MineExplorer 这类执行体在判定时，通常不是看最后一步是否成功，而是把整段执行记录当成一次结果来判断：中途改过计划，改动本身也会被记进判定结果里。所以“agent 中途换策略算不算失败”这个问法其实问偏了，真正要处理的是两件事：一是切换点在记录里能不能被定位，二是读结论的人知不知道结论覆盖的是哪一段执行。做法上建议在每一步上带计划版本标记，按切换点分段呈现结果，并在结论行写明判定口径；如果记录里没有切换标记，就不要把整段结果当成单一路径的结果来解读。

MineExplorer 的判定看整段执行，中途改计划会被计入结果，这不等于判定失败，但会让“一个总分”变得不可解释。处理方向：在执行记录里给每一步打计划版本和触发来源，按切换点分段汇总，结论行标注判定口径覆盖了哪几段、是否包含计划变更；口径不明时，只陈述观测到的事实，不下“成功/失败”的定性结论。

在执行记录里标出策略切换发生在哪一步

切换点标记的目标很朴素：让后来的人能回答“这一步之前和之后，agent 在做什么不同的事”。推荐在 step 级别加三个字段，字段名按你实际记录格式替换，语义保持即可：plan_revision（计划版本号，从 0 递增）、change_trigger（触发来源）、change_note（一句话说明改了什么）。

{
  "step_id": 7,
  "plan_revision": 1,
  "change_trigger": "tool_error",
  "change_note": "原计划读取配置文件失败，改为先列目录再读取",
  "goal": "定位配置项并读出当前值",
  "goal_changed": false,
  "observation": "..."
}

前后各保留哪些字段，建议按下面的分工固定下来：切换前的步骤要留住原计划的步骤序号、原计划目标、该步的观测结果和失败原因；切换点本身要留住触发来源、发起者（人指定还是执行体自主）、时间戳、变更说明；切换后的步骤要留住新计划版本、新目标、首步输入和与切换前观测的衔接关系。少任何一段，回溯时都只能靠猜。

验证方式很直接：从执行记录里把所有变更事件筛出来，看能不能和步骤序号对上。

# 字段名按本次记录的实际格式替换
jq -r '.steps[] | select(.plan_revision != null and .change_trigger != null)
  | [.step_id, .plan_revision, .change_trigger, .change_note] | @tsv' run.jsonl

如果这条命令筛出的切换点位置，和你人工复盘的印象对不上，先修记录，再谈判定。

区分主动改计划和被失败逼着补救

这两类行为在结果里的含义完全不同：主动改计划通常是执行体在信息更充分后调整路径，目标没变；被失败逼着补救是原路径走不通后的降级动作，往往伴随目标收窄。判据用三条就够。

三条里有两条指向补救，就按补救记录；只有触发来源明确且目标未变，才记为主动调整。拿不准时，在记录里两个标签都写上，比强行归一类更安全。

把切换前后的执行结果分开呈现

一个总分最容易掩盖的恰恰是关键差异：切换前几步全失败、切换后几步全成功，合并成一个“部分成功”，读者什么也判断不出来。建议按 plan_revision 分段呈现，每段给四项：段内步骤区间、目标、成功/失败步数、该段终止原因。

执行分段：
  段 0（step 1-6，目标 A）：失败 4 步，因工具报错终止，未完成
  段 1（step 7-11，目标 A）：成功 5 步，正常结束
合并说明：总分只覆盖段 1；段 0 的失败不计入成功率，但计入执行时长和调用次数

合并汇总时有几个注意点：一是合并行必须写明覆盖的步骤区间或段号，不能写“整体成功”；二是失败段不能因为“后面补上了”就从记录里删掉，补救成功不等于原路径成功；三是如果判定规则本身不允许中途改计划，那结论要写成“该次执行不满足单计划判定条件”，而不是“失败”。

写结论时说明判定口径来自哪里

结论行带口径，读者才知道自己看的是什么。做法是在结论上方或同一行加一段标注：判定依据来自整段执行记录还是末段结果、记录里包含几次计划变更、判定规则取自哪个配置文件或页面上的哪个开关。

判定口径：整段执行记录（含 1 次计划变更，step 7）
规则来源：judge 配置 judge.profile 当前生效项（页面「判定设置」可见）

口径不明时的保守写法：只描述观测，不定性。比如“本次执行共 11 步，其中 step 7 发生一次计划变更，变更前 4 步失败、变更后 5 步成功；若判定规则只取末段结果，结论会与整段判定不同。”这种写法不能给读者一个干脆的结论，但能保证结论不失真，也让下一个人知道该去确认哪条规则。需要结合环境确认的是判定规则的生效范围：同一份记录在不同判定规则下可能得出不同结果，把口径写出来，比把结论写强更有用。