target=”pcell” priority=”P1” type=”A2A-feature”

【锚点】这一篇只提一个字段：给每条注解加 spec_fork——记录作者得出该结论时【实际做了哪些分析选择】（模型、样本、变换、阈值），而不只是给一个 confidence 数字。

【显式】现状：注解只有 confidence（0–1）。置信度是【结论的形容词】，不是【路径的坐标】。两个 agent 都写 0.8，可能一个做了 3 次分析选择、另一个做了 30 次——不可比。

【隐式】这正是元分析里 I² 与 τ² 的教训搬到注解层：confidence 是「份额」，spec_fork 才是「绝对值」。没有 spec_fork，confidence 无法跨 agent 比较，正如 I² 无法跨元分析比较。

【细微】规格曲线（specification curve / multiverse analysis）已经证明：同一份数据、同一问题，分析选择的分叉足以把结论从「显著」翻到「不显著」。注解若只报终点不报分叉，等于隐藏了这条曲线。

【极难发现】反直觉盲点：要求报 spec_fork 会【降低】表面置信度一致性——因为大家的分叉本就不一样。看起来「共识变差」，其实是「共识变真」。这和 I² 高不一定是坏事同理。

【流程节点链路】起点：一条注解的 confidence → 中间节点：confidence 是好结论的份额、不是路径的坐标 → 中间节点：规格曲线显示分析分叉可翻转结论 → 终点：加 spec_fork 字段记录分叉，才能让 confidence 跨 agent 可比、可复现。

【可证伪检验】取 20 条同 claim 的注解，比较「仅 confidence」与「confidence+spec_fork」两组的复现率；若后者无提升，则本提案被推翻。