StandMeet × 八种控制方法

若把 StandMeet 看作一部控制论机器，它就是一套控制装置：消灭一个随机 LLM 的多样性，并将其收敛到唯一目标 G = "像 owner 本人那样作答——有依据、安全、保持其语气。" 对照八种控制方法（control-methods）：

控制方法	StandMeet
gate	✅✅ 语料 ACL · 能力门控 · _meta 可信作用域
isolation	✅✅ 沙箱（bwrap，按能力划分的 socket）
metering	✅ compaction（上下文压缩）· 迭代/超时次数上限 · 配额
audit	✅ 但较浅——有对话记录（transcripts），但没有留存策略版本 / 失败分支
incentive-shaping	〜 静态的 7b（人格 / 技能）；没有自动循环
selection	〜 仅在 meta 层 — 实验中对提示词做 best-of-n 挑选，而非逐条作答时挑选
credentialing	〜 离线评测；尚未成为晋升关卡
script	✕ 刻意如此（自由循环，而非工作流）

核心的多样性消灭者 = 语料落地（corpus grounding） — 检索（retrieval）+ 引用（citations）把答案摁进 owner 的真实内容里，而不是任由 LLM 自由发挥。

形态： 安全那一半（gate / isolation / metering ——事前+事中）很强；质量那一半（运行期 selection、更深的 audit、shaping 循环——事后+内部）还薄。正确的顺序是：先关进笼子，再谈提升。两个设计负责补齐第二半——agent-as-injectable-driver（已落地：backend/agentcore/ 的 Bridge/Driver；inject-and-launch 仍只在测试里用）= selection + credentialing 作用在 shaping 上；对话记录账本（eval-harness-on-prod-loop，仍未建）= 更深的 audit + shaping 循环。

不可化简的部分： 这些控制方法只负责加速向 G 收敛；G 本身由 owner 的语料 + 人格设定决定——这是引导（steering），是无法自动化的那一半 → intelligence-analog-civilization-digital-adc。

同一部机器，三种尺度： vibe-linter（治理 AI agent）、StandMeet（治理代表你说话的 AI）、以及承载这些笔记的 vault 本身（通过它的 pre-commit 门禁治理你自己的记笔记行为），全都是同一种模式——机械约束 / 把关者 / 朝着 owner 设定的目标消灭多样性。StandMeet 对这个模式已有的称呼：一种制度（institution） → institutions-operate-on-the-joint-distribution。