docs(qa): record 1.25.1 formal upgrade and bounded real sample W results

Formal 1.25.1 upgrade retained PID 36552/Provider/key and all data exact; measured update 156369ms vs 1.25.0 774098ms (~5x faster). The first upgrade attempt was safely rolled back by the HOST_VERSION_MISMATCH guard before the APP_VERSION constant fix. Sample W network diagnostic and single identity preflight passed; the bounded Node task stopped at no_progress after 6 reading-only requests without proposing the allowed files, so it did not close the loop and did not reach R's reservation wall. v2 benefit remains proven at unit level with R's real receipts; no Purge AB/BA run per plan.

Docs only; evidence stays under gitignored .qa.
This commit is contained in:
Agent Workbench Dev
2026-11-04 19:06:51 +08:00
parent fe6db0aea5
commit 62961cf128
2 changed files with 70 additions and 0 deletions
+39
View File
@@ -0,0 +1,39 @@
# QA:W 新有界真实交付(正式 1.25.1)
冻结计划见 `docs/LIVE-DELIVERY-W-PLAN.md`;驱动在 `scripts/live-w/`,证据封存于 `.qa/live-delivery-w/`(119 份、约 67984287 字节,含 MANIFEST.json)。本样本在正式机热升级到 1.25.1 后另冻,不续跑 V/T/R/P/O。
## 连接与状态
- 正式 http://127.0.0.1:4318,1.25.1,PID 36552,Provider/Key 内存连接保持,升级后 9229 关闭。
- 选线 jojocode GPT Chat(连接 `5b4daed9-b2f7-4de0-b949-573eba70c7b3`,gpt-6.1-sol,chat-completions,contextLimit 16000,maxOutput 2048),连接 revision 按当前实际快照读取为 9,credentialRevision 1。
- 基线冻结:65 项目、81 会话、6377 记录、13484 事件及 outbox、3720 工件。
## 阶段结果
1. **网络诊断(1 次,记录但不阻断)**:DNS 解析 IPv4+IPv6,auto/ipv4/ipv6 三次 TLS 全部 passed、证书授权,`direct-endpoint-only`、`modelApiRouteVerified=false`,0 HTTP/模型/凭据访问,1613ms。原状态除新增一行诊断历史外精确一致。
2. **单次身份预检(1 次真实请求)**:无工具,严格 require-match。请求 `https://jojocode.com/v1/chat/completions`,报告型号 `gpt-6.1-sol` matched/complete,usage 报告 4496 tokens(prompt 4466 / completion 30),actualTools=0,stop `identity_probe_complete`,响应含 nonce。通过。
3. **有界 Node 费用报表工程(真实模型,监督在环)**:固定三源码 `src/amount.mjs`/`src/summary.mjs`/`src/report.mjs`、原九测试、11 文件基线、16K/2048/8 请求/90000 tokens/600000ms、单连接、无 run_command。
## Node 结果:未交付,`no_progress` 暂停
模型 6 次真实请求全部 completed 且 `gpt-6.1-sol` matched。顺序为 inspect_project → plan_checks(["test","build"]) → run_checks(监督批准原检查计划,原九测试如期全部失败为真实基线)→ 反复 read_file/read_artifact(读取 `test/expense.test.mjs` 及三模块)。模型首条消息正确复述了任务与"只准备三文件提案、等待审查应用"的约定,但在整个预算内**从未发出 `propose_file`/`propose_patch`**,连续请求没有产生新的工程状态,触发 `no_progress` 守卫于第 6 次请求、71044 tokens(inputTokens 70258 / outputTokens 786)处暂停。0 变更、0 变更集、0 交付。各次 completion_tokens 很小(21–375),是模型自身在读取循环里停滞,而非预算或预留阻断。
## 对 v2 预留修复的意义(如实)
W **没有复现** R 当年的确切卡点。R 在第 7 次请求因预留 29623>剩余 17429 被 `token_limit` 暂停;W 更早在第 6 次因 `no_progress` 停止,且各次本地输入远小于触发剔除所需的异常比率,`observed-route-max-v2` 的孤立异常剔除在本样本中没有被触发到实际排除。因此:
- v2 的单元级收益已由 `tests/model-reservation.test.mjs` 用 R 的 6 份真实回执证明(v1=29623 会卡、v2=15285 可发送)。
