test(m4): validate autonomous React delivery and page behavior

This commit is contained in:
Agent Workbench Dev
2026-11-11 23:41:08 +08:00
parent b8eca3b5a9
commit 52accafe6b
10 changed files with 3417 additions and 0 deletions
+2
View File
@@ -1,5 +1,7 @@
# Agent Workbench项目执行规范
2026-11-11 M4新React阶段完成:同一正式1.25.13/63892与DeepSeek官方连接,十四请求271333tokens/0unknown、原9/9/typecheck/build、实际Edge桌面和390px/两图实看、四源码Gitc55644a3及owner全部index通过。终端Git原证据verified、最终报告verified_committed,未补造delivery_job或进程认证。原53527行/127导出/5244工件/377旧请求保持,累计本批30请求/453023tokens,外部你好一请求仍单列;config124→128/registry176→180与前插/诊断/序列精确复算。见[React验收](docs/QA-M4-REACT.md)、[机器记录](docs/m4-react-2026-11-11.json)。下一独立Python原10pytest/编译,之后最终封存、普通增量推送;Claude身份/历史异常/Mnemo语义/物理手机/长期/真实预留/Purge收益未验。未读Key、重启、改产品或委派,下方Node阶段“下一React”为原时点。
2026-11-11 M4真实兼容与新Node阶段完成:正式1.25.13/63892未重启。三线六次真实预检/1227报告tokens/0unknown,DeepSeek官方Chat和GPT代理Responses完整matched;Claude Messages代理两次自报gpt-6.1-sol且目录未列claude-opus-5-5,必填max_tokens=128000已发送但真实Claude身份未验。DeepSeek新Node自主十请求180463tokens/0unknown、原9/9/build/三源码限定Git3cd994ff、owner全部index保持;内置delivery和最终报告已completed,七不同文件读取/零同字节范围重复、122112cacheRead仅算观察。原53527行/127导出/5244工件和377旧请求exact,config124→126/registry176→178及前插/诊断/序列明确重算;外部“你好”一新会话/一请求单列,两个审计失败保持,见[阶段验收](docs/QA-M4-COMPATIBILITY-NODE.md)和[机器记录](docs/m4-compatibility-node-2026-11-11.json)。下一独立React,完整成功后Python,再另冻Purge;旧异常/Mnemo生产与语义/物理手机/长期/真实预留边界/Purge收益unknown保持。不读真实Key、不委派、不续旧样本;阶段限定提交与既有普通增量GitAtlas推送授权有效。下方M4的0真实请求为阶段2原时点。
2026-11-11 当前进入M4:正式1.25.13/63892已重新公开核对为空闲、unrestricted/passthrough/full。用户在模型中心恢复DeepSeek官方、Claude Messages代理及GPT Responses代理,原无凭据观察保留;新M4计划和驱动在docs/M4-LIVE-BASELINE-PLAN.md。最后隔离驱动11边界及固定Node5请求、原9/9/build/限定Git与owner全部index、原字节下载和恢复通过,前两断言失败/第三原通过保持,见docs/m4-driver-validation-2026-11-11.json。当前0真实请求,先限定提交后另冻真实兼容/工程,不改1.25.13或续旧样本。AD现成任务只读来源在docs/integration/WORKBENCH-AD-NODE-READONLY-SOURCE-2026-11-11.json;46允许文件/原报告in_progress、终端Git、两个原日志描述符缺项及非原生v2保持,不向源线程回信。不读真实Key、不委派,既有普通增量GitAtlas推送授权保持。
+2
View File
@@ -36,3 +36,5 @@
阶段2原时点:最终隔离 m4-driver-40fb93c8 在 1.25.13 正式处理器的隔离宿主上通过 11 边界及固定模型 Node 的五请求实际执行、原九测试/build/限定 Git 与 owner 全部 index,见 [机器记录](m4-driver-validation-2026-11-11.json)。前三根原件及两次失败保持;原件捕获现为 download=1 逐原字节核对。当时 0 真实请求,随后以 `7152d654` 限定提交并另冻正式原状态。
当前阶段:3、4及5的Node已完成,见[阶段验收](QA-M4-COMPATIBILITY-NODE.md)。三线六次新预检/1227报告tokens/0unknown;Claude两项身份mismatch且目录缺项,不进入工程。DeepSeek新Node十请求180463tokens/0unknown,原9/9/build/限定Git及内置交付completed通过。原127导出/5244工件/53527行保持;外部一新“你好”会话/一请求单列,每行和原件明确SHA核对,原两次审计失败保留。阶段限定提交后继续独立React、完整成功后Python;Purge收益仍须另冻,不改1.25.13或续旧实验。
