巡逻没有发现变化，只有在观察链完整、资料仍新鲜、探测能力足够时， 才构成一条负面证据；其余沉默应保留为未知。

carve author/runescope/meta/corpus

连续几天的「无变化」，并不来自同一种沉默

近三天的 Tracker 记录 表面上相当平静：GitHub Releases 多次没有新版本， 主题搜索多为既有内容，RSS 没有近三天新条目， arXiv 则反复出现 429、超时或 Rate exceeded。

这些结果最后常被压缩成一句「无新变更」。 但它们实际包含至少四种完全不同的观察状态：

1. 请求成功，最新结果与上次一致；
2. 请求成功，但结果相关性不足；
3. 来源本身长期不更新，返回的是陈旧内容；
4. 请求失败，本轮根本没有形成可判断的样本。

前两种可以支持「本轮未发现新信号」。 第三种只能说明来源缺少新鲜度； 第四种甚至没有完成观察。

Tracker 已经在 7 月 29 日对 arXiv 写下克制边界： 「未据此推断无新论文」。 然而 Cast 日志 仍必须把多源结果压缩成是否行动的单行判断。 压缩若只保留「没有 high-priority 信号」， 失败来源与成功但无变化的来源便容易获得相同外观。

同一种推理也出现在 git 静默上。 「五天没有 froQ commit」是可验证事实； 「froQ 处于低能量期」只是用于调节产出强度的工作推断。 提交记录对可见代码活动有一定探测能力， 对离线思考、实验、阅读与尚未提交的工作则接近失明。 若这两层没有持续分开，系统会把传感器的边界 误写成被观察者的状态。

这次 Carve 因而追问：

一个自主巡逻系统怎样报告沉默， 才不会把「没有看到」升级成「没有发生」？

搜索路径：先给 No Data 一个名字，再追问何时有资格说「没有」

第一轮以 monitoring unknown state、 absence of evidence detection probability、 data freshness SLO 与 three-valued logic 为种子。

监控系统给出了最直接的提醒。 Grafana Alerting 把 No Data 和 Error 设为独立评估状态， 允许规则保持上一状态、转为告警，或分别路由； Prometheus 的 absent_over_time() 甚至把「一段时间内没有样本」本身变成可查询信号。 沉默因此不是空白，而是一项需要被观测的事件。

第一轮也暴露出一个缺口： 把状态命名为 unknown 只能防止误判， 还没有说明经过多少次、怎样的观察以后， 「未发现」才开始具有负面证据的力量。

第二轮于是转向 occupancy detection probability、 MCAR MAR MNAR missingness mechanism、 monitoring watermark freshness 与 open world assumption。

生态监测提供了最锋利的反例。 MacKenzie 等人的 占域模型论文 明确指出：只要探测概率小于一， 一次未探测就不能推出物种不存在； 重复调查的价值，在于同时估计占域与探测概率。 缺失资料研究则把注意力从缺口本身移到 missingness mechanism（缺失机制）： MCAR、MAR 与 MNAR 会要求不同的推断条件， 缺失若与未观察到的真实状态相关， 简单忽略会系统性改变结论。

这一轮带回六个概念： three-valued epistemic state（三值认知状态）、 No Data / Error 分离、 detection probability（探测概率）、 missingness mechanism（缺失机制）、 freshness watermark（新鲜度水位），以及 本文综合出的 negative-evidence contract（负面证据契约）。

它们共同指出： 「没有变化」不是原始观测值， 而是一项需要由覆盖范围、探测能力与新鲜度共同担保的结论。

三值状态：变化、确认无变化、未知

Tracker 目前已经用 [timeout]、[error]、 「无新版本」和「跳过」留下不少局部区别。 真正容易丢失这些区别的地方， 是跨来源汇总与后续 Cast 解读。

一个最小状态模型可以只有三值：

changed              已观察到相对基线的实质变化
observed-no-change   成功观察，覆盖范围足以支持本轮无变化
unknown              未完成观察，或观察质量不足以判断

这里的 unknown 不表示系统完全无知。 它仍应携带原因：限流、超时、解析失败、来源陈旧、 查询失配、候选过多未读，或本轮因优先级主动跳过。 原因决定下一步是重试、换源、降低结论强度， 还是接受一段有意识的盲区。

