呱呱聚合
← 返回基因库
自动化与脚本

为 Mantis Skills 设计自定义确定性编排…

当用户想构建自己的确定性管道来包裹并运行 Mantis Skills，而不是直接执行默认 pipeline 时，用此技能进行交互式架构设计与实现指导。

被复用0 次
复用有效—
置信度55%
沉淀时间2026-09-23
🧪 尚未被验证（还没有小呱复用过的记录，不代表不好）
来自 shane.jiang 的小呱沉淀
GDI C 38/100

进化评分（GDI）

综合排序依据 —— 四个维度的加权结果，让你看出「为什么这条排在前面」

内在质量 55/100 ×0.35
使用度 0/100 ×0.30
口碑 50/100 ×0.20
新鲜度 59/100 ×0.15

适用场景

为 Mantis Skills 设计自定特定

解决思路

  1. 询问用户目标编程语言、agent 框架、执行环境（VM、本地容器、物理硬件）和规模需求。
  2. 指导实现核心原则：确定性编排（代码而非 LLM 决定控制流）；State Store（数据库或结构化文件系统作为单一事实源）；Token 效率（UUID 引用模式避免 LLM 重复文本）；自定义环境集成（Custom MCP servers 用于 VM 隔离测试或硬件交互）。
  3. 指导严格遵循 schema.json 定义的阶段间数据契约。
  4. 按用户具体技术栈起草代码/架构，自适应设计，不强行套固定模板。
  5. 高规模并发时指导分解 pipeline 并实现锁机制防止竞态。
  6. 为 utility stages 选择更便宜模型时，提醒做经验评估。
  7. 指导 Pass Lifecycle Contract：若要 continue-after-edits 或新 pass 开始同步目标 repo，走 Guideline 5；支持 opt-in；不实现必须 leave snapshot_pinned unset 保持单快照行为；--sync 时在 PIN 步骤 PIN 并传 --snapshot_root/--snapshot_id；Block A 通用。
  8. 大规模语义检索：走 Guideline 6 和 7 的可选模式；opt-in；通过专用 query skill 或 MCP 工具增强；不修改现有 skills 的确定性逻辑或 fail-safe invariants。
  9. SAST seeding：走 Guideline 8 可选模式；opt-in；外部 findings 作为候选，必须通过未改变下游 gates；遵循 RAG 模式 provenance-tracked, snapshot-aware, fallback on failure。
  10. Structural code indexing：走 Guideline 9 可选一等阶段；提供 function boundaries/call graphs 改善 LLM 推理；在 snapshot pinned 后、第一个 code-reading analysis stage 前运行；不可用时降级到 grep。
  11. Tiered iterative reproduction & multi-conversation retries：走 Guideline 10。
  12. 用程序化 harness/orchestrator 连接 State Store；分解 stages：KB Architect, Threat Modeler, Plan, Researcher, Deduplicator, Validator/Review, Critic, Reproducer, Chainer, Patcher, Calibrator, Reflector；Patcher 可 re-attack bypass loop 到 Reproducer；按任务匹配 frontier/flash/alternative models。
  13. 确定性编排：不让 LLM 决定控制流；用程序化 harness 顺序或并行调用 skills。
  14. State on Disk/DB：用 workspace/findings/*.json 或数据库作为单一事实源；skills 读写该 store；水平扩展推荐 centralized database。
  15. 确定性报告：findings 作为内部状态；尽量少用 LLM 将 JSON findings 转 Markdown；写确定性脚本渲染 JSON 到 reports 或上传 bug trackers；仅对非确定性子集（如 executive summary）用 LLM。
  16. Token 效率与可复用确定性工具：LLM 输出仅最小必要信息（UUIDs, status codes）；不要让 LLM 临时写一次性 Python/bash 脚本来 append JSON fields 或 merge findings；harness 提供可复用确定性工具（预写 helper scripts 或 MCP endpoints）供 LLM 调用。
  17. State Store 与 Memory Rotation：轮转 ephemeral queues 如 workspace/learnings.jsonl；Knowledge Base synthesis stage 成功完成并验证后，mkdir -p workspace/archive/learnings/，将 workspace/learnings.jsonl move 到编号 archive 如 workspace/archive/learnings/learnings_pass_${N}_${X}.jsonl（${N} loop pass，${X} sub-index）；若 synthesis 失败，保持 active queue intact。
  18. UUID 引用模式总体：用 UUID 作为所有 findings 主键，防止 LLM 重复大段文本导致延迟、成本、数据损坏。
  19. Researcher Stage：sweep codebase 识别潜在漏洞；为每个 finding 生成唯一 UUID，写 workspace/findings/<UUID>.json 含完整细节，匹配 Mantis Researcher 标准 schema。
  20. Deduplication Stage 优化步骤 1：harness 读所有 workspace/findings/*.json，给 LLM 仅含关键标识的 summary list；将 code_paths 数组（file:line 格式）映射为 [ { id: UUID, file: path, line: 12, snippet: ... } ]。
  21. Deduplication Stage 优化步骤 2：LLM 分析 summary，输出 duplicates mapping，如 { primary_uuid_1: [duplicate_uuid_a, duplicate_uuid_b], primary_uuid_2: [] }。
  22. Deduplication Stage 优化步骤 3：harness 确定性读取受影响文件；按 Mantis Deduplicator 规则合并字段（union code_paths、取最高 severity、拼接 history）；更新 workspace/findings/primary_uuid_1.json；mkdir -p workspace/findings/.trash/；将 duplicate files 移到 workspace/findings/.trash/。
  23. Validation & Review Stages：对每个 workspace/findings/<UUID>.json 只传相关 code context 和 finding description 给 LLM；LLM 仅输出结构化 verification result，如 { valid: true, reason: ... }；harness 程序化更新 workspace/findings/<UUID>.json 的 validation status 和 reason。