更新:5的React完整通过,见[React验收](QA-M4-REACT.md)。14请求271333tokens/0unknown、原9/9/typecheck/build、实际桌面/390px交互与两图实看、仅四源码Git及owner/index保持;终端Git来源和最终verified_committed准确登记,没有补造内置作业。原状态审计一次通过,累计本批30请求/453023tokens,外部一请求仍单列。下一独立Python原十pytest/compileall,完成后最终封存、回顾和普通增量推送。
+2
View File
@@ -1,5 +1,7 @@
# 1.25 计划:任务要求与交付复核
2026-11-11 M4新React14请求271333tokens/0unknown,原九测试/typecheck/build和实际桌面/390px、四文件Git及终端来源最终报告已过,原状态审计一次通过;见[React验收](QA-M4-REACT.md)。下一独立Python,最终封存提交推送;本批累积30请求453023tokens,Claude身份失败、外部你好和历史未验项保持,Purge收益仍须另冻。下方Node下一React按原时点理解。
2026-11-11 M4真实兼容与Node阶段已验收:三线六预检/1227tokens,DeepSeek官方与GPT Responses代理通过;Claude代理请求claude-opus-5-5却自报gpt-6.1-sol,目录也未列选定型号,失败不改签。DeepSeek新Node自主十请求180463tokens/0unknown、原9/9/build/三源码Git与内置completed通过。原127会话/5244工件及每行保持,外部新增一会话/一请求和两审计失败单列,见[验收](QA-M4-COMPATIBILITY-NODE.md)。下一独立React、Python,Purge另冻可比实验;真实语义/缓存因果/重复读普遍改善与历史未知继续保留,未重打或重启1.25.13。
2026-11-11 当前:M3+B4b已正式交付1.25.13/source35a6d6d9,独立1399输入/30编译、186相关/4打包、实际安装11/11/跨版7/7及Mnemo后端24/24/两端各4组通过。唯一正式Setup351789ms、原PID63892/全部原行/127导出原字段/5244工件保持,正式四图和final核对通过;[验收](QA-MNEMO-RELEASE-1.25.13.md)、[身份](mnemo-1.25.13-release-identity.json)。源码/验收1e309700已普通增量推送且远端/fetch逐SHA一致,见[回执](gitatlas-mnemo-1.25.13-push.json);下一M4新真实基线;真实Mnemo生产绑定/语义及Purge收益未验证,历史异常完整保留。下方未提交/未发行按旧时点理解。
+32
View File
@@ -0,0 +1,32 @@
# M4 新 React 自主工程阶段验收
2026-11-11,承接已提交的 Node 阶段 `b8eca3b5`,使用同一 DeepSeek 官方连接和正式 1.25.13/PID 63892。新 React 工程原 9/9 测试、typecheck、build、真实页面和四源码 Git 交付全部通过;十四请求 271333 报告 tokens、0 unknown,实际运行 72040ms。
机器记录:[m4-react-2026-11-11.json](m4-react-2026-11-11.json)。原件 `.qa/m4-live-baseline-2026-11-11/react/`;本阶段没有修改产品源码、连接、模型参数、权限或额度,没有重启服务。
## 真实工程与页面
独立复制原 `benchmarks/react-delivery-v1/baseline`,按原锁离线准备依赖;原测试、配置、锁、其它源码、样式和 owner 字节/index 保持。模型自行读取、提出四精确补丁、执行实际检查、两组浏览器检查和终端命令,没有人工批准、继续或实现答案。
- Project `afc956a2-d08f-4df2-8b39-5ae91338919c`,Session `36f7bbd7-c9d0-490e-b319-ae98f7f4e26a`。
- Task `dddcbdf2-588d-4fee-a26c-236e110a925d`,Run `c41c7af7-3e80-42f4-ad66-df997bcec1b2`。
- input 264589、output 6744、total 271333;十四响应全部 completed/matched、usage reported。
- 独立原九测试 9/9,typecheck 和 build 均退出 0。
- Git `c55644a37016c772a9ac8e4d9a98dbc12a6c1223`,仅 `src/App.tsx`、`src/query.ts`、`src/summary.ts`、`src/transition.ts`;提交字节等于当前文件。全部保护文件 index、owner 的原暂存/未暂存/未跟踪状态保持。
- 独立实际 Edge 157.0.4341.42 验证 pending/done 筛选、去空白搜索、空态、仅目标任务切换、未被筛选影响的统计和 390px 无横向溢出;pageErrors/requestFailures 均空。
1280×920 与 390×844 两张真实截图已通过 view_image 检查,原 PNG/SHA 和人工目视记录在 `react/browser/`。桌面显示三个任务、完成两个、待办五小时;窄屏筛选后只显示尚未完成的任务,控件与文字完整。两组模型浏览器检查原报告另行保持。所属会话没有非文本工件描述符,不能声称下载了模型截图;额外只读检查的 0 结果及未采用的采集脚本另存 ancillary,未增加模型请求。
