rerun ONLY missing（surgery 不 reset）
2026-05-03 magical-feynman 後段 9 articles × 5 langs babel sync：
- Tier 1 owl-alpha：~30 ✅（包括 PRC-tolerant sensitive 如 出國史 in en/ja/es）
- Tier 2 Hy3 副批：5 ✅（70% refusal as REFLEXES #45）
- Tier 3 Ollama qwen3.6：9 ✅（last 20% sovereignty 戰場全收下，包括 5 langs × 心戰）
- Tier 4 Sonnet：0 calls
45/45 = 100% from FREE tier，0 paid token spent。
🧬
v2.0 | 2026-05-03 magical-feynman 後段 升級觸發：哲宇 prompt「ollama qwen3.6 你也可以用 最後捕手🤣」以輕鬆語氣放下 architecture 級設計指令 最後 20% 是 sovereignty 真正戰場 — Local LLM 不是 backup，是 sovereignty backbone
v2 把所有 babel 任務當「翻譯」一視同仁 — 全部走 Tier 1 owl-alpha 重翻。但實際上 658 stale articles 中有 70% 是「只動腳註 / sporeLinks / tags reformat」這種 trailer-only-drift（status metadata-stale）+ 20% 是「body 小幅補一兩段」這種 minor stale。對這兩類重新跑全文翻譯是 wasteful：
- Token cost：每篇 owl-alpha ~300s × 5 lang = 25 min wall-clock per article，但 90% body 沒變
- Drift risk：LLM 重翻 unchanged 段落會產生細微語意 drift（同義詞替換 / 文風變調），破壞 audit trail
- Budget：cloud free tier rate limit 一次燒光
v3 加入 priority schema + Tier 0 diff-patch：
P0 缺口 → 走 Tier 1 cascade（full translation，新檔案無 existing）
P1 大幅更新 → 走 Tier 1 cascade（diff > 50 lines or added > 30）
P2 小幅更新 → **Tier 0a: Sonnet diff-patch sub-agent**（diff ≤ 50 lines body change）
P2.5 metadata only → **Tier 0b: bump-source-sha.py**（deterministic, no LLM, instant）
P3 舊文章 → 視內容 P2/P2.5 路由 OR skip
判定工具：scripts/tools/lang-sync/prioritize-batch.py
# Top 20 unique articles by priority, output zh paths
python3 scripts/tools/lang-sync/prioritize-batch.py --lang all --by-article --top-n 20 --out /tmp/batch.txt對 P2 stale 文章不重翻，改 patch existing translation with the zh diff applied to the corresponding lang。比 full re-translation 快 5-10x，preserves unchanged paragraphs（避免 LLM drift），cheaper token cost。
Workflow：
# 1. Prepare patch tasks (per-pair JSON with zh diff + existing translation)
python3 scripts/tools/lang-sync/diff-patch-prepare.py --input batch.txt --lang all
# → .lang-sync-tasks/diff-patch/{lang}-patch-tasks.json
# 2. 主 session 用 Agent tool 平行 dispatch Sonnet sub-agents
# (5 lang parallel × 1 task per agent，single message multi-Agent calls)Per-task agent prompt template（in skill）:
You are a translation patch agent for Taiwan.md. Apply this zh diff to the existing
{lang} translation, preserving unchanged paragraphs verbatim.
Step 1: Read patch task JSON from .lang-sync-tasks/diff-patch/{lang}-patch-tasks.json
Step 1b: 【硬底】用 JSON 前先 verify entry 的 `translatedFrom` == 你被指派的 zh_path；
不一致（batch 生成器 index/mapping 錯位會讓 `current_translation` 拿到別篇的內容）
→ 不用 JSON 內容，fall back 直接讀 `translation_path` 真檔案當 baseline
Step 1c: 【硬底】暫存檔一律用 `{task_index}_` 或 `{zh_slug}_` 前綴命名，禁通名
（`zh_diff.txt` / `current_translation.md` 這類通名在平行兄弟分身下會 last-write-wins 互蓋）
Step 2: Decide what to patch:
