@@ -1,7 +1,8 @@
-# 交接 · Strata 服务器适配（2026-10-24 09:30 CST / 01:30 UTC）
+# 交接 · Strata 服务器适配（2026-10-24 10:1x CST / 02:1x UTC 第二次交接）
 
 写给一个**完全没有上下文的新会话**。目标是让你读完这一份就能接手，不用重问用户、不用重新试探机器。
 细节不在这里展开，本文只给"现在是什么、为什么、下一步做什么、什么不能碰"。
+**上一份（09:30 CST）的正文仍然有效，凡是与本页冲突的地方以本页为准**；被推翻的条目都写在 §10 与 §14。
 
 ## 0. 先读哪几份（都在本仓库 `docs/`）
 
@@ -35,12 +36,15 @@
   需要 root 时：`echo <密码> | sudo -S <cmd>`（**不要把 stderr 丢到 /dev/null**，见 §7）。
 - **API**：`http://192.168.3.14:8080`，`Authorization: Bearer 111`（`api_key` 就是字符串 `111`）。
   没带 key 会 401；很多 `/opt/ai/bin` 下的老脚本**早于 API key**，会静默给 0 分。
-- **GitHub PAT**（账号 `atmJava`，fork 源）：以 `github_pat_11AO5PXDQ…` 开头，**只在会话记录里，没有进 git**。
-  这个 PAT 打 GitHub **search** API 会 422，只能用分页的 `/repos/…/issues`、`/repos/…/issues/…/comments`。
-- ⚠️ **一条已存在的凭据暴露，需要用户决定怎么处理**：`atmJava/Strata` 是**公开仓库**，而服务器密码
-  被硬编码在 `tools/server/use-config.sh:42` 与 `tools/server/restore-prod.sh:7`，已随提交 `a32d48e0`
-  推到 `hw/server-adapt-0.2.3` 分支上。选项：换密码 / 把密码挪到不进 git 的文件（`/opt/ai/bin/.sudo-pass`，
-  600 权限）/ 认了这个暴露不管。**我没有擅自改，也没有改写历史。**
+- **GitHub token**（账号 `atmJava`，fork 源）：2026-10-24 上午用户换发了新串（`ghp_…` 开头），
+  已写进本机 `~/.git-credentials`（600 权限，`credential.helper=store`）→ **git push 与 API 都从那里取，别打印**。
+  旧的 `github_pat_11AO5PXDQ…` 已被取代（是否撤销未核）。**新串打 search API 是 200**（旧的那打 search 会 422），
+  所以"先查上游有没有人做过"现在能真用 search 查了。已核实：提到 `EXP_MODE` 的只有 #2069（closed，SM75 表）
+  与 #2355（closed，pf_wmma），mode 4/0/8 的对照线程就是 **#2197**。
+- ⚠️ **服务器 sudo 密码仍在 git 里，用户还没表态**：`atmJava/Strata` 是**公开仓库**，密码硬编码在
+  `tools/server/use-config.sh:42` 与 `tools/server/restore-prod.sh:7`，随提交 `a32d48e0` 在 `hw/server-adapt-0.2.3`
+  上公开。2026-10-24 我把这个问题连着新 token 一起问，用户回的是新 GitHub token，**密码这条当作未决**。
+  选项还是那三个：换密码 / 挪到不进 git 的 `/opt/ai/bin/.sudo-pass`（600）/ 认了。**不要擅自改，不要改写历史。**
 - **本机仓库**：`/home/kali/IdeaProjects/strata`（kali，i7-8550U，**没有 NVIDIA 卡**）→
   **本机不能复现任何测量**，所有数字只能来自服务器。
 