## Git 与报告来源
此例采用终端提交,不创建内置 delivery_job。原 `terminal-git-evidence` 已 verified/currentVerified,commit 和四文件范围相同;结束报告 `dcf70953-ad5e-4f58-b974-2477089d70a1` 为 `verified_committed`、Task completed、lifecycle final,gitOutcome 来源 terminal。终端观察的 processAttribution 仍 unproven,不能补造内置作业或进程认证;实际 Git、原工具调用和独立当前字节分别可核对。
十三次 read_file 的同 SHA/同范围重复为 0,改后读取当前版本作为新事实保留。上游 cacheRead 196096、uncached 68493、reasoning 3262;cacheWrite 十四请求全部 unknown。没有主动输出上限,完整原请求/响应、工具 schema 和前缀来源保留,不能由此宣称普遍缓存或重复读收益。
## 原状态、回顾与下一步
只读审计 `audits/react-e49f5eb3-25e9-48e0-b9c8-ad56c8e89fb7` 一次通过。原 53527 行、127 会话导出、5244 工件、377 请求和 schema 保持;本批累计三十请求,外部“你好”一请求仍单列。累计新增五项目/八所属会话,另一个外部会话;共 1531 事件及 outbox、397 records、31 model_attempts、243 工件,全部新增归属核对。
configRevision 124→128、registry 176→180、项目前插 +5、三已知诊断和序列按明确增量复算,其他字段 exact;原选择和池恢复、六条连接定义及凭据存在状态保持,原 PID/instance、空闲和 9229 关闭通过。没有读、复制、解密或重存 Key,没有续跑旧实验。
新 React 已取得独立真实交付与页面证据,终端来源得到准确报告,没有把空 delivery_job 列表当成 Git 未完成。提交后按同一冻结线路运行新 Python 原十项 pytest 和 compileall,再做最终封存与普通增量推送。Claude 代理身份、历史网络/unknown/输出截断、Mnemo 生产语义、物理手机、长期、R/W 边界和 Purge 收益继续未验。
+2
View File
@@ -1,5 +1,7 @@
# Tianshu 研究后的 Agent Workbench 采用计划
2026-11-11 M4新React已通过:14请求271333tokens/0unknown、原9/9/typecheck/build、实际桌面/390px和四源码终端Git/最终报告,原字节/index及53527原行保持,见[验收](QA-M4-REACT.md)。本批累计30请求453023tokens,Claude预检身份失败和外部一你好请求分列;下一独立Python,再最终封存与普通增量推送。Purge/缓存因果/普遍重复读/Mnemo生产语义仍待,不重启1.25.13;下方下一React为Node原时点。
2026-11-11 M4已完成真实兼容和新Node:六预检1227tokens/0unknown,DeepSeek官方和GPT Responses代理通过,Claude代理身份mismatch/目录缺项原证据保持。DeepSeek自主Node十请求180463tokens/原9/9/build/限定Git及内置最终交付通过,原127导出/5244工件/53527行与全部旧事实核对;外部一“你好”会话/一请求和两审计失败分别保存。见[阶段验收](QA-M4-COMPATIBILITY-NODE.md)。下一独立React、成功后Python,再按插件/宿主和可比成功基线另冻Purge;缓存/重复读普遍收益、Mnemo生产语义及历史unknown仍未验。1.25.13未重启或重新发行,下方“下一M4”为先前时点。
2026-11-11 当前:M3+B4b已正式交付1.25.13/source35a6d6d9,独立1399输入/30编译、186相关/4打包、实际Inno11/11/F跨版7/7及Mnemo24后端/两端工程路径通过。唯一正式Setup成功,原PID63892/102项目/127会话/5244工件及旧历史保持,正式四图和final核对通过;见[验收](QA-MNEMO-RELEASE-1.25.13.md)。源码/验收1e309700已普通增量推送且远端/fetch逐SHA一致,见[回执](gitatlas-mnemo-1.25.13-push.json);下一M4另冻新真实基线,不续旧实验;Mnemo生产绑定/真实语义/重复读/R-W边界/Purge收益unknown保持。下方未提交/未发行为原时点。
File diff suppressed because it is too large Load Diff
+2
View File
@@ -1457,3 +1457,5 @@ New API学习:305正文/201嵌入定义已分别审读;来源清单与逐篇
2026-11-11 M4:恢复三连接后,Claude官方必填max_tokens在隔离真实wire为128000;Chat/Responses默认无主动上限。新版公开账本取消状态为interrupted,legacy-default revision只是configRevision投影,原字段必须精确核对后单列增量。捕获原件应使用现有download=1原字节接口,JSON字符分页会无法保存非法UTF8;最终边界与工程驱动通过且自有宿主正常关闭,0真实模型。AD只读原报告e7a67a74/bdb282fc逐SHA复制,46文件和两个旧描述符缺项、结构化acceptance空数组/in_progress/终端Git分列,未生成原生v2或扩大授权。
