内容
-tools — 面向 AI 的 Rocq 证明器工具层
[
](https://img.shields/dashboard-results-2d6?style=for-thehttps://llm4.github.io/roc/)
一个**经验设计中立的 MCP层**，允许 LLM 代理驱动 Rocq（Coq）证明器 — 以及受控实验。从一个朴素的控制工具 = 一个完整的 `rocq compile`）开始了一个弱代理哪里会失败，并迭代接口，每次一个可衡量的变化，与每个存储桶的基准线进行比较；每个设计决策都有数字支持，每个证明只有通过反游戏正确性门才能被接受。该层是一个独立的 OCaml 项目，链接到安装的 Rocq 9.1.1 库 — **无需修改 Rocq 源代码** — 并且是一个可以是弱模型，也可以是强模型，通过预注册的最佳-最差情况跨进行选择。
这里开始**：[``](STATUS.md) 分钟状态）·docs/REPORT.md/REPORT.md)（）·
[`ESIGN.md`](docs/DESIGN.md)（每个决策的理由）。
## 主要结果
所有三个目标，按难度分类（简单/中等），dev60。
solve** = 平均每次成本 ÷ 通过率每解决一个证明的失败）；**wall 平均每次尝试的秒SOTA =
[rocq-mcp](https://github.com/LLM4q/rocq-mcp相同的测试框架、门控和策略（仅在设计首次接触；" = 通过即时握重新运行，在审计发现竞赛服务器启动后完整故事在 REPORT| 接口 | 策 通过率 | $ / solve | wall 秒 |
| --- | --- | --- | --- |
| 整个文件（控制）| haiku | .4425 / .30 | .18 / .44 / | 90 / 122 / 157 |
| rocq-mcp（SOTA，公平）| haiku68 / .35 / .33 | .08 / .22 / .31 | 65 / 76 / |
| **`universal`**）| haiku | **.66 / .58 / .40** | .10 / .16 / .23 | 59 / 7174 |
| 朴素整个文件 | sonnet | .93 / .9580 | .0915 / .18 | 61 / 77 / 112 |
| rocq-mcp（SOTA，公平）| sonnet | .95 / .93 / . .11 / .1926 | 50 / 64 / 105 |
| **`universal`** | sonnet | **.95 / 1.00 / .85**.07 / / .13** | **36 / 42 / 85** |
| 朴素整个文件 | fable | .95 / 1 / .95 | .09 / .19 / . 51 / 73 (1 次复制) |
| **`universal`** | fable | **.95 / 1.00 / 1.00** | .14 / .1629 | 4941 / 57 (1 次复制) |
| `frozen` — ** miniF2F 测试 | haiku | .52 / .13 / .04 | — | 单次登录运行 |
读取：`universal` 在 **所有三个策略层** 的每个存储桶中都是最佳或并列最佳；在 sonnet 上，它同时是最准确 **和** 每解决一个证明的最便宜的；公平的 SOTA 比较：在 sonnet 上接近准确性平等，rocq-mcp 在 haiku 上边缘容易；rocq-tools 领先中等/困难，并且在 sonnet 上一个证明的成本约为一半。
**阶梯（弱策略）：线 `.44/.25/.30` → 获胜者 `.70/.525/.（4 次复制）通过 6 次保留4 次回滚的测量变化，**-45 % 成本，-55 % wall**；
每次交互的证明者延迟 **266 ms → ~1 ms**（持久的进程内会话 + O(1) 快照回滚 vs 完整重新编译）。可扩展性：在 N=8 个代理时，约 80% 的并行效率，≈6× 解决的证明/小时 vs 控制。
> **设计法则，从 10 次消融：** *在零边际回合成本下，最大化证明者基础信息每模型回合。* 所有将信息推送到现有回合（尝试，提示，自动关闭，是否意味着，预加载）的内容都赢了；所有花费一个回合或丢失上下文以获取它的内容（拉取搜索工具，紧凑渲染，3 代理中继）都丢失了。
诚实笔记：haiku universal hard 为 .400±.14（4 次复制），比 haiku 专用配置低 0.075；
sonnet medium `1.00` 为 2/2 次复制；保留行是单个冻结配置运行
（无测试问题影响任何决策）；强策略附件为 1-2 次复制。
## 工具 — 一个策略中立的 MCP 服务器（`rocq`）
代理通过 stdio 与 `rocq-mcp` 进行 MCP 通信。整个证明和增量样式都是 **一个** 服务器中的一流。所有工具和增强功能启用（使用 `ROCQ_ENABLE_TOOLS` 修剪，禁用功能使用 `ROCQ_<FEATURE>=0`| 工具 | 它能做什么 |
| --- | --- |
| `build{file}` | 在中诊断整个文件顶级块都会失败的证明在被 `Admitted因此依赖项仍然会 您一次可以得到** 损坏的证明，然后通过 `open`每个证明。纯诊断。 |
|{file, theorem | 在运行时打开v 文件并启动重新启动）一个针对命名定理（其旧证明mitted` 被忽略，并且任何 **较早** 的损坏证明自动被 `Admitted`，以便每个定理都是可达的 — 任意顺序修复孔）。项目加载路径从文件位置自动发现。 |