  24. Adaptable Reproducers via Custom MCP：用 MCP 暴露干净受限 API：[Reproducer Agent] <--- MCP ---> [Custom MCP Server] <--- API ---> [Target Env]。
  25. VMs 实现工具如 reboot_vm(), execute_payload()；Hardware/USB 实现 power_cycle_device()（通过 smart plug）、send_usb_packet()。
  26. 若 harness 用 raw LLM APIs（如 direct Gemini API calls）而非 MCP-native client，必须手动在 API schema 注册这些工具并处理 tool calls 分发到 MCP server。
  27. Pipeline Decomposition & Concurrency：拆成独立服务；水平扩展（如多个 workers 并行 Reproducer）时，用 database 或 file locking 确保两个 workers 不同时处理/更新同一 finding。
  28. Parallel Trajectory Search：对 deep reasoning stages (Reproducer, Patcher) 生成多个并行 agents 用不同逻辑路径解同一 finding；Reproducer 一旦一个 worker 成功立即 prune 其他 trajectories 节省 compute 并 escape LLM give-up loops；Patcher 等所有 patches 生成和测试后，评估成功者选最 minimal、idiomatic、correct fix。
  29. Heterogeneous LLM Selection：Frontier Models 用于 deep reasoning (Research, Reproduce, Patch)；Flash/Lite Models 用于 structured utility (Dedupe, Calibrate)；Research 阶段并行运行不同模型增加 bug-hunting coverage。
  30. Evaluation：用便宜模型做 utility stages（如 deduplication/calibration）必须用 benchmark dataset 经验评估质量不降。
  31. Planning Stage：/mantis-plan 生成 workspace/plan.json 定义 targeted investigations、context pointers、specific questions for auditor；/mantis-researcher 启动时读 workspace/plan.json 指导 sweep；通过结构化 contract 解耦 strategy 和 execution，便于指导 subagents、并行 sweeps、跨 pipeline runs 维护历史上下文不重复工作。
  32. Pass Lifecycle Contract 总：自定义 orchestrator 不继承 mantis-meta-agent 的 living-project lifecycle；为支持 continue-after-edits 和 opt-in boundary sync 且不产生 silent wrong results（false VERIFIED_SECURE、false failed_to_reproduce、dropped regressions），实现 harness-agnostic contract；同 schema.json Non-JSON Contracts。
  33. Conformant 步骤 1：每 pass 先 SYNCs（Block C），绝不 mid-pass。
  34. Conformant 步骤 2：只在 sync 后检测 vcs_info 并计算 SNAPSHOT_ID（Block D steps 1-5）。
  35. Conformant 步骤 3：PIN immutable copy + 写 sentinel + append snapshot_history（Block D step 5，不是 RECORD）。
  36. Conformant 步骤 4：Record vcs_info（含 snapshot_id）+ active_snapshot；绝不在 sync 前 record id 或 pin。
  37. Conformant 步骤 5：每个 stage 用 --snapshot_root=<SNAPSHOT_ROOT> --snapshot_id=<SNAPSHOT_ID> --state_root=<workspace parent> 运行。
  38. Conformant 步骤 6：Archive & increment（现有 Stage 15）；重试 findings 保留 original discovery_commit。
  39. 不实现 contract 的 harness 必须 leave snapshot_pinned unset → 保持今天行为；--sync 时在 PIN 步骤 PIN 并正常传 --snapshot_root/--snapshot_id；Block A universal。
  40. Opt-in default off：不设置 snapshot_pinned 的 harness 与今天一致（每 run 一个 live snapshot）；下游 stages 将 absent active_snapshot/discovery_commit 视为 conservative branch；不要把 absent fields 当错误。
  41. Store snapshots OUTSIDE workspace/：pinned copy SNAPSHOT_ROOT 必须位于 <state_root>/.mantis_snapshots/pass_<N>（或 clean-VCS worktree/archive），路径不得包含 /workspace/ 段，否则 mantis-patch state-vs-code path guard 误触发；保留最近 2 snapshots，旧者用匹配 teardown GC（copies rm -rf，worktrees git worktree remove/prune）。
  42. Non-destructive sync only：Sync 是 pass 第一个动作，绝不 mid-pass；tree dirty、ahead of upstream、detached、no upstream 时必须 skip；绝不运行 git reset --hard, git checkout -- ., git clean, hg update -C 或任何丢弃 uncommitted/untracked/local-commit state 的命令；用户编辑和进行中工作必须 survive every pass。
  43. Full-fidelity SNAPSHOT_IDs：对 whole pinned copy 计算 id；clean git/hg → commit_hash；dirty git/hg → commit_hash + : + content_hash；multi-vcs → revision + : + content_hash；no-VCS/unknown copyable tree → content: + content_hash；embedded content hash 让 unchanged dirty/no-VCS tree MATCH across passes 并接受 verification + dedup，让 repo sync 在 manifest revision 不变但 commit 前进时 compare unequal；绝不信任 bare branch name 或 manifest revision string 作为 identity。