- v2 在真实 1.25.1 上作为活动预留方法参与了全部 6 次请求且未产生错误剔除(0 excludedSources),但本样本未把它推到排除边界。
- 真实模型能否自主写完并通过九测试,仍未由本样本证明——停止原因是模型行为(只读不提案),不是产品缺陷,也不是预留/预算阻断。
不把读取、口头复述或基线 build 当交付;`no_progress` 暂停即封存,不续跑、不追加实现提示、不替模型实现。
## 状态恢复(精确)
- 原 81 导出、每条 sessions/records/events/outbox 原行、全部 3720 原工件字节精确一致;226 条原 modelAttempts 保持。
- 预算与选线恢复默认(pool `68e30376…`),连接恢复 `record` 身份策略(revision 单调 +2 至 11,声明归一化),credentialRevision 1→1,Key 未读取或重存。
- 仅新增 2 个自有样本项目(预检 + Node)及其会话/尝试/工件;final 项目 67 = 65 原 + 2 自有。PID 36552、1.25.1、空闲、9229 关闭。
## 边界与下一步
Node 未闭环,按计划**不**运行原版 Purge AB/BA、不扩展 React/Python。真实自主交付与 Purge 收益仍未验证。后续若再冻新 Node 样本,可在目标提示里更明确要求尽早 propose_file,但不得暗供实现或放宽预算/检查。不委派、不推送、不读取/复制/解密/重存 Key。
+31
View File
@@ -0,0 +1,31 @@
# QA:1.25.1 预留异常剔除与安装校验提速
## 范围
1.25.1 包含两处产品改动加一处过时断言修复:
1. **预留异常剔除 `observed-route-max-v2`**(`src/shared/contracts/model-reservation.mjs`)。下一次模型请求的用量预留,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× 于其它所有回执、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;被剔除回执仍计入账本并记入 `excludedSources`。重复高比率、最后一张回执和过短历史都不剔除。旧封存按 `observed-route-max-v1` 逐字节复核。用 R 的 6 份真实回执复算:v1=29623(>剩余 17429),v2=15285。
2. **安装完整性校验单次 realpath**(`src/core/desktop/file-state.mjs`、`process-identity.mjs`、`app-installation.mjs`)。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、越界路径仍被拒。
3. 过时断言修复:`tests/purge-strategy.test.mjs` 原断言 `/预算/`,但实验开销场景实际触发的是上下文窗口容量守卫(`context_limit` 分支),改为匹配实际文案并断言 `limitingReason==='context_limit'`。
## 回归
- 预算相关 103/103、安装/桌面 31/31(含新增 junction/硬链接/流名用例和新版本一致性守卫)通过。
- 全量 886/889:3 项失败为 Python 解释器与浏览器(Playwright)环境依赖,在改动前 HEAD `e05b8fe0` 上同样失败,与本次改动无关。
- 新增 `release-efficiency` 守卫:把 `APP_VERSION` 钉死到 package.json 并核对 `dist-server` 两个 bundle,未来漏改版本常量会直接失败。
## 发行与首次升级的真实失败(保留)
第一次打包升级 `20261104101837040` 在正式机上被 `HOST_VERSION_MISMATCH` 安全回退:`src/server/diagnostics.mjs` 的 `APP_VERSION` 字面量仍是 1.25.0,热升级后运行进程报告 1.25.0 与安装候选 manifest 版本 1.25.1 不符。这是系统自身的版本守卫拦下错误发行,数据零损失。已修复常量、补回归守卫、重新打包候选 `20261104103902806`(commit `0a82636d`,server/hot-upgrade 均报 1.25.1)。首失败与首候选不改写。
## 唯一正式升级(PID36552 保留)
- 候选 `Agent-Workbench-1.25.1-win-x64-20261104103902806`,source `0a82636d`,installer SHA `e1689a459f950d3a326b0915ced481f769de88f1531082f13e26902ae790f3c6`。
- 升级前只读基线、升级、独立 final 复核三段均通过。原 PID 36552、instanceId `4c910dd5-82cb-4c8a-92f6-328338ea0662`、Provider 内存连接与 Key 保持;hasKey=true,窗口 0,9229 关闭。
- 数据精确保持:65 项目、81 会话、6377 记录、13484 事件及 outbox;retention 四项(rows/exports/artifacts/model-center)均为 exact。指针 revision 26→27,previous=1.25.0,operation=completed。
- **实测更新耗时 156369ms(约 2.6 分钟),对比 1.25.0 的 774098ms(约 12.9 分钟),约 5× 提速**。安装日志中每轮 10970 文件的全清单核验从 214–288s/轮降到约 1.5–3s/轮;其余耗时为安装器解压写盘。这是安装扫描优化在真机落地的直接证据。
## 边界
- 真实模型自主交付、网络恢复与原版 Purge 收益不在本版由上述本机检查证明;真实样本见 `docs/QA-LIVE-DELIVERY-W.md`。
- 不委派、不推送、不读取/复制/解密/重存真实 Key,不重启正式进程,不续跑旧 V/T/R/P/O。