docs: 归档翻译上下文/字幕审校方案的评审结论与实测数据

- 待办：会话式长上下文方案标记为已技术评审且不实施；补记问题 A 的阶段性结论（暂缓）
- 新增 docs/实验数据-字幕审校定位与修复实验.md：LLM 定位触发率/召回、合成正样本、逐条修复前后对照、成本与复现方式
- 新增 docs/实验数据-字幕重生成成本与耗时.md：单价口径、功率画像、全量推算
- decisions：补充两条决策（会话式长上下文否决、审校定位+定向修复暂缓）
- scripts：归档一次性探测脚本 probe_subtitle_review_stage0.py（含 rebuild 子步骤）
- AGENTS/README：补充实验与改动许可规则、文档索引

docs/decisions.md

@@ -102,8 +102,63 @@
 - **并发写**：流水线多线程写产物/进度，SQLite 开 WAL + busy timeout
   （`WOV_DB_BUSY_TIMEOUT_SECONDS`）。
 
+## 翻译"会话式长上下文"方案否决
+
+- **决定（2026-09 技术评审）**：不实现"翻译阶段复用会话上下文 + 文件夹级共享上下文 +
+  150k 触发压缩"方案，见
+  [待办-翻译上下文复用与语义纠错.md](./待办-翻译上下文复用与语义纠错.md)。
+- **前提不成立**：该方案预期"长上下文能让模型发现语义不顺从而修掉 ASR 误听"，但
+  同一份待办文档记录的两次实验（`subtitle-correction` 节点 ±60s 上下文、加强提示词
+  A/B）全部失败。误听句在字面上语法通顺、局部自洽，语境里没有声学证据，模型没有
+  改写依据——加长上下文只增加同类证据。
+- **成本**：会话式每批重发全部历史，输入随批数二次增长；该档 Qwen 在 SiliconFlow
+  价格表"缓存价格"列为 `-`（无 cached-input 折扣），前缀缓存无法抵消。按实测口径
+  （批均约 880 tokens、其中输入 529 / 输出 350；434 行/素材小时 ≈ 22.5 批/小时）
+  推算：1.2 小时视频约 3.3×、3 小时视频约 6.5×、15 小时文件夹约 70×（约 ¥30/文件夹），
+  剩余 187 小时素材由 ¥5.5–9.4 升到约 ¥300–400。
+- **阈值踩计费档**：`>150k 触发` 越过 `[128k,+∞)` 档（输入 ¥0.4→¥1.6、输出
+  ¥3.2→¥12.8，整请求按该档计价），压缩阈值必须低于 128k，长上下文方案的收益结构
+  与计费结构天然冲突。
+- **与既有设计冲突**：文件夹会话是跨 run 的可变共享状态，与"节点只通过产物 URI
+  交换数据、每 run 独立产物目录"的不变式、与批量"非 GPU 阶段并行"的调度成果、与
+  "暂停后整节点重跑、不留半成品"的暂停契约都要冲突，需要新增会话存储子系统并扩展
+  暂停/幂等语义。
+- **未决的替代方向**：问题 A 更可能在 ASR 侧修（`word_timestamps` 已产出的词级
+  `probability` / `avg_logprob` 目前未被任何节点使用；低置信度片段 + 文件夹级热词
+  `initial_prompt` 二次解码等），但**尚未评审决定**，需要时另行提方案与代价。
+- **实测来源**：`data/experiments/regen_plan/app_cloud_run.log`（每批 tokens）、
+  [实验数据-字幕重生成成本与耗时.md](./实验数据-字幕重生成成本与耗时.md)、
+  SiliconFlow 价格页 `[0,128k)` / `[128k,+∞)` 分档。
+- **字幕审校（定位+定向修复）的实测结论**：见
+  [实验数据-字幕审校定位与修复实验.md](./实验数据-字幕审校定位与修复实验.md)
+
+## 字幕审校（定位+定向修复）方案暂缓
+
+- **决定（2026-09）**：不实施"LLM 定位问题 cue + 定向修复该 cue"的翻译审校节点，
+  也不改造现有 `subtitle-correction` 节点。实测数据见
+  [实验数据-字幕审校定位与修复实验.md](./实验数据-字幕审校定位与修复实验.md)。
+- **有效的部分**：术语/忠实性类问题（词表违背、译文与日文不一致、称呼跳变）定位与
+  修复都成立（例：`阴道`→`小穴`；"生来的里面插着生来的玩具"→"小鸡鸡插进了小穴里"），
+  合成正样本定位召回 11/14 = 79%，增量成本约 +¥0.04/素材小时（全量约 +¥7）。
+- **无效的部分**：`字面通顺但语义错`（问题 A，ASR 听岔成正常句子）。实测把中文、
+  日文原文、邻句、系列词表全部给 LLM：
+  - 定位：只给中文时三条已知问题 cue 召回 0/3；加上日文也只到 1/3
+    （三条出问题的共性是**中文读起来完全通顺**，模型没有怀疑动机）；
+  - 修复：三条目标依次改成"声音传送到身体里""继续吃""已经完全进去了"，
+    **全部保留错译**；且出现无依据脑补（`お腹鸣っちゃう`"肚子饿了"→"小穴要湿了"）。
+- **原因判定**：不是上下文给得不够，而是**当前 LLM 能力不足以从错误的日文原文
+  反推真实含义**——能依据的日文本身是错的，模型只能沿错译换词。这与待办文档里
+  记录的前两次失败实验（纠错节点、加强提示词 A/B）结论一致。
+- **副产品结论**：① 硬规则（近音匹配）泛化不了——严格口径漏报（目标 0/3），
+  宽松口径 48.6% 全是假阳性；② 系列自身的译法并不一致（同一个 `おなほ` 被译成
+  "自慰套/手办/小鼻鼻/嘴"），所以"文件夹级上下文"的价值真实存在，但**惯用译名
+  靠挖掘挖不出来**，需要人工或强约束固定。
+- **若将来重开**：方向应从翻译侧挪回 ASR 侧（只审日文、给候选读法；先建场景再对照），
+  那里才有声学证据；具体三个可测方向见实验文档第六节。
+
 ## 相关文档
 
 - 当前生效的参数与协议：[node-protocol.md](./node-protocol.md)
+- 实验数据（成本/耗时、审校定位实验）：[实验数据-字幕重生成成本与耗时.md](./实验数据-字幕重生成成本与耗时.md)、[实验数据-字幕审校定位与修复实验.md](./实验数据-字幕审校定位与修复实验.md)
 - 运维语义与批量流程：[operations.md](./operations.md)
 - 缺陷 ID 与验收标准：[代码审查问题跟踪.md](./代码审查问题跟踪.md)