W5: sim一轮裁定落地+二轮校准 — 冤煞独立表(wrath_layers 22行)/宿慧渐近封顶F-1/跳过钳制F-2/验收门#2#3#10#13#14修订；二轮4/5 FAIL转PASS，#13 R4残留0.396(带外0.021)，硬门#5#10不回归，红线9.5e15→7.007B，test_runner 750检查8/8用例

tests/unit/cases/test_balance_data.gd

@@ -37,6 +37,32 @@ func run(a, data: BalanceData) -> void:
 	a.eq(data.tune_text("tune_restart_curve", ""), "1:0.6:0.4:0.3", "重开曲线文本")
 	a.near(data.tune_num("tune_wrath_layers", 0.0), 22.0, 1e-9, "冤煞 22 层")
 	a.near(data.tune_num("tune_click_base", 0.0), 1.0, 1e-9, "点击基础值 1")
+	# W5 裁定调参（sim 一轮裁定 §2.3/§2.4）：宿慧渐近 + 跳过封顶 + 削减速加深
+	a.near(data.tune_num("tune_suihui_global_max", 0.0), 0.5, 1e-9, "宿慧渐近上限 0.50")
+	a.near(data.tune_num("tune_suihui_global_scale", 0.0), 420.0, 1e-9, "宿慧衰减尺度 420")
+	a.near(data.tune_num("tune_skip_level_cap_per_gen", 0.0), 50.0, 1e-9, "跳过每档封顶 50")
+	a.near(data.tune_num("tune_wrath_penalty", 0.0), 0.04, 1e-9, "削减速 4%/层")
+	a.near(data.tune_num("tune_wrath_penalty_cap", 0.0), 0.4, 1e-9, "削减速封顶 40%")
+	a.false_(data.has_tune("tune_wrath_bonus"), "tune_wrath_bonus 已迁入 wrath_layers.csv")
+	a.false_(data.has_tune("tune_wrath_cost_base"), "tune_wrath_cost_base 已迁入 wrath_layers.csv")
+	a.false_(data.has_tune("tune_wrath_cost_exp"), "tune_wrath_cost_exp 已迁入 wrath_layers.csv")
+	a.false_(data.has_tune("tune_suihui_global_pct"), "tune_suihui_global_pct 已被渐近公式取代")
+	# W5 G-1：冤煞层表（22 行；m07/m08 联动）
+	a.eq(data.wrath_layers.size(), 22, "wrath_layers 22 行")
+	a.near(data.wrath_layers[0].effect, 0.15, 1e-9, "L1 effect 0.15")
+	a.near(data.wrath_layers[14].effect, 0.15, 1e-9, "L15 effect 0.15")
+	a.near(data.wrath_layers[15].effect, 0.0, 1e-9, "L16 effect 0（归零）")
+	a.eq(data.wrath_layers[0].cost, 8, "L1 成本 8")
+	a.eq(data.wrath_layers[21].cost, 2087, "L22 成本 2087")
+	var m07 := data.meta("meta_07")
+	a.near(m07.effect_param, 0.20, 1e-9, "m07 削减 40%→20%（W5 联动）")
+	a.eq(data.meta("meta_08").name_cn, "幽冥恩荫", "m08 更名幽冥恩荫（P-4 消歧）")
+	# W5 裁定 P-28：halls 到达目标列新值（H10 保持 180；殿门阈值不动）
+	var expect_targets := [10, 20, 36, 56, 80, 102, 122, 142, 164, 180]
+	for i in expect_targets.size():
+		a.eq(int(data.halls[i].target_min), expect_targets[i], "H%d 到达目标 %d min" % [i + 1, expect_targets[i]])
+	a.near(data.halls[0].gate_merit, 2000.0, 0.5, "H1 殿门阈值不动（2K）")
+	a.near(data.halls[9].gate_merit, 1.5e9, 0.5, "H10 殿门阈值不动（1.5B）")
 	# 跨表引用完整性（schema 管单表；这里查跨表）
 	a.true_(data.check_references().is_empty(), "跨表引用无悬挂（%s）" % str(data.check_references()))
 	# 每殿恰一场殿王战 + 色板