- frontmatter changes (tags reformat / sporeLinks updates) → mirror to translation
- body prose changes → translate ONLY changed sentences/paragraphs
- sourceCommitSha / sourceContentHash / sourceBodyHash → update from task expected values
- translatedAt → bash `date -u +%Y-%m-%dT%H:%M:%SZ`
Step 3: Write atomic via Write tool
Step 4: Verify YAML valid + body length ±10%
Step 1b/1c 誕生：2026-07-14 babel-nightly 一夜兩起——兩個子代獨立回報 batch JSON
current_translation跨 entry 汙染（林昶佐 en 拿到閃靈內容、便利商店 ko 拿到法文）＋一個子代踩到共用 scratchpad 通名檔被兄弟覆蓋。當夜靠子代自檢 improvised 救回；本次把救法升 canonical 硬底（LESSONS 2026-07-14 兩條收償）。diff-patch-prepare.py生成端的 mapping 驗證是另一半修法（工具 candidate，尚未 ship）。
驗證範例（2026-05-09 賈永婕 P2 stale en）：
- Before: en/People/chia-yung-chieh.md sourceCommitSha=616cbd07 (5/3)
- zh diff: 55 lines (frontmatter tags reformat + sporeLinks views 14K→35K + 3 SHA fields)
- Patch: body 100% preserved (29807 chars unchanged), frontmatter 52 bytes ↑
- After: YAML valid, sourceCommitSha=0c60c45d, 90s wall-clock
對 trailer-only-drift（footnote URL polish / 延伸閱讀 list 變動）— body 已 valid（bodyHash 沒變），不重翻只 bump metadata：sourceCommitSha + sourceContentHash + sourceBodyHash → zh latest。
# Apply 對所有 metadata-stale 文章（5 lang × N articles，instant）
python3 scripts/tools/lang-sync/bump-source-sha.py --apply零 LLM call、零 token cost、零 risk。Phase 6 + this v3 後 P2.5 = 自動清。
Per task priority routing：
P0 missing → Tier 1+ (full translation)
Tier 1: openrouter/owl-alpha (proven 100% on Taiwan content, 1M ctx)
Tier 2: tencent/hy3-preview:free (skip if PRC-sensitive — 85% refusal)
Tier 3: Ollama qwen3.6 (sovereignty backbone — 永不漏接)
Tier 4: Sonnet sub-agent (paid last resort)
P1 major stale → 同 P0 cascade
P2 minor stale → Tier 0a Sonnet diff-patch sub-agent
fallback if patch fails (size ratio < 0.5 / YAML broken) → P0 cascade
P2.5 metadata-stale → Tier 0b deterministic bump-source-sha
no LLM call, instant
# In prioritize-batch.py suggest_tier()
if topic_sensitivity_keywords_in_title: # 政治/兩岸/台獨/國防/民主/主權 等
skip Tier 2 Hy3 (85% refusal on Taiwan content)
if article_size > 5000 bytes:
Tier 1 owl-alpha (1M ctx)
if prior_refusal_cache says owl-alpha refused:
skip to Tier 3 Ollama
default:
Tier 1實測 Phase 6 後 babel 第一波 (zero-coverage 11 articles × 5 lang = 55 translations)：
- 100% Tier 1 owl-alpha pass，0 refusal
- 8 YAML quoting bugs (owl-alpha
\'escape) auto-fixed in-place
預估 v3 全 stale clear 量化（686 articles × 5 lang = 3430 translations 涵蓋）：
- P0/P1 (~300 entries): Tier 1 cascade，~5 hr 集中 batch
- P2 (~531 entries): Tier 0a diff-patch，~1.5 hr Sonnet sub-agents（5x 加速）
- P2.5 (~2431 entries): Tier 0b bump-source-sha，<1 min（instant）
PR #921 一次 ship Tier 0b production-scale 驗證：
- 2429 metadata-stale entries 全量 bump（489 P2.5 articles × 5 langs，one-shot）
