docs(v2): record exploratory-evaluation consensus in CONTEXT.md and ADR-0003

Grilling 沉淀：OpenClaw 定位从"重规划"转为"虚拟用户"双轨结构
（周期活动内嵌探索先行 + 探索活动后续里程碑），新增六个领域词条。

CONTEXT.md

@@ -82,6 +82,32 @@ _Avoid_: 环比（暗示固定自然周期，活动窗口可任意长）
 活动的两种运行档位，由时间倍速区分：`time_scale == 1` 为正式线（窗口按真实时长走完，代表真实服务周期，享受自动分析、自动周期对比等全链自动化）；`time_scale > 1` 为加速调试线（压缩窗口用于快速验证流程，自动化能力默认关闭，仅手动按需触发）。
 _Avoid_: 真实线、快速模式
 
+## 探索式评测
+
+**虚拟用户（Virtual User）**:
+OpenClaw 在探索式评测中扮演的角色：按人设与探索目标模拟拟真用户行为、与被评对象自主对话的智能体。是"行动者"而非"台词生成器"——对话节奏、追问、放弃均由其自主决定。
+_Avoid_: 测试员、脚本机器人、模拟器
+
+**探索式评测（Exploratory Evaluation）**:
+与固定场景并行的第二种评测模式：不预设考纲，由虚拟用户按种子自由行动，产出"发现的问题"而非"通过率"。固定场景保留为回归基线（可比性、周期对比建在其上），两模式共用活动/窗口/报告外壳，可在同一活动内混编。（决策见 ADR-0003 v2 修订）
+_Avoid_: 自由测试、压力测试、探索测试
+
+**探索会话（Exploration Session）**:
+虚拟用户以"人设 × 目标"组合执行的一段完整对话过程，独立实体存储（`exploration_sessions`，不并入评测运行——Run 绑定场景与规则判定，探索会话两者皆无）。平台提供会话对象、护栏与留痕，对话由 OpenClaw 驱动。
+_Avoid_: 运行、用例、测试会话
+
+**种子集（Seed Set）**:
+活动级配置的种子人设（背景、性格、耐心度）与种子目标（如"完成退货"）集合，是探索式评测的可比性单位（对应固定场景的"考纲"，与 `plan` 同构）。虚拟用户可在预算约束内从种子衍生有限变体（换表达、换追问策略），全部留痕。
+_Avoid_: 题库、人设库、剧本
+
+**体验记录（Experience Record）**:
+探索会话结束时虚拟用户产出的结构化自报：目标是否达成、卡点、被误导处、情绪变化。探索式评测的第一手证据——意图-结果闭环只有行动者自己能给；judge 岗位对抽样对话独立复核补充质量维度，两条证据链在分析层汇合。
+_Avoid_: 评测结果、断言、日志
+
+**巡检（Patrol）**:
+常驻代理的周期性自主行动：经 OpenClaw heartbeat/cron 唤醒，调平台巡检 API 查看进行中活动的新结果与预算余量，自主决定"继续观察 / 派探索会话"。全局一个常驻巡检作业，无状态地巡检所有活动；OpenClaw 停摆只暂停探索，固定计划照常。
+_Avoid_: 轮询、心跳（heartbeat 是 OpenClaw 机制名，巡检是平台侧行为）
+
 ## 模型配置
 
 **模型能力（Capability）**:

docs/adr/0003-campaign-phased-static-then-adaptive.md

@@ -17,3 +17,27 @@
 - v1 的活动计划是静态的：OpenClaw 至多在启动时生成一次，执行期不参与；因此 v1 报告反映的是"预设编排下的周期表现"，尚不含 AI 依结果调整的闭环。
 - v2 把 OpenClaw 放进调度热回路，其可靠性边界是"决策点可用"（非全程存活）；决策点不可用时该时段应可跳过/重试而不拖垮整个活动。
 - 活动是**单对象**聚合；多对象对比通过并行活动 + 跨活动对比实现，不在活动内部横向编排（与 ADR-0001「同场景同版本才可比」一致）。
+
+---
+
+## v2 修订（2026-08-03）：从"重规划"到"虚拟用户"，双轨结构
+
+原 v2 设想是 OpenClaw 在决策点重排计划条目。经 grilling 重新定位：OpenClaw 的价值不是给固定场景排课表，而是**当虚拟用户本身**——模拟复杂拟真用户行为去打被评对象，产出问题与建议。据此修订为双轨结构：
+
+1. **周期活动内嵌探索（先行）**：现有活动骨架不变（静态计划照常执行），OpenClaw 常驻代理按巡检结果在窗口内派发探索会话；OpenClaw 停摆只暂停探索，固定计划照常完成。
+2. **探索活动（后续里程碑）**：独立活动类型，无预设计划，OpenClaw 全权接管评测任务。
+
+两轨共用底座：探索会话对象、种子配置、体验记录、judge 复核、平台护栏。
+
+**关键决策**（完整清单见 grilling 记录）：
+
+- **平台耐久底座 + OpenClaw 常驻代理循环**（原"OpenClaw 全程自主驱动"仍被否，但修正为：常驻的是代理进程/循环而非会话；耐久性归平台，自主性归代理）。可靠性边界沿用原文："决策点可用"，不可用时跳过不拖垮活动。
+- **探索会话是独立实体**，不并入 Run——Run 绑定场景与规则判定，探索会话两者皆无，合并会污染 ADR-0001/0002 的可比性与通过率口径。
+- **判定 = 体验判定为主 + judge 抽样复核**：意图-结果闭环只有行动者自己能给；judge 补客观质量维度，两条证据链在分析层汇合。
+- **种子集（种子人设 × 种子目标）是探索式评测的可比性单位**，活动级配置、与 `plan` 同构；代理可在预算内有限衍生。
+- **巡检载体**：全局一个 OpenClaw heartbeat/cron 常驻作业 + 平台巡检 API（OpenClaw 调度持久化在 SQLite、重启不丢、连续失败自动禁用）。
+- **护栏平台硬执行**：超预算 API 直接拒绝（默认 ≤8 会话/窗口、≤12 轮/会话、≥30min 间隔）。
+- **档位**：正式线（time_scale == 1）自动，加速线仅手动——时间压缩与拟真本质冲突。
+- **产出接入**：报告新增"探索发现"维度 + 喂 v0.7 分析 + Markdown 导出；周期对比暂不扩展，待口径稳定。
+
+词汇表更新见 `CONTEXT.md`「探索式评测」章节。