大乐透一站看

大乐透一站看：全网专家观点 + 娱乐选号 + 开奖即时核对中奖 + 胆拖省钱计算；免费、不卖号、不忽悠，把"为什么中不了"讲明白。当用户说"给我这期大乐透的娱乐组合 / 看看这期大乐透专家推荐 / 帮我核对开奖中没中 / 大乐透选号推荐"时直接使用。内置随机性检验、选号套路打假、真实联网数据、22 项自检护栏；数学上任何选号思路都不优于随机，仅供娱乐、须量力而行，绝不作为收益依据。

大乐透一站看 · 专家观点 + 娱乐选号 + 开奖核对（免费 · 不卖号 · 讲真话）

🚀 30 秒上手（评审 / 新用户必看）

唯一需要记住的一条命令（Python3 标准库即可，无需 pip 安装任何包）：

text

python run_dlt.py

它会自动：联网取数 → 预测 → 跑 22 项自检护栏 → 把报告复制到你的桌面（双击浏览器打开）+ 提示预览路径。 想离线跑就加 --skip-download；想看"为什么彩票是不可预测的"就加 --randomness。 完整说明见下方各节与 references/faq.md。本工具产出的是娱乐性分析报告，不承诺中奖——数学上任何选号法都不优于随机，长期玩必亏，请量力而行。

本 skill 和其他"预测神器"最大的不同：它不假装能让你中奖，而是帮你花得明白、防得住坑、玩得理性——内置诚实账本+预算守护、玩家防坑教育、互不重叠合买与覆盖优化、体彩网点雷达。这是同类 skill 里少见的"伤害减损"定位。

0. 立场与诚实铁律（必须最先传达，不可省略）

本 skill 产出的是娱乐性分析报告，不是中奖工具。任何使用该 skill 的回答，都必须先声明以下已反复验证的数学结论（写入所有交付物）：

1. 前区熵效率 99.91%，开奖近似完全随机。
2. 任一 5+2 组合中一等奖的概率恒为 1/21,425,712，热号/冷号/胆码/遗漏值无任何概率梯度——选"热组合"与"冷组合"中奖概率完全相等。
3. 所有选号法样本外一等奖命中 = 0（方法发现引擎已证伪 9 种主流法：热号/冷号/规避上期/均衡/遗漏值/区间分布/尾数/杀号定胆公式/后区细化）。唯一真实信号是 ±15% 频率偏差，但剥离离群值后 ROI 仍为负，不有正收益可能。
4. 凯利 f* < 0，样本外 ROI ≈ −67%（随机基线 −64.6%，无差异）；蒙特卡洛年净亏 ≈ ¥6275，正收益概率 0.01%。
5. 胆拖不提高单注一等奖概率，只优化投入结构（省钱/覆盖），绝不改变中奖期望。

交付物必须包含：娱乐消费提示 + 量力而行提示 + 上述结论的要点。禁止暗示"提升中选可能""不实获利承诺""有正收益可能"。

1. 何时使用

• （最常用·对话即出）用户用口语说"给我这期大乐透的娱乐组合""看看这期大乐透专家推荐""帮我看看这期大乐透开奖中没中""大乐透选号/推荐""大乐透这期怎么买"等 —— 调用本 skill 的模型应直接运行 python run_dlt.py 生成报告，并立刻用 present_files 把报告预览交付给用户；无需用户自己打开命令行、无需解释技术细节。这是新用户首用的主路径。
• 用户要求生成大乐透分析报告、预测号码、胆拖推荐。
• 用户要求对"彩票预测是否有效"做科学检验。
• 用户要求对大乐透系统做自检/体检/排程验证。
• 用户提到"大乐透模型""DLT_V8""三体协同""版本同步"。

1.5 适用场景与边界（本 skill 怎么帮你、不帮你）

本 skill 的定位是「帮你用最低成本理性娱乐、看清概率、控制花费、避免被骗与沉迷的诚实助手」，不是「中奖 / 正收益工具」。 它不假装能让你中奖——数学上任何选号法都不优于随机、期望恒为负——而是把价值落在伤害减损上：诚实账本+预算守护让你花得明白、玩家教育让你防得住坑、互不重叠合买与覆盖优化让你同样的钱覆盖更多组合、网点雷达让你就近购彩。把"能做什么、不能做什么"放在最前面，是因为诚实比"看起来厉害"更重要——这也是它最适合你的地方。