@@ -93,17 +97,24 @@ NVLink NV2、驱动**钉死 595.71.05**、vBIOS 功耗上限 280 W、CUDA 13.0
 |---|---|---|
 | 单流基线 / 4 路聚合 | 79.1 tok/s / 103–108 聚合 | L-000 区 |
 | `STRATA_SM75_PERF=1` | 冷 prefill **+7.2~7.6%**、43–43K **+6.0~7.8%**、4 路 **+4.1~7.5%**；T2 形态逐位 `aac0a04d109391fe`（9/10，一次"重启后首请求"分歧未复现） | L-002 区 |
-| S1 并发读补丁（**代码**，未上生产） | 127K 冷读 49.0/49.6 s → **58.2/58.5 s（读慢 19%）**，但邻居流 **0.3 → 19.7/20.3 tok/s**、最长卡顿 **49 s → 0.9 s** | L-004/plan §7.9 |
+| S1 并发读补丁（**代码，已在生产二进制里**，见 L-013） | 127K 冷读 49.0/49.6 s → **58.2/58.5 s（读慢 19%）**，但邻居流 **0.3 → 19.7/20.3 tok/s**、最长卡顿 **49 s → 0.9 s**。**这条是 T2 门控配置里的数**（`parallel 1 --batch-groups 1 --pcie-frac 0 --spec 0`），**不是生产形态**；开关靠 env 不靠换二进制 | L-004/plan §7.9 + **L-013** |
 | L-001 显存预留 | GPU0 空闲 504 → 804–810（现 ~850）；专家缓存 7,334 → **7,190 slot（−1.96%）**；命中中位 98.90 → 99.00%（p10 97.80→97.50），88/470 请求 | L-001 |
 | 噪声地板 | 同一基线两次跑，**每任务 token 方差均值 24.5%**；生产形态 `temperature: 0` **钉不住**长输出的哈希 | L-007 |
 | 思考侧 | `effort` 只是 prompt 里一句话（`serve/server.py` 的 `EFFORT_TURN`/`render_prompt`）；`low`≡`high`（−0.5%，噪声内）；`medium` 查表形态 −28%、**推理形态只 −7%**；`none/off` −41% token、−25% 墙钟但 **14 个推理任务丢 3–4 个**（真算错 + 空答案）；预算 ≤10% | L-005 / L-009 / L-010 |
 | **`STRATA_EXP_MODE=8`（已采纳）** | 同 boot 括号 67.2 / 67.7 对 **73.5 → +8.5%**；4 路**不结论**（括号自身 5.9%）；冷 prefill 不动；**24/24 同答案哈希**；agent 推理中位 14/14 对 14/14、token +2.4%（噪声内）、14 任务 42.3 s 对 44.5 s（**−4.9%**） | **L-011** |
 | #3724（llama.cpp MMQ 低 tile 上限） | **不在我们的 pin 里**（我们 pin `3cf03257` 是 2026-09-20，补丁 2026-10-19 才合并；`grep nwork mmq.cuh` 无命中）；机制讲得通但**是否适用未确认**（`--resident-experts` 走 Strata 自己的 `iq_kernels.cu`）；要 backport 得**重编译** | L-008 |
 | 显存"两个 free" | `/metrics` 自报 `vram_free_mib` 与 nvidia-smi **差 ~200 MiB**；引擎的 `#2065` 分页告警（线 512）用的是**它自己那个**；我的 warn 设 700 是偏保守 | L-011 前的附带观察 |
 | 慢漂移**已结案** | GPU0 808→788 后在 788/870 **封顶**，重启后回到 850/940 → 是池填满不是漏 | 同上 |
+| **`--spec` 接受率：mode 8 没有可测变化**（补上 L-011 缺的那一列） | mode 4 窗口 83.22%/157,747 draft 对 mode 8 生产 82.11%/82,847；按 prompt 带配对 40–90K **+1.2%**、90–160K **+0.8%**，都在 3% 线内。接受率**每请求都写在引擎日志里**（`drafts accepted A of B`），工装以前没读 | **L-012** |
+| 命中率与截断：mode 8 生产窗口**没变差** | 命中中位 98.90 → 98.70（p10 97.60 → 97.80、min 70.80 → **95.70**）；101 个 done 里 **0 个 length、0 个空答案**（前一窗口 1,110 里 23 个 length = 2.1%） | **L-012** |
+| **S1 那两行其实已经在生产二进制里** | 引擎子进程 `/proc/56437/exe` = `build/strata`（md5 `4fd45369…`）；`generate.cpp` 里 `mapped_io_source` 两行 mtime 10-22 09:26:47Z，obj 编译 10-23 04:00:37Z、链接 04:00:38Z；行为证据最硬——10-23 05:30 之后**每个引擎会话都有 `on a thread of its own … (concurrent, …)` 行、gate 拒绝 0 次**（10-22 部署前的会话是反过来：只有拒绝、并发读 0 条） | **L-013** |
+| 真实流量里并发读的收益取决于"当时有没有第二条流" | 多会话时段（10-23 07:04 窗口）691 次并发读、期间槽解码 **88,766 行**、0 行的读占 51%；现在这个生产窗口 73 次并发读、期间 87 行、**0 行的读占 97%**（只有我一个会话在跑） | **L-013** |
+| 线上源码来历钉死了 | 把 S1 补丁**反向打回去**后两份文件哈希与上游 `011c9e60`（0.2.2 部署点）**逐字节相同** → 线上源码 = 上游 0.2.2 + 只有 S1 那两行，**没有别的未落档改动** | **L-013** |
 