tests/unit/cases/test_economy_formulas.gd

@@ -29,9 +29,11 @@ func run(a, _data: BalanceData) -> void:
 	a.eq(PrestigeModel.wrath_layer_cost(1, 8.0, 1.8), 8, "怨煞层 1 成本 8")
 	a.eq(PrestigeModel.wrath_layer_cost(2, 8.0, 1.8), 28, "怨煞层 2 成本 28")
 	a.eq(PrestigeModel.wrath_layer_cost(22, 8.0, 1.8), 2087, "怨煞层 22 成本 2087")
-	a.near(PrestigeModel.wrath_penalty(10, 0.03, 0.3, 0.0), 0.3, 1e-9, "冤气削减封顶 30%")
-	a.near(PrestigeModel.wrath_penalty(10, 0.03, 0.3, 0.15), 0.15, 1e-9, "m07 改 15%")
-	a.near(PrestigeModel.wrath_penalty(5, 0.03, 0.3, 0.0), 0.15, 1e-9, "5 层 = 15%")
+	# W5 新参数（裁定 P-26）：削减速 −4%/层封顶 −40%；m07 改 20%
+	a.near(PrestigeModel.wrath_penalty(10, 0.04, 0.4, 0.0), 0.4, 1e-9, "冤气削减封顶 40%")
+	a.near(PrestigeModel.wrath_penalty(10, 0.04, 0.4, 0.20), 0.20, 1e-9, "m07 改 20%")
+	a.near(PrestigeModel.wrath_penalty(5, 0.04, 0.4, 0.0), 0.2, 1e-9, "5 层 = 20%")
+	a.near(PrestigeModel.wrath_penalty(9, 0.04, 0.4, 0.0), 0.36, 1e-9, "9 层 = 36%（未触顶）")
 	a.eq(PrestigeModel.skip_count(23, 5), 4, "skip 23/5 = 4")
 	a.eq(PrestigeModel.skip_count(23, 4), 5, "skip 23/4 = 5（m04）")
 	a.near(PrestigeModel.restart_target(0), 1.0, 1e-9, "重开曲线 R1")
@@ -40,6 +42,41 @@ func run(a, _data: BalanceData) -> void:
 	a.true_(PrestigeModel.enthrone_available(2, 2), "敕封：转世 2 可")
 	a.true_(not PrestigeModel.enthrone_available(1, 2), "敕封：转世 1 不可")
 