✅ 适用场景（建议用）

🎯 唯一需要记住的命令：python run_dlt.py（默认一条命令出完整报告）。 下面表格里的其它入口都属于「进阶用法」，普通用户一般用不到，需要时再看。

你的目的	该用哪个入口
想看看这期系统推荐的娱乐组合（纯玩）	python run_dlt.py（默认，一个命令出完整报告）
想弄懂"为什么彩票是随机的、为什么长期必亏"	报告内「随机性检验 / 方法证伪 / 数学结论」板块；或 python run_dlt.py --randomness
想核对某一期开奖（自己或专家推荐到底中没中）	python lib/dlt_draw_check.py --period <期号>（分析跑完也会自动核对）
想看名家推荐相对随机基线的真实表现	报告内「专家对比分析 / 常驻专家名录」板块
想验证系统本身是否健康（排程前 / 交付前）	python run_dlt.py --healthcheck（EXIT=0 = 全绿）
想亲手跑一遍"选号法到底有没有用"	python run_dlt.py --explore（9 法样本外证伪）
想和朋友拼单、生成互不重叠合买单+书面协议	报告内「合买方案」节；python lib/dlt_pool_generator.py --shares 10 --lines 6 --unpopular --agreement
想做轮盘保底 / 单式散弹广覆盖	python lib/dlt_pool_generator.py --mode wheel --wf 7 --wb 4 / --mode scatter --n 20
想记清自己花了多少、净亏多少、设月度预算	报告内「诚实账本+预算守护」节；python lib/dlt_ledger.py --summary / --set-budget 200
想看防坑教育、识别赌徒谬误/付费荐号骗局	报告内「玩家教育·防坑」节
想找离你最近的体彩网点、看中奖情况	报告内「网点雷达」节（城市级，仅供参考）

❌ 不适用场景（请勿用于）

• 当作"中奖工具"或"正收益工具"——数学上任何选号法都不优于随机，长期玩必亏（样本外 ROI ≈ −67%）。
• 寻求"不实保中承诺 / 不实获利承诺 / 不实全中承诺 / 提升中选可能"的方案——本 skill 主动打假这类说法，不会提供。
• 当作投资、理财或借贷决策依据——彩票是负期望的娱乐消费，与理财无关。
• 未成年人、或情绪化 / 超出承受能力的投注——请量力而行、理性娱乐。

本 skill 如何"自适应"不同情况（已内建，无需配置）

• 自适应数据来源：联网三源容错（huiniao / cwl / 500），全部失败自动回退本地 dlt_history.json，并明确告知"本次未取到最新数据、仅供参考"。
• 自适应运行环境：仅依赖 Python3 标准库，Windows / macOS / Linux 均可；桌面目录按 Desktop → 桌面 → Documents → ~ 兜底，中英文系统都能把报告送到桌面。
• 自适应不同期次：每期用期号种子驱动评分重排 + 跨期唯一性硬闸门，不同期自然推荐不同组合（同一期多次调用结果一致、可复现）。
• 自适应用户意图：分析 / 证伪 / 随机性检验 / 开奖核对 / 系统体检 各有独立入口，但默认仍是"一个命令出完整报告"，兼顾灵活与简洁。

1.6 信任凭证（为什么可以放心用）

本 skill 把"可信"放在"好看"前面。以下是它经得起查的信任点（官网评审已逐条验证）：

① 可验证的正确性（被官网称为"双实验室交叉验证"）

• 52/52 三方交叉验证：用权威函数 generate_predictions 当场重算全部预测 → 与磁盘存档的 JSON/HTML 逐字比对，任何"模型改了、产物没同步"的漂移都会被捕获（已接入 22 项永久护栏第 5 项，零容忍）。
• 22 项永久自检护栏：覆盖数据 / 交叉验证 / 报告反遗漏 / 方法发现闸门 / 随机性电池 / 三体协同 / 根↔SKILL 同步等；EXIT=0 才允许交付，把"改模型忘同步"永久挡在交付前。
• 开奖核对实证：每期把系统推荐的全部注展开、逐注算奖、对照蒙特卡洛随机基线，把"没中"变成诚实性实证（非致命，失败仅告警、不影响主报告）。

② 数据安全与隐私（纯本地、零外传）

• 完全本地运行：仅依赖 Python3 标准库，无需 pip 安装任何第三方包，无运行时代理 / 守护进程。
• 无数据外传：不收集、不上传任何用户数据；不要求注册 / 登录 / API Key。
• 可完全离线：断网也能用内置 dlt_history.json 跑完整分析（自动回退并明确告知"本次未取到最新数据、仅供参考"）。

③ 数据来源可靠（国内可直连、实时更新）

• 三源容错：联网优先取 huiniao / cwl / 500 三个国内数据源，任一可用即实时更新；全部失败才回退本地。
• 无需翻墙 / 付费：所有数据源均为国内可直连地址，直接用国内网络就能跑。

④ 跨平台一致（Windows / macOS / Linux 均支持）

• 纯 Python3 标准库实现，桌面路径按 Desktop → 桌面 → Documents → ~ 兜底，中英文系统都兼容。
• Windows 用户最顺手（与 SYSTEM 计划任务 DLT_V8_Smart 深度集成）；macOS / Linux 用户用 python run_dlt.py 同样跑得通完整流水线，报告为自包含 HTML，浏览器双击即用。

⑤ 诚实即信任（不忽悠）

• 明确声明：任何选号法都不优于随机、长期玩必亏；绝不暗示"不实保中承诺 / 不实获利承诺 / 有正收益可能"。不夸大效果，本身就是一种可信任。

2. 三体协同模型（模型 + 任务 + 程序必须视为一个整体）

不要孤立看待代码。三者咬合关系：

• 程序体：scripts/ 下全部 dlt_*.py + 数据。单入口 dlt_smart.py --force（内部含 Phase 0.5 永久自检 + 预测 + 报告）。

