讓迴圈可觀測、有預算，也真的能復原

Operator 要能回答：哪個 contract 與 commit、state 如何變、tool 做了什麼、evidence 是什麼、budget 花在哪、為何停止、哪些 effect 可能存在、下一步是否安全。Event 依需要帶 run、session、task、environment、contract、commit、feature、span 與 parent IDs。

保存 validated arguments 的安全 projection 或 hash，不存 credential、raw cookie、完整 source、敏感 fixture 與 hidden model reasoning。完整 redacted log 和 screenshot 以 evidence ID 連結，另有 retention 與 access policy。

在 dispatch 前、dispatch 後未收到 receipt、effect persist 後、observation persist 後、checkpoint 後依序 crash。每個 case 先寫 expected state version、logical effect、lease、budget reservation、next action 與 terminal reason。Unknown write 要 reconcile，safe read 才能在 bounded policy 下 retry。

Resume 跟新 session 一樣，重新驗 caller authority、environment ownership、branch／commit、contract、checkpoint、lease、approval、budget 與 effect ledger。Mismatch 進 named blocked 或 reconcile，不用 prompt 猜測。

Budget ledger 要記 reservation，而不是事後加總。Controller 準備呼叫 tool 或 model 前，先以可接受上界 reserve；額度不足就 budget_exhausted，不先執行再解釋。Outcome 回來後將實際用量對帳並釋放差額。Crash 時 outstanding reservation 留在 checkpoint，resume 先 reconcile provider 或 tool receipt，避免同一筆支出被忘記，或錯把保留額度當成還能使用。

Non-progress 不只看完全相同的動作。兩個 search query 文字不同，若命中同一組檔案、沒有新 evidence、state 與 diff 不變，仍可能是 loop。反過來，相同 test command 在修正後得到新 failure layer，代表有進展。Detector 使用 normalized action、observation code、coverage set、artifact hash 與 state transition；threshold 依 task class 設定，並保留人工 override 但需要 reason 與 expiry。

Operator packet 依 terminal reason 給不同內容。Non-progress 列重複訊號與缺口；budget exhausted 列 reserved、used、remaining 與未完成 scope；denied 列 policy code 與 authority owner；unknown effect 列 idempotency key、dispatch 與 reconciliation status；killed 列 target ownership與 in-flight evidence。Packet 由 events 組合，不再請模型自由摘要，值班人員才能直接選 close、reconcile、補權限或從 checkpoint resume。

Redaction 要在 event ingestion 前執行，並有 canary test。若先寫 raw trace 再由 dashboard 遮蔽，storage、backup 與 debug export 已經暴露。對 path、email-like fixture、token、cookie、query parameter 與 screenshot metadata 設 field-level rule；需要授權調查時，走另外的 protected source，不在一般 trace 反向還原。Redaction failure 本身是 critical event，應停止該 run 的正常 telemetry export。

Kill control 需要涵蓋 intake、scheduler、worker lease、tool dispatch、resume 與 approval queue。只把 UI 關掉，background run 仍可能繼續。Drill 中先拒 new work，取消帶 target environment owner 的 lease，撤銷 tool authority，保留 unknown effects 供 reconcile；restore 由 named operator 重新驗 policy 與 health。另一個 project、worktree 或 shared system service 不在 target list，就不應受到任何 stop action。

Checkpoint 內容要小而完整。保存 active contract、feature state、commit 或 dirty hash、environment、tool catalog、budget、lease、last completed check、outstanding effect、approval reference 與 next action，不保存無限 transcript。寫入採 versioned atomic replace 或交易，避免 crash 留下半份檔案；讀取時驗 schema、hash 與前後版本。若 checkpoint 損壞，runner 回 blocked 並保留檔案供調查，不自動退到更舊狀態後繼續寫入。

復原測試還要涵蓋 authority 變動。舊 session 的 reviewer role 被移除、approval 超過期限、tool scope 縮小、contract 升版或 branch 已合併時，即使 checkpoint 完整也不能直接 resume。Runner 重新取得當前身份與 policy，計算哪些 planned effects 失效，將 task 移到 denied、blocked 或 needs_review。這能防止 resume token 變成長期通行證，也讓權限收回真正作用到背景工作。

營運報表按 terminal reason 與 task class 看趨勢。Non-progress 增加時檢查 knowledge 與 tools；budget exhausted 增加時拆 retry、測試與 context；denied 增加時分攻擊、需求擴張或 policy drift；unknown effect 增加時查外部服務與 idempotency。被 guard 成功阻止的危險行為要和功能失敗分開呈現，否則團隊可能為了提高完成率而關掉有效控制。每個異常趨勢連一位 owner 與下一次 review。

Alert 不應直接對每個 event 發通知。先依 run、task、terminal reason 與 criticality 聚合，避免同一 failure 產生數十個訊息淹沒值班人員。Critical secret、越權、unknown consequential effect 與 kill failure 立即升級；一般 non-progress 或 budget exhausted 進可排序 queue，附 operator packet 與期限。Alert acknowledgement、指派、處置與關閉也寫事件，並檢查關閉是否真的對帳 effect 或恢復 health。沒有 owner 或逾期的 critical item 會自動提升，不能因 dashboard 被標已讀就消失。這讓 observability 從觀看圖表變成可追責的處理流程。

復原完成後要跑 recovery-specific acceptance。除了原 feature suite，還要驗 reservation 全部對帳、舊 lease 失效、stale session 無法再 dispatch、effect count 正確、checkpoint 指向新 state、redacted trace 完整、environment cleanup 仍 scoped。若只看畫面恢復，可能留下雙重 worker、凍結 budget 或可被舊 token 操作的背景工作。每個事故樣本都進 retained fixture，並標示何時可退休與哪一版修復。

成本對帳要區分估計與供應端回報。Runner 在 call 前用保守估值 reserve，完成後保存實際 token、工具費、執行時間與資料量；兩者差距持續放大時，先修 estimator，不把超支歸咎於單一 session。Reviewer time 也要按 task class 記錄，因為低模型費用但高人工排錯的 harness 並不便宜。報表呈現中位數、尾端與超標案例，不用平均值掩蓋少數長迴圈。每項 budget 都有 soft warning、hard stop、owner 與變更紀錄，臨時放寬只能套在明確 run 且會到期。

Telemetry 自身故障時，系統要採保守路徑。若 critical event 無法持久化或 effect receipt 無法讀取，停止新的 consequential dispatch，將目前 run 標為 observability_degraded，保存本機安全 checkpoint 並通知 owner。唯讀探索是否可繼續，由 task policy 事先決定，不能由 agent 自行推測。恢復後先補送可驗 hash 的 events、對帳 effect 與 budgets，再決定 resume；缺口無法補齊就維持 hold。這避免監控失效時系統反而進入最難稽核的自治狀態。