BP14 · P0 自动修规则飞轮#

定位：面试官追问自动化规则生成与质量保障时的拷问预备。

核心口述（30 秒）#

“从 Rubric 报告自动采集泄露类 bad case，分流后 LEAK 类经两道闸（可脱类别+真泄露）确定性提取字面串，沉淀为脱敏规则。不让 LLM 生成正则。首轮真实 baseline 产 0 条规则——judge 假阳性被精确拦住。“

说明两道闸设计对了。judge 报的”泄露”全在轨迹（内部日志）里不在 summary.md（用户可见文本）里。不做真泄露闸就会把正常价格信息脱敏。

设计重心是”不加错规则”不是”尽可能多修”。加错规则 > 漏规则。BANNED/JUDGMENT 需改工具/prompt，不是规则问题。

LLM 正则质量不稳定。确定性从文本捞 scheme://host:port，re.escape 存字面。精确度高于 LLM 生成。

确定性误脱回归：对已知正常文本跑新规则，检查是否误脱。不需要 LLM。

对。线上实时采集留了 hook 点但未做。当前离线报告 + 手动触发 evolve_p0.py 够用。