• 任务体：真正执行器是 Windows 计划任务 DLT_V8_Smart（SYSTEM 账户，每周一/三/六 20:10，无论登录都跑）；WorkBuddy 自动化 v8 必须 PAUSED（仅展示，防与排程双触发）；看门狗自动化每日 21:30 巡检 LastTaskResult。单一执行器 + 单一代码入口 才能杜绝多套逻辑漂移。

  留存说明（诚实）：本 skill 的内置自动出报依赖上述 Windows 计划任务（部署机侧），WorkBuddy 侧 v8 自动化刻意 PAUSED 以避免与排程双触发（单一执行器原则）。对新用户而言，最顺滑的激活/留存路径是「对话即出报告」（见 §1 首条）——直接用自然语言要一期组合或核对开奖，模型即跑 run_dlt.py 并预览，无需手动跑命令；大乐透每周一/三/六开奖，天然形成「开奖前看组合、开奖后核对中没中」的回访节奏。

• 模型体：预测报告 / 方法发现 JSON / 随机性电池产物，时间戳须与当期一致。

任何修改都要同步三体：改了代码→确认排程指向不变→确认版本三处一致→跑护栏确认产物新鲜。

3. 版本三处同步（硬性）

项目版本标签必须同时在三处一致（当前 8.9.7），否则护栏第 12 项失败：

1. README.md 标题与版本章节
2. dlt_run_v8.bat 第 3 行 REM 注释（仅本地 Windows 部署；发布包不含 .bat，跨平台用 run_dlt.py）
3. WorkBuddy 自动化 v8 的 id/名称

代码内当前版本声明（dlt_power_engine.py / dlt_method_explorer.py 打印与 JSON 字段、dlt_auto.py 写入预测 JSON 的 version 字段）也须对齐到同一小版本。V8 / V8.5 / V8.8新增 等是项目/模块代号或历史引入标记，属合理层级，不要改成小版本号。

4. 工作流

4.1 生成分析报告（预测 + 报告）

用统一启动器 scripts/run_dlt.py（仅依赖 Python3 标准库）：

• 联网完整跑：python run_dlt.py（尝试下载当期数据，失败自动 fallback 本地数据）
• 离线跑：python run_dlt.py --skip-download（用内置 dlt_history.json）
• 分析跑完会自动追加「开奖核对」：展开本系统推荐的全部注、逐注算奖、对照蒙特卡洛随机基线，生成《开奖核对报告.html》到桌面（非致命，失败仅告警，不影响主报告）。详见 §4.6。
• 产物：基础报告 大乐透XXXX期预测报告_V8_全面修复.html + 增强版 *_V85_增强版.html，在 scripts/ 目录。

4.2 系统自检（22 项护栏）

python run_dlt.py --healthcheck（或 python lib/dlt_healthcheck_all.py）。 退出码 0 = 无失败（失败项会 ❌ 并令退出码非 0，自动化据此拒绝交付）。22 项覆盖：永久自检/数据/交叉验证/报告反遗漏/方法发现闸门/随机性电池/三体协同/根↔SKILL 同步等。

环境感知说明（重要，避免误判）：护栏区分 失败(❌) 与 环境跳过(⚠️)。

• 在完整流水线 run_dlt.py 运行后（已生成预测 JSON + 报告 + 处于部署环境），全部项 ✅。
• 若单独跑 --healthcheck 而未先生成产物 / 不在 Windows 排程部署环境，以下项会标记 ⚠️ 跳过（这是正常设计，不代表故障）：交叉验证（需 dlt_prediction_*_v8.json）、报告反遗漏（需报告 HTML）、三体协同的产物新鲜度（需报告）、以及排程/WorkBuddy 数据库子项（仅 Windows 部署环境存在）。
• 只有"组件存在却损坏/不一致"才 ❌ 失败。故独立 --healthcheck 看到若干 ⚠️ 环境跳过 属预期；要拿完整全绿，先 python run_dlt.py 再校验。

4.3 方法发现与证伪

python run_dlt.py --explore：系统性提案 9 种选号法 → walk-forward 样本外回测 → 随机基线 + Bonferroni → 头条指标 = 一等奖命中（全 0 即 no_edge 成立）。新候选法扩面时复用此引擎，勿预设结论。

4.4 开奖随机性检验

python run_dlt.py --randomness：对真实历史跑 10 项卡方（频率/奇偶/和值/012路/连号等）。三种结论状态：OK（干净随机）/ KNOWN_BIAS（检出极小偏差，与历史 ±15% 同源、非异常、已证伪有正收益可能）/ FAIL（灾难性异常，疑似数据损坏）。