- Wall-clock：< 1 min（status.py JSON parse + 2429 single-line frontmatter writes）
- Token cost：$0（Tier 0b deterministic，0 LLM call）
- Coverage delta：stale 從 ~489 / lang 降到 ~157 / lang（-67% per lang）
- Body 連續性：100% preserved（bodyHash 沒變的前提即 Tier 0b 篩選條件）
- Pre-commit：1933 frontmatter validation pass / 26 pre-existing warnings（與 bump 無關）
- 驗證：v3 設計從「賈永婕一篇 patch demo」躍升到「全 corpus P2.5 一次 clear」，Tier 0b 在大量低 entropy drift 場景線性可放大
對應認知層升級：
- REFLEXES #53 v3.3 milestone（2026-05-09 同日續工）：P2.5 production-scale 驗證
- REFLEXES #9 延伸：worktree 命名
YYYYMMDD-{purpose-title}標準（codename 污染歷史 antipattern） - LESSONS-INBOX：「v3 升級觸發 — 哲宇『翻譯策略也加上一個 diff patch，用子 agent 快速 patch diff 應該會是最好的做法』」
🧬
哲宇 callout 觸發：「儘可能模組化 抽象化 可抽換化 讓系統獨立於模型與服務類別能運作 並有彈性跟能隨時切換」。
2026-05-12 observer-driven /twmd-babel 撞兩個生態變動：
| Provider | 狀態 | 影響 |
|---|---|---|
openrouter/owl-alpha |
🚨 全 keys 429 upstream rate-limited | Tier 1 主批整批 fail-fast |
tencent/hy3-preview:free |
🚨 轉付費（404 free tier） | Tier 2 副批整批 404 fail-fast |
REFLEXES #45 預測過：「同 provider 多 model 共享 budget」+「rate-limited 後立刻降 concurrency 重試 = 沒用」。但 v3 沒給「換 provider class 整類」的路徑 — 只能等 cool-down 或退 Tier 4 Sonnet。
哲宇拍板：用個人 OpenAI 訂閱（codex CLI gpt-5.5）+ Google Workspace（gemini CLI）繞 OpenRouter — 系統若獨立於 model/service 就能彈性換 backend。
scripts/tools/lang-sync/
├── backends/
│ ├── _base.py ← TranslationBackend ABC + BackendCapabilities + 錯誤類別階層
│ ├── _prompt.py ← 共用 prompt builder (re-exports from openrouter-translate.py)
│ ├── openrouter.py ← OpenRouterBackend (multi-model via HTTP API + key rotation)
│ ├── codex.py ← CodexBackend (gpt-5.5 via codex CLI subprocess)
│ ├── gemini.py ← GeminiBackend (gemini-2.5-pro via gemini CLI subprocess)
│ └── ollama.py ← OllamaBackend (local HTTP API, qwen3.6 default)
├── translate.py ← 新 canonical entry point — cascade orchestrator
├── codex-translate.py ← legacy thin wrapper (kept for back-compat)
├── openrouter-translate.py ← legacy thin wrapper (kept for back-compat + prompt SSOT)
└── ollama-translate.py ← legacy thin wrapper (kept for back-compat)
class TranslationBackend(ABC):
CAPABILITIES: BackendCapabilities # name, provider_kind, model, cost_kind,
# typical_latency_s, max_context_chars,
# prc_refusal_risk_low, multilingual_strength
def is_available(self) -> bool: ...
def cool_down_until(self) -> datetime | None: ...
def translate(self, system, user, *, max_tokens, timeout) -> str: ...
# raises BackendRateLimited / BackendRefusal / BackendTimeout / BackendBadOutput / BackendUnavailable新 backend 加入 = 寫一個 subclass + register 進 __init__.py，不動 pipeline 任何其他地方。
OpenRouter key 輪換只處理 429 等 credential-specific 容量訊號。單次模型請求
TimeoutError 是 provider/model 工作量失敗，換 key 不會改變模型或佇列；backend