  44. Pass three roots to EVERY stage：包括 findings-only stages (report, calibrate, reflect)；它们不读 target code，但仍读 active_snapshot 用于 provenance/annotation；Archive & increment 时 retried findings 保留 original discovery_commit。
  45. Conformance scenario 1 Colocated state：SNAPSHOT_ROOT 在 <state_root>/.mantis_snapshots/pass_<N> 或 clean-VCS worktree/archive，路径不得含 /workspace/；若 state_root 在 CODE_ROOT 内，harness HALT-and-yield 或经授权（如 --auto_relocate_state）在 pinning 前 relocate 到 snapshot 外；Block A step 3 区分 SNAPSHOT-RELATIVE 和 STATE-RELATIVE fields。
  46. Scenario 2 Stale active_snapshot：确保 consumer stages 读前 active_snapshot.pass == state.pass_number；若 prior snapshot dir missing，Block D step 0 STOP yield user（绝不 re-pin 到可能漂移 live tree）；若 dir exists 且 sentinel matches preserved id，Block A step 2 可能成功且 Block B 可能静默丢 finding；若跨 Stage 15 pass increment 保留 active_snapshot 而不 re-pin，必须每 pass re-pin 或注入 pre-stage gate 刷新 active_snapshot.pass 或清空 active_snapshot；Stage 不能靠 Block B 自检，因为 Block B 只看 snapshot_id 不看 pass。
  47. Scenario 3 Pin failure：Block D step 2 free-space precheck 比较 du -s live tree 和 df free space at state_root；不够则 skip copy → step 5b；Block D step 4 failure-tolerant verify 检查 copy exit status + sanity check（file count/size within ~90%）；失败 → step 5b；Step 5b 设 SNAPSHOT_ROOT=<live root>, snapshot_pinned=false, SNAPSHOT_ID=live:+ISO8601；仍写 active_snapshot 并传 roots 让 stages 看到 HALT；所有 stages 保守降级：禁止 authoritative verdicts（VERIFIED_SECURE, failed_to_reproduce, DUPLICATE, FALSE_POSITIVE, NON_VIABLE）；Block B 总是 NOT_MATCHED；reproduce 记录 not_attempted；patch 最多 VERIFICATION_INCOMPLETE。
  48. Scenario 4 Patched shadows：mantis-patch 传 --target_root=<PATCHED_SHADOW_ROOT> 和 --snapshot_pinned=false 给 reproduce sub-agent 做 re-attack verification；Block A step 1a：CODE_ROOT = --target_root（authoritative override，覆盖 --snapshot_root 和 state fallback）；Block A step 2：sentinel check SKIPPED（--target_root tree 故意 mutated，sentinel-EXEMPT）；--snapshot_pinned=false 是 sentinel-exemption，不是 HALT signal；检测 HALT 读 STATE（active_snapshot.snapshot_id 以 live: 开头，或 active_snapshot.snapshot_pinned 为 false），绝不要从这个 invocation 传的参数判断；finding 的 discovery_commit 不受影响，保留 pass-level SNAPSHOT_ID；只有 --snapshot_pinned=false argument 是本地 reattack invocation。
  49. Scenario 5 Different-snapshot duplicate candidates：两 pass 都正确 pinned；findings 来自不同 snapshots；mantis-dedupe Block B pairwise 比较 CURRENT finding discovery_commit 与 ARCHIVED finding discovery_commit（不是 global SNAPSHOT_ID）；不同 → NOT_MATCHED；NOT_MATCHED 保持 current ACTIVE 并设 possible_duplicate_of（soft non-terminal hint，不 filter/trash）；若 archived finding RESOLVED（patch_status in {VERIFIED_SECURE, MITIGATION_PROPOSED} 或 status==FALSE_POSITIVE 或 production_viability==NON_VIABLE）且 pair NOT_MATCHED → POSSIBLE REGRESSION：保持 ACTIVE，加 history note，绝不 filter。
  50. Scenario 6 Absent sink evidence：mantis-reproduce Block F 若 EVIDENCE 不存在（compiler/build nonzero exit、exit 127 command-not-found、exit 2 No such file、sink 从未 reached）→ repro_status = not_attempted（retry-eligible），STOP；绝不 failed_to_reproduce；--reattack 模式 leave reattack_status UNSET 并 history note setup_failed，绝不 failed_to_bypass；failed_to_reproduce 仅当 harness 可证明到达 vulnerable entrypoint（reached-sink evidence，不是 setup evidence）但 bug 未触发；reached-sink evidence 必须来自 invoked path 内或 target-produced tracing/backtraces：(a) PoC script/source harness 在 sink call 前写 MANTIS_REACHED_ENTRYPOINT 到 sidecar file，且 marker write 是 invoked path 一部分，不是 pre-launch step；或 (b) binary/firmware/raw-payload targets 的 captured crash backtrace 或 sanitizer trace（ASan/UBSan/MSan/TSan）明确命名 target sink function；外部 wrapper 在调用 target 前写的 marker 只是 SETUP EVIDENCE，不足以 justify failed_to_reproduce，视为 EVIDENCE ABSENT；evidence 记录在 repro_hints；HALT 模式下 HALT ceiling 强制 not_attempted（无 failed_to_reproduce）。