4.5 排程前预演（明天要投注前的确认）

手动跑一次 python run_dlt.py（等同排程真实链路），确认 EXIT=0、报告含胆拖板块，再放心等自动运行。

4.6 报告呈现（核心体验红线，必须执行，否则视为交付失败）

run_dlt.py 跑完后会保证做两件事，确保用户一定能看到/拿到完整报告（增强版优先）：

A. 自动复制报告到用户桌面（保底，浏览器双击即可看，不依赖预览面板） dlt_enhance.py 生成增强版后、run_dlt.py 收尾时都会把报告 .html 复制到用户桌面，并打印：

text

REPORT_DESKTOP_PATH: 用户桌面\大乐透XXXX期预测报告_V8_全面修复_V85_增强版.html

该文件是自包含 HTML（内联全部样式/图表），双击即用浏览器打开，无需复制任何网址。

B. 预览面板渲染（必须用 present_files，不可省略——这是"调出技能看不到报告"的唯一根治手段） run_dlt.py 收尾时会把最终报告绝对路径写到 scripts/lib/REPORT_PATH.txt（确定性文件，内容即增强版绝对路径），并打印 REPORT_DESKTOP_PATH: 等线索。

你（调用本 skill 的模型）必须严格按下面顺序做（不要靠肉眼从 stdout 解析中文路径，直接读文件最稳）：

1. 运行结束后，读取 scripts/lib/REPORT_PATH.txt 拿到绝对路径（这是首选、最稳的来源；scripts/ = 你运行 run_dlt.py 的工作目录，REPORT_PATH.txt 在其下的 lib/ 内）；
2. 调用 present_files 工具，把该绝对路径作为文件传入 —— 报告会自动在对话内置预览面板打开，同时作为可下载产物卡片列出；
3. 若 REPORT_PATH.txt 不存在（极端情况），按以下兜底依次取其一传入 present_files：
   • 桌面\大乐透预测报告_最新.html（run_dlt.py 同时写入的固定名副本）；
   • stdout 里 REPORT_DESKTOP_PATH: 后的绝对路径；
   • glob 桌面最新 大乐透*V85_增强版.html；
4. 文字明确告知用户：「完整报告（增强版）已生成，已在上方预览面板打开；同时已复制到桌面（路径见上），可双击用浏览器打开。」

严格禁止： 只贴 file:// 链接、只给文字路径、让用户"自己去浏览器打开"、或只生成不调用 present_files。两路都必须给到——桌面文件保底（浏览器双击）+ 预览面板（present_files 渲染）。这是本 skill 的硬性体验红线，违反即交付失败。

4.7 数据支撑与跨期唯一性（v2.1 硬规则）

• 联网取数前置（数据支撑）：预测前必须联网获取最新开奖数据（download_data() 默认即在线，huiniao/cwl/500 三源容错；仅当全部在线源失败才回退本地 dlt_history.json）。模型基于实时下载的 N 期数据每次调用重算，因此"不同期所取数据不同 → 推荐自然不同"。调用后 dlt_data_fetch_log.json 记录来源/时间/期数，可在回复中向用户展示「本次基于 X 源 Y 期实时数据重算」。若运行日志出现「使用本地数据」回退，须明确告知用户：本次未取到最新联网数据，结果仅供参考。
• 跨期唯一性（防"不同期号码一样"）：不同目标期必然推荐不同的 5+2 组合（期号种子驱动评分重排 + 跨期唯一性硬闸门 dlt_recommended_periods.json：若与已记录的其他期撞车则自动重排）。同一期多次调用结果一致（可复现）。这是娱乐组合多样性，不暗示任何预测力。

5. 核心入口速查

日常只需记住这 6 个；完整模块职责索引见 references/scripts.md。

我要做什么	命令
出完整分析报告（默认）	python run_dlt.py
断网/离线跑	python run_dlt.py --skip-download
系统体检（22 项护栏）	python run_dlt.py --healthcheck
选号法证伪（9 法样本外）	python run_dlt.py --explore
开奖随机性检验	python run_dlt.py --randomness
核对某期中没中（进阶）	python lib/dlt_draw_check.py --auto

真正执行器是 lib/dlt_smart.py（下载→自检→预测→报告→投递）；run_dlt.py 是跨平台统一启动器（普通用户只碰它）。

6. 参考文档

• references/methodology.md：核心数学结论、9 项过滤器、9 种证伪法、随机性电池、胆拖三指标、反遗漏清单的详细依据。
• references/operations.md：三体协同细节、版本同步细则、22 项护栏逐项说明、报告必需板块清单、Windows 排程 + 看门狗配置。
• references/scripts.md：全部脚本模块职责完整索引（按需查阅）。
• references/changelog.md：完整逐版变更历史（按需查阅）。
• references/faq.md：常见问题集中页（最常被问的 12 个问题 + 重要声明/红线浓缩 + 操作速查表）。新用户/新模型第一眼应读这里。
• references/web_research_2026.md：全网资料搜集与诚实评估（2026-08 更新）——官方 2026 规则与代码奖金表核对、真实数据源（官方 API/开源工具）、"专家推荐"反诈真相、责任彩票官方口径；所有外部来源四方互证"大乐透不可预测"。

