adaptive-strategy.md

自适应策略与预算分配

这个实验比较策略如何使用错误、事件记忆和剩余预算来选择下一步增量。四种策略共享 相同的初始状态、目标、评估器和 MaxSteps(8) 安全预算，因此结果差异只来自决策 方式。

学习目标

理解可观察的控制信号如何改变循环决策，并在安全预算内比较收敛效率。实验要求 adaptive 的 steps 少于 fixed，同时四种策略都保留完整的可回放证据。

控制信号

FailOnSecondAction 会在第二次 Action 尝试时确定性地失败一次。失败不改变数值状态， 成本为 0.0，但 RecoveryAwareEvaluator 会把 Action 是否成功写入 Feedback.action_success。这让策略可以区分正常推进与恢复场景。

自适应策略把模式写入 Decision.parameters.mode_code，保持参数为数值类型：

模式代码	模式	选择条件	增量
1.0	fast	无失败且距离目标较远	4.0
2.0	careful	剩余距离不超过 2.0	1.0
3.0	recovery	上一轮 Action 失败	1.0
4.0	budget_guard	已使用至少 6 步	1.0

mode_code 是 Trace 中可计数的数值控制信号，而不是字符串状态。switch_count 统计相邻自适应决策的模式代码变化次数；recovery_count 统计代码为 3.0 的决策次数。

四种策略

策略	读取的输入	行为
fixed	当前状态	每轮最多增加 1.0。
error_aware	Feedback.absolute_error	误差大于 2.0 时每轮最多增加 4.0。
memory_aware	最近 ACT 事件	看到失败的 Action 后每轮最多增加 4.0。
adaptive	失败反馈、剩余距离和已用步数	在 fast、careful、recovery 与 budget_guard 间切换。

运行实验

在 PowerShell 中运行：

python experiments/adaptive_strategy.py

脚本按 fixed、error_aware、memory_aware、adaptive 的顺序输出 4 条 JSON 结果， 并将 Artifact 保存到 .loop/runs/adaptive-strategy/。每条结果包含 steps、 switch_count、recovery_count、成功状态、停止原因和 Artifact 路径。

阅读结果

先比较 steps：较小的值表示在本实验的共同安全预算内使用了更少循环轮数。然后检查 success、final_score 和 stop_reason，确认更快的结果没有以跳过成功判定为代价。

switch_count 和 recovery_count 仅对 adaptive 有意义；其他策略固定为 0，因为它们 不产生 mode_code。可使用 loop_engineering.artifacts.load_run_artifact() 重新加载 .loop/runs/adaptive-strategy/adaptive.json，检查 DECIDE 事件中的数值模式代码以及 失败 ACT 之后的恢复决策。Artifact 会重放已保存的 Trace 和指标，不会重新执行 Action。

可继续探索的问题

• 不同目标距离和失败位置会怎样改变模式切换次数？
• budget_guard 的阈值如何影响安全预算耗尽前的保守程度？
• 如何在不牺牲可回放 Trace 的前提下，为控制信号引入更多可验证的成本模型？