fix(context): size sealed browser-result reads without mutation reserve

This commit is contained in:
Agent Workbench Dev
2026-11-04 20:29:02 +08:00
parent a3210fa559
commit 4a49f02daf
5 changed files with 22 additions and 4 deletions
+2 -1
View File
@@ -5,9 +5,10 @@
- 用量预留v3封存原消费范围,按所属账本顺序复核,拒绝重排历史来排除最新高值;输入异常不再丢掉已报告输出上界。旧v1/v2与原失败保持可核验。
- 安装扫描后再次核对每个文件的实际路径及硬链接,保持快速realpath方式;升级兼容门包含当前版本,避免新补丁无法继续升级。
- 同一轮取得新内容后,不会因尾部三个重复读取就被当成整轮空转;相同检查、无变化提案与相同状态保护保留。纯读取批次共享小文件剩余预算,提高测试与日志分页吞吐。
- 已封存浏览器结果的纯读取使用与读取行为相符的增长预留,修复小页面被压为每次仅10字符的问题;完整实际请求仍受原上下文预算检查。
- 明确“不运行工程检查”会作为禁止约定保留。真实模型交付、网络间歇异常与Purge收益按新冻结样本分别验收,未完成不改成通过。
## 1.25.1 · 预留异常剔除与安装校验提速(发行准备中)
## 1.25.1 · 预留异常剔除与安装校验提速(已本地交付)
- 下一次模型请求的用量预留改为`observed-route-max-v2`:当同一线路上某张回执的“上游报告输入/本地估算”比率≥1.5倍于其它所有回执,且该线路至少3张回执、其后仍有正常回执时,最多剔除这一张孤立异常,使缩小后的请求不再被单次观测口径异常长期卡住。被剔除的回执仍计入账本,列入`excludedSources`并带原始位置与原因;重复高比率、最后一张回执和过短历史都不剔除,旧封存预留按`observed-route-max-v1`逐字节复核。用R原始6份真实回执复算:v1仍得29623(>剩余17429),v2得15285。
- 安装完整性校验改为每个清单文件只做一次原生realpath等值比较加lstat/nlink/流名检查,根目录链在扫描前后各核验一次;目录枚举仍对目录做完整逐级检查。哈希算法与清单范围不变,junction子目录、硬链接、ADS流路径与越界路径仍被拒。同一真实发行目录热缓存下每文件核验约2.08ms降到0.17ms,哈希完全一致。
+8
View File
@@ -63,3 +63,11 @@ readBudgetPolicyVersion=3把多文件/原工件读取作为共享预算批次,
接续复核发现正式升级驱动的候选清单/编译版本两处仍写1.25.1,已在任何正式操作前更正为1.25.2;起始宿主断言仍为1.25.1。源码1440任务余额、390上下文窗口截图实际回看,标题、原暂停数值、恢复入口与窄屏文字均可读,无横向溢出。
源码实际Edge/Electron更新状态7组通过,1440失败和390未知原图已回看。基础文件首轮7/9在刷新后的iframe只读隔离检查遇到Frame was detached;只把此只读检查改为重新获取文档并有界等待,未重放点击/写入,新的完整9/9通过。首日志source-local-files.log及复验source-local-files-recheck.log、各自UUID目录原样保留;既有桥接/Node均undefined断言未放宽。
要求A网页7/原生3、shadow B网页9/原生9、草案网页6/原生6、诊断网页5/原生5共8套50组全部通过,原结果和日志SHA见.qa/reliability-1.25.2/source-ui.json。实际回看原生390草案及shadow原图;最终候选须与该记录中的客户端字节逐项相同。真实模型请求0、正式未操作。
### 浏览器原结果的分页补漏
完整回归首项浏览器失败经独立复验仍失败;对原1.25.1不可变发行也复现了同一失败,不能归因缺少浏览器。真实Edge检查已通过,但旧保守growth=2560令read_browser_result的页面内容仅返回10/1419字符,原HTTP模型夹具因找不到“已完成”返回500。这与真实供应商故障分开,所有请求均为自有HTTP夹具。对照原文及每次输入估算见browser-paging-comparison.json。
v3页预算把纯read_browser_result视为不会创建计划/作业/变更的读取,按512加有界每调用增长预留;v1/v2及其它混合批次原算法不变,完整请求预算仍独立核对。受控假设构建补全宿主配套入口/Playwright后4请求读取完整1419字符,最后实际输入12105≤12352;两次QA缺输入失败日志仍保留,不当产品失败或发行证明。随后从实际修改源码重新独立编译,原浏览器API全4/4与读取9/9通过;增强原HTTP用例,逐次断言16K/2048/1600内、完整原字段、4请求且无夹具重试。证据browser-growth-source.tap及browser-growth-read-related.tap。共用dist尚未重建,等待首轮完整测试结束再统一构建最终候选,避免运行中更换载荷。
+2
View File
@@ -3,6 +3,8 @@
## 1.25.2 可靠性闭环
- 接续回看源码1440/390预算原图,修正正式驱动两处候选版本并本地提交b4e1569c。实际更新状态Edge/Electron7组通过并回看原图;基础文件首7/9遇到刷新iframe脱离,仅为只读隔离检查加有界重取文档,完整新9/9通过。首失败与复验原目录保留。
- 8套要求/shadow/草案/诊断实际UI共50组全过,source-ui.json绑定结果/日志及客户端原字节。真实模型0。X冻结已改为绑定实际安装候选源码提交,并将验收文档后的HEAD另记reviewedHead(a3210fa5)。
- 首全量浏览器失败独立复验与原1.25.1均复现:纯读取页只返回10/1419字符,非浏览器缺失。v3按实际只读类型预留后,实际修改源码的独立编译原4/4浏览器API及读取9/9通过;完整页1419、最终请求12105≤12352,原断言增强不放宽。首失败、假设构建缺入口/库的两次QA准备失败、完整输入后的假设通过与实际源码通过分列保存;共享dist在首全量完成前保持不变。
- 用户授权后从干净532b9d60开始。复用独立复核三个反例,正式运行保持不变。
- 已读AGENTS及复核;采用planning-with-files,session-catchup无待同步输出。首次多文件补丁上下文失败且无变化,随后按真实标题修正。
- 当前阶段:预留来源顺序修复;后续安装变化核验、混合进展及吞吐、发行验收、新真实实验,各阶段验证/回顾/本地提交。
+2 -1
View File
@@ -38,7 +38,8 @@ export function readMessageBudget(plan, message) {
// The next request also gains bounded read coverage and route observations.