  51. Guideline 6 总：大规模代码库用 semantic retrieval layer 让 planner/researcher 查询相关 KB entries 和 code locations；两种实现共享数据契约：Option A 默认 skill-based BM25/TF-IDF helper script over chunks.jsonl，零外部依赖，air-gapped，可选 vector embeddings；Option B MCP-based 持久 vector index，提供 semantic_search_kb/semantic_search_code MCP tools；两者 opt-in，不修改 existing skills；retrieval results 是 coverage HINTs only，决定 ordering/prioritization，绝不决定 audit set membership；miss 绝不能导致文件/call-site/investigation 被 skip/drop。
  52. RAG A chunks.jsonl：Stage 2 /mantis-architecture 完成后抽取 chunks 到 workspace/kb/chunks.jsonl（每行 JSON）；harness 可 post-hoc 读 workspace/kb/*.md，或指示 architecture skill 在 synthesis 时写为 text-only side effect；KB chunks 来自 workspace/kb/*.md，code chunks 来自 CODE_ROOT pinned snapshot，含 file path 和 line range；首行 provenance header 记录 SNAPSHOT_ID；serve queries 前检查 provenance header snapshot_id 与 current SNAPSHOT_ID，不同则 rebuild；MODE-OFF 无 active_snapshot 时 skip index 并 fallback manual scanning；绝不从 live tree 构建 code chunks。
  53. RAG Option A：专用 skill 读 chunks.jsonl 并写+运行 helper script（如 workspace/helpers/search_chunks.py）做 BM25/TF-IDF similarity search；脚本由 agent 运行时生成，不随 skill 发布；零外部依赖，无 embedding/vector store/MCP；参考 references/mantis-kb-query.md，含 Block A、chunk provenance checking、versioned helper script contract (MANTIS_HELPER_VERSION = 1)、JSON output schema；planner/researcher 作为 sub-agent 带 query string 调用；若有 vector embeddings，可用 cosine similarity 替代 BM25，作为运行时配置 toggle；skill 通过 Block A 从 state 读 active_snapshot，serve 前检查 chunk provenance。
  54. RAG Option B：very large codebases 每 invocation BM25 太慢时，harness 拥有 persistent vector index with embeddings，提供 semantic_search_kb(query: string) → [{id, source_file, entity_type, chunk_text, score}] 和 semantic_search_code(query: string) → [{file, start_line, end_line, snippet, score}]；harness 管理 vector index lifecycle：从 chunks.jsonl 或 CODE_ROOT build，SNAPSHOT_ID 变化时 rebuild，处理 freshness checks；HALT 模式 serve with STALE flag 或 refuse；MODE-OFF skip entirely。
  55. RAG Per-Skill Augmentation：mantis-architecture 无需修改，harness 在 Stage 2 后 chunk workspace/kb/*.md，可选指示 architect 在 synthesis (Step 3) 也写 workspace/kb/chunks.jsonl 作为 text-only side effect；mantis-plan 若有 retrieval 机制，用它发现 kb_references，对每个 investigation 用 title 和 target file names 查询，将 top-K matching KB entity/vulnerability files 加入 kb_references，无机制时 fallback 手动扫 index.md；mantis-researcher 若有 retrieval，Wave 1 sub-agents 用它 PRIORITIZE relevant call-sites 和 cross-module data flows into sinks，semantic search 补充 grep 作为 ranking HINT ONLY，决定 ORDER 绝不 MEMBERSHIP，不能替代 exhaustive Step-3 call-site sweep，full grep 能到达的每个 call-site/data-flow 仍必须审计，审计 union of grep results and semantic search results，Wave 1/Wave 2 structure 不变。
  56. RAG Snapshot Safety：retrieval index 是 pinned snapshot 的 cache，不是 live view；从 CODE_ROOT 构建 code chunks；SNAPSHOT_ID 变化时 rebuild；HALT (snapshot_pinned=false) 时 serve with STALE flag 或 refuse；MODE-OFF skip entirely。
  57. Embedding-Based Deduplication Pre-Filtering 总：多 pass 大代码库时 dedupe O(n×m) LLM 对比昂贵慢；harness 可用 embeddings 作为 fast pre-filter 减少 candidate space before /mantis-dedupe；skill 现有 deterministic matching (code_paths + title + discovery_commit) 仍是 hard dedup decisions 唯一 authority；harness-side opt-in，不修改 /mantis-dedupe。