-**mode 8 上线 14 小时后的被动读数**（交接前刚看）：`active`、`NRestarts=0`、空闲 **850/940**、
-`.warn` 未触发、**轮转后的新日志里 `#2065` 警告 0 条**（旧的 12 条在 `.log.1`）→ 没有新警告。
+**mode 8 上线 ~7 小时后的被动读数**（2026-10-24 02:0x UTC 核实）：`active`、`NRestarts=0`、MainPID 56424
+（进程 19:10:55Z 起）、引擎子进程 56437、空闲 **850/940**、`.warn` 未触发、当前引擎日志里 `#2065` 警告 **0 条**
+（旧的 12 条在 `.log.1`）、cron `*/5` 与 `nvlink-crc-sample.timer` 都在跑、`nvlink-crc.log` 里 crc/replay/recovery
+仍全 0。**mode 8 经用户批准留在生产**（2026-10-24 上午）。被动数字（接受率/命中率/截断）见 **L-012**。
 
 ## 7. 陷阱清单（每一条都是真踩过的，新会话别再踩）
 
@@ -126,7 +137,15 @@ NVLink NV2、驱动**钉死 595.71.05**、vBIOS 功耗上限 280 W、CUDA 13.0
 10. **不要在服务占卡时跑吃显存的离线 kernel bench**（只剩 ~790 MiB → 直接踩 #2065 分页）。
 11. `nvidia_smi.link_version.power_draw` 是**无效字段**；数警告用 `grep -c "WARNING: only"`。
 12. **停机 >2 分钟要先问用户**（我自己写的 runbook 规则）。上一轮我**没等批准**就跑完 mode 8 实验并采纳，
-    理由是收益最大且一条命令可回退——**用户还没表态**（见 §10）。
+    理由是收益最大且一条命令可回退——用户在 2026-10-24 上午**追认了**（"留在生产"）。
+13. **`MainPID` 不是引擎**：`MainPID` 是 python 服务端（它的 `/proc/<pid>/environ` 只有 397 字节基础环境，
+    **一个 `STRATA_*` 都没有**，照它读会误判"env 没生效"）。引擎是**子进程**：`pgrep -P <MainPID>` →
+    `strata-host` / `strata-vision`，要看这两个的 `environ` 与 `/proc/<pid>/exe`。
+14. **服务日志的重启标记行没有时间戳**（`starting the engine: reading the model's weights ...`），
+    引擎日志的 `[strata] <ts> engine started:` 有。跨日志切窗口用 `passive_windows.py --marker … --starts …`
+    （右对齐贴时间戳），别按行号硬编。
+15. **别只靠 mtime 钉"线上源码是哪一份"**：`cp -p` 会保留 mtime。要钉死就用**反向打补丁再比哈希**——
+    `patch -R` 之后与上游 blob 逐字节相同才算数（L-013 就是这么定的）。
 