// Reserve their growth before returning a page, rather than dropping that
// new page or enlarging the request budget afterwards.
const pureReads = message.tool_calls?.length && (plan.readBudgetPolicyVersion === 3 && pooledReads(message.tool_calls)
const pureReads = message.tool_calls?.length && (plan.readBudgetPolicyVersion === 3 && (pooledReads(message.tool_calls)
|| message.tool_calls.every(call => call.function.name === 'read_browser_result'))
|| plan.readBudgetPolicyVersion === 2 && message.tool_calls.every(call => call.function.name === 'read_file'));
// A pure read batch cannot create a plan, command output or change set. Its
// bounded state/coverage growth uses 512 tokens plus 256 for each additional
+8 -2
View File
@@ -5,6 +5,7 @@ import { fixture, launchWorkbench, until, compatibleFixture, call, completion, a
import { createBrowserProject, browserSteps } from './fixtures/browser-project.mjs';
import { BrowserManager } from '../src/core/browser/browser-manager.mjs';
import { Store } from '../src/server/store.mjs';
import { requestMetrics } from '../src/shared/contracts/model-request.mjs';
test('real browser HTTP plans, original field pages and PNG bytes preserve ownership and survive host restart', async t => {
const f = createBrowserProject(fixture(t)); f.store.close(); let host = await launchWorkbench(t, f.data), route = '/sessions/' + f.session.id;
@@ -38,16 +39,20 @@ test('self harness browser tools require approval and feed verified actual page
const f = createBrowserProject(fixture(t)); f.store.close(); let phase = 0;
const model = await compatibleFixture(t, (url, input) => {
if (!input?.messages) return { data: [{ id: 'browser-protocol-fixture' }] };
assert.ok(requestMetrics(input).estimatedInputTokens <= 12352, 'The complete actual request must fit the fixed 16K/2048/1600 budget.');
assert.ok(input.tools.some(tool => tool.function.name === 'run_browser'));
const last = input.messages.filter(value => value.role === 'tool').at(-1);
const latest = last ? JSON.parse(last.content) : null;
if (phase++ === 0) return completion([call('browser-fixture-plan', 'plan_browser', { steps: browserSteps })]);
if (phase === 2) return completion([call('browser-fixture-run', 'run_browser', { plan_id: latest.id })]);
if (phase === 3) { assert.equal(latest.browser_status, 'passed'); assert.equal(latest.evidence_verified, true); return completion([call('browser-fixture-read', 'read_browser_result', { browser_job_id: latest.browser_job_id, section: 'page', limit: 6000 })]); }
assert.ok(latest.content.includes('已完成')); return completion([], '已核对当前Task实际页面和原断言。');
assert.equal(latest.evidence_verified, true); assert.equal(latest.truncated, false, 'This small original page must fit without repeated ten-character reads.');
const page = JSON.parse(latest.content);
assert.ok(page.text.includes('已完成')); assert.equal(page.controls.find(control => control.id === 'query').value, '真实输入');
return completion([], '已核对当前Task实际页面和原断言。');
});
const host = await launchWorkbench(t, f.data), route = '/sessions/' + f.session.id;
await host.api('/config', { mode: 'compatible', baseUrl: model.baseUrl, model: 'browser-protocol-fixture', apiKey: 'SYNTHETIC-BROWSER-QA-ONLY' });
await host.api('/config', { mode: 'compatible', baseUrl: model.baseUrl, model: 'browser-protocol-fixture', apiKey: 'SYNTHETIC-BROWSER-QA-ONLY', contextLimit: 16000, maxOutputTokens: 2048 });
await host.api(route + '/messages', { content: '请验证当前工程的填写、选择和状态切换,读取真实页面结果。' });
let session;
await until(async () => { session = await host.api(route); return session.status === 'awaiting_approval'; }, 15000);
@@ -59,6 +64,7 @@ test('self harness browser tools require approval and feed verified actual page
assert.equal(session.status, 'completed', session.failure?.message); assert.equal(session.execution.task.id, taskId);
assert.equal(session.execution.browserJobs.at(-1).status, 'passed'); assert.equal(session.execution.browserJobs.at(-1).taskId, taskId);
assert.equal(session.events.filter(value => value.kind === 'tool' && value.phase === 'completed').length, 3);
assert.equal(model.requests.filter(value => value.input?.messages).length, 4, 'No synthetic HTTP failure/retry or extra read is needed.');
assertToolPairs((await host.api(route + '/export')).session.providerMessages);
});