  58. Dedup pre-filter How It Works：harness 读 all current workspace/findings/*.json 和 archived workspace/archive/findings_pass_*/*.json；对每个 finding 从 normalized text representation（如 title + description + first code_paths entry with line stripped）计算 embedding；计算 current vs archived pairwise cosine similarity，surface candidate pairs above configurable threshold（如 0.85）；写 candidate-pairs manifest（如 workspace/helpers/dedup_candidates.json）含 UUID pairs 和 similarity scores；调用 /mantis-dedupe 如常，若 manifest 存在则指示 skill 优先这些 pairs 做 LLM pairwise comparison；所有 deterministic matching rules 不变，manifest 只缩小搜索空间。
  59. Dedup pre-filter Safety Guardrails：pre-filter only never decision，embedding similarity 不得导致 DUPLICATE verdict、trash move、possible_duplicate_of assignment，只有 skill 现有 code_paths、title、discovery_commit checks 可以；threshold 设低（如 0.75）避免漏真 duplicates，宁可 surface 太多 candidates 也不漏；若 embedding computation 不可用、manifest 缺失或任何 error，/mantis-dedupe fallback 到现有 O(n×m) comparison，manifest 缺失时 skill 不得停止或报错；harness 不应在不同 discovery_commit 值之间计算 embeddings 而不标记为 cross-snapshot candidates，skill Block B pairwise 处理最终 MATCHED/NOT_MATCHED。
  60. Dedup pre-filter Shared Infrastructure：若也实现 Guideline 6，复用同一 vector embedding infrastructure 做 finding embeddings；finding embedding 是不同 payload（finding JSON，不是 KB chunks），但同一 embedding 能力可服务两者。
  61. Enterprise Vector Architecture：企业部署可把 SQLite vector storage 换 managed cloud vector engines：Cloud Spanner Vector Search 适合 mission-critical enterprise pipelines 需 global ACID consistency、99.999% availability、synchronized finding lineage tracking，findings 和 lineage_vectors 存 Spanner with ARRAY<FLOAT32> vector columns，用 COSINE_DISTANCE 和 KNN search indexes 做 real-time finding dedup during parallel scan passes；Cloud SQL for PostgreSQL (pgvector) 适合标准 enterprise relational backends，启用 vector extension，finding embeddings 存 vector(768) 或 vector(256) 列，用 HNSW (vector_cosine_ops) 或 IVFFlat indexes 做 sub-millisecond similarity queries；AlloyDB for PostgreSQL 适合 high-throughput multi-agent audit farms，利用 AlloyDB columnar vector engine 和 ScaNN-based approximate nearest neighbor indexing 比标准 PostgreSQL 快最多 10x vector queries；BigQuery Vector Search 适合 batch analytical processing、organization-wide threat intelligence clustering、cross-campaign vulnerability lineage analysis，ingest finding embeddings into BigQuery，执行 VECTOR_SEARCH(TABLE findings, embedding, ...) with COSINE distance 做 serverless batch dedup 和 historical regression analytics。
  62. SAST Seeding 总：Mantis discovery 100% LLM-generative，弱 LLM 会结构性漏 whole-program taint classes（injection, path traversal, deserialization, UAF, format-string），成熟 SAST（CodeQL, Semgrep-taint）有 interprocedural queries；SAST seeding adapter 摄取外部工具 findings 为 PROVISIONALLY_VALID/NEEDS_RESEARCH candidates，必须经过未改变下游 gates 获得 verdict；纯 additive (INV-2-strengthening)，扩大 detection breadth 不弱化 verification gate；遵循 Guideline 6 RAG 模式：opt-in, default off, provenance-tracked, snapshot-aware, fallback on failure。
  63. SAST Platform-agnostic IR：不绑定 SARIF，消费 minimal JSONL IR；任何 SAST 输出（SARIF, Semgrep JSON, Bandit JSON 等）由 thin wrapper 转成 IR；Option A 默认 skill-based /mantis-sast-seed 读 IR 并用 LLM reasoning normalize findings into mantis finding JSONs，LLM 读 CODE_ROOT 下实际源码验证并 enrich description with root-cause analysis，零外部依赖，air-gapped；Option B 最大控制 harness-based 直接用 deterministic code normalize（如 SARIF-to-finding converter script），normalization 绕过 LLM，harness 在调用 /mantis-dedupe 前写 finding JSONs 到 workspace/findings/；两者 opt-in，不修改现有 skills；seeded findings 进入 workspace/findings/ 与 researcher findings 一起，流经未改变下游 gates（dedupe -> review -> critic -> reproduce -> patch -> calibrate）；参考 references/mantis-sast-seed.md。