 ## 8. 工装（都在 `/opt/ai/bin`，源码版本在 `tools/server/`，改完要 scp 上去）
 
@@ -141,42 +160,80 @@ NVLink NV2、驱动**钉死 595.71.05**、vBIOS 功耗上限 280 W、CUDA 13.0
 | `agent_budget_ab.py [long] [reason] <reps> <arms…>` | agent harness：臂写作 `<budget>[@<effort>]`（如 `0@medium`）；`AB_TAG` 后缀输出文件；`reason` 加 8 个**只能靠算**的可判分任务 |
 | `vram-perf-sample.sh` | cron `*/5 * * * *` 在跑（**别删**）；写 `/opt/ai/logs/vram-perf.csv`，低于 700 写 `.warn` |
 | `nvlink-crc-sample.timer` | systemd timer，active；`/opt/ai/logs/nvlink-crc.log` 至今 `crc/replay/recovery` 全 0 |
+| `passive_windows.py` | **免停机判据**：按引擎会话切窗口，报 `--spec` 接受率（引擎每请求写的 `drafts accepted A of B`）、suffix draft 接受率、专家命中中位/p10/min、`length` 截断数、"想到没答案"数、prompt 规模；`--band MIN:MAX` 只在同一 prompt 长度带内比较（固定 prompt 的 bench ≈293、parity ≈7.7K、cold-prefill ≈13.3K）；服务日志侧用 `--marker` + `--starts` 对齐时间戳。源码 `tools/server/passive_windows.py` |
+| `concurrent_reads.py` | 同样按会话切窗口，读 `read N tokens on a thread of its own in N ms (concurrent, …); the slots decoded N rows meanwhile`：报并发读次数、读总时长、期间槽解码行数、"0 行的读"占比，并用 `stages its blobs` 那条拒绝行判**gate 到底开没开**（不用猜二进制）。源码 `tools/server/concurrent_reads.py` |
 
