1. 本來只想疾馳打臉，最後蓋了一間研究所
目標原本只是用AI找出目前最強牌組。固定Set 8、826張卡資料庫、engine commit、環境hash、合法deck與seed。歷史基準12,480局達到rule coverage 100%、unsupported 0、rule gap 0，raw AI仍交出Sword約79.8%、Rune約25.6%的異世界成績。
跑一萬次不會自動變真理，也可能只是高速重複同一個誤會。
2. 加入人類建議反而變弱，平均也會騙人
human-prior-v1 exact A/B為2,016 paired units / 4,032 games，baseline 50.99%，新策略49.36%，-1.64pt。Adaptive v2整體+0.74pt，卻因Runecraft -6.25pt觸發leader floor而REJECT；T11也因Abysscraft -16.67pt等失敗。
人類建議有條件，fixed weight卻可能把上下文殺掉。平均及格，不代表每個leader都沒有著火。
3. 根因分析先抓到研究系統自己的bug
發現max_nodes=160並未真正接到planner，以及actor與fixed-player視角混淆導致因果方向顛倒。平台bug修好後，廣泛性能仍未恢復。
Set 8 policy研究在20 experiments / 31,406 confirmed engine games後以PAUSED_COMPLETE_NO_PROMOTION結束。439 discordant units中完整解釋0、部分11、未解428。active保持human-prior-v1，8,064局final unseen holdout繼續封存。
4. 52套市場牌組打46,900局，誕生「腦死互毆榜」
市場corpus為52 decks / 25 archetypes / 7 leaders，市場分析46,900局；另有推薦7套直接7×7共1,512局。平均：Buff Forest 71.99%、Rally Sword 65.97%、Midrange Abyss 54.17%、Artifact Portal 54.17%、Ramp Dragon 53.70%、Evolution Haven 31.71%、Calgidensula Witch 18.29%。
這些是simulator-direct，不是天梯勝率。越是「現在強的操作未來也強」的牌組越容易被現AI駕馭；需要先吃虧換未來爆發的牌組更難。
5. 人類比賽裡Witch像在另一個宇宙
2026-08-08 Dexel Rising Cup #2的384份牌組中，Hand Witch有116份、約30.2%，為最多。AI直接7×7的Calgidensula Witch卻以18.29%墊底。不能假設兩者是同一40張，但人類與AI的Witch運用差距明顯。
Rally Sword在人類與AI兩邊都強，支持「對錯誤操作更耐受的策略可能更適合一般玩家」的實用假說。
6. Future Optionality：規則懂，順序與計畫幾乎沒有
審計7 leaders / 24 mechanics的RULE、STATE、VISIBILITY、IMMEDIATE VALUE、FUTURE VALUE、SEQUENCE、SEARCH、PLAN。27,810 decisions / 118,575 root candidates中僅8,878、7.49%有explicit future value。rule/state/immediate 24/24 supported，但sequence 23/24 MISSING、plan 20/24 MISSING。
Witch的抽牌順序、Dragon的PP與Awakening都顯示未來選擇權很重要。Dragon的12個MYOPIC_REVERSAL診斷=ramp 6 + Awakening 6，但沒有變成硬編碼bonus。
7. 真正做出三回合closed-loop planner
至少推進3個future turn boundaries，每次只執行一個action，觀察draw/random/opponent action後重新規劃，不偷看hidden hand或future draw order。
56局Ablation中root action 3,979/3,979、3-turn completion 100%、hidden-info 0、replans 81,621、plan changes 35,821。實作成功，性能卻比human-prior-v1低-25.0到-37.5pt。看得更遠，也錯得更遠。
8. leaf calibration拆開排序崩壞的位置
捕捉3,979 root-action leaves、1,009 unique leaves，生成54,208 terminal rollout rows。73個first divergence中leaf weighting 59、chance aggregation 12、opponent backup 2。
因此主要嫌疑不只是horizon，而是如何評價三回合後的leaf。舊Dragon 12個proxy在真實三回合search僅1/12實際改向ramp，再次證明proxy不是ground truth。
9. learned value預測更好，卻更不會選第一名
fresh holdout v1.1：727 leaves / 104 roots / 22,768 terminal rollouts、7 leaders。Brier 0.1144→0.0972，pairwise 75.7→78.9%改善。
但root argmax 59.6→39.4%、top2 73.1→64.4%、top3 82.7→76.0%、mean regret 4.42→5.29pt；Forest/Haven/Portal floor失敗。HOLD_OFFLINE。
預測漂亮不等於會按正確的牌。
10. 改成從lethal往回推
用LETHAL ← damage ← PP ← cards ← Spellboost/Awakening/Rally threshold ← current action做goal regression。Ramp的價值不是「+8分」，而是某條實際勝路需要按時抵達8PP。
從目標往後產生必要條件，再用真實engine往前驗證。
11. 也從自己的死亡往回推
從SELF_LOSS反推對手所需傷害、board damage、手牌追加damage、Ward處理、PP與公開資訊，判斷現在action切掉哪些對手勝路。
只追求安全會變成一直回血最後照樣輸的AI。RISK_REQUIRED允許在安全線幾乎無勝率時，選擇仍保留最高勝機的非forced-loss風險線。
12. 「強制」必須附證明範圍
勝方分PROVEN_WIN_NOW、FORCED_WIN_FULLY_OBSERVABLE_SUBTREE、FORCED_WIN_WITHIN_ENUMERATED_RESPONSE_SET、ROBUST_WIN_BELIEF、CONDITIONAL_WIN。敗方同樣區分proof、belief、conditional。
proof search中self=OR、opponent=AND；chance若稱確定必須涵蓋所有reachable outcomes。hidden hand truth、future draw order、strategy fusion一律禁止，只在觀測後replan。
13. action優先級改為階段gate
順序：proven win now → fully observable forced → enumerated forced → 排除可避免的proof-level forced loss → 最大expected final win probability → near-tie safety → robustness → route progress/cut → validated continuation value。
belief/conditional win不是forced。只有勝率更低且loss risk更高的action才能當strictly dominated排除。
14. 三回合是最低距離，不是一堵牆
初始H_MIN=3、selective H_MAX=5。只有lethal、forced response、重要threshold、delayed payoff或near tie尚未解決的branch延長。
rollout從32/candidate開始，模糊top候選追加64→128→256。root分UNIQUE_BEST / PRACTICAL_TIE / UNRESOLVED；epsilon 0.02/0.03/0.05只在development比較，新holdout前凍結。
15. 新QC：先抓自信滿滿的錯誤，再談最強AI
Primary要求hidden-info、future-draw、rule gap、strategy fusion、false proven、forced scope mislabel、chance completeness violation、lethal miss、avoidable forced loss、leakage全部0。再檢查7 leader coverage、argmax、mean/p90/p95 regret、leader floors、top2 best-set。
Brier/pairwise/calibration只是Secondary，不能救Primary failure。v1.1 holdout永久消耗，不再用於訓練與調參。
給AI未來，它變弱；教它勝率，預測變好但最佳動作變差。所以接下來同時從勝利與失敗反推，而且只有證據範圍真的支持時才叫「強制」。
用AI打造最強AI。目前QC可能比遊戲AI更強。這反而是健康的順序。