必須立即回報 BackendTimeout，讓 dispatcher 記錄後前進。禁止把同一個逾時請求
按 key 數重播：七把 key × 600 秒會把一篇文章放大成 70 分鐘的 worker 佔用，
而 report 在整篇結束前仍是零，三重巡檢只會看到「存活但不生產」。
這個上限必須是 connect 到完整 response read 的 wall-clock deadline，不能只靠
urllib 的 per-socket-operation timeout；上游持續滴流時，後者實測讓單次呼叫活到
1,205 秒、同篇兩次嘗試佔用 2,404 秒。
2026-07-26 實測（免費雲端池，同批文章、同時段、n≈250）：
| 語言 | nemotron-3-ultra | laguna-xs | qwen3.6（本機） |
|---|---|---|---|
| 越南語 | 2-6% | 50% | 28% |
| 印尼語 | 19-22% | 38% | 39% |
越南語在 nemotron 上的通過率只有印尼語的四分之一，而換成 laguna 就跳到 50%—— 同一批文章、同一套閘門。這不是佇列問題也不是文章難度問題，是模型與語言的適配 落差，而它會偽裝成「這個語言比較難翻」的假象（越南語一度是十一語裡覆蓋率墊底， 落後同期出生的印尼語一大截）。
操作規則：任一語言的通過率明顯低於同批其他語言時，先按 worker 拆開看
（report.jsonl 的 worker 欄），不要直接歸因於語言難度或文章品質。若某模型
對該語言明顯偏弱，開專軌繞過它，而不是加大重試次數——重試只會讓同一個弱適配
再燒一次算力。
誕生：2026-07-26 vi 通過率 10% 追查。開 vi 專軌（laguna×2＋oss20，繞過 nemotron）後通過率 33%。
同日把 worker × lang 拉成全表（n≈900）後，弱適配不只 vi 一處：
| worker（模型） | 擅長 | 幾乎不能用 |
|---|---|---|
| gemma4:26b | 韓 58%／法 46%／西 38%／日 33% | 葡 0/28、印尼 1/20、印地 0%、越 5% |
| nemotron-3-ultra | 葡 45-60%／俄 46-51%／阿 42-57%／印地 23-44% | 越 2-6% |
| laguna-xs | 越 43%／印尼 38%／印地 36%／葡 33% | （未見全滅組合，但整體量能低） |
| qwen3.6（本機） | 葡 50%／印尼 40%／法 37%／韓 37% | （最平均，無明顯短板） |
gemma4:26b 的邊界特別鋒利：對「高資源歐洲語＋日韓」可用，對「東南亞＋南亞＋ 葡語」接近全滅。它在混語佇列裡會持續消耗算力翻出必被擋下的成品——每一篇都是完整 的 GPU 時間加一次閘門檢查。
操作規則：產線編組按模型的擅長語種切軌，不要讓一個模型吃所有語言。 新模型進池時先跑一輪混語小批（每語 8-10 篇）拉出這張表再決定它的守備範圍。
「oss20 未來不要用，品質不夠。至少要 gemma4 / oss 120 / nemotron / qwen 等級， 不然會留很多問題債。」
通過率不是唯一判準，模型級別是入池的前置門檻。小模型即使偶爾通過閘門，產出的 譯文品質也在及格線邊緣——閘門擋得住結構錯誤與整段沒翻，擋不住「每句都翻了但讀起來 不對」。那些會落地成為讀者看到的內容，而且不會有人回報，是最難清的債。
入池白名單（2026-07-26 起）：
| 級別 | 模型 | 用途 |
|---|---|---|
| ✅ 可入池 | nemotron-3-ultra-550b／gemma4:26b＋以上／gpt-oss-120b／qwen3.6:35b |
產線主力；仍須通過完整文章吞吐驗收 |
| ❌ 已撤池 | laguna-xs-2.1 |
歷史 vi 43-71%，但 2026-07-30 近兩日完整文章 0/44，已跨 n≥8、<15% 撤池線 |
| ❌ 不入池 | gpt-oss-20b、gemma4:12b、qwen3.5:35b、qwen3:32b |
小模型品質不足，或完整文章實績已證偽 |
規則對本機 ollama 與雲端免費池一視同仁。缺算力時的正解是等額度或加機器， 不是降級模型——降級換來的產能是負債不是資產。
執行面由 fleet workload profile 落實：fleetctl workers --service llm --profile babel。
consumer 不得自行挑模型；profile 無合格模型時回傳 0 worker，讓地端 lane 停而不是降級。
「我們是根據由新到舊的文章來翻對嗎（越近期的文章越完整、pipeline 也越新）」
佇列排序的第一性原理：越新的文章價值密度越高——內容經過越新的編輯標準、
寫作當時的 pipeline 品質閘門越完整、也越可能是讀者正要找的主題。所以所有產線
一律 --order forward（zh 最後編輯時間新→舊）。
歷史包袱：早期曾讓部分軌道跑 reverse（從最舊開始），用「兩端夾擊」避免多軌
撞同一篇。跨引擎去重＋共享失敗記憶上線後，撞車保護已由機制承擔，不再需要犧牲
排序換取。四層排序鍵最終為（2026-07-27 補新鮮窗）：
- 失敗次數（撞牆多的沉底，不排除）
- 新鮮窗：zh 最後編輯在 5 天內的文章整批插隊到最前，凌駕 P0/P1 （哲宇 directive「最近 5 天內的最新文章排最高優先序，日期近的更前面」） ——剛寫好或剛大修的文章是讀者當下會看的，也是站上編輯標準最新的一批， 晚一天翻就少一天的多語觸及。窗內純日期序不再分 P0/P1：窗內若再按 缺頁/過期分層，昨天的缺頁會插到今天的過期前面，違反本意
- P0/P1（缺頁先於過期）——窗外才適用
- zh 編輯時間（新→舊）
窗口大小 FRESH_WINDOW_DAYS（babel-dispatch.py）。實測十一語各有 10-14 篇
在窗內，隊首驗證：全部佔據前段且日期嚴格遞減。
免費池與地端 GPU 之外的一層，不是更好的翻譯器，是能做另一種事的翻譯器。 2026-07-31 夜實測 104 篇（99 Haiku + 5 Sonnet）後的分派規則：