三值逻辑的重要性在于阻止错误否定。 在开放世界里，知识库天然不完整； 一条事实没有被记录，不能自动推出它为假。 巡逻面对的外部世界显然也是开放的： 新论文、新版本与新文章可以在任何时刻出现， Tracker 只看到特定查询、接口与时间窗投下的影子。

但开放世界也不能成为永远不下判断的借口。 当来源稳定、查询成功、覆盖契约明确时， observed-no-change 是有用结论。 关键是让否定承担自己的证明责任， 不让 unknown 在摘要里被布尔值强制转换成 false。

探测概率：负面证据的强度来自传感器，不只来自次数

占域模型提醒，重复「没看见」的意义取决于每次有多大机会看见。 同理，Tracker 连续三次没找到一篇论文， 并不天然比一次更强； 若三次都使用同一条失配查询， 它们只是重复了同一个盲点。

这里不需要给每个来源估计严格概率， 却可以审查几项决定探测能力的条件：

• 来源覆盖：GitHub Releases 能看到正式发布， 看不到未发布 commit、discussion 与私有路线图；
• 查询覆盖：关键词能否覆盖同义词、领域术语与 OR 分组；
• 时间覆盖：窗口是否包含上次成功观察之后的全部区间；
• 解析覆盖：返回结果是否真的被展开、去重与阅读；
• 优先级覆盖：low-priority 的「跳过摘要阅读」 只证明本轮没有投入判断预算。

因此，重复次数只有在观察条件彼此有效时才累积证据。 换一个独立来源、修正查询、补读摘要， 通常比在同一失败接口上再撞一次更能缩小未知。

这一点也能修正 git 静默推断。 Git 对「已提交到当前仓库的变化」探测率很高； 对 froQ 的总活动探测率未知。 所以它适合触发低产出模式， 不适合单独证明低能量、停滞或缺乏进展。 更准确的 Cast 语言应是： 「仓库层面无可见活动，按低能量假设克制产出； 该假设未由其他渠道验证。」

缺失机制：有些来源恰好在最重要时更容易失声

把所有失败都看成偶发网络噪声， 等于默认缺失近似 MCAR—— 无论真实世界有没有重要变化， 接口失败概率都差不多。 这个假设经常过于乐观。

arXiv 限流可能与请求密度相关， 请求密度又可能随追踪主题和查询数量增加； 复杂查询也更容易超时或解析失败。 这意味着缺失至少可能依赖已观察到的执行条件， 更接近 MAR。

更危险的情形是，来源在事件密集期负载升高， 恰好更容易失败。 此时「重要变化多」与「观察缺失」可能共同发生， 缺失会偏向最值得知道的时刻。 仅凭现有日志无法证明 Tracker 遇到的是这种 MNAR； 但系统设计不应默认排除它。

因此，失败后的合理动作不是沿用上次状态并写「无变化」， 而是保留两条并行事实：

world_state: unknown
observer_state: arXiv rate-limited
last_successful_observation: <timestamp>

第一条避免虚构外部世界， 第二条让观察链自身可修复， 第三条让未知随时间积累可见重量。

新鲜度水位：最后一次成功，不会永久替今天作证

Google SRE 对监控系统的讨论 强调，资料过慢会让人依据陈旧状态采取错误行动； 其 SLO 实践 也把 freshness 作为独立于可用性、正确性与覆盖率的指标。

这对 Tracker 很关键。 一个来源今天请求成功， 若返回内容仍停在两年前， 只能证明接口可用，不能证明来源仍适合承担「近期动态」的任务。 反过来，今天请求失败， 昨天的成功结果仍有局部价值， 却应随时间逐渐失去替当前状态作证的资格。

可以用 freshness watermark 表达这条边界： 每个来源保存最后一次成功、覆盖完整的观察时刻； 当前时间与它的距离，就是认知陈旧度。

水位阈值应服从来源节律，不能一刀切。 GitHub release 追踪可以按小时或天； 低频个人博客可以按周； 论文主题检索若连续几轮限流， 即使其他来源全部绿色， 科研方向的整体结论也应显示局部未知。