| `check{script}` | 在一次调用中提交一个 **完整** 的证明（`Proof. … Qed.`）。成功时，完成；失败时，有效前缀保持提交，您位于带有实时目标的失败句子处 — 修复或重新提交。 |
| `step{text}` | 逐步执行一个或多个句子；每次成功都永久提交，第一个失败报告一个结构化错误，并将状态留在最后一个成功处。查询（`Search`/`Check`）也在这里运行。 |
| `try{candidates}` | 从当前状态 **推测性** 测试最多 8 个候选脚本；第一个完全成功的是提交的（k 个想法，一个回合）。 |
| `auto_close{}` | 在当前目标上运行标准终结者投资组合（lia/lra/nra/nia/ring/…）；如果一个成功，则提交一个终结者。便宜 — 可以随意调用。 |
| `rollback{count}` | 撤销上一次提交的句子（O(1) 状态交换），并显示您返回的目标。 |
| `state{}` | 重新渲染所有打开的目标和到目前为止的已提交证明。 |
跨切割增强（零额外回合，全部默认开启；使用 `=0` 禁用）：
- **错误提示** (`ROCQ_HINTS`) — 将 Lean 和常见错误重 Rocq 形式联到错误有效载荷中。
-意味着** (`ROCQ_SUGGEST`) —引用错误中追加的现有引理名称。
- **提示合成ROCQ_AUTO2`) — `auto_close` 机械地断言辅助例如，从目标子获取 `0 <= (t)²`重试非线性终结者。
- **示例 (`ROCQ_EXEMPLARS=1`，选择) — 将您的项目中最相似的已（及其证明到第一个响应中的策略下测量立（弱策略可能会被它分散注意力），关闭；检索质量本身经过验证且无。
- **挂起安全性** — 每个句子都在检查点超时下运行，加上分配触发的中断（memprof-limits，coq-lsp 机制），因此即使 `vm_compute`/`native_compute` 分歧也会返回一个结构化的 **TIMEOUT** 而不是冻结会话（`ROCQ_FORK_PROBE=1` 添加了一个零状态的 fork-isolated带）。
- **策略预加载** (`ROCLOAD`) — 加载 Lia/Lra/Psatz 以便声明后标准终结者始终存在。在 **mathcomp** 文件中，它还会预加载 `zify`/`algebra-tactics`，给予 `by lia`/`by ring`/`by lra` 在布尔反射和 ssralg 目标上的实际功能
（`ROCQ_MC_TACTICS=0` 禁用）。桥梁需要可选的 opam 包 `coq-mathcomp-zify` 和 `coq-mathcomp-algebra-tactics` — 仍然是 `coq-` 命名上游；这些两个卫星尚未遵循 mathcomp 核心重命名为 `rocq-mathcomp-*`。（`ROCQ_ENV_V2=1` 另外 **拒绝** 证明中的 `Require` — 一个基准测试反游戏策略，正常使用时关闭。）
## 安装和试用（2）
```sh
opam pin add rocq-tools https://github.com/LLM4Rocq/rocq-tools.git
```
将 `rocq-mcp` 二进制文件安装到您的 opam 切换中（自动拉取 `rocq-runtime` 9.1+）。然后在任何 MCP 客户端配置（Claude Code、`claude` CLI 或任何 MCP 语言客户端）中添加一个块：
```json
{ "mcpServers": { "rocq": { "command": "rocq" } } }
```
就是这样 — 完全没有配置。然后只需要求您的代理完成一个证明：它调用 `open{file}`（可选地 `theorem:<name>` 目标一个 `Admitted` 或文件中的任何特定语句），使用其他工具进行证明，并在完成后接收完成的脚本以插入您的文件中。一个会话可以打开同一个项目中的多个证明前缀是重放记忆的**，因此即使是 mathcomp-heavy 导入也只需支付一次每个会话，而不是每个打开（重新打开：~0.4 秒）。其他一切都是自动的：
项目加载路径自动 — 服务器从任务文件向上遍历到您的qProject`/`_RocqProject`（解析为 `-Q/-R/-I`）或 `dune-project`（`coq.theory` 条目，映射到 `_build/default` 镜像）。首先构建您的项目；无需其他设置。如果需要，可以使用 `ROCQ_INIT_ARGS`（换行 rocq 参数）- **标准** （Lia/Psatz）预禁用：`ROCQ_PRELOAD=0- **所有工具默认开启**：`open`、`build`（整个文件诊断）、`check`（整个证明）、`、`try`_close`（投资组合 + 提示合成）、、`state` — 带有错误提示和近似建议。使用 `ROCQ_ENABLE_TOOLS=step,state,...` 修剪，禁用功能使用 `ROCQ_HINTS=0`/`ROCQ_SUGGEST=0`/`ROCQ_AUTO0`，选择加入项目示例检索使用 `ROCQ_EXEMPLARS=1`。
- 完成后，响应会携带 **完成的证明脚本** （从实际执行的内容组装 — 代理将其插入您的文件中）；还会将一个独立的 `candidate.v` 编写到 `ROCQ_WORKDIR`/temp。
- `ROCQ_TASK_FILE` （可选）预设启动时一个文件 — 由基准测试框架使用；交互永远不需要无需任何 MCP 客户端的快速测试：