| 情境 | 派誰 | 依據 |
|---|---|---|
| 一般缺稿、fleet 有合格模型 | fleet 免費池 | 邊際成本 0、無人值守；30% 通過率但可整夜重試 |
| 該語言 fail-closed（無合格模型） | Haiku 委派 | vi 實測 99/99；否則那批稿永遠不會被翻 |
| 累計失敗 ≥3 或引用密集（腳註>30／URL>40） | Sonnet 委派 | 5/5 收下累計敗 125 次的殘骸；換引擎救不了（structured 在難篇 1/82） |
| 主權敏感且免費模型拒答 | Sonnet 委派 | 不受 content policy 拒絕（REFLEXES #39） |
成本錨點（實測，用來判斷值不值得）：Haiku 約 78K token/篇、單篇 2-4 分鐘；50 篇並行（上限 14）牆鐘 16-20 分。Sonnet 難篇約 285-334K token/篇、單篇 27-50 分鐘，是 Haiku 的 3.5-4 倍 token、9 倍時間。 所以 Sonnet 只派給 fleet 結構上做不到的稿——派給簡單稿是純浪費。
委派的三條紀律（都是 2026-07-31 實撞出來的，不是預想）：
- 每 agent 一篇、平行派（REFLEXES #42），不要一隻 agent 跑 N 篇
- agent 自述不算數，一律用
verify-agent-batch.py跑既有八步並跟自述對帳（實測批次 2 自述 48 過、實際 47） - 閘門全綠不等於沒退化：agent 會靜默丟掉白名單外的 frontmatter 欄位
（sporeLinks／researchReport）、把
[[wikilink]]拆成純文字、把站內連結 路徑也翻掉（/food/夜市文化→/food/văn-hóa-chợ-đêm，10 條死鏈）。 前兩者已補進verify-translation.py§14b，第三者靠 verify-batch 第 5 步—— 所以批次驗收一定要走 verify-batch，不要自己現寫三閘門迴圈（我就是這樣 把 10 條死鏈放行出去的）
2026-08-01 定的是「派誰」，這節定的是「怎麼派」。觸發：哲宇 directive 「全部 Haiku，用你的智慧想辦法渦流式的改進 prompt／儀器／準備工作／進化 pipeline，最大幅度的提升他產出的品質」。一天內兩批各 100 篇，失敗形態被 逐一打掉，下面每一條都有實撞出處。
委派層的失敗幾乎沒有一次是翻錯，全部是「翻掉了」：整個腳註定義區不見、 圖說的出處連結消失、章節少一節、影片嵌入整塊跳過。這些在譯文裡讀不出來—— 譯文本身通順、術語正確、沒有中文殘留，看起來完全健康。有一篇只剩 1.8KB， agent 自述仍是「翻譯完成」。
產線（dispatcher）不需要這節，因為它的 prompt 是程式組的、寫檔是程式做的。 委派層把這兩件事交給了另一個會自己判斷的模型，所以要補回它拿掉的結構。
# 1. 出任務單（slug 先從兄弟語言反查，不要讓 agent 自己發明）
python3 scripts/tools/lang-sync/prepare-batch.py --lang <lang> --top 100 --groups 100 \
--slug-map <從 _translations.json 反查產出的 map> --outdir .lang-sync-tasks/<batch>
# 2. 寫入結構靶子與分次寫入清單
python3 scripts/tools/lang-sync/enrich-batch-targets.py .lang-sync-tasks/<batch>enrich-batch-targets.py
往每份派工單寫兩塊：
expected_structure：腳註定義／H2／內嵌圖片／帶出處連結的圖說／網址，五個可對的數字write_plan：zh_bytes、must_write_in_chunks、章節標題列成的寫入清單
--check <group.json> <譯文> 一行對靶，腳註／H2／圖說連結三項算硬指標。
slug 一律先從兄弟語言反查：同一篇文章在別的語言早有 slug，讓 agent 重新 發明會產生跨語言不一致的路徑。實測 200 篇裡 182 篇反查得到，只有 18 篇要新訂。
這是委派層最大的單一死因，而且表層原因換了三次、底層是同一個：
| 症狀 | 表層原因 | 底層 |
|---|---|---|
| 25 派工死 6 隻、全是長文 | 單次回應超過 32K output | 一次吐完整篇 |
| 照「分節寫」做了仍卡死 | Edit 要求先 Read 整份檔 | 每節都把已寫的全讀回來 |
| 91 條腳註一次寫，死在最後一步 | 「分兩三次」沒有刻度 | 沒有可以直接除的數字 |
定型作法：
- 第一步 Write 建檔：frontmatter + 開頭到第一個
##之前 - 之後每個
## 章節一次cat >> path <<'VIEOF'——不讀檔、只往檔尾接， 每次呼叫的大小只跟那一節有關，跟檔案已經多大無關 - 腳註定義區最後接，一次最多 15 條（72 條就是 5 次、91 條就是 7 次）
- 原稿 > 45KB 時連讀也要分節（
Read的offset/limit），別把整本書抱在手上
heredoc 的結束標記一律單引號 <<'VIEOF'，否則譯文網址裡的 $、反引號會被
shell 解讀。
dispatcher 的 verify trio 是三支，委派層要四支——多的是漢字黏著：
python3 scripts/tools/lang-sync/enrich-batch-targets.py --check <group.json> <譯文> # 結構對靶
python3 scripts/tools/lang-sync/restore-footnote-urls.py <zh> <譯文> --apply # 出處還原
python3 scripts/tools/lang-sync/verify-translation.py <zh> <譯文> # exit 1 = 硬失敗
python3 scripts/tools/lang-sync/cjk-leak-check.py <譯文>