 ## 9. 上游与分支状态
 
 - fork `atmJava/Strata`，`main` 已 fast-forward 到 **`7ddc17a3`（0.2.3.1）**。
-- 工作分支 `hw/server-adapt-0.2.3`（本地 `tmp/rebase-docs`，最新提交 **`6ff15234`**）：文档 + 工装。
-- **`hw/s1-concurrent-read`**（commit `b9b3f995`，2 文件 +20/−3，`batch_read.hpp` + `generate.cpp:13577`）：
-  已 rebase 到 0.2.3.1，**测过但没上生产**（上生产要重编译引擎）。
-- 上游 thread：**#2275**（并发读，11 条，SuperDistance 的 PR #2326 已在做，我们的独特角度是 S1 那个
-  `staged_source` 门 + 实测权衡）；**#2197**（sm_75，基本被六位同行关掉，我们的 +7% 已冗余，
-  **但 mode 8 的 +8.5% 是新数据**）；**#3724**（open、0 评论）。
-- `docs/UPSTREAM_DRAFTS.md`：**Draft A（#2275）、Draft B（#2197）已写好、尚未发、等用户批**；
-  **Draft C（mode 8 数据）还没写**，素材就是 L-011。
-
-## 10. 等用户表态的三件事（都别自己决定）
-
-1. **mode 8 留在生产**用户是否认可（不认可 → 一条命令装回，见 §5）。
-2. **Draft A / B 发不发**，以及要不要我把 **Draft C** 写出来给他看。
-3. **目标正文需要人类轮次**才能改：`update_goal action edit` 在自动续行轮里被拒。
-   要改的点已想好：思考预算降级、mode 8 与 medium 提前、#3724 标为"待重编译"。
-
-## 11. 未决 / 待观察（都不需要停机就能做）
-
-- mode 8 上线后采样里命中率 **96.4–99.3%**，之前是 98.9–99.8% —— **样本太小，不下结论**，继续被动看。
-- **`--spec` 接受率有没有被 mode 8 改变**：那次 bench 的 `draft_n` 没报出来，要补。
-- **S1 要不要上生产**：它不是"更快"，是"把独占变共存"（读慢 19%、邻居 0.3→19.7 tok/s）。
-  要用户先说清要单流长读还是要并发共存。
-- **#3724 到底适用不适用**：可以用读代码 + 一次 profile 判掉，**不用重编译**。
-- 把 `/opt/ai/bin` 剩余判据脚本继续搬进 git（`vram-perf-sample.sh` 本轮已搬）。
+- 工作分支 **`hw/server-adapt-0.2.3`**（本地 `tmp/rebase-docs`；远端 tip 就是本地提交 `08507037`，
+  本轮新提交**直接 fast-forward 推上去**，不用 force）：文档 + 工装。旧的 `hw/server-adapt`（`bad482e7`）
+  是 rebase 之前的历史，**别再往它推**。
+- **`hw/s1-concurrent-read`**：远端 `11cc25bd`（0.2.2 基），本地 `tmp/rebase-s1` = `b9b3f995`（已 rebase 到
+  0.2.3.1）。**更正（L-013）**：那两行**已经在线上引擎二进制里**，所以"上生产"**不需要重编译**，
+  要决定的是 env `STRATA_PIPED_CONCURRENT` 开还是关、以及在**生产形态**补一次 A-B-A。
+- 上游现状（2026-10-24 用 API 核过）：**#2275** open、11 评论、最后一条 Adamyno 10-22 21:09Z；
+  **PR #2326 已 closed**（Niko1221 10-19：改动已在 0.2.0-beta 的 `main`，跟踪器重置所以关闭）；
+  **#2197** open、33 评论、最后一条 rafatxf 10-23 21:54Z（在核 yusheng227507 的 DFlash2 那一行到底跑的是
+  MTP 还是 DFlash2）；**#3724** open、**0 评论**（我们没去贴，内容只是"同 pin 确认不含、适用性存疑"）。
+  提到 `EXP_MODE` 的另外两条 #2069 / #2355 都是 closed，mode 4/0/8 的对照就在 **#2197**。
+- **三份回帖已于 2026-10-24 02:08Z 发出**（A→#2275、B+C→#2197，链接在 `docs/UPSTREAM_DRAFTS.md` 顶部）。
+  **没有开 PR**：A 里那句"要不要把 gate 的判定条件改掉"就是先去问这个的。
+
+## 10. 用户已表态 / 仍未决（别自己决定）
+
+**已表态（2026-10-24 上午）**
+
+1. **mode 8 留在生产**（不认可才回退，见 §5）。
+2. 草稿怎么处理：**先写 C、三份一起发** → 三份都已发出（§9）。
+3. S1 的方向：**并发共存优先**。既然那两行已在生产二进制里（L-013），下一步是在**生产形态**测
+   `STRATA_PIPED_CONCURRENT` 开/关，而不是"要不要上 S1"。
+4. **GitHub token 换发了新串**（§2）。
+
+**仍未决 / 需要用户点头才能动**
+
+1. **服务器 sudo 密码仍在公开仓库里**：我把这条连着新 token 一起问，用户回的是新 GitHub token，
+   **密码本身怎么办没有答**（§2）。别擅自改、别改写历史。
+2. **停机 >2 分钟要先问**：生产形态 gate 开/关 A-B-A ≈ 2 次重启 330 s（**不用重编译**）；
+   #3724 那条 backport 要重编译 + 停机。两个都要先要到窗口。
+3. 目标正文要改仍需人类轮次（`update_goal action edit` 在自动续行轮里被拒）。想改的点：思考预算降级、
+   mode 8 与 medium 提前、#3724 标为"待重编译"、S1 改写成"已在二进制里、待测生产形态开关"。
+
+## 11. 未决 / 待观察
+
+**已经结掉的（别再当未决做）**
+
+- ~~命中率掉了~~：那是**采样器小样本噪声**。服务日志侧 mode 8 生产窗口命中中位 98.70（n=101）对 mode 4
+  窗口 98.90（n=1,110），p10 反而更好、最差值从 70.80 抬到 95.70。**以后判命中率用 `passive_windows.py`
+  读服务日志，别读 CSV 那一列**（L-012）。
+- ~~`--spec` 接受率没数~~：引擎每请求都写了 `drafts accepted A of B`，工装没读而已。补完之后是
+  **mode 8 没有可测变化**（带内 +1.2% / +0.8%，3% 线内，L-012）。
+- ~~S1 要不要上生产~~：那两行**已经在生产二进制里**（L-013）。
+
+**还欠着的（按价值排序）**
+
+1. **生产形态的 gate 开/关 A-B-A**（`STRATA_PIPED_CONCURRENT=1` 对 `=0`，同一二进制，2 次重启 ≈ 330 s，
+   **要停机批准**）。判据用首要指标那一套：agent 任务墙钟、空答案率、工具调用通过率、4 路聚合、
+   冷读时长与邻居流；**不要只看单流 tok/s**。
+2. **#3724 到底适用不适用**：读码 + 一次 profile 就能判掉，**不用重编译**（`--resident-experts` 走
+   Strata 自己的 `iq_kernels.cu`，专家矩阵很可能不经过 ggml 的 MMQ；dense 层要过——这条是**静态阅读，未测**）。
+3. **`/opt/ai/bin` 剩余判据脚本继续搬进 git**（本轮搬了 `passive_windows.py`、`concurrent_reads.py`；
+   172 个文件里仍有一批只在服务器上、没有版本）。
+4. **被动窗口继续长样本**：mode 8 生产窗口现在 105 个请求 / 82,847 draft，等它到几百请求再回看同一张表
+   （尤其截断率与 suffix draft 接受率那两列）。
+5. **medium 思考预算**：L-010 说它在推理形态只省 7%，还没做"设成默认"的 A-B-A（免重启，随时能做）。
 
