过滤由自动化自己产生的反馈事件

以下示例与示意结果由本站编写，用于说明方法，不是模型实测结果。

使用场景

学习观察器读取自己的工具事件，读写又进入学习队列，会不断生成新观察任务。教学链允许普通交互事件被记录，但观察子运行携带明确 automated 标记，需要在创建项目元数据或新分析之前过滤。

具体做法

在自己启动的自动运行传播可检查的来源标记，捕获入口先验证它，再决定是否记录。标记自动事件则不进入递归队列，也不触发懒初始化；普通允许的交互事件继续。测试每个生产入口，避免只靠名称或路径模糊匹配把合法事件一并吞掉。

反例

记录观察器自己的读写，再为每条启动另一个观察器。只按名字含 observer 就过滤所有事件，包括用户真实操作。

改进写法

按教学链给观察子运行显式自动标记；来源实例使用 ECC_SKIP_OBSERVE=1。捕获在项目元数据与新任务创建前检查它，跳过自身反馈；普通授权交互运行仍记录。测试不同入口的标记传播和过滤位置，不用宽泛名称推断身份，也不把此协作标记当权限认证。

为什么这样改

反馈边如果在工作已经排队后才过滤，递归成本仍已产生。入口前识别自动来源能切断自激路径，同时保留人类交互的有效事件。

如何验证

教学自动运行应不增加学习事件或懒启动元数据；相同工具操作来自允许交互运行时仍记录。缺标记或入口遗漏应被测试暴露，不能仅观察一次没有循环就叫全面覆盖。

检查过滤只作用于声明来源，不掩盖其他真实活动。

适用边界

标记可被误用或伪造，是合作协议而非安全隔离。实际来源身份和授权仍由宿主管理；冻结的环境变量和入口名单不是所有运行时的通用机制。本篇不启用学习 Hook。