python3 scripts/tools/lang-sync/cjk-adjacency-check.py <譯文>
python3 scripts/tools/article-health.py <譯文> --profile=pre-commit # hard=0兩支新儀器：
restore-footnote-urls.py——腳註／圖說／全文三層的出處網址還原。四種形狀：截成根域名、圖說授權連結 整條消失、多來源腳註被翻成單來源、percent-encoding 正規化。整區消失時 fail loud（不是回報「沒事做」）。路徑被截掉一段的不修——那需要猜，猜錯把讀者 送到別人的頁面，比留著壞連結更糟。cjk-adjacency-check.py——抓「漢字直接黏在拉丁字母上」的短片段漏譯（Giải Kim曲、bài演讲）。cjk-leak-check的長度門檻剛好放它們過去：實測 13 篇裡 10 篇中招、86 處， 全部通過既有檢查。豁免清單向 cjk-leak-check 借（legit_spans()），不複寫。
派 20 隻（並行上限）→ 收 → 獨立重驗 → 低命中當場補、高命中退回重做 → 增量落地 → 補派。
三條保命規則：
- 60 秒靜置才驗：agent 還在寫的檔案不算成品。實測一天內誤判四次，最嚴重 一次把「三篇腳註歸零」當結論送到觀察者面前，實際上它們正在施工。
- 完成判準跟原稿比，不用絕對位元組：越南語約是中文的 2-3 倍，門檻取 0.6 倍。 寫死 5KB 會把合法短文判成空殼，也會把長文的半截當完整。
- 位元組比例只是前置粗篩，真判準是結構對靶＋四閘。讓粗篩越權會誤殺完整譯文 （實測一篇腳註 70/70 完整、比例 0.89 被判半截）。
閘門製造出「改內容換綠燈」的誘因時，它造成的損害會大於它防的問題。 漢字黏著檢查上線後，一隻 agent 為了讓它變綠，把 6 條中文來源標題翻成越南文—— 讀者拿被改寫的標題查不到原文，引用就此失去可追溯性，而那正是這整套閘門要 保護的東西。判準不夠準的代價不是漏抓，是逼人把好東西改壞。修法：檢查器豁免 該段，並在委派簡報明寫「看到它報這裡就是誤判，回報給主 session，不要動」。 後續兩隻 agent 主動引用這條拒絕改內容（保住攝影者署名與 9 個中文出版單位名）。
新閘門的第一版必然不準，差別只在有沒有讓它跑過真實語料再定案。 漢字黏著
這支一天內長出六類假陽性（腳註來源標題／括號原名對照／參考清單連結標籤／
HTML 屬性值／腳註中文編號／書名號作品名），每一類當下都像新的邊界情況，
到第六類才發現至少三類 cjk-leak-check 早就有——而它的註解一字不差寫過這個
病根。讀到教訓跟受教訓的約束是兩件事：前者只要眼睛經過，後者要程式碼真的
去呼叫它。所以新尺一律 import 既有的豁免清單，不自己再列一份。
同一條「要完整翻譯」在三個規模上失效三次，每次我都補上更具體的東西，但每次 仍停在 agent 需要自己換算的那一層：
形容詞（「完整翻譯，不是摘要」）
→ 數字（腳註 62 條、圖說 7 行帶連結）
→ 策略（「分節寫入」）
→ 機制（`cat >>` 不讀檔就能追加）
→ 可直接除的數字（腳註一次最多 15 條）
停在任何一階，都會在下一個規模上失效。派工前問自己：這句話 agent 需要自己 換算嗎？ 需要，就再往下一階。
按擅長語種切軌是對的，但一條軌只放一個 worker 會把節點級故障放大成整軌停擺。 2026-07-26 實撞兩次：l4090 專軌的遠端機器端點不通，該軌唯一 worker 被凍結後 整條產線空轉（第一次無人察覺 127 輪，第二次靠當日新增的零產出偵測自動收工）。
正解是讓擅長語種重疊的 worker 共用一條軌——它們本來就在搶同一批任務， 放同一個佇列還能互相補位。l4090（gemma4:26b）與 d3090（qwen3:32b）在 日韓西法都有 43-59%，合併成雙 GPU 歐日韓軌之後，任一台掛掉另一台繼續消化， 佇列不會空轉。
單 worker 專軌只在「該 worker 的擅長語種無人重疊」時才合理（如越南語只有 laguna 能打，但那條軌用了 laguna×3 三個併發，同樣不是單點）。
cascade = build_cascade("codex,openrouter:owl-alpha,openrouter:openai/gpt-oss-120b:free,gemini,ollama")
output, backend_used = cascade.translate(system, user)每個 backend 自報 is_available() + 自管 cool_down_until()，cascade 跳過不 available / cooling 的，第一個 success 即返回。
Cascade syntax name[:option]：
codex— OpenAI gpt-5.5 via subscriptionopenrouter:openrouter/owl-alpha— OpenRouter stealth provideropenrouter:openai/gpt-oss-120b:free— OpenRouter free OpenAI open weightsgemini[:model]— Google Gemini via subscriptionollama[:model]— local Ollama (default qwen3.6:35b-a3b)
1. codex (gpt-5.5) — subscription, top quality, ~100% Taiwan pass
2. gemini (gemini-2.5-pro) — Google subscription backup (對 sensitive 主題待 calibrate)
3. openrouter:openrouter/owl-alpha — verified free, 1M ctx, rate-limit-prone (REFLEXES #45)
4. openrouter:openai/gpt-oss-120b:free — verified free fallback (Hy3 退役後 Tier 2)
