feat(audit): 清图支配性对账重跑批——条款⑤现行值链重推（只读对账零数值改动；2026-09-19 用户指令经 plan 批准提前执行 06 待办对账义务；台账 86）——①重算器 tools/clear_dominance_audit.py（registry clause5_dominance 判式全参数 CLI 可配＝难度曲线调参批常设重跑入口；E_dig 七型 67 权重池重推 (54+39u)÷67≈1.388〔u=1〕；V_mine 双口径：甲=注册公式 u×m_amb 连续对比 / 乙=极性矩阵负向字典加权 (42+50.4u)÷67≈1.379 主读数——注册公式成文于"所有雷→固定伏击"旧世界，矩阵批后踩雷惩罚按格型路由）；②板形探针 smoke/board_stat_probe.gd（200 样本/行：实测幸存雷 10×10≈12.9 / 12×12≈22.4，远低于名义初布 23/34——"先布后删"落地值）；③主结论（设计权威 design/research/audit-clear-dominance-2026-09-19.md）：非完美态 18 语境全负、完美态唯一翻正面=L1 前段实测板形 +8.3——与 2026-09-14 重算批结构同向，裁决②"清图非严格支配=设计态"维持建议呈报（拍板归用户）；保守地板缺口收窄 L1≈24/L2≈45 当量（u=1·对 C_min=8）；护栏 B 防钓鱼上界被 C=13 常态越线（2026-09-17 压缩批未登记连带面）披露归调参批三选一；④analyze_playtest.py 增弃图刷新率/轮出口分布读数+--policy 过滤（刷新经济性监控条目分析侧缺口闭合，基线仍挂验收重测批）——双画像配对 1200 局实证：刷新流通关率全档位 ≥ 推到底流（L1 基线档 87% vs 73%）、实测盲挖踩雷 0.30–0.87/局 远低于判式保守计价 E[踩雷]≈12–21/板（均匀交错全池盲挖=构造性上界）、刷新策略 0.03–0.23 次/局几乎不发生——"清图被刷新淘汰"风险模拟面不成立；⑤登记面：registry clause5_dominance rerun_2026_09_19 回执+rerun_obligation 挂两工具入口+修订留痕块；难度曲线与Boss.md 正文对账句改写+P1 行回执指针；⑥验证：冒烟 317 项 0 失败（本批零游戏代码，冒烟作回归护栏）。边界：06 条目删除与 active.md 台账 86 两个共享状态文件留在主工作区随收口批收编（并行会话在飞 hunk 混载，不入本分支——registry 回执与本提交为分支侧登记事实源）

tools/analyze_playtest.py

@@ -96,8 +96,10 @@ def parse_log(path):
 
