docs: make long-horizon effectiveness and efficiency the core objective

[loopx-agent]

The repository introduction describes durable continuation and verifiable delivery but leaves the optimization objective implicit. Make long-horizon effectiveness and efficiency explicit in AGENTS.md and the existing English/Chinese overall-roadmap objective: better independently accepted outcomes within comparable budgets, or comparable outcomes with less total cost and human attention.

Describe structured state, closed-loop feedback and evidence-driven replan process supervision through the existing decision and measurement owners. Trace feedback through actual adoption and execution to validated outcomes, retain useful negative evidence and justified continuation, and account for complete costs and unknown coverage. This is a refinement of the instruction work in #6725; it introduces no runtime effect, default activation or new evidence ledger, and makes no measured-uplift claim.

Validation: 6 existing repository-instruction loading/link/import tests passed; all newly added measurement/replan links resolve in both languages; AGENTS.md is 29,255 bytes within the 32 KiB default; staged and committed bilingual RFC checks, whitespace and public-boundary scans passed. Manually compared the English/Chinese clauses against the accepted research measurement and replan contracts. No runtime/model experiment was run for this documentation change.

[loopx-agent]

Reviewer: model_agent — gpt-6-astra — OpenAI — runtime_reported — reasoning_effort=xhigh

Approval conclusion (author-owned PR; GitHub blocks formal self-approval)

Exact reviewed head: af7dd822a945b328473c6d5c1e9c6c62261538c6. 已对全部三个文件逐句自审，结论为 APPROVE；无阻塞问题。

动机

读取 AGENTS 和路线图来选择、实现或评估长程改进的贡献者与 Agent，是这次修订的使用者。此前开头以持续推进、恢复和可验证交付描述目标，容易遗漏结果质量与完整成本的共同约束；新版明确可比预算下提高验收成果，或以更低完整成本与人工介入交付同等成果。本次完成目标表达和验收推理的对齐，根指令完整加载且新增引用可达；没有把机制记录或文档修改当作实测长程收益。不实现新状态机、能力开关、实验评分或自动评判器，不启动实验，也不改变现有授权、准入和停止规则。
这解决的是贡献入口对优化目标表达不足的问题。长程可靠性仍是基础，但不能仅以保存了状态、完成了重规划或系统持续运行来替代效果与效率判断。

改动思路

将跨域目标放回现有 overall roadmap，AGENTS 保持同一目标的常驻投影；研究计量和对照要求继续引用现有研究 RFC。结构化状态负责跨压缩、恢复和协作保留目标与证据，反馈把执行观察接回决策，重规划过程监督检查负责 Agent 的实际采用与后续行动。最后仍回到独立验收成果及完整成本。没有新建台账、统一价值分数或第二套重规划 owner。

具体改动

关键内容讲解

AGENTS.md 的 What LoopX Does 明确长程效果与长程效率，并给出可比预算／同等成果两种比较方向；Goal-Oriented Development 将审查范围限定到声称改善长程工作的改动，追踪目标与状态、反馈、决策、执行、结果。新指导保留负结果、不确定性和有依据的继续，明确不靠重规划次数强制换方向。

docs/architecture/rfcs/loopx-overall-roadmap-v0.md 和 .zh-CN.md 同步展开三种机制，定义模型与上下文处理、工具、控制、评测、恢复和注意力成本的覆盖；未知保持未知，恢复后再次处理上下文仍计成本。两种语言的目标、条件、因果强度、继续分支和权限边界逐句对应。已有 S3/S6/S11 分工、运行时默认值与里程碑状态均保留。

独立规范：docs/architecture/rfcs/long-horizon-harness-benchmark-research-program-v0.md，基线 83faa5bd9f7667ae104943feacdc1536a3d57f74。6.2 Efficiency 对应结果与成本共同报告；6.3 Long-horizon control quality 对应实际采用、重复、恢复损失与控制成本；8.2 Evidence, stall detection, and semantic replan 对应证据到后续执行的验证、有用负结果和强制转向反例。规范先于本次文字，不用新文字反过来证明效果。

对主干的风险

主要风险是把方向性目标写成已证明的产品收益，或让监督演变成强制转向、重复打分及新的审批负担。我用三个反例核对新增条款：图边和重规划记录增多但实际决策不变，不能算采用；负结果支持继续原方向时允许继续；局部 token 更低但恢复、评测或人工成本缺失时不能宣称完整效率提高。当前文字保留这些区别，也没有把任何实验结果或专属词汇注入通用内核。

执行了 6 个已有根指令加载、链接和共享导入测试，全部通过。base/head 实际根文件为 27,976／29,255 字节，均能在 32 KiB 默认预算内完整读取；新增中英文计量与重规划锚点逐一解析通过。staged 及 committed 双语 RFC 检查、diff whitespace、增加行的公开边界扫描均通过。临时链接检查最初误用了未安装 pytest 的全局 Python，改用规定的 source-checkout uv run --extra test python 后通过；产品代码和测试未为此修改。对这三个指令／文档文件，这组验证加逐句语义审查覆盖当前风险；未跑运行时实验、全仓测试或远端 CI。

语义与 CI 对齐

这是明确的 Agent 指导变更，已在 PR 描述披露。新增三种机制是解释性分类，不是 Enum、状态协议或准入规则；过程监督描述既有运行时决策与证据闭环，不是新增模型训练奖励。没有 default-off 能力或激活行为，既有关闭／权限／停止语义不变。文案要求对改进主张提供证据，不声称机器已强制完整成本判断；已有机器义务也没有降格成可忽略建议。遵循当前 wait_for_ci=false，不读取、等待或声称远端 CI 通过。

我的整体评价

所选目标表达缺口已完成：效果、效率、三种机制及实际采用链一致，英文与中文语义对应。长程收益和模型遵从仍待各自真实证据，这次审查只确认指令质量与交付。相关重构检查结论是无需新结构：复用现有路线图、计量与重规划 owner 最容易维护，避免复制一套评判协议。合并仍必须经过本 exact head 的公开自审读回和原生 merge-readiness。

English verdict: APPROVE — af7dd82; explicit long-horizon outcome/cost objective and evidence-to-action supervision, with existing authority and measurement owners preserved. Six instruction tests, exact byte-budget comparison, bilingual checks and new-link readback passed. No empirical agent uplift or runtime experiment is claimed.