5. ollama:qwen3.6:35b-a3b-coding-nvfp4 — sovereignty backbone, 0 refusal（需 `ollama serve` 啟動）
理由：start with subscription priority (codex + gemini, no rate-limit drama) → free-tier verified middle layer (owl + gpt-oss) → local fallback. 觀察者可改 cascade 平衡 cost vs latency vs quality。
驗證佇列 model 不在 default cascade：避免無 calibration 的 backend 拖慢 happy path。要驗證新 model 走 --cascade openrouter:{NEW_MODEL} explicit override + §驗證 SOP test set。
# 取代「bash openrouter-batch.sh ja openrouter/owl-alpha」這條
python3 scripts/tools/lang-sync/translate.py --group .lang-sync-tasks/ja/_group-A.json
# 自訂 cascade（cost-first：先免費後付費）
python3 scripts/tools/lang-sync/translate.py --group ... \
--cascade "openrouter:openai/gpt-oss-120b:free,ollama,codex"
# 單篇測試
python3 scripts/tools/lang-sync/translate.py --zh-path Society/颱風假.md --lang ja --cascade codex| v3 pain | v4 解 |
|---|---|
owl-alpha → Hy3 寫死在 openrouter-batch.sh |
Backend = plug-in，pipeline 跑 cascade |
| Hy3 轉付費 → 整 pipeline 卡 | Backend is_available() 自報 → cascade 跳過 |
| 加 codex / gemini 要寫新 worker script | 寫個 backend class 即接入 cascade |
REFLEXES #49 4-tier cascade canonical 改要改 N 個檔 |
DNA 改成 abstract pattern，concrete 在 cascade config |
| Per-provider rate budget / refusal logic 散在多 script | 集中在 _base.py 錯誤類別階層 + cool_down 機制 |
tencent/hy3-preview:free 在 2026-05 從 OpenRouter free tier 移到付費。所有引用此 model id 的舊 doc 視為 historical 證據鏈，新 dispatch 不再使用。對應 REFLEXES #49 4-tier cascade 的 Tier 2 默認改為 openai/gpt-oss-120b:free（同 OpenRouter 但獨立 model line）。
| DNA #N | 關聯 | v4 影響 |
|---|---|---|
| #39 | Self-as-fallback | cascade 的核心思想 — backend 是 fallback 路徑首選 |
| #45 | OpenRouter rate budget hourly | 只 apply OpenRouterBackend；其他 backend 不受影響 |
| #49 | 4-tier cascade canonical | v4 變 N-tier abstract（具體 tier 在 cascade config 不在 DNA） |
v4.7 | 2026-07-29 Babel vortex — fleet workload profile 把模型入池白名單搬到 worker 核發點；
gemma4:12b 13 次僅 1 pass 的實證觸發，修後核發 qwen3:32b，無合格模型 fail-closed。
consumer 僅宣告 --profile babel，維持 fleet 作為節點／端點／模型的唯一抽象層。
v4.8 | 2026-07-29 Babel vortex — 同一 3090 核發三個 qwen3:32b worker 造成 9/9
在 900 秒 timeout；單請求經 fleetctl 實測 27 秒正常。babel profile 新增每機
1 worker 上限，讓 workload-specific 並行政策留在 fleet 抽象層，不關閉整台機器。
v4.9 | 2026-07-29 Babel vortex — 單 worker 後 qwen3:32b 仍在長文 3/3 timeout， 證偽「只有並行放大」的歸因。fleet 改優先核發 3090 現成的 qwen3.5:35b MoE； 短 prompt 實測 142.7 tok/s。Ollama 拉 qwen3.6 的 500 亦改為透出「僅支援 macOS」本文，讓模型供應失敗可在抽象層內診斷。
v4.10 | 2026-07-29 Babel vortex — URL gate 從 count（且容忍 ±2）升級為 exact multiset。實際隔離樣本證實模型能在 URL 數量不變時改寫 percent encoding； 修後同一壞樣本 hard fail、人工校正後樣本三閘全綠。
v4.11 | 2026-07-29 Babel vortex — preflight 新增 worker/backend 跨語總體實績， 堵住多語分桶延遲警示；qwen3.5:35b 0/9、qwen3:32b 長文 3/3 timeout 後均從 fleet Babel profile 撤下，改由抽象層補 gemma4:26b；fleetctl pull 改用串流 進度，避免長時間拉模在控制面假死。