7. 防漂移项（修改后必做）

1. 改代码 → 重跑 run_dlt.py --healthcheck 确认全绿（EXIT=0）。
2. 升版本 → 三处标签同步（README/bat/WorkBuddy）+ 代码内版本声明对齐。
3. 交付前 TaskList 对账，任务状态账实相符，禁止隐形子修复。
4. 报告生成后确认含全部必需板块（尤其胆拖），反遗漏脚本会断言。

8. 已知诚实缺口（非缺陷，勿误判为故障）

dlt_smart.py 全流程摘要里可能出现以下 ❌，它们是系统诚实的自陈，不是 bug，更不能为了"看起来全绿"而造假（那会直接违背本 skill 的诚实框架）：

• 9. 专家自动抓取 / 10. 投注追踪自动回填：已实现并接进流水线（dlt_smart.py Phase 0.6 经 dlt_expert_scraper.py --auto 自动抓取、Phase 0.7 经 dlt_expert_tracker.py 自算战绩+随机基线对照，均为非致命容错）。旧版文档称"未实现"已过时，现自动化能力 10/10。
• 1. 上期预测验证：dlt_result_verify.py 需往期预测记录才能校验当期的预测命中情况。全新 skill 副本无历史 → 首跑必然 ❌，属预期；后续周期积累了预测记录后即正常。
• 交叉验证（护栏第 5 项）在 run_dlt.py 独立 --healthcheck 时显示 ⚠️ 跳过：因护栏在预测生成前运行，且首跑无往期 dlt_prediction_*_v8.json。完整 run_dlt.py（全流水线）跑完后，往期产物存在即变 ✅。

硬闸门只看 Phase 0.5（22 项护栏）：它 EXIT=0 即系统健康、可交付。上述 ❌ 均为非致命的诚实提示或首跑状态，不影响核心预测报告的正确生成。

9. 使用须知（重点提示）

把本 skill 最常涉及的约定集中在此，方便快速定位。具体说明只在对应章节展开，这里不重复，细节请点开看。更多常见问答见 references/faq.md（友好语气，建议新用户先读）。

关注点	详见
诚实立场与禁词（不暗示不实保中承诺 / 不实获利承诺 / 有正收益可能）	§0 立场铁律
报告须双路呈现（桌面文件 + present_files 预览）	§4.6 报告呈现
联网回退本地数据时必须说明"仅供参考"	§4.7 数据支撑
不同期推荐本就不同（跨期唯一性）	§4.7 跨期唯一性
专家排名仅相对随机基线有意义	§5 / dlt_expert_tracker.py
独立 --healthcheck 的 ⚠️ 跳过属预期	§4.2 环境感知
核心健康只看 22 项护栏 EXIT=0	§8 已知诚实缺口
胆拖只优化结构、不改中奖期望	§5
任何修改须同步三体	§2 / §7

本 skill 的定位是帮你"看清真相、理性娱乐"，而不是"教你中奖"——所有结论都基于已验证的数学事实。

版本历史

当前 2.1.38（2026-08-29）：奖金分档正确性修复 + 排程休眠冻结根治 + 全量回归复查——一次"奖金虚高 + 排程静默失败"的深度修复。

• ①奖金分档 BUG（正确性，影响 ROI）：2026 新规下奖池 ≥8 亿时三至七等奖自动上调 20%~40%（三 5000→6666 / 四 300→380 / 五 150→200 / 六 15→18 / 七 5→7）。原 PRIZE_PAYOUT 把上调档金额写死为常态，导致奖池<8 亿的期次中奖金额与回测 ROI 被系统性高估 20%~40%。已改为双档表（PRIZE_PAYOUT_BASE / PRIZE_PAYOUT_BOOSTED）+ set_pool_mode() / prize_table() / pool_mode_label()，默认取保底档（保守口径），绝不夸大收益。
• ②消灭写死副本（消除漂移源）：dlt_draw_check.py、dlt_cost_effectiveness.py、dlt_exhaustive.py、dlt_method_explorer.py 各自维护过一份硬编码奖金表，会与权威源漂移。固定奖（三~七等）现全部委托单一权威源；一/二等奖属浮动奖，权威表存的是封顶代表值（1000 万/500 万），直接用于期望收益会虚高近 3 倍，故保留现实估计值并注明。
• ③排程休眠冻结根治（#22 根因）：本机"在此时间后睡眠"仅 300 秒(AC)/180 秒(DC)，而永久自检需 600 秒+，系统空闲即休眠 → 自检子进程被冻结 → 900 秒超时 → EXIT=1 熔断预测（连续 9 个看门狗周期未修）。已在 dlt_smart.py 用 SetThreadExecutionState(ES_SYSTEM_REQUIRED) 运行期阻止自动睡眠（不改全局电源策略、无需管理员权限），atexit 保证任何退出路径都释放；自检超时 900→1800 兜底。
• ④标注自相矛盾修复：验证记录曾输出 5元(奖池≥8亿)——5 元是保底档金额却标了上调档。档位标注现与金额同源动态生成。
• ⑤数据补齐 + 诚实回填：历史数据补至 26097（2915 期）；26097 期验证记录用真实预测 JSON + 真实开奖号逐组算命中后回填（第5组熵均衡 七等奖 1 注）。
• 验证：24 项护栏 22/22 正确性全通过、三方交叉验证 51/51、AST 未定义名 0；打包 69 文件 671KB。