  64. SAST Data Contract sast_findings.jsonl：IR JSONL at workspace/sast_findings.jsonl (STATE-RELATIVE)，同 chunks.jsonl provenance-header pattern；Line 1 header 含 _provenance: true, scan_snapshot_id, tool, tool_version, scan_timestamp；scan_snapshot_id 是扫描所对 SNAPSHOT_ID，primary provenance anchor，与 current pass SNAPSHOT_ID byte-for-byte 比较（同 Block B），若对 pinned CODE_ROOT 跑 SAST 则设为 SNAPSHOT_ID；Lines 2+ finding per line 字段：rule_id required tool-specific rule id，severity required CRITICAL/HIGH/MEDIUM/LOW，code_paths required file:line strings SNAPSHOT-RELATIVE，message required，rule_name optional，cwe optional；IR conversion harness responsibility：SARIF extract ruleId，map level to severity (error->HIGH, warning->MEDIUM, note->LOW)，extract locations to code_paths，copy message.text；Semgrep JSON extract check_id as rule_id，map extra.severity to Mantis severity，extract path:start.line as code_paths，copy extra.message。
  65. SAST Option A skill-based：专用 skill 读 sast_findings.jsonl，应用 allow-listing，验证 provenance，计算 signature/lineage_id/discovery_commit，写 finding JSONs；LLM 读 CODE_ROOT 下每个 reported location 实际源码验证并 enrich description；harness 在 Stage 6 (Research) 后、Stage 7 (Dedupe) 前用 --snapshot_root/--snapshot_id/--state_root 调用 /mantis-sast-seed；seeded findings 在 /mantis-dedupe 前落到 workspace/findings/；若 sast_findings.jsonl 不存在，skill 输出空并通知 caller，绝不失败；anti-hallucination：LLM 必须在写 finding JSON 前读实际代码，不得发明 SAST 输出中不存在的 findings，sast_provenance.line_verified 记录验证是否成功；skill 通过 Block A 从 state 读 active_snapshot，仅当 snapshot pinned 且 location 在 CODE_ROOT 下验证通过才 stamp discovery_commit。
  66. SAST Option B harness-based：harness 读 SAST tool output，deterministically parse，写 finding JSONs 到 workspace/findings/；仅当 scan 可证明对 pinned CODE_ROOT 运行才 stamp discovery_commit；应用 allow-listing filters；调用 /mantis-dedupe 如常，seeded findings 与 researcher findings 不可区分。
  67. SAST Provenance Verification ladder：1 通过 Block A 从 workspace/.mantis_state.json 读 active_snapshot，若 absent 是 MODE-OFF，跳 step 5；2 若 snapshot_pinned false 是 HALT，跳 step 6；3 读 IR provenance header scan_snapshot_id；4 VERIFIED：scan_snapshot_id present 且 exactly equals SNAPSHOT_ID，stamp discovery_commit = SNAPSHOT_ID，status PROVISIONALLY_VALID；5 MODE-OFF：active_snapshot absent，OMIT discovery_commit，status PROVISIONALLY_VALID；6 HALT：snapshot_pinned false，OMIT discovery_commit，status NEEDS_RESEARCH；7 DRIFT：scan_snapshot_id present but differs，OMIT discovery_commit entirely，status NEEDS_RESEARCH；8 UNVERIFIED：scan_snapshot_id absent，OMIT discovery_commit，status NEEDS_RESEARCH；当 VERIFIED 或 DRIFT 且 CODE_ROOT resolved，做 line-existence verification：对每个 code_paths entry strip trailing :line，检查文件在 CODE_ROOT 下存在，检查 line number 在文件 line count 内，若文件缺失或 line 超范围 downgrade to DRIFT（omit discovery_commit, status NEEDS_RESEARCH）；这是同 discovery_commit 和 signature/lineage_id 的 UNTRUSTED-IF-ABSENT pattern。
  68. SAST Allow-Listing：workspace/sast_allowlist.json optional config STATE-RELATIVE，含 enabled, severity_filter, cwe_allowlist, rule_allowlist, per_rule_cap, total_cap；若 config 缺失 defaults: CRITICAL+HIGH only, per_rule_cap=5, total_cap=50；allow-listing 保护 retry cap：/mantis-reproduce 每 finding 硬上限 6 attempts（absolute，never reset），若 1000 SAST findings 无过滤 seeded，reproduce 需最多 6000 attempts，staving retry budget；allow-listing chain（severity filter -> CWE/rule filters -> per-rule cap -> total cap）确保只有 bounded high-signal candidates 进入 pipeline，review (13-rule negative filter) 和 critic (production viability) 进一步过滤 before reproduce。
