test: record batch delivery and bounded recovery evidence

This commit is contained in:
Agent Workbench Dev
2026-10-29 19:56:33 +08:00
parent 719174e2b1
commit 4c234b3ba0
15 changed files with 1162 additions and 8 deletions
+10 -2
View File
@@ -9,9 +9,17 @@ Windows x64、Node24.22.1。构建与141/141项行为/API/实际进程退出/升
| 封存指纹/原新快照/全批预检/逐文件恢复和原有契约 | 141/141通过,包含13个批次实际退出切点 | [完整回归](m2-batch-tests-validation.json) |
| 批次审查/恢复/step_limit续接/迟到错误归属 | 11/11通过 | [批次界面](m2-batch-ui-validation.json) |
| 基础/诊断/任务/Git/索引 | 10/9/7/9/8全部通过 | [QA-1.4](QA-1.4.md) |
| 独立便携、源码、原进程升级和真实模型 | 正在进行发行与真实工程验收 | 结果完成后记录 |
| 便携包与随附Node/npm | 独立启动/复用/停止及4项实际示例测试通过 | [便携验收](m2-batch-release-validation.json) |
| 源码ZIP独立离线安装/构建/回归 | 6份构建文件一致,141/141通过 | [源码验收](m2-batch-source-package-validation.json) |
| 两个ZIP的CRC/清单/路径/散列 | 全部通过 | [归档验收](m2-batch-archives-validation.json) |
| 正式原进程升级 | 1.4.0、PID23080/模型连接/原会话保留 | [升级验收](m2-batch-upgrade-live-validation.json) |
| 真实模型四文件精确批次交付 | 13失败→14通过、build、整批应用、内置Git和报告 | [真实模型证据](m2-batch-live-model-validation.json) |
迟到失败用例先复现卸载后的旧组件向新项目弹错,再修复作用域清理并通过复验。多文件写入没有跨文件原子事务;结果未知时只显式核对/回退,不自动重放。完整M2的worktree、多类工程及M3/M5继续实施,当前正式服务在包验收完成前保留1.3.0原进程和连接。
迟到失败用例先复现卸载后的旧组件向新项目弹错,再修复作用域清理并通过复验。多文件写入没有跨文件原子事务;结果未知时只显式核对/回退,不自动重放。正式服务已保留原进程及连接升级到1.4.0,完整M2的worktree、多类工程及M3/M5继续实施。
真实gpt-6.1-sol在同Task的3个Run中完成四份精确补丁及一个整批审查,420行说明、BOM/CRLF/LF、10份保护输入和其他暂存/工作区修改保留。工作台生成commit `42d860ba6b2a2990f012733f3e2469ff685f3133`,报告为verified_committed,批次快照校验通过。保存了[实际改动](m2-batch-live-model.diff)、[JSON报告](m2-batch-model-delivery-report.json)和[Markdown报告](m2-batch-model-delivery-report.md)。
首轮77秒遇到模型服务HTTP520;一次显式重试复用原4份change_id和实际工具工件,恢复后64秒内完成批次应用、14项测试、build和模型准备的Git预览。随后单Run响应反馈用量224147超过200000预算,模型暂停;内核确认已有预览并完成Git/报告,模型请求数保持17,未调整预算。最终模型Run仍为paused/token_limit,工程交付证据已完成,模型最后的文字收尾未执行。含恢复和验收器介入的墙钟时间714秒;385579个已报告tokens(输入382585/输出2994),未配置单价。该样本没有证明用量下降,下一批优先修复上下文重复与完整请求的有界投影。
## 1.3.0 · 工程索引与精确补丁