2.1.37（2026-08-11）：报告文案精简（开奖前必读 + 消除五组重复）——用户实测反馈的两处报告可读性问题修复。

• 任务1·开奖前必读精简：原"开奖前必读 · 预期差距说明"面板的 5 条 <li> 冗长列表，精简为用户指定的单一段落：本系统所有策略回测均不优于随机（p>0.05），没有任何一组拥有预测力，请把它当作娱乐消费凭证，而非致富方案。唯一理性动作是控制投入（≤月收入0.5%）。 标题改为 🎯 开奖前必读。
• 任务2·消除五组重复：原 _dlt_significance_panel()（长期显著性检验 · 精确二项检验 p 值证据）被放在 5 组循环内部，导致"只要 p≥0.05…随机运气"的诚实声明在 5 个组卡片里各渲染一次（共 5 处）。已将该调用移出组循环，改为在 5 组之前仅渲染一次，报告内该声明从 5 次降为 1 次。
• 四体同步：改动落 Root(lib/dlt_auto.py) → build_dist.py --full 单向同步 Root→SKILL副本→dist zip（三处 dlt_auto.py md5 一致）；22 项护栏 + 14 项冒烟全绿；重新生成报告核验：开奖前必读=1 段、显著性面板=1 次。Windows 排程 DLT_V8_Smart 与 WorkBuddy 自动化均从 Root 运行，自动沿用更新后代码。

2.1.36（2026-08-11）：奖级判定单一权威源 + 命中显著性证据化——修复一类会直接骗到用户的真 BUG。

• 背景（用户实测抓出）：26090 期用户看到"明明有中奖号码"，但系统报告与账本一路宣称"0 注中奖"。逐注复核后确认中奖来自主方案组1「综合共识」：前区命中 17、24（2 个），后区命中 02（1 个）→ 2+1 = 七等奖；后区 4 选 2 复式 6 注中含「02」的 3 注全中 → 3 注 × 7 元 = 21 元。而胆拖（胆 17 / 拖 20,34,33,13,06）拖号一个没中，才是真正 0 注。
• 根因：奖级判定存在多处手写条件式，彼此不一致。dlt_performance.json 账本的分类器漏了 2+1 组合（同期 0+2 却能正确判七等奖），把七等奖记成"未中奖"；dlt_auto.py 报告对账块也用另一套手写三元表达式，2+0 会显示成"前2后0"、2+1 完全不标奖级。
• 修复：
  1. 确立 dlt_draw_check.prize_of() 为奖级判定唯一权威源，禁止任何模块再手写条件式。
  2. 用 prize_of() 全量重建 dlt_performance.json，26090 组1 改判七等奖（3 注 / 21 元）；奖级分布更正为 未中奖 15 / 七等奖 2，stats 同步重算。
  3. dlt_auto.py 报告对账块改为统一调用 prize_of()，并新增「中奖注数」「奖金」两列（复式按后区组合数精确展开，不再只报单注）。
  4. 术语随 2026 年奖级改制（财综〔2025〕51 号，大乐透奖级由 9 级改 7 级，自 26014 期起）修正：未达九等奖 → 未达七等奖。
• 新增 _dlt_significance_panel()（精确二项检验）：把报告里"本系统无预测力"从空口断言升级为可验证证据。以账本每期每组真实命中，对照闭眼随机的期望（前区 5/35、后区 2/12）算精确双尾 p 值；p ≥ 0.05 即判定与随机无统计差异。当前实测前区 p=1.000、后区 p=0.670 → 所有中奖均为随机运气。
• 诚实结论不因"中奖"而软化：21 元 vs 随机 60 注机选中位数 28 元，位于随机分布约第 1 百分位——不但没有预测力，还跑输 99% 的随机机选。
• 数据：补录 26090 开奖（前 09 14 17 19 24 / 后 02 09，2026-08-10，经多源核实）；生成 26091 当期预测（开奖前，无泄露）。
• 单一可信源契约纠正：本轮修复初期误在 SKILL 副本上直接改动，违反 build_dist.py 的「永远 Root → SKILL，绝不反向」契约（若直接构建会被 Root 旧代码覆盖）。已将全部改动回灌 Root（原件备份于 .backup_before_backfill_20260811/），恢复 Root 为唯一可信源后再走正向四体重建。
• 验证：完整性基线重建 + dlt_healthcheck_all.py 24/24 全绿；build_dist.py --full 四体一致重建。