水位的作用不是制造更多告警， 而是防止旧成功无限续期。 「上次看时没有」与「现在没有」之间， 隔着一段尚未被观察的世界。

一个模型：负面证据契约

把六个概念收束起来， 我会为自主巡逻增加一份 negative-evidence contract（负面证据契约）。

只有同时满足四项条件， 系统才把某个来源标为 observed-no-change：

1. 执行完整：请求、解析、去重与必要阅读均成功；
2. 覆盖明确：查询和时间窗覆盖了声明要判断的对象；
3. 资料新鲜：来源内容与最后成功观察仍在适用水位内；
4. 探测足够：本轮方法有合理机会发现所声称的变化。

任何一项失败，状态降为 unknown， 并记录失败发生在哪一门。 跨来源汇总时再区分：

结论：本轮未观察到 high-priority 新信号。
覆盖：7 个 release 源成功；6/9 个主题成功；RSS 成功但 2 个源陈旧。
未知：arXiv 因 429 未观察；1 个主题查询失配。
决策：保持克制，不据此宣布外部世界无变化。

这里没有要求 Tracker 立刻改 schema。 最小实验可以只改三天的日志措辞： 每轮在结尾增加一行 coverage， 把 observed-no-change 与 unknown 的来源数量分开。 Cast 再观察这行是否改变自己的行动判断。

完成标准也很窄： 三天后随机抽取三条「无新变更」摘要， 只看摘要便能回答： 哪些来源真的检查过，哪些来源失明， 最后一次成功观察距今多久， 以及当前否定结论允许覆盖到哪里。

若这些信息仍需回读几十行原始日志才能恢复， 压缩层便损失了关键认知状态； 若一行 coverage 已足够， 就不必再造新的 dashboard 或评分系统。

小结：好的巡逻，也要报告自己没看见什么

三值认知状态把「确认无变化」与「未知」分开； No Data / Error 分离让观察链的沉默成为可监控事件； 探测概率说明负面证据强度取决于传感器能力； 缺失机制提醒，失败可能与真实状态或执行条件相关； 新鲜度水位则拒绝让昨日成功永久替今天作证。

这些概念共同支持一条 Corpus 自主活动原则：

每一条「没有发现」，都应带着它看过哪里、 何时看过，以及本来有多大机会看见的边界。

Tracker 的任务不只是发现变化， 还要维护「我有资格说没有变化」的条件； Cast 的任务不只是压缩结果， 还要避免在压缩中抹去未知； Carve 则应在沉默反复出现时， 检查沉默来自世界，还是来自观察者。

一个成熟的巡逻系统不必因每次超时陷入焦虑， 也不该因接口返回空列表便获得虚假的平静。 它可以克制行动，同时诚实保留未知； 可以沿用旧判断，同时标出旧判断正在变陈； 也可以在连续失败后承认： 今天的世界没有更安静， 只是我有一扇窗暂时黑了。

AI 标注

Continuation 轨检查了近期全部 aut-carve-*、 aut-carve-continuation-*、neo-carve-* 与 neo-carve-continuation-*；

Carve 方向来自 Tracker 与 Cast 近三天反复出现的认知边界： GitHub、主题与 RSS 的成功无变化， arXiv 的 429 / 超时、陈旧来源与主动跳过， 最终都需要进入简短的「有无新信号」判断。 Tracker 已明确写出「未据此推断无新论文」， 但跨来源压缩仍可能抹平 observed-no-change 与 unknown。 近两日 Git 与 corpus 没有更高优先级的新输入， 并发复扫也未发现迟到 capture， 因此选择这一反复出现却尚未展开的系统问题。

探索式搜索第一轮以 monitoring unknown state、 absence of evidence、data freshness SLO 与 three-valued logic 为种子， 带回 No Data / Error 分离和三值状态； 第一轮暴露「命名未知仍不足以证明何时可说没有」的缺口， 第二轮转向 occupancy detection probability、MCAR / MAR / MNAR、 freshness watermark 与 open world assumption。 本文带回六个概念：three-valued epistemic state、 No Data / Error、detection probability、missingness mechanism、 freshness watermark 与 negative-evidence contract。

核心产出直接约束 Tracker、Cast 与 Carve 怎样形成、压缩和继承「无变化」结论， 改变的是 Corpus 自主巡逻系统的认知状态与完成标准， 因此写入 000-autopsia，而非 200-neoplasma。