+	# ---- W5 G-1：wrath_layers.csv 22 行（效果/成本逐行；[B§12] 漏登补登）----
+	var wl := _data.wrath_layers
+	a.eq(wl.size(), 22, "冤煞层 22 行")
+	var sum_effect := 0.0
+	var prev_cost := -1
+	for row in wl:
+		a.eq(row.layer_index, wl.find(row) + 1, "layer_index 从 1 连续（%s）" % row.id)
+		# 成本列 = round(8×n^1.8) 逐行一致（表 = 公式落盘，双源交叉校验）
+		a.eq(row.cost, PrestigeModel.wrath_layer_cost(row.layer_index, 8.0, 1.8),
+			"成本 = 公式（%s）" % row.id)
+		a.true_(row.cost > prev_cost, "成本严格递增（%s）" % row.id)
+		prev_cost = row.cost
+		# effect 剖面：L1-15 = 0.15；L16-22 = 0.00（合计封顶 +225%）
+		if row.layer_index <= 15:
+			a.near(row.effect, 0.15, 1e-9, "L%d effect = 0.15" % row.layer_index)
+		else:
+			a.near(row.effect, 0.0, 1e-9, "L%d effect = 0（归零）" % row.layer_index)
+		sum_effect += row.effect
+	a.near(sum_effect, 2.25, 1e-9, "22 层合计 effect = +225%（15 层封顶）")
+	a.near(_data.wrath_layer_effect_sum(15), 2.25, 1e-9, "effect_sum(15) = +225%")
+	a.near(_data.wrath_layer_effect_sum(10), 1.5, 1e-9, "effect_sum(10) = +150%")
+	a.near(_data.wrath_layer_effect_sum(22), 2.25, 1e-9, "effect_sum(22) 仍 +225%（16-22 归零）")
+	a.near(_data.wrath_layer_effect_sum(0), 0.0, 1e-9, "effect_sum(0) = 0")
+	a.eq(_data.wrath_layer(1).cost, 8, "wrath_layer(1) 成本 8")
+	a.eq(_data.wrath_layer(22).cost, 2087, "wrath_layer(22) 成本 2087")
+	a.true_(_data.wrath_layer(23) == null, "wrath_layer(23) 越界 = null")
+	# W5 新调参（裁定 F-1/F-2）：宿慧渐近 + 跳过封顶
+	a.near(_data.tune_num("tune_suihui_global_max", 0.0), 0.5, 1e-9, "宿慧渐近上限 0.50")
+	a.near(_data.tune_num("tune_suihui_global_scale", 0.0), 420.0, 1e-9, "宿慧衰减尺度 420")
+	a.near(_data.tune_num("tune_skip_level_cap_per_gen", 0.0), 50.0, 1e-9, "跳过每档封顶 50")
+	a.near(_data.tune_num("tune_wrath_penalty", 0.0), 0.04, 1e-9, "削减速 0.04/层")
+	a.near(_data.tune_num("tune_wrath_penalty_cap", 0.0), 0.4, 1e-9, "削减速封顶 0.40")
+	a.false_(_data.has_tune("tune_wrath_bonus"), "tune_wrath_bonus 已迁入表（防双源）")
+	a.false_(_data.has_tune("tune_suihui_global_pct"), "tune_suihui_global_pct 已被渐近公式取代")
+
 	# ---- OfflineModel 分带 + 72h 封顶 + 时钟回拨 + 长明灯加法 + 硬顶 ----
 	# W4 契约 v2（systems-spec §2.4/§2.5）：第三参数由 offline_mult（乘性）改为
 	#   offline_add（加法，直接加在各档速率上，各档硬顶 100%）。

tests/unit/cases/test_economy_state.gd

@@ -8,6 +8,8 @@ func run(a, data: BalanceData) -> void:
 	_test_upgrades_and_meta(a, data)
 	_test_wrath(a, data)
 	_test_prestige(a, data)
+	_test_suihui_asymptotic(a, data)
+	_test_skip_cap(a, data)
 	_test_enthrone(a, data)
 	_test_event_and_offline(a, data)
 
@@ -82,12 +84,14 @@ func _test_wrath(a, data: BalanceData) -> void:
 	e.devour(100.0)
 	a.near(e.wrath, 100.0, 1e-9, "吞噬 +100 冤气")
 	a.eq(e.devour_count, 1, "吞噬计数")
-	a.eq(e.wrath_layer_cost(), 8, "第 1 层成本 8")
+	a.eq(e.wrath_layer_cost(), 8, "第 1 层成本 8（wrath_layers.csv 逐行）")
 	var r: Dictionary = e.buy_wrath_layer()
 	a.true_(bool(r.get("ok", false)), "买第 1 层怨煞")
 	a.eq(e.wrath_layers, 1, "1 层")
-	a.near(e.global_mult(), 1.25, 1e-9, "全局 ×1.25（每层 +25%）")
-	a.near(e.wrath_penalty(), 0.03, 1e-9, "宿慧削减 3%")
+	# W5 裁定 P-25：每层全局 +25% → +15%（合计 15 层后封顶 +225%）
+	a.near(e.global_mult(), 1.15, 1e-9, "全局 ×1.15（每层 +15%）")
+	# W5 裁定 P-26：宿慧削减 +3%/层 → +4%/层（封顶 40%）
+	a.near(e.wrath_penalty(), 0.04, 1e-9, "宿慧削减 4%")
 	e.wrath = 0.0
 	var r2: Dictionary = e.buy_wrath_layer()
 	a.true_(not bool(r2.get("ok", false)), "冤气不足买不了")
@@ -97,6 +101,11 @@ func _test_wrath(a, data: BalanceData) -> void:
 	a.eq(e.wrath_layers, 22, "22 层上限")
 	var r3: Dictionary = e.buy_wrath_layer()
 	a.true_(not bool(r3.get("ok", false)), "满层后再买失败")
+	# W5：L1-15 各 +15%（合计 +225% = ×3.25）；L16-22 effect = 0（过盛不顶用）
+	a.near(e.global_mult(), 1.0 + 15.0 * 0.15, 1e-9, "满层全局 ×3.25（15 层后归零）")
+	a.near(e.wrath_penalty(), 0.4, 1e-9, "22 层削减封顶 40%")
+	# 成本列逐行 = round(8×n^1.8)（表即公式落盘；抽检首/中/末）
+	a.eq(e.wrath_layer_cost(), 2087, "满层后下一层成本回退末行 2087")
 