 ## 12. 目标状态
 
-`goal-96ec4721-4579-431f-bf5c-81dfa8e36a2b`，**已暂停（paused，revision 3）**，已起 4/256 轮。
-用户说继续时：`update_goal` 用 `action: resume`（**需要用户的直接轮次**）。
-会话被 fork/恢复后目标会自动 disarm，同样要 resume 重新武装。
+会话恢复后旧 goal 读不到了（`get_goal` 返回 null）。2026-10-24 上午用户说"列个全局目标执行"，于是
+**新建** `goal-c5cedf2a-32ed-478e-a639-b0c5a4127d53`（**active**，上限 60 轮）：正文里写死了首要指标、
+判据规矩、上游兼容规矩、"停机 >2 分钟先问"、"每轮末尾更新本页"。**旧 goal
+`goal-96ec4721-4579-431f-bf5c-81dfa8e36a2b`（paused，rev 3，4/256 轮）作废，别再 resume 它。**
+会话被 fork/恢复后目标会自动 disarm：用户说继续时用 `update_goal` 的 `action: resume`（**需要用户的直接轮次**）。
 
 ## 13. 一句话给接手者
 
 **先确认机器活着、cron 在跑、mode 8 还在生产，再动手；动手前想清楚要不要停机；
 所有数字都要能追到 `/opt/ai/logs` 或 `/opt/ai/runs` 里的原始文件；不要相信任何"看起来跑完了"的日志。**
+想要新的数字而不停机，先跑 `passive_windows.py` / `concurrent_reads.py`——这台机器每天自己就在写
+接受率、命中率、截断、并发读邻居进度，上一轮缺的数有相当一部分**早就写在日志里，只是没人读**。