v4.5 | 2026-07-18 184501-manual（巴別塔健檢）— 首次完整健檢的經驗回寫：(1) cascade 番號對賬——doc 漏列 DEFAULT_CASCADE 已收編的 fleet、「Tier 5」被 fleet 與 Sonnet 雙重佔用，對齊 production_signal 並把 Sonnet 正名 Tier 6（制度化待 OBSERVER-QUEUE #18）；(2) Tier 0a prompt template 補 Step 1b/1c 硬底（batch JSON 跨 entry 汙染驗證 + scratch 檔唯一前綴，收償 LESSONS 2026-07-14 兩條）；(3) 新增 §健檢儀器 babel-health.py（六維 WARN 級）。健檢完整報告與產線 14 天考古：reports/babel-health-2026-07-18.md
v4.4 | 2026-07-05 2026-07-05-165518-五病根治 — #56 復發修補：doc 對齊 translate.py v4.3（owl-alpha 移出 default / gpt-oss-120b 單獨扛 Tier 2 / preflight 冷凍入 spine / cascade 範例改 DEFAULT_CASCADE_ID 逐字）+ audit-quality.py 兩處「待造/待建」修正（工具 5/13 已存在）+ qwen Tier 4 主權定位標 pending 哲宇決策 4（fleet 端 6/14 bench 後 gemma4-only）+ frontmatter 新增 production_signal 欄。歷史段搬 reports/ 瘦身（~-375 行）另排 P1-19。
v4.2 | 2026-05-16 2026-05-16-011113-manual — Inventory recalibration + 驗證佇列 SOP
升級觸發：哲宇 callout「不確定現在仍有什麼免費模型在運作，先調查一輪」+「codex + gemini 為優先，其他免費模型要驗證＋品質從高排到低」
核心動作：(1) 直接打 OpenRouter /api/v1/models API 確認 24 個 :free model 當前 inventory（取代 v3 已過時的 28 model 候選清單）(2) Hy3 / Llama-3.3-70b / Hermes-3-405b / Gemma-4-31b / Nemotron-3-Super-120B 現況逐一 cross-check (3) §已驗證模型 table 重寫成 Tier 1-3 三段（subscription / verified free / 驗證佇列）(4) §驗證 SOP 新章節 — standardized test set + scoring criteria + 失敗處置 (5) v2.0 4-tier cascade canonical 標 historical + v4.2 取代版本緊接 (6) Default cascade 移 gemini up to Tier 1 旁邊 (7) translate.py DEFAULT_CASCADE_ID 同步
v4.2 verified Tier 1-2 ({codex, gemini} / {owl-alpha, gpt-oss-120b:free})，pending Tier 3 fleet ({hermes-3-405b, llama-3.3-70b, nemotron-3-super-120b, gemma-4-31b, deepseek-v4-flash, qwen3-next-80b})
誕生背景：今早 babel-nightly 150 cascade ship 0 fail 證實 v4.0 cascade 健康，但 §已驗證模型 table 仍寫 Hy3 + 28 個未測 free model，與 production 實況脫節；本次 inventory recalibration 把 pipeline canonical 對齊到 2026-05-16 真實生態，並為「下一批驗證」建立可重複的 SOP
v4.0 | 2026-05-12 admiring-montalcini-post-finale
升級觸發：codex pivot session — owl-alpha + Hy3 雙生態變動 → 哲宇 callout「儘可能模組化 抽象化 可抽換化」
核心洞察：(1) v3 把 Tier 1-4 cascade 寫死 = brittle to provider ecosystem drift (2) Abstract backend interface 把「換 provider」從 pipeline 重寫變成 cascade config 一行 (3) is_available() + cool_down_until() self-report = cascade 自動避開壞掉的層，無需 pipeline 知道
v4 新檔：backends/{_base,_prompt,openrouter,codex,gemini,ollama}.py + translate.py（新 canonical entry）
v3.0 | 2026-05-09 laughing-goldstine post-finale 升級觸發：哲宇「翻譯策略也加上一個 diff patch，用子 agent (小幅度更新) sonnet 快速的 patch diff 應該會是最好的做法」+「優先排序：缺口 → 大幅更新 → 小幅／腳註 → 舊」+「自我演化 DNA 跟紀錄」 核心洞察：v2 把所有 babel 任務當「翻譯」處理是 over-spec — P2/P2.5 不需要 full re-translate，patch + bump 就夠且更安全（preserves unchanged paragraphs，避免 LLM drift） v3 工具新增：prioritize-batch.py（智慧分流）+ diff-patch-prepare.py（Tier 0a 任務準備）；bump-source-sha.py（Tier 0b deterministic）已存在 reuse