已知局限（诚实边界）

ReviewGate 是静态 LLM 质量闸口，不执行代码。以下边界来自真实评测（见 docs/evals/）， 明示局限是为了可信——宁可说清楚做不到什么，也不夸大。

1. 细微算法 off-by-one / 进位 / 需"真正执行"才暴露的 bug

• DST(#1003)/parseISO 24:00(#1229)/负零差值(#739) 经「执行推演」提示改进后已能 BLOCK。
• 进展（2026-06-26）：revert addBusinessDays 周末修复后，当前版本 2/2 稳定 BLOCK， 命中周末分支的 off-by-one——此前记录的"addBusinessDays 周末漏报"已不再静默放行。
• run_check 修复（2026-07-01，见 docs/evals/2026-07-01__exec-verify-runcheck-fix.md）： --exec-verify 的 run_check 此前有严重 bug——子进程 stdout 未捕获，既泄漏到 ReviewGate 自身 stdout（破坏 --format json，CI 直接挂），执行结果又从未回传给模型（一律收到 (no output)）。 即"exec-verify 开着也没用上"的真实原因是工具坏了，而非模型不调用。修复后 run_check 才真正提供 执行信号，--format json 在 exec-verify 下也不再损坏。
• 勘误（2026-07-01）：此前把 big.js #125 记为"进位漏报"是误标——该 issue 是作者问能否简化， 两种写法（(c[j]+b)%10 vs c[j]=b）在该位置 c[j] 恒 0、可证等价（20 万随机 + 全 9 对抗，0 差异）。 ReviewGate 的 ai_smell 判其"等价/冗余"是正确的，不是漏报。
• 诚实边界（仍未根除）：
• 大仓库上有维度撞超时（已标 incomplete、未静默放行，但该维度未审完）。
• 最细微的单步 off-by-one / 逐位进位仍可能误推演，属理论硬尾——瓶颈仍是"模型是否主动怀疑并验证"； run_check 修好后模型可可靠执行核验，但仍需模型主动发起。
• 可靠防线仍是单元测试：纯"读+推理"难稳定模拟多次迭代的边界算法，关键算法逻辑不要仅依赖静态审查。

1b. 大 diff 上的跨文件状态表征漂移（无局部坏味道）

• 标本：syncthing #10170（revert 法，见 docs/evals/2026-07-02__frontier-10170-state-drift.md）。 bool 字段 与 位掩码 双事实源、聚合掩码删位后计数消费方漂移——19 文件、每个 hunk 各自看都自洽， bug 是三跳跨文件不变量。logic 维度基线与加「状态表征迁移」检查项后均 2/2 零命中（改动已撤，不留无效复杂度）。
• 定性：这类 bug 需要「本该做什么」的意图上下文，属 --intent 意图评审的领地（PR 标题一句话即含验收标准）； 缺陷向静态审查补不了意图缺失。该用例留在 dataset-recall.tsv 作 frontier 标本，预期长期先红。

2. 无上下文信号的"裸"危险调用

• 例：3 行 requests.get(url) 且无任何"url 来自用户"的线索——模型不一定判定为 SSRF。
• 缓解：真实代码通常带 handler/请求参数上下文（带上下文时召回良好）；高危类型可用 --samples N 提升稳定性。

3. run-to-run 方差

• LLM 固有：同一改动多次运行命中的发现集合会有波动；borderline 置信度会在 WARN/BLOCK 间抖动。
• 缓解：dedup + 证伪 judge 收敛；--samples N 取并集 + 保留最高置信度，稳定 flaky 闸口判定。

4. 未支持语言的精确工具降级

• tree-sitter 仅覆盖 rust/cpp/python/go/js/ts/java；其它语言（含仓颉等）LLM 审查照常可用，但 find_definition/callers/references 走 grep 词法兜底、find_duplicate_functions 不可用、 <lang>.md per-language 规则不路由。补一种语言＝加 tree-sitter grammar + 扩展名映射。

5. 仅审查 diff（改动）

• 默认只评审本次改动；不主动审计仓库既有代码。删除安全防护这类「负向改动」已专门覆盖 （prompt 例外规则 + cJSON 删除式漏洞验证通过）。

6. 意图评审（--intent）的验收清单

• 结构化强制：意图被解析成 N 条验收标准（C1..CN），评审跑完后未被逐条 verdict 的标准兜底标 ? not assessed—— 所以清单一定覆盖每条标准，不再出现"空清单/静默漏掉"。未核对的标准会让结果降级 WARN（绝不伪装成 PASS）。
• 仍有的模型层面局限：模型可能把预算花在深挖某条标准上，导致其余标准只是"未核对"而非真正打勾； 此时清单诚实显示"未核对"，提示放宽 --timeout 或拆分意图后重跑，而不是假装审过。
• 意图质量决定上限：一行提交信息只能拆出 1～几条粗标准；写清楚验收标准（编号/分条）才能得到细粒度清单。

---

这些局限均有评测留痕。随版本演进会持续缩小（每条都标注了已做/可做的缓解）。