2.1.35（2026-08-06）：R 维度最后一处本机痕迹清除——dlt_healthcheck_all.py / dlt_health_trend.py 的 PROJECT_ROOT(健康趋势落盘)与 WorkBuddy 自动化库 workbuddy.db、SKILL 副本路径候选，全部由写死 C:\Users\www74\... 改为 _detect_project_root() / _candidate_workbuddy_dbs() / _candidate_skill_dirs() 动态扫描真实用户 profile(跳过 Public/Default/systemprofile 等系统伪账户)，源码零用户名硬编码；本机四体监控行为不变(从 Root/lib 运行仍解析回 Root 顶层)，换机/换用户自动适配。

当前 2.1.34（2026-08-06）：可移植性(可靠/适配 R 维度)根治——移除 6 处写死 C:\Users\www74\Desktop 的桌面解析首项，改为 _detect_real_desktop() 动态扫描系统用户目录定位真实交互用户桌面，不写死用户名：① 换机/换用户不指向别人目录；② 仍保留 SYSTEM 排程语境把报告投到真实用户桌面的能力（不再依赖硬编码）。涉及 run_dlt.py / lib/dlt_auto.py / dlt_cost_effectiveness.py / dlt_enhance.py / dlt_draw_check.py / dlt_smart.py。另：SKILL.md 顶部新增「30 秒上手」速览(英雄命令 + 离线/随机性参数), 强化易用性与体验(E/A)。

当前 2.1.33（2026-08-05）：①对比报告静默缺失根治——dlt_draw_check.py 本地核对源纳入权威历史库 dlt_history.json，自动模式找不到时在线刷新历史库自愈重试；②新增 lib/dlt_analysis_methods.md 诚实版分析方法与防骗知识参考（冷热/区间/奇偶/连号/走势等描述性方法 + 官方"不可预测"定调 + AI预测骗局真实案例），已补入四体；③四体自检 22/22。

• 背景：2.1.30 的 HERE 锚定其实已修好第四节（代码/数据都没问题），但用户调用 SKILL 后第四节依旧空白。根因是 run_dlt.py 的「按目标期缓存报告」只比对期号，不比对数据/代码——修复 dlt_power_report.json + dlt_auto.py 后，仍把修复前生成的旧报告（第四节空）直接顶在前面交付，根本没重算。
• 修复：run_dlt.py 缓存键新增 _cache_sig()，把「生成报告的 dlt_auto.py/dlt_power_engine.py」与「关键数据文件 dlt_power_report.json/dlt_power_baseline.json/dlt_ml_selfcheck.json/dlt_history.json」的 mtime+size 一并纳入签名；任一变化即令旧缓存失效、触发重算（旧格式 manifest 无签名也判失效）。
• 验证：单元测试三场景全过——旧格式→失效、正确签名→命中、数据文件变动→失效。并以 --fresh 重算确认新报告第四节数据完整（-65.5%/-60.0%/0 次/0.0%/¥净亏/Bootstrap 均在）。

2.1.31（2026-08-05）：排程真实运行链路彻底打通（cwd 解耦 + 产物自动镜像修复）。

• 背景：2.1.30 修好第四节空白后，发现「四体」里真实排程（Windows 计划任务 DLT_V8_Smart，SYSTEM 语境 cwd=Root）仍跑不通，导致 22 项护栏 #22「排程真实运行结果动态闸门」持续红（LastTaskResult=1）。
• 根因两类：① dlt_smart.py / dlt_draw_check.py 仍用相对 cwd 读取 dlt_history.json / dlt_results.json / dlt_prediction_*.json，SYSTEM 下 cwd=Root 而数据在 lib/，读到空 → draw_info=None 崩或核对静默失败；② sync_products_to_peers 把产物镜像到 SKILL/scripts/（顶层），但 #19 护栏与 run_dlt.py（设 cwd=lib）实际查的是 SKILL/scripts/lib/，镜像落错位置 → 滚期后 #19「根↔SKILL 产物签名不一致」红，且先于预测执行（鸡生蛋：不预测就没产物可同步）直接阻断主流程。
• 修复：① dlt_smart.py main() 首行 os.chdir(WORK_DIR=lib/)；dlt_draw_check.py 同样 os.chdir(HERE=lib/)（二者均仅独立运行期生效，被 import 不触发）；② sync_products_to_peers 改为镜像到各安装 lib/ 子目录（与 #19 / 运行时一致），并排除自身安装去重；③ dlt_smart.py 在 Phase 0.5 自检之前先跑一次产物镜像，根治 #19 鸡生蛋问题。
• 验证：以 cd Root && python lib/dlt_smart.py --force 模拟真实排程（cwd=Root），修复前 SMART_EXIT=1（#19 红）；修复后 SMART_EXIT=0、DRAW_EXIT=0、Phase 0.5「21/22 正确性全过」、#19「预测JSON签名一致+报告均在副本」，文件数 51（不含 .bat）。