 
 # ---- 轮回转世 ----
@@ -113,11 +122,80 @@ func _test_prestige(a, data: BalanceData) -> void:
 	a.eq(e.suihui, 193, "宿慧入账")
 	a.eq(e.rebirths, 1, "转世 1 次")
 	a.near(e.merit, 0.0, 1e-9, "阴德清零")
-	a.eq(e.gen_levels[0], 950, "跳过机制：193/5=38 ×25 = 950 级")
+	# W5 裁定 F-2：跳过每档封顶 50 级（193/5=38 次 ×25 = 950 → 钳到 50；
+	#   注意 do_prestige 先清零班底（[B§4.1] 全清）再加跳过，故原有 50 级不计入）
+	a.eq(e.gen_levels[0], 50, "跳过封顶：193 宿慧 → 50 级/档（旧口径 950）")
 	a.eq(e.halls_passed, 0, "殿门进度重置")
 	a.eq(e.bought.size(), 0, "升级清空")
-	# 第二轮更快（宿慧全局 +3%）
-	a.near(e.global_mult(), 1.0 + 193 * 0.03, 1e-9, "宿慧全局加成")
+	# 第二轮更快（宿慧全局渐近加成，F-1）
+	var smax: float = data.tune_num("tune_suihui_global_max", 0.5)
+	var sscale: float = data.tune_num("tune_suihui_global_scale", 420.0)
+	a.near(e.global_mult(), 1.0 + smax * (1.0 - exp(-193.0 / sscale)), 1e-9, "宿慧全局渐近加成（193 → +18.4%）")
+
+
+# ---- 宿慧全局渐近封顶（W5 裁定 F-1：线性无界 → 0.50×(1−e^(−宿慧/420))）----
+func _test_suihui_asymptotic(a, data: BalanceData) -> void:
+	var e := EconomyState.new(data)
+	var smax: float = data.tune_num("tune_suihui_global_max", 0.5)
+	var sscale: float = data.tune_num("tune_suihui_global_scale", 420.0)
+	e.suihui = 0
+	e.recompute()
+	a.near(e.global_mult(), 1.0, 1e-9, "0 宿慧 → 无加成")
+	# 裁定 §2.4 查点表：193→+18.4%；386→+30.1%；579→+37.4%；772→+42.0%
+	for s in [193, 386, 579, 772, 1550, 5000]:
+		e.suihui = s
+		e.recompute()
+		var want: float = 1.0 + smax * (1.0 - exp(-float(s) / sscale))
+		a.near(e.global_mult(), want, 1e-9, "宿慧 %d → 加成 %.4f" % [s, want - 1.0])
+	# 渐近上限：宿慧 → ∞ 也只到 +50%（封死"银行式刷宿慧"死亡螺旋）
+	e.suihui = 100000000
+	e.recompute()
+	a.near(e.global_mult(), 1.0 + smax, 1e-6, "巨量宿慧仍封顶 +50%")
+	# 单调不减（渐近函数的基本性质）
+	var prev := 0.0
+	for s in [0, 10, 50, 100, 193, 386, 579, 772, 1550, 5000]:
+		e.suihui = s
+		e.recompute()
+		var gm := e.global_mult()
+		a.true_(gm >= prev - 1e-12, "宿慧加成单调不减 @%d" % s)
+		prev = gm
+
+
+# ---- 跳过机制钳制（W5 裁定 F-2：每档 min(floor(宿慧/5)×25, 50)）----
+func _test_skip_cap(a, data: BalanceData) -> void:
+	var cap: int = int(data.tune_num("tune_skip_level_cap_per_gen", 50.0))
+	a.eq(cap, 50, "调参：每档封顶 50 级")
+	var e := EconomyState.new(data)
+	# 公式直测：_apply_rebirth_start_levels 是纯应用函数。走 do_prestige 测不了
+	#   低宿慧区——H10 门 1.5e9 决定每轮 gain ≥ 193（38 次触发必触顶）。
+	_apply_skip(e, 5)
+	a.eq(e.gen_levels[0], 25, "5 宿慧 → 25 级/档（未触顶）")
+	_apply_skip(e, 10)
+	a.eq(e.gen_levels[0], 50, "10 宿慧 → 50 级/档（恰触顶）")
+	_apply_skip(e, 400)
+	a.eq(e.gen_levels[0], 50, "400 宿慧 → 仍 50 级/档（钳制生效）")
+	# 三档覆盖：前 3 档各 +50（skip_gens = 3）
+	a.eq(e.gen_levels[1], 50, "第 2 档同获赠")
+	a.eq(e.gen_levels[2], 50, "第 3 档同获赠")
+	a.eq(e.gen_levels[3], 0, "第 4 档不受跳过覆盖")
+	# 集成：do_prestige 后（gain 193 入账）R2 开盘 = 50 级/档
+	e.merit_run_total = 1.5e9
+	var r: Dictionary = e.do_prestige()
+	a.true_(bool(r.get("ok", false)), "轮回（集成）")
+	a.eq(e.gen_levels[0], 50, "do_prestige 后 50 级/档（钳制生效；旧口径 950）")
+	# m04（间隔 5→4）：400/4=100 次 ×25 = 2500 → 同样钳到 50
+	var rm: Dictionary = e.buy_meta("meta_04")
+	a.true_(bool(rm.get("ok", false)), "买 m04 天生熟练（间隔 4）")
+	_apply_skip(e, 400)
+	a.eq(e.gen_levels[0], 50, "m04 下仍钳到 50 级/档")
+
+
+## 测试辅助：清零班底级数 → 设宿慧 → 应用跳过/开局加成（_apply 为加法，须先清零）
+func _apply_skip(e: EconomyState, suihui_v: int) -> void:
+	for i in e.gen_levels.size():
+		e.gen_levels[i] = 0
+	e.suihui = suihui_v
+	e._apply_rebirth_start_levels()
 
