fix(ci): time-budget graceful stop for sanitized fuzz + rebase budgets on worst measured throughput

[Liam0205]

Summary

Daily sanitized-fuzz 的 ASan pass 在 2026-06-24 至 07-04 的 10 次 run 中 8 次被内层 90m timeout 杀死（exit=124），每次只差 5-11%（2658-2859/3000 轮）；被杀时无 Results: 汇总，整个 pass 的覆盖信号全损，机器人连开 9 个同模板 issue。TSan 是下一个要炸的：07-03 距 65m 上限不足 1 分钟。

根因两层：

1. 预算基于快日标定：注释里的 ~1.5/1.6 s/round 来自 Daily sanitized-fuzz: pass incomplete (ASan=incomplete TSan=incomplete) (2026-06-20) #132/Daily sanitized-fuzz: pass incomplete (ASan=incomplete TSan=incomplete) (2026-06-21) #133 两天窗口；10 天窗口的 worst 实测是 ~2.03/1.92 s/round（快慢日方差 ~55%）。
2. all-or-nothing 结构：timeout NNm python3 … 超时即 SIGTERM，2800+ 轮全 pass 也一并作废——任何静态数字都会被 runner 方差击穿。

Changes

• scripts/differential-fuzz.py：新增 --time-budget-seconds（默认 0=关闭，ci.yml / nightly-diff-fuzz.yml 行为不变）。预算耗尽即停止发起新轮，正常输出 Results: 汇总并标注 N/M rounds (time budget)。^Results: 前缀保持稳定（nightly/daily 两处 evaluate step 都 key 在该前缀上）。
• .github/workflows/daily-sanitized-fuzz.yml：
  • 按 worst 实测重标：ASan in-script budget 105m / outer timeout 90→110m / step 95→115m；TSan 75m / 65→80m / 70→85m；job 180→215m。
  • 语义变化：in-script budget 承担 pacing，外层 timeout 降级为纯 hang 保护——incomplete 从此只剩一种含义（真 wedge 或脚本 crash）。
  • evaluate step 从 Results: 行解析实际轮数（N/M）进 summary 表；incomplete issue 模板 triage 指引按新语义重写。
• README.md：daily sanitized fuzz 一行补充 time-budget 语义。
• llmdoc/：ci-quality-baseline 指南补 daily-sanitized-fuzz 条目与两层 timeout 设计说明；新增 reflection。

Test plan

• ruff check 通过；YAML 结构校验通过（job/step timeout 层级正确）
• 无预算 20 轮（go+java）：行为与旧版一致，Results: 20 rounds, seed=42，exit=0
• 500 轮 + 15s 预算：56 轮后优雅停止，Results: 56/500 rounds (time budget), seed=42，exit=0
• 带 --stability-runs 3（CI 形态）+ 预算：正常收尾，UNSTABLE 行照常输出
• 用真实日志端到端模拟 evaluate step 的 4 个 grep 模式（FAIL / UNSTABLE / HAS_RESULTS / parse_rounds，含缺失文件 fallback）

Issues

Closes #142. （#144 / #146-152 已作为 duplicate 关闭指向 #142，trend 分析见 #142 评论。）

[github-actions]

🔍 PR 审查

项目	结果
结论	✅ APPROVE
审查截止	14f31d034c881d4ce4526602996805dd196b0d52

两层 timeout（内层 --time-budget-seconds pacing + 外层纯 hang 保护）设计正确，实现与文档一致，未发现 bug 或规范问题。

✅ 验证要点

逐项核对，均通过：

• start_time 生命周期：定义于 differential-fuzz.py:1386，早于循环内 budget 检查 L1409-L1421，无未定义引用。
• 失败信号保留：budget 触发只是 break，随后照常走 sys.exit(1 if failed > 0 else 0)——提前收束不会吞掉已发现的 divergence。且 daily workflow 用 grep FAIL: 计数判定失败（非 exit code），双保险。
• ^Results: 前缀契约稳定：改动只在前缀之后扩展 N/M rounds (time budget)（L1671-L1674），两处消费者（nightly-diff-fuzz.yml 的 grep -c '^Results:'、daily-sanitized-fuzz.yml L212-213）不受影响。
• evaluate 解析健壮：parse_rounds 的 [0-9/]+ 同时匹配 56/500 与 20 两种形态，无 Results 行时 fallback 到 planned 值。
• budget/timeout 分层自洽：ASan 6300s(105m) < outer 110m < step 115m；TSan 4500s(75m) < outer 80m < step 85m；job 215m 覆盖 7+115+85+5≈212m。数值与头部注释、commit message、README、llmdoc 全部一致。
• 默认 opt-in 无回归：--time-budget-seconds 默认 0（关闭），ci.yml / nightly-diff-fuzz.yml 未传该参数，行为不变。
• 提前停止提示行 以两空格缩进开头，不会误撞 ^Results: / ^FAIL: 等消费 grep。

Submodule 无变更；llmdoc 同步（ci-quality-baseline 指南、index、新增 reflection）完整且未硬编码易漂移的分钟数。