2026-11-11 M4真实阶段:Claude必填max_tokens=128000已真实发送,missing-field未复现;上游文本/工具都自报gpt-6.1-sol,完整目录11型号未列claude-opus-5-5,因此不能说真实Claude兼容通过。DeepSeek Node自主三文件/9测试/build/Git和内置最终报告闭环,七不同文件读取无同SHA范围重复;cacheRead122112、uncached48911、reasoning6113,cacheWrite十请求unknown,不将单样本观察升级为因果收益。外部新你好会话不是M4请求;53527原行和127原导出/5244原工件核对,model_attempts的项目归属来自sessions关系,无project_id列,驱动误查原失败保持。
2026-11-11 M4 React:空delivery_job数组不代表未提交,此例模型用run_command终端Git,原terminal-git-evidence verified/currentVerified与最后verified_committed对应c55644a3四文件;processAttribution仍unproven,不补签进程认证。13次read_file同SHA/范围重复0,改后版本读取是新事实;cacheRead196096/uncached68493/reasoning3262、cacheWrite十四unknown,仅描述观察。模型两浏览器作业无非文本工件描述符,未采用额外采集器;只主张独立页面实际两PNG,原0结果和采集源码另留ancillary。
+2
View File
@@ -2211,3 +2211,5 @@ New API研究阶段一234b76cc已提交;阶段二逐篇305正文/201接口全
2026-11-11 M4最终驱动m4-driver-40fb93c8:11边界(含非法UTF8原字节)和Node固定模型5请求/840合成tokens通过;原9/9/build/限定Gitdb0840a3、owner全部index和真实配置恢复通过,三协议/原错误/中断unknown原件完整。docs/m4-driver-validation-2026-11-11.json逐四根结果SHA/最终9脚本/正式server bundle记录,0真实模型,未重打包或正式重启。只读来源r2已生成46允许文件/两原报告/两个日志描述符缺项,不补签v2、原in_progress或旧失败。阶段2限定提交后启动真实冻结。
2026-11-11 M4真实兼容六新请求完成,三DNS/TLS诊断通过且零HTTP/模型请求;两协议passed/matched,Claude两mismatch和目录缺项保留。新Node十请求180463tokens/0unknown,84451ms、原9/9/build/三源码Git3cd994ff22c1658cbe4c26a7e317ce6b7b314745,owner全部原index保持;内置delivery1d2a6e2a completed及最后原报告completed,三早晚报告分别捕获。首审计node-4e580c59遇外部你好一会话/一请求而失败;显式只读记录其ID/每行SHA/七工件/4301tokens/mismatch后,第二node-e3388cf2因不存在的ledger.project_id失败,未改数据。按实际sessions关系修驱动,第三node-2e02c1a0完整原53527行/127导出/5244工件/377请求和公开配置、选择恢复通过,config124→126/registry176→178等已声明增量准确重算,9229关闭。阶段文档生成;未修改产品源码或重启1.25.13,下一独立React。
2026-11-11 M4 React一次完成:session36f7bbd7/Taskdddcbdf2/Run c41c7af7、14请求271333tokens/0unknown、72040ms、原九测试/typecheck/build/仅四源码Gitc55644a37016c772a9ac8e4d9a98dbc12a6c1223与全部保护字节/index通过。实际Edge157宽窄六交互、2PNG均view_image查看,视觉记录原SHA保存;模型两浏览器作业、终端原Git证据与最终报告verified_committed分别保持。额外只读二进制工件检查0,原采集源码/回执留ancillary且未采纳驱动。react-e49f5eb3审计一次过,原53527行/127导出/5244工件/377请求保持,累计本批30请求与外部1请求单列,原选择/六连接/池恢复和9229关闭。仅摘要驱动增加报告/页面原来源字段,无产品变更或重启。Purge预备只读定位曾误读不存在的live-ag/run与freeze,已由rg清单确认live-ag/initial及live-af通用驱动,未执行旧入口。下一阶段限定提交后Python。
+3
View File
@@ -59,6 +59,7 @@ for (const kind of ['node', 'react', 'python']) {
const reports = result.reportArtifacts.filter(value => value.kind === 'delivery-report').map(value => {
const file = result.captures.find(capture => capture.artifactId === value.id).path, report = read(file);