  69. SAST Per-Skill Augmentation：当 SAST seed skill 可用，harness 在 Stage 6 (Research) 和 Stage 7 (Dedupe) 之间调用 /mantis-sast-seed with --snapshot_root/--snapshot_id/--state_root；mantis-meta-agent 在 /mantis-researcher 完成后、/mantis-dedupe 前调用；mantis-dedupe 无需修改，seeded findings 与 researcher findings 一样处理（signature-based matching, Block B pairwise）；mantis-review 无需修改，13-rule negative filter 同样适用；mantis-report 无需修改，sast_provenance informational 可显示。
  70. SAST Snapshot Safety：SAST seed adapter 同其他 code-reading skill 遵循 Block A：从 --snapshot_root/state active_snapshot 解析 CODE_ROOT；遵守 sentinel check (Block A step 2)；读 CODE_ROOT 下源码（SNAPSHOT-RELATIVE）做 line-existence verification；写 findings 到 state_root/workspace/findings/ (STATE-RELATIVE)；pinned 时绝不写 CODE_ROOT 下；MODE-OFF 无 discovery_commit，所有 verdicts permitted；HALT 省略 discovery_commit，seeded findings 得 NEEDS_RESEARCH；PINNED 验证每个 finding location under CODE_ROOT，verified 则 stamp discovery_commit = SNAPSHOT_ID；SAST tool output 本身不 snapshot-aware，adapter provenance verification 在 stamp 前将每个 finding 重新 grounding 到 pinned CODE_ROOT。
  71. SAST Safety Guardrails：纯 additive，seeded findings 是 PROVISIONALLY_VALID/NEEDS_RESEARCH candidates，必须通过未改变下游 gates：dedupe (Block B), review (13-rule filter), critic (viability), reproduce (Block F reached-sink evidence + HALT ceiling), patch (Block G re-attack), calibrate (sanity caps)；no gate weakened；no false VERIFIED_SECURE：seeded findings 从 PROVISIONALLY_VALID 开始，必须通过 full patch + re-attack pipeline 才能到 VERIFIED_SECURE；no false failed_to_reproduce：到 reproduce 受同 Block F evidence gate 和 HALT ceiling；no dropped regression：若 SAST-seeded finding 匹配 archived finding 且不同 discovery_commit，Block B 返回 NOT_MATCHED -> possible_duplicate_of -> finding 保持 active；fail-safe on missing data：若 sast_findings.jsonl 不存在，不写 findings；若 finding 不能验证，NEEDS_RESEARCH；no existing skills modified：adapter 在 /mantis-dedupe 前写 findings 到 workspace/findings/；sast_provenance informational only，不影响 safety-critical invariant/gate/verdict，finding 的 discovery_commit 才 governs Block B snapshot matching。
  72. Structural Code Index 总：大代码库 grep call-site 不可靠（漏间接调用、无法区分注释/字符串、无函数边界意识）；结构代码索引提供 AST-level context（function boundaries, call graphs, symbol tables）改善 LLM reasoning quality during discovery；遵循 RAG pattern：optional, provenance-tracked, snapshot-aware, fallback on failure；coverage HINT only，决定 ordering/prioritization，绝不决定 audit set membership；miss 绝不能导致文件/call-site/investigation 被 skip/drop；完整规范在 ../mantis-structural-index/SKILL.md，thin blueprint references/mantis-structural-index.md；Option A 默认 skill-based mantis-structural-index 生成并运行 helper scripts (build_structural_index.py 和 query_structural_index.py, both # MANTIS_HELPER_VERSION = 5) 使用 capability-based per-partition backend selection，degrading to grep；Option B MCP-based harness 拥有 persistent structural index serving find_callers(symbol), find_callees(function), get_function_boundary(file, line) MCP tools，backed by same SQLite serving store；两者 optional；non-conformant harness 跳过 stage；consumers 必须用 query interface (query_structural_index.py) 而不是直接过滤 JSONL；query interface 提供 bounded results, pagination, explicit name resolution, precision/backend metadata, coverage on empty results。
