docs: define bounded real model delivery and Purge pilot
This commit is contained in:
@@ -0,0 +1,31 @@
|
||||
# 真实模型工程交付与 Purge 实测方案
|
||||
|
||||
2026-11-02,用户明确要求单独实测。起点为正式1.24.0、原宿主PID36552和原Provider。本轮使用已配置模型真实请求,独立工程/新会话,不续跑既有用户任务,不读取、导出或复制API Key。
|
||||
|
||||
## 问题与样本
|
||||
|
||||
1. React多文件修复:筛选、搜索、统计、指定任务切换、实际桌面/390px页面,以及同源测试/类型检查/构建和本地Git交付。
|
||||
2. Python多文件修复:数据规范化、统计和渲染,实际测试/编译和本地Git交付。
|
||||
3. Node同源修复,两轮Purge提示实验开/关,顺序AB/BA。相同基线、原要求、实际模型连接/修订、协议、工具和预算。统计通过情况、真实请求、上游报告tokens、耗时、审批和失败原因。
|
||||
|
||||
首批最多6个新工程模型样本、每样本最多24请求/180000上游报告tokens/10分钟,总上限100请求/700000报告tokens。请求前仍受现有宿主封存预算约束;正在进行的请求可能使报告统计超过边界,必须记录实际值。超时、429、未知或能力门槛保留原结果,不以重跑覆盖失败。无上游可核对费用时不编造金额。
|
||||
|
||||
## 自主与人工边界
|
||||
|
||||
模型得到一次性需求、允许路径和通用工具流程。模型自己读源码、分析、写提案、准备检查/变更/Git计划。测试驱动只审批固定原检查、核对范围和应用模型原提案,不提供实现、参考答案或失败后的定向提示。有限step_limit续接、提案审查和Git确认分别计数。
|
||||
|
||||
因此结论是“有审批监督的工程交付样本”,并非无监督商业项目交付率。仅本地Git,不远端推送。功能通过、工程通过、Git交付、真实性和限制分别判定。
|
||||
|
||||
## Purge的真实接入范围
|
||||
|
||||
当前1.24的purge-strategy明确使用workbench-independent-prompt-v1;九份上游文件仅核对来源,upstreamPluginLoaded=false,automaticRetry=false,hostModification=false。开/关对照测的是内置工程提示段,不是完整dsh-purge插件。
|
||||
|
||||
上游1.1.78包含提示装配、重试/继续、权限与宿主修改等多条路径。原插件实测必须在独立Harness进程中核对实际加载、配置、最终模型输入、工具权限、所有尝试和所属进程结束;不能把源文件存在、提示段插入或固定HTTP夹具当实际插件收益。本轮先查明可运行条件;条件不足时明确列为未测,并记录具体缺口,不冒用对照结论。
|
||||
|
||||
两轮小样本仅作为先导观测,不做统计显著性或普遍性能结论。代理声明的模型名作为实际路由标识,不独立证明上游底层权重身份。
|
||||
|
||||
## 状态保持与证据
|
||||
|
||||
请求前对原项目/会话/表/导出/工件散列;测试只追加独立工程与所属请求。模型选择暂时固定单连接,结束后恢复原池;保留原连接凭据与所有历史请求。请求/工具/检查/页面/交付原件保存到独立本机QA目录,Git只纳入本轮可审查且不含凭据的必要证据。
|
||||
|
||||
文档、结果和失败必须区分原样本与后续独立复验。发现产品缺陷先封存原失败,再单列修复和验证,不回写原样本成功。
|
||||
@@ -1365,3 +1365,7 @@ A独立源码12批合计716/716、0失败/取消/跳过/待办;实际Electron
|
||||
1.24.0已完成已有成果续接与真实交付的本地部署。A独立源码716/716完整原轮通过;B仅验收器版本入口变化,逐源码/日志/运行时SHA与22份构建严格绑定后,实际离线重建并重验16组成果。C完整界面36类282组、最终便携/安装各16组成果和9组基础文件、真实安装生命周期12组通过。正式网页5组与原生窗口回看通过;原PID36552/Provider、17项目/33全部会话/3239记录/6230事件/1780工件,每表每行/全导出/原工件字节及模型中心保持,9229关闭。本轮真实配置模型请求0,原失败保持。 最终冻结ea5a449、候选20261102072036013;源码A原完整/B仅验收入口修正后严格绑定续验,未改写不可变包。正式原安装器终态completed,原窗口恢复为一个,原文件SHA保持。证据封存A的截图重名失败保留原驱动/日志/部分目录,最终以内容SHA和原路径SHA分别命名并核对;未重跑已完成安装/测试。证据和原失败均已封存,下一1.25仅计划;本轮本地Git,无远端推送。
|
||||
|
||||
提交前复核首次拒绝漏暂存的*.log原件;新增仅本版证据目录例外和原日志/TAP二进制属性后,546份证据及manifest的Git原字节逐项通过,原失败和最终收据见docs/existing-results-final-review.json。文档审查同时纠正task_plan下一阶段为1.25,以及已实现results计划类别的表述。没有重复正式安装或产品验收。
|
||||
|
||||
### 真实模型与Purge实测启动
|
||||
|
||||
用户明确授权真实调用。正式1.24/hasKey=true且无活动;原选择为多模型轮询池,实测前固定单连接,结束恢复原选择。内置Purge仅独立提示实验,不加载上游插件;完整插件效果不能借用提示实验结果。新分支和有界6样本方案已记录。启动定位一次误用server目录及不存在PURGE-EXPERIMENT文档,已用实际src路径;首次计划补丁因progress标题不匹配原子拒绝,按实际文件修正。
|
||||
|
||||
@@ -1,5 +1,14 @@
|
||||
# Agent Workbench:核心代理能力研究与产品计划
|
||||
|
||||
## 当前实测:真实模型工程交付与 Purge 对照
|
||||
|
||||
用户在1.24交付后明确要求单独实测,已授权本轮真实模型请求;此前“不主动调用”的阶段约束保留历史含义。分支test/live-autonomy-purge-1.24,方案见docs/LIVE-MODEL-PURGE-PLAN.md。
|
||||
|
||||
1. [in_progress] 固定正式宿主、原数据基线、实际模型连接/协议、样本和预算;不读取/复制Key,不续跑原用户任务。
|
||||
2. [pending] React、Python各一个新工程,真实模型自行读代码/提案/修复;审查仅批准约定检查和范围内提案,不代写实现,不给失败后的补丁提示。
|
||||
3. [pending] 两轮同源Node工程的内置Purge提示实验开/关对照,AB/BA顺序;固定连接/参数/要求/验收,保留失败与用量,禁止把提示实验写成上游完整插件收益。
|
||||
4. [pending] 独立功能检查/页面操作/Git结果、原项目保持、请求原件封存、限制与回顾、本地Git。上游完整插件的实际执行前置条件单独列出。
|
||||
|
||||
## 已交付:1.24 已有成果续接与真实交付
|
||||
|
||||
接续0dc0325,分支feat/existing-results-1.24;按PLAN-1.24 A–E完成。开发起点为正式1.23,现已保留原PID36552、Provider及原任务升级至1.24;使用独立数据/端口和声明夹具,不请求真实模型,不委派代理。
|
||||
|
||||
Reference in New Issue
Block a user