return { artifactId: value.id, status: report.status, taskStatus: report.task?.status, lifecycle: report.lifecycle,
gitOutcome: report.gitOutcome, terminalGit: report.terminalGit,
deliveries: report.deliveries?.map(item => ({ id: item.id, status: item.status, commit: item.commit })), source: source(file) };
});
engineering.push({ kind, success: result.success, executed: result.executed, projectId: result.projectId, sessionId: result.sessionId,
@@ -68,6 +69,8 @@ for (const kind of ['node', 'react', 'python']) {
stopReason: result.productStopReason, failure: result.failure, identitiesPassed: result.identitiesPassed,
commit: result.commit, initialHead: result.initialHead, committedPaths: result.committedPaths, committedCurrent: result.committedCurrent,
otherUntracked: result.otherUntracked, final: result.final, browser: result.browser,
browserSources: ['browser/result.json', 'browser/visual-review.json'].filter(file => fs.existsSync(path.join(root, kind, file)))
.map(file => source(kind + '/' + file)).concat((result.browser?.screenshots ?? []).map(file => source(path.relative(root, file).replaceAll('\\', '/')))),
ownerBytesAndIndexPreserved: result.ownerBytesAndIndexPreserved, supervisorContinuations: result.supervisorContinuations,
localTokenCapsChanged: result.localTokenCapsChanged, internalDeliveries: result.internalDeliveries, reports,
accounting: metrics, reads: { calls: reads.length, distinctByteRanges: seenReads.size, repeatedSameByteRanges: reads.filter(value => value.sameByteRangePreviouslyRead).length, observations: reads },
+2
View File
@@ -1155,3 +1155,5 @@ F收尾:57d075e修正独立编译QA路径,6d09ac8封存差异;202610302320
2026-11-11 M4阶段2完成:用户三凭据已在界面恢复;最终m4-driver-40fb93c8在正式1.25.13处理器的隔离宿主上11边界+固定Node实际5请求通过,原9/9/build/限定Git、owner全部index和配置恢复通过。两首断言失败及第三通过原件保持,新增非法UTF8原字节验证通过,机器记录docs/m4-driver-validation-2026-11-11.json。当前限定驱动/计划/只读来源提交,再一次冻结正式原状态、三连接/协议/参数与工程新输入并执行真实M4;0真实请求和既有1.25.13发行结论保持。
2026-11-11 M4阶段3/4与Node完成:7152d654后一次冻结正式身份/三线/原53527行。六真实兼容请求1227tokens/0unknown;DeepSeek和Responses通过,Claude两mismatch及目录缺项保持。新Node自主十请求180463tokens、原9/9/build/限定Git3cd994ff及内置最终completed通过。原状态第三只读审计通过,外部一你好会话/一请求4301tokens单列,前两审计失败保持。阶段验收与机器记录已生成,核对后限定提交;下一独立React、成功后Python,最后封存与普通增量推送。
2026-11-11 M4 React完成:14真实请求271333tokens/0unknown,原9/9/typecheck/build、独立实际Edge六交互/1280与390两图实看、仅四源码Gitc55644a3与owner全部index通过。终端来源verified/最终verified_committed,无内置job不补造。原状态react-e49f5eb3一次通过,config124→128/registry176→180精确复算;累计30请求453023tokens和外部1请求分列。阶段核对提交后继续Python原10pytest/compileall。