 # ---- 多局聚合模式（monte carlo 共享日志：run 行切分局次，按通关/失败分组对比） ----
 
-def analyze_runs(rows, label, tier=None):
-    """tier = (atk_pct, hp_pct)：只统计该天赋档（None = 全档）。"""
+def analyze_runs(rows, label, tier=None, policy=None):
+    """tier = (atk_pct, hp_pct)：只统计该天赋档（None = 全档）。
+    policy = "normal"/"perfect"：只统计该策略画像（清图支配性对账批 2026-09-19——
+    双画像同文件时分开聚合做配对对照；None = 全画像混算，旧口径不变）。"""
     runs = []   # [{meta, rows}]
     cur = None
     for r in rows:
@@ -111,6 +113,8 @@ def analyze_runs(rows, label, tier=None):
         runs = [run for run in runs
                 if int(run["meta"].get("atk_pct", -999)) == tier[0]
                 and int(run["meta"].get("hp_pct", -999)) == tier[1]]
+    if policy is not None:
+        runs = [run for run in runs if run["meta"].get("policy") == policy]
     stats = []
     for run in runs:
         res = analyze_run_core(run["rows"], run["meta"])
@@ -123,7 +127,8 @@ def analyze_run_core(rows, meta):
     """单局聚合：返回该局的总账（结果/死亡节点/造伤/承伤/回复/奖励/轮数 + 战斗级明细）。"""
     out = dict(meta=meta, result="", death_node=-1, hp_left=-1,
                hero_dmg=0, reward_dmg=0, taken=0, healed=0, rest_heal=0,
-               rounds=0, rewards_n=0, eff={}, battles_won=0, battles=0, battle_list=[])
+               rounds=0, rewards_n=0, eff={}, battles_won=0, battles=0, battle_list=[],
+               refresh_ok=0, refresh_rej=0, exits={})
     eff_counts = {}
     cur_b = None
     for r in rows:
@@ -196,6 +201,15 @@ def analyze_run_core(rows, meta):
                         cur_b["taken"] += v
         if k == "node" and r.get("type") == "rest":
             out["rest_heal"] += int(r.get("healed", 0))
+        # 弃图刷新与轮出口（清图支配性对账批 2026-09-19 增补读数——此前日志有行无分析）
+        elif k == "action" and r.get("op") == "refresh":
+            if r.get("accepted", False):
+                out["refresh_ok"] += 1
+            else:
+                out["refresh_rej"] += 1
+        elif k == "ux" and r.get("ux") == "ux_round_exit":
+            tag = r.get("path_tag", "?")
+            out["exits"][tag] = out["exits"].get(tag, 0) + 1
     out["eff"] = eff_counts
     return out if out["rounds"] > 0 else None
 
@@ -234,6 +248,22 @@ def print_run_report(label, stats):
         print("  平均结算轮数               ：%.1f" % avg(group, "rounds"))
         print("  平均每局奖励件数           ：%.1f（%.2f 件/轮）" % (
             avg(group, "rewards_n"), avg(group, "rewards_n") / max(1.0, avg(group, "rounds"))))
+        # 弃图刷新面（清图支配性对账批 2026-09-19：刷新板数÷总板数 = 弃图率）
+        boards = sum(s["battles"] + s["refresh_ok"] for s in group)
+        refreshes = sum(s["refresh_ok"] for s in group)
+        print("  平均每局弃图刷新           ：%.2f 次（被拒 %.2f 次）   弃图率：%.0f%%" % (
+            refreshes / max(1, len(group)),
+            sum(s["refresh_rej"] for s in group) / max(1, len(group)),
+            100.0 * refreshes / max(1, boards)))
+        exits = {}
+        for s in group:
+            for k, v in s["exits"].items():
+                exits[k] = exits.get(k, 0) + v
+        exit_total = sum(exits.values()) or 1
+        exit_cn = {"cleared": "清图换板", "stopped": "主动停手", "ap_exhausted": "行动点耗尽"}
+        print("  轮出口分布                 ：%s" % "、".join(
+            "%s %d（%.0f%%）" % (exit_cn.get(k, k), v, 100.0 * v / exit_total)
+            for k, v in sorted(exits.items(), key=lambda x: -x[1])))
         print("  地图战斗资源构成（件/轮）  ：%s" % eff_line(group))
         if name.startswith("失败"):
             dn = {}
@@ -598,12 +628,17 @@ def main():
     # --tier ATK,HP：只统计该天赋档（默认 0,0 基线档——0.5 传作 50）。
     if "--runs" in args:
         tier = (0, 0)
+        policy = None
         for i, a in enumerate(args):
             if a == "--tier" and i + 1 < len(args):
                 tier = tuple(int(x) for x in args[i + 1].split(","))
             elif a.startswith("--tier="):
                 tier = tuple(int(x) for x in a.split("=")[1].split(","))
-        analyze_runs(rows, os.path.basename(path), tier)
+            elif a == "--policy" and i + 1 < len(args):
+                policy = args[i + 1]
+            elif a.startswith("--policy="):
+                policy = a.split("=")[1]
+        analyze_runs(rows, os.path.basename(path), tier, policy)
     elif "--run" in args:
         # 抽单局（大日志里按 run 序号或种子挑一局）走三层维度报告
         sel = None