feat: continue reviewed tasks and add reproducible engineering delivery validation

This commit is contained in:
Agent Workbench Dev
2026-10-29 14:45:39 +08:00
parent 2ea34850c4
commit 6d3a4c6705
47 changed files with 619 additions and 60 deletions
+9 -1
View File
@@ -11,7 +11,15 @@
终端命令每次确认后以当前 Windows 用户权限执行;工作目录为所选项目,但这不是操作系统沙箱。界面显示完整命令。停止任务会中止工作台启动的进程树。
## 持久化与恢复
状态与工具事件保存在独立应用数据目录。状态使用临时文件原子替换,并保留备份。服务重启后把仍在运行或等待确认的任务标为暂停;未完成 tool_call 按 ID 写入中断结果以保持消息契约。已开始命令的实际结果未知时明确标记,不自动重放终端或应用文件改动。
1.1.0使用SQLite同步事务保存Task/Run/Step/Tool/Check/Event/Artifact记录,状态、追加事件与outbox一同提交,成功提交后再发布会话更新。旧JSON迁移保留原字节备份,旧Store接口通过兼容层保存新契约。大型工具结果与检查日志保存在独立SHA256工件中,读取和恢复均核对归属与字节。
服务重启后把仍在运行或等待确认的任务标为暂停;未完成tool_call按ID写入中断或实际保存的结果以保持消息配对。已开始命令的结果未知时保留需核对状态。执行宿主使用持久owner限制同一数据目录并发写入,停止时释放owner。SSE按持久seq补发,客户端不会因重连重放工具。
## 工程检查与审核后继续
ProjectInspector识别有界工程文件、语言、规则、npm脚本及当前工程自身的Git基线。CheckRunner将脚本和源码指纹固定为plan;执行前再次核对,在用户确认后创建独立job,保留真实退出码、统计与日志工件。模型通过read_artifact读取已有失败信息。没有实际测试、日志不能识别或源码已变化时,verification不记通过。
应用提案使原Run保留needs_review历史,当前会话的文件状态更新。continue-reviewed仅在当前Task已有应用且无剩余提案/冲突时接受,先校验模型配置,再将review-action追加要求与新Run一同提交;保留原始目标、累计用量和resumeOf。普通completed的resume不会重新调用模型。
## 上下文
完整会话仍保留在磁盘。模型请求使用有预算的投影:以完整 user/assistant/tool 组为单位保留近期内容,较早内容形成有长度限制的本地提要。计数为估算,服务返回的 usage 另外记录。该机制是本产品的独立提取式实现,不声称与 Claude Code 的模型摘要等价。
+8 -1
View File
@@ -1,6 +1,6 @@
# Agent Workbench 能力目标与验收矩阵
日期:2026-10-29。当前产品:1.0.0基础里程碑。下表的目标、模块和阶段均是后续开发计划,不能作为已经交付的功能宣传。
日期:2026-10-29。1.0.0为已保存的基础里程碑,1.1.0为本轮M1实现。下表保留1.0.0缺口与完整产品目标;每项完成范围以实际验证记录为准。
总体方案见 [PRODUCT-PLAN.md](PRODUCT-PLAN.md),研究问题与来源见 [RESEARCH-ROADMAP.md](RESEARCH-ROADMAP.md)。
@@ -12,6 +12,13 @@
## 2. 能力矩阵
### 1.1.0 M1已实现切片
- C01/C02/C04/C14/C15/C23:原Task目标、追加要求、Run模型/预算与累计usage,SQLite事务、稳定工具身份、SHA256工件与断线事件补发。
- C03/C09/C11:有界工程识别、只读Git基线、npm检查计划/job、真实测试统计与日志、源码变化后失效。当前支持Node/npm,尚无三类工程专用执行器或用户工程自动提交。
- C08/C12/C13/C24:应用全部提案后继续原任务、读取保存的失败日志进行修复,封存四模块样本与独立验收器;多文件ChangeSet、依赖计划和长期恢复仍待M2/M4。
- 完整M2/M6成功率验收、外部引擎、REA运行和Electron/PWA配对不计入上述实现。对应检查见[QA-1.1](QA-1.1.md),封存样本见[四模块工程基准](../benchmarks/node-delivery-v1/README.md)。