```sh
printf '%s\n%s\n%s\n' \
'{"json2.0","id":1,"method":"initialize","params":{}}' \
'{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"open","arguments":{"file":"/path/to/your/File.v","theorem":"my_admitted_lemma"}}}' \
'{"jsonrpc":"2.0","id":3,"method":"tools/call","params":{"name":"auto_close","arguments":{}}}' \
| rocq-mcp
```
对于一个证明的多代理工作，`rocq-daemon` + `rocq-mcp` 安装在参见 docs/DESIGN.md，证明内的并行性）。
*开发/重现实验？* `repro/setup.sh` 从头构建固定的环境，`dune build` 在树中工作；Python `harness/` 仅用于运行基准测试实验，从不用于使用工具。
## 测试
`dune runtest` — 集成级别，无模拟；每个测试用例都会启动一个真正的二进制文件，并断言其行为（每个测试用例都会引用它所回归的事件；预算 ≤ ~4 分钟）。**109 个断言**，涵盖四个测试套件（A：57 · B：35 · C：10 · D：7）。
- **`test_session （A，57）— 会话服务器核心合约：提交-good-prefix、auto-Qed 握手、try/auto_close 语义、回滚、env-v2 拒绝、错误提示 + 是否意味着、整个证明 `check`、项目加载路径文件 `build诊断（admit）、运行时 `open`（包括 Ading 和 A36 reach-any-theorem）、前缀重放记忆化与安全重新打开，以及示例包括防泄 加上失败图谱回归（auto-Qed、dead-tool purge、Search 翻转）。
- **`test_daemon.ml`** （B，35）— 共享证明多代理守护进程：两代理分支/合并、非聚焦代理主干安全性和 **merge-renumbering** 回归（一个审查修复程序，会破坏 >2 目标合并）。
- **`test_perf.ml`** （C，10）— 可扩展性/延迟界限（慷慨，CI 稳定）：初始化 < 15 秒，步骤 p50 <，8 个并发客户端下无死锁，O(1)-ish 50 句子回滚test_gate.py`** （D，7）— 正确性门控健全性：合法接受、禁止令牌、前缀篡改、新编译和 **注释/字符串解同步** 漏洞 `(* "(*" *) Admitted.` （测量审查关键发现）。
## 仓库地图
```
src/mcp_core/ MCP stdio 服务器框架 + 子进程实用程序
src/baseline_server/ 朴素控制：一个工具 = 完整的 rocq 编译
src/session_server/ 迭代接口（本自述服务器）
src/psession/ 共享证明守护进程（k 代理，一个实时证明）+ MCP 垫片
harness/ 评估运行器、正确性门控、团队协调器、报告、
分析器、监视器、仪表板、扫描、项目参数
configs/ 每个实验条件的 JSON 文件（+ FROZEN.md）
data/manifests/ 分层问题清单（dev60/dev150/hard70/…）
docs/ 报告、设计原理、假设、故障图谱、repro/ 软件包列表键环境重test/ 由驱动的集成件（A-D 上述）
```
文档：[`docs/REPORT.md`](docs/REPORT.md) ·
[`STATUS.md`](STATUS.md) · [`docs/DESIGN.md`](docs/DESIGN.md) ·
[`docs/FAILURE_ATLAS.md`](docs/FAILURE_ATLAS.md) ·
[`docs/ASSUMPTdocs/PTIONS.md) （自主决策日志 A1-A37） ·
[`docs/TASK.md`](docs/TASK.md) （原始简报）。
实验
```sh
./repro/setup.sh /path/for/new/switch # 切换 → 固定依赖 → 构建 → 自我测试
python3.py --configmanifest smoke5 --reps 13 harness/report.py <run_id> [--compare baseline_dev60] # 每个数字都
python3.py --watch 直播视图：logs/dashboard.html
```
期望为此仓库的兄弟目录（`rocq-workbook/`、`miniF2Fq/`）；策略端点是一个经过身份 `claude` CLI。保留的分割线受到保护 — 代码拒绝读取 `miniF2F-rocq/test` 除非设置了 `FINAL_UNLOCK` + `ROCQ_FINAL_EVAL=1`；单个解锁（2026-07-03 13:57:42）记录在 `configs/FROZEN.md` 中；重现保留的运行需要故意重新FINAL_UN 哨方法在一：一个朴素控制；配置文件；更改；仅保留存储桶的数字（从）；门控；冻结；然后在一个已登录的运行中进行。
## 如何```bibtex
@software{rocqtools2026,
author =M4Rocq}},
title = {rocq-tools：Rocq 的 {AI} 集成 {MCP}