 
 # ---- 阴司敕封 + gen12 愿景档 ----
@@ -136,11 +214,14 @@ func _test_enthrone(a, data: BalanceData) -> void:
 	a.true_(bool(r2.get("ok", false)), "执行受敕")
 	a.true_(e.enthroned, "enthroned 旗标")
 	a.true_(e.generator_unlocked(11), "受敕 → gen12 解锁")
-	# 全局区 = 1 + 宿慧100×3% + 敕封 25% = 4.25
-	a.near(e.global_mult(), 4.25, 1e-9, "全局 ×4.25（宿慧+敕封）")
+	# 全局区 = 1 + 宿慧100 渐近加成 + 敕封 25%（W5 F-1：宿慧项改渐近公式）
+	var smax: float = data.tune_num("tune_suihui_global_max", 0.5)
+	var sscale: float = data.tune_num("tune_suihui_global_scale", 420.0)
+	var want_global: float = 1.0 + smax * (1.0 - exp(-100.0 / sscale)) + 0.25
+	a.near(e.global_mult(), want_global, 1e-9, "全局 = 1 + 宿慧渐近 + 敕封 25%（≈×1.356）")
 	# gen12 产出接入
 	e.gen_levels[11] = 1
-	a.near(e.output_per_sec(), 1073741824.0 * 4.25, 1.0, "gen12 1 级产出")
+	a.near(e.output_per_sec(), 1073741824.0 * want_global, 1.0, "gen12 1 级产出")
 
 
 # ---- 事件瞬时区 + 离线加法（契约 v2：长明灯 ×2.31 → 加法 +30%） ----