[P2] 記錄實際執行的 review lane，補齊 ACP 身分與 benchmark／安裝版本對應

[frankekn]

問題與依據

基準 main@d333e4e，並包含尚未合併的 #143、#144。

• review.yml: no default runner; the runner host's bundle owns the lane #143 把 runner/model/effort 的預設選擇交給主機 self-managed loader；repo 版本與實際執行組態不再必然相同。
• eval: record the DeepSeek Harness (acp) lane on the direct DeepSeek API #144 明示 ACP launcher 與 auth-source 的 attestation 不完整，privateEnvironment: true 使公開 leaderboard 生成器拒絕該報告。不能靠放寬檢查讓它上榜。
• Self-managed bundle rejects a consumer's wrapper Pi launcher before spawn #142 是 private bundle 的 launcher policy 與 consumer wrapper 不一致的既有案例；此處不重複實作 launcher 核准機制。
• RunStat／ReviewResult 已有部分執行統計，但不足以完整回答「這份結果是哪個部署組態產生」。現有 README、eval 決策、host 預設也不能統稱為同一個 deployed lane。

最小設計

在既有 result JSON 增加小型、output-only 的 runtime 描述；在啟動時解析一次、每次實際執行取用同一份 immutable 值。必要欄位建議：

coreVersion / sourceSha（可取得時）
bundleDigest / launcherDigest（可取得時）
runner / runnerVersion
model / effort / providerRouteId
promptHash / policyHash
reviewBudgetMs
qualification: { policyVersion, reportId, matchStatus }

這是建議欄位，不要求一次為每個 runner 實作全部 metadata。無法獨立取得者必須標 unknown 或 operator_attested，不从模型文字猜、不假造相容，也不把操作人員宣告當成 provider 證明。

實作步驟

1. 在 runner 解析邊界收集實際生效的值，不只是 caller inputs。ACP launcher 私下選 model 時，上游不知道就記 unknown，不能沿用 README 的預設 model。
2. 使用者畫面僅顯示「工具版本／AI 服務／組態是否與受測版本一致」。其餘放可展開的技術資料與 redacted JSON；使用者不必理解 lane、SHA、hash 才能使用。
3. 擴充現有 eval runner-environment 身分處理，為 ACP 記錄可公開的 launcher digest、harness version、auth-source 類型。驗證與生成器共用既有契約，不另建 registry。
4. 配置與已知 qualification 報告完全對應時才標 tested。未知或不同組態標「未完成同組態評測」，不要把自訂 lane 全部禁止使用；能力不足或安全配置失敗仍依 [P2] 依 runner 能力選擇審查流程，禁止無 repo 工具的 HTTP lane 宣稱完成 deep review #146／[P2] 修正 #143 委派 runner 路徑遺失 codex_proxy_required 的限制 #147 拒絕。
5. README、benchmark 與「推薦安裝組態」從同一個小型版本檔產生／檢查，清楚區分 benchmark-selected、package default、operator-selected，避免散落多個 deployed 宣告。
6. JSON／日誌不得包含 API key、token、auth.json、完整私有 URL、使用者家目錄、原始認證 store；不得以低熵秘密的 digest 代替遮蔽。hash 僅針對可公開的 artifact／policy bytes。
7. 缺少非必要 metadata 不使原本成功 review 無故失敗；但不足以重現的 lane 繼續不能取得公開 leaderboard 的 verified 標記。

驗收

• CLI、GitHub 與 ACP 均記錄實際可證明的 runtime；未知值不冒充已知。
• host 改變 runner/model/effort 後，下次結果的 runtime 跟著改變；同一份 review 中途不漂移。
• 完全相同／版本不同／未知 launcher 三種狀態有測試，不能誤標同組態 qualification。
• eval: record the DeepSeek Harness (acp) lane on the direct DeepSeek API #144 的報告只有在身份契約完整、可驗證後才能通過生成器；不加私有例外跳過檢查。
• secret-redaction 測試包含 endpoint userinfo、query credential、家目錄、passthrough env。
• cached result 舊版相容；runtime 不送回模型，不改 prompt／finding／verdict。

不做的事

不建 SaaS control plane、集中 telemetry、完整供應鏈證明平台或通用 credential vault。先重用既有 release.json／eval manifest／result JSON。Digest 只識別 bytes，不宣稱是可信簽章或 runtime 隔離證明。

相關與交付

#142 管 launcher allowlist 的相容契約；本 issue 管執行身份與報告可比性。先做不影響模型輸入的 metadata，再按專案規則 gate；若碰 scorer／qualification semantics，必須宣告 Class R。使用者安裝不需要本機執行 87-fixture 評估。