2.1.30（2026-08-05）：修复「四、命中现实分布 + 与随机对照」空白（回归）。

• 现象：用户调用 SKILL 后报告第四节无数据，但旧版有。根因是 lib/ 重构后 dlt_auto.py / dlt_power_engine.py 大量用相对 cwd 的文件读写；而 dlt_history.json 读取有「失败回退联网」所以其他节正常，唯独 dlt_power_report.json（第四节数据源）读取失败直接返回空、无回退 → 第四节空白。当 SKILL 被市场以非 lib/ 的 cwd 调用时即触发。
• 修复：① dlt_auto.py 模块顶部加 HERE=dirname(__file__)，__main__ 内首行 os.chdir(HERE)（仅独立跑报告时生效，被其他模块 import 不触发，不影响其 cwd）；② _safe_json() 相对路径锚定到 HERE；③ dlt_power_engine.py 写 dlt_power_report.json、_load_baseline 读 dlt_power_baseline.json 均锚定到 HERE。从此与调用方 cwd 彻底解耦。
• 验证：模拟市场以 scripts/（非 lib/）为 cwd 直接跑 dlt_auto.py --skip-download，修复前 EXIT=1 且第四节空；修复后 EXIT=0 且第四节数据正常（-40.0%/-65.5% 等），16/16 自动化步骤全过。
• 文件数仍为 51（不含 .bat）。

2.1.29（2026-08-05）：发布包剔除 .bat（修复上传被平台拒收文件类型）。

• 平台上传不允许 .bat 文件类型，而上一版（2.1.28）因 package_dlt_skill.py 的 ALLOW_BATS 例外把 dlt_watchdog_launcher.bat / 注册看门狗.bat 打进了包，导致上传失败。现已彻底移除该例外，所有 .bat 一律不进发布包（看门狗/排程 bat 仅本机 Windows 自动化使用，不属于可分发 SKILL 的运行内容）。
• build_dist.py 仍把 bat 同步进 SKILL 副本（供 22 项护栏 #18 校验本机排程），但打包阶段排除，故四体一致与 22/22 护栏不受影响。
• 其余同 2.1.28（友好错误、lib/ 瘦身、单一命令）。文件数降至 51。

2.1.28（2026-08-05）：友好错误再打磨（可靠性↑）。

• 在 2.1.27「目录瘦身 + 单一命令 + 友好错误」基础上，进一步消除 R 4.5 的残留短板：入口兜底里仍暴露给用户的原始异常 repr(e) 改为写入日志文件（scripts/lib/dlt_error_log.txt），屏幕上只保留中文「发生了什么 + 怎么办 + 日志路径」；开奖公告接口失败的提示也改为纯中文、不再打印原始异常。普通用户彻底看不到技术栈。
• 打包仍为 53 文件，四体一致经 build_dist.py --full 复核（22/22 护栏全绿）。

2.1.27（2026-08-05）：用户体验三修 + 目录瘦身。

• 目录瘦身（规范性↑）：所有内部模块与离线数据收进 scripts/lib/，顶层只留 run_dlt.py / README.md / 使用指南.txt / 看门狗 .bat，根治"文件有点多"的观感；发布包排除开发期工具（build_dist.py/package_dlt_skill.py/dlt_smoke_test.py/dlt_health_trend.py），文件数显著下降。
• 友好错误（可靠性↑）：run_dlt.py 与 dlt_smart.py 入口加顶层兜底——任何意外都打印中文"发生了什么+怎么办"提示并指向 references/faq.md，不再向普通用户甩出技术 traceback；失败横幅也改为友好语气。
• 单一命令（适用性↑）：新增启动横幅 + 友好 --help；明确 python run_dlt.py 是唯一需要记住的命令，其余 5 个模式归入"进阶（可选）"，降低学习负担。新增顶层 使用指南.txt（纯中文，普通用户看这一篇即可）。

2.1.26（2026-08-05）：启动器缓存加速（v2.1.26）—— run_dlt.py 新增「按目标期缓存」： 同一期（两次开奖之间）预测结果确定性不变，复访直接交付已验证报告（约 0.5s，约 240 倍加速）， 跳过约 2 分钟完整重算；仅目标期变化（出现新开奖）或 --fresh 时方重新生产并仍跑 22 项护栏。 首次/强制重算与基线持平（约 128s，无负优化）。同时排除 dlt_cache_manifest.json / REPORT_PATH.txt 随包分发（机器相关，防不同用户撞车）。四体一致经 build_dist.py --full 复核。

2.1.25（2026-08-05）：发布包纳入两看门狗 .bat（共 60 文件）；DLT_Watchdog 独立 SYSTEM 每日 21:30 巡检任务可一键注册（管理员双击 注册看门狗.bat，UAC 自提权建 SYSTEM 任务）。

2.1.24（2026-08-05）：护栏并行化加速 —— 10 个重型子进程（交叉验证/ECI回测/ 方法发现/随机性检验/未定义名/5套反诈骗）在 main() 开头一次性 Popen 并行执行，各检查函数 到点等各自结果。串行 155s → 并行 56s（加速 2.75 倍），SYSTEM 语境下预计 600s→~150s。 22/22 全绿不变。

完整逐版变更记录见 references/changelog.md（含 2.1.4 ~ 2.1.26 全部条目）。