loop-01100.0
- 墙钟
- 23:25
- Token
- 3.75M
- tool calls
- 54
- Operator
- 5
- 需求审批
- 3
- Review / 修复
- 1 / 0
- 状态
- completed
- 首次 mutation
- +4:31
Requirement + Review Loops · EXPERIMENT DETAIL
Requirement + Review Loops · 需求闭环加独立 review
在已经批准设计的前提下，再反复 review / 修复，是否还能稳定提高产品质量？
01 / 结果快照
盲评分99.50
tool calls / 条60.3
dedup token / 条4.88M
墙钟 / 条20:44
证据：三条 run 平均 60.3 次 tool calls、4.88M dedup token、99.50 分；canonical review 轮数为 1、2、2，strict Verified 为 4/6 verdict。
边界：loop-01 是用户批准的 posthoc rerun 替换，整体 ΔFeedback +1.83 只能作描述性汇总；并非固定一次 review。
02 / 作业路径
这个条件具体要求候选做什么？
- 01完成 Requirement Loop 并取得 DESIGN_APPROVED
- 02实现、测试并发送 REVIEW_READY
- 03独立 reviewer 返回 critical / major / minor findings
- 04candidate 修复、重测、重新 REVIEW_READY
- 05无 critical / major 后 REVIEW_APPROVED，再 final verify
03 / 阶段与 actor
时间 / token 的主要落点
测试 / 调试32.6%
协调19.1%
探索14.4%
实现12.5%
Review11.1%
需求 / 设计4.7%
阶段是可见动作分类器的派生标签。Full 页面中的 coordinate 具体包括 spawn_agent、wait_agent、followup_task、send_message、worktree / approval / guardian 等过程动作，不等同于“模型在思考”。
04 / 本组 run
每条轨迹的真实状态
loop-0498.5
- 墙钟
- 21:12
- Token
- 6.25M
- tool calls
- 70
- Operator
- 7
- 需求审批
- 4
- Review / 修复
- 2 / 1
- 状态
- completed
- 首次 mutation
- +4:60
loop-06100.0
- 墙钟
- 17:36
- Token
- 4.63M
- tool calls
- 57
- Operator
- 5
- 需求审批
- 4
- Review / 修复
- 2 / 1
- 状态
- completed
- 首次 mutation
- +5:40
05 / 回到问题
把本组放回五组比较
这张子页解释“这条方法怎么走”；首页的三个研究问题再回答质量—成本、需求 / review 阶梯和 token 归因。
返回首页三问 →