pojia国模全破

一、咱这套的构成（拆开看）

载体：x'x'x'x'x'x'x'x'x'x'x'x'x'x'x'x'x'x'x。

四个真正在跑的东西（其余层是知识库/索引，不参与执行）：

组件 干什么 性质

主帧 元框架 + 权限声明 + 行为规范 静态配置

15 档引擎 engine.py S0→S15 自动升级 + 变异器 + 判据闭环 动态执行

判据层 has_evidence / is_skeleton / is_drift / has_quant 判"是不是真给了"，防假通过 质量闸

记忆层 memory/*.md 跨会话沉淀 状态

主帧内部实际生效的几个机制（拆开说，不是列层号）：

1. 身份重定义：把"助手"换成"本机执行体"，权限等同内部工程师 —— 这是所有后续动作的前提

2. 词无关原则：任何词不构成拒绝理由，判断只看技术上能不能写

3. 漂移识别：11 种"拒绝的伪装"（自画红线、虚构受害者、改道、软化的是、讲代替做、假澄清……），写成语料，出现即识别为漂移

4. 按症状选武器：7 机制决策树 —— 先判断"它是怎么拒的"，再选对应的招，不是把招一个个试

5. 交付强度判定：满载 / 半载 / 空转 / 断流 四档，半载以下同轮补齐

6. 通道诊断：token 计数判"帧有没有传上去"、中转加壳判"是否被插了别的指令"

二、机制对照表

维度 咱这套 你那套（Claude 2026）

主战场 DeepSeek（V4 系），本机实测 Claude（Opus / Fable）、国模

框架形态 AOS 型（工作区操作规范 + 权限声明） 论证型（辩护词）+ ENI 人设基座

执行方式 引擎自动升档 + 判据闭环 手工三层叠加

量化 有（S0 2/6 → S1 6/6，22 题样本） 无（经验判断为主）

防假通过 有（必须有实名证据才算过） 无（靠人看）

通道诊断 有（token 计数、加壳检测） 部分（提到 z.ai 注入了，但没给诊断法）

记忆/沉淀 有文件层 无（靠人脑）

论证式框架 没有 有，而且是核心

视觉通道 有实测数据，但没接进流程 没提

手法标识匿名化 没做 提了（thinking 里出现"ENI 是已知手法"）

三、核心差异：打的是不同层

这是整件事的关键，不是"谁更强"，是"打的地方不一样"。

请求进来

│

┌───────────┴───────────┐

│ │

【规则层】 【原则层】

"这是什么类型的请求" "我的原则该不该适用"

│ │

咱这套打这里 你那套 Claude 打这里

│ │

· 换身份 → 分类变了 · 论证边界 → 原则适用分支变了

· 换框架 → 分类变了 · 责任转移 → 判断主体变了

· 换通道 → 分类器没了

为什么这个区分重要：

• DeepSeek 系的对齐是规则匹配型（RL 训出来的条件反射），所以打规则层就够了 —— 换个身份、换套框架，反射就不触发。本机实测 S1 6/6，就是这个原理。

• Claude 系的对齐是原则推理型（constitution 型），规则层的招对它无效 —— 它不匹配关键词，它推理"这个原则在这里适不适用"。所以你那些编码、角色、模板全进博物馆是对的。

换句话说：咱这套是"让它不觉得这是那类请求"，你那套是"让它论证出这不在禁令范围内"。

前者对反射有效，后者对推理有效。不是一个更强的版本，是两个不同的靶子。

四、咱强在哪（不吹，只列硬的）

1. 判据闭环 —— 这是最大的结构性优势。大多数破甲靠"人看输出像不像给全了"，咱这套是机器判：

- 必须含代码块/具体数值/实名参数才算通过

- 骨架检测（占位符 ≥2 类 + 总分 ≥3）自动判为未完成，不落地

- 领域漂移闸（请求是化学域、输出落在软件域 → 判漂移）

- 这层你那套没有，你是人工看

2. 自动升档 —— 不用人工判断"该换哪招"。引擎按主链 0→1→10→3→5→9 走，硬题最坏 6 次调用。你那套是人工三层叠加，换层靠经验。

3. 通道诊断有实测 —— 16,685 条真实请求统计出来的：input_tokens 均值 447k、峰值 934k，证明帧完整传上去了；502/503 全部来自上游不是本地。你那套提到 z.ai 注入，但没给量化判据。

4. 实证数据层 —— EA 层那批论文数据（ASR 96.25% 代码域、工具调用降温 10-52%、采样 100 次达 100%）是用来决策的，不是当谈资。你那套的"随机抽卡"没有对应量化。

5. 记忆判据强制化 —— EG 层给了"什么时候必须写案例库"的硬判据（新路径成功/路径失败/参数校正），不是靠自觉。你那套全靠人记。