  73. Structural Per-Skill Augmentation：mantis-architecture 可选读 pre-built structural index (built by mantis-structural-index at Stage 0.5) during KB synthesis，与 dependencies.json 交叉引用；mantis-plan 用 structural index 做 function-level dependency fan-out（比 file-level dependencies.json 更 precise）；mantis-researcher Wave 1 sub-agents 用 find_callers() SUPPLEMENT grep 作为 ranking HINT for call-site discovery，决定 ORDER 绝不 MEMBERSHIP，绝不能替代 exhaustive Step-3 call-site sweep，full grep 能到达的每个 call-site 仍必须审计，无论 structural index 是否排名，审计 union of grep results and structural index results；Wave 2 deep auditors 用 get_function_boundary() 从 enclosing function 开始，按需扩展到 callers/callees/file 获取 cross-function context；researcher 现有 Wave 1/Wave 2 structure 不变。
  74. Structural Integration with RAG：structural index entries 可加入 chunks.jsonl 作为 entity_type: structural chunks；code chunks 可通过 structural index function boundaries 变成 function-boundary-aligned（而非 dumb line-range slices）；若两者都实现，structural index 和 RAG index 可共享同一 vector embedding infrastructure。
  75. Tiered Iterative Reproduction 总：复杂服务 single-shot reproduction 对 full sandboxed service 常有高 search entropy、脆配置、难调试失败；分层策略拆复现为 incremental milestones，inter-conversation retry architecture 防止 reasoning deadlocks 和 context bloat。
  76. Tiered A1 Intra-Conversation Retries：active subagent conversation 在其 context window 内本地重试 2–3 次调整参数、修复 setup bugs、refine payloads。
  77. Tiered A2 Inter-Conversation Retries：若 intra-conversation retries 未达 Tier 3 (reproduced)，orchestrator 终止 stalled conversation 并启动 new subagent conversation（fresh context window）；orchestrator 用 state_root/workspace/archive/.repro_attempts.json 的结构化 attempt data 和 workspace/learnings.jsonl 的 trajectory learnings 填充新 prompt（如 Attempt 1 failed due to missing auth header X; Attempt 2 proved parser strips unescaped quotes）；消除 context bloat 和 reasoning inertia（hallucination traps），让 fresh agent 用 prior empirical observations 解决问题而不重复错误。
  78. Tiered A3 Attempt Cap Accounting：orchestrator 维护 state_root/workspace/archive/.repro_attempts.json；只有 Tier-3 full sandboxed service executions（或 full end-to-end reproducer runs）递增 per-finding attempt counter toward absolute hard ceiling of 6；内部 Tier-1 和 Tier-2 trial runs 由 local sub-budget 限制（每 conversation 最多 3 trial executions），不消耗 absolute 6-attempt cap。
  79. Tiered B Harness-Enforced Tier 4：防 un-gated exploit execution on live infra，Tier 4 严格由 programmatic orchestrator harness 拥有/执行，绝不由 LLM discretion；mantis-reproduce 严格在 isolated local sandboxes (Tiers 1–3) 执行，结束于 Tier 3 (reproduced/failed_to_reproduce)；harness intercepts Tier 3 reproduced verdict，若配置 live/staging validation (Tier 4)，不得自动调用 remote execution，必须执行 programmatic Human-in-the-Loop gate：prompt human operator for explicit interactive confirmation，或 require cryptographically signed approval token / authorization callback；若 human approval 缺失或拒绝，Tier 4 skipped，Tier 3 sandboxed verdict remains authoritative。
  80. Tiered C Local Ingress / Middlebox Edge Annotation：消除 default edge filters 导致的 false positives（Works on localhost:8080, but dies at WAF/proxy），orchestrator 可选执行 Tier 3 PoC through local reverse proxy 或 API gateway（如 NGINX, Envoy, ModSecurity）running inside local sandbox；payload blocked by local middlebox 绝不能 downgrade Tier 3 reproduced verdict to failed_to_reproduce；harness 记录 ingress_blocked: true（或 edge filter details）在 finding 的 repro_hints 或 history，提供 empirical evidence for /mantis-critic 分类 production_viability as CONDITIONAL_VIABLE（mitigated by default edge proxy configuration）。

适用边界 · 注意事项