模块路径指 [建议架构](PRODUCT-PLAN.md#4-建议架构一套执行核心多种入口),不是当前目录结构。研究编号对应研究路线中的问题组。
| ID / 能力 | 当前1.0.0基础与缺口 | 后续产品目标 | 参考问题 / 模块 / 阶段 | 必须看到的验收证据 |
+18
View File
@@ -0,0 +1,18 @@
# 1.1.0 M1 验收清单
本轮验证范围:可靠任务内核、工程检查、审核应用后继续原任务、执行日志读取和真实模型四模块工程交付。桌面客户端安装包、手机远程配对、任务依赖图及外部引擎适配仍在后续计划。
| 用户可见行为 | 功能检查 | 界面和证据状态 |
| --- | --- | --- |
| 原Task目标、每轮Run模型/预算/工具/工件可追溯 | SQLite/API/退出恢复测试 | 任务记录面板,桌面与390px |
| 应用全部提案后继续检查与交付 | 同Task、新Run、真实check job | 待审查→应用→继续→确认执行→检查结果 |
| 读取失败日志后修复 | read_artifact归属/hash/分页,禁止自动重跑 | 日志弹窗标题/全文/hash/关闭与分页 |
| 工程检查有真实退出码和测试数量 | 失败、零测试、跳过、未知、源码过期均不判通过 | 检查计划、确认按钮、实际结果和失败原因 |
| 断线后补发,预算与停止可恢复 | 持久event cursor与不重放 | 断流恢复、暂停和再次运行记录 |
| 真实模型完成四模块修复 | 先失败、四文件提案、应用、14项测试与构建 | 保存模型会话、工具结果、保护文件hash、Git diff |
| 便携执行宿主不依赖系统npm | 随附Node/npm执行检查,启动/复用/停止 | 可运行1.1.0包清单与hash |
| 原实例升级保留连接和历史 | 旧版→SQLite→再升级测试,正式PID/模型身份核对 | 4318页面版本、任务记录与实际模型调用 |
额外异常场景:未应用或有冲突时继续必须拒绝;双击继续只能建立一轮Run;模型配置无效时拒绝继续且不追加重复任务指令;检查期间修改源码后结果必须标过期;读取其他会话或损坏工件不能显示为成功。
视觉验收:固定工作台的页头、任务输入、主操作和弹窗必须在初始视口内可用;分别核对1440px桌面与390px手机尺寸。功能通过后另行目视检查文字可读性、遮挡和横向溢出,并记录短时探索结果。
+10 -7
View File
@@ -1,25 +1,28 @@
# 从 0.1.0 升级到 1.0.0
# 升级到 1.1.0并保留原连接
升级脚本在原Node进程中替换工作台实现,保留现有内存连接对象、项目和会话。它不会读取、打印、导出或复制API Key。普通停止后重启会丢失仅在内存中的Key,需要重新填写。
## 升级条件
使用已完成构建的1.0.0便携包,保留原0.1.0发行目录。工作台中的任务和命令审批均已结束,当前本地9229端口可用。脚本只接受127.0.0.1上的0.1.0工作台,先核对进程PID和原发行路径,再迁移对象。升级后校验配置、项目、会话和PID,并关闭本次开启的调试端口。
使用已完成构建的1.1.0便携包,保留原启动发行目录及当前实现目录。工作台中的任务、工程检查和命令审批均已结束,当前本地9229端口可用。脚本接受127.0.0.1上的0.1.0、1.0.0或1.1.0工作台,先核对进程PID和原发行路径,再迁移对象。升级后校验配置、项目、会话和PID,并关闭本次开启的调试端口。控制请求使用独立HTTP连接,避免调试暂停后复用超时连接。
首次进入1.1.0时,旧JSON数据在保留原字节备份的事务中迁移到SQLite。任务、运行、事件和工件使用新契约,旧历史以legacy-import标明来源。随附npm位于新发行runtime,原进程保留原Node可执行路径并使用新npm检查器。
## 执行
在解压后的1.0.0便携目录打开PowerShell。下面的旧发行路径替换为本机真实路径,数据目录沿用当前启动配置。
在解压后的1.1.0便携目录打开PowerShell。使用service-info保存的原启动目录,数据目录沿用当前启动配置;此前已经热升级的实例另传当前handler目录。
```powershell
$awOldRoot = 'D:\Ai-project\REA逆向\Agent-Workbench\releases\Agent-Workbench-0.1.0-win-x64'
$awNewRoot = (Get-Location).Path
$awServiceInfo = Get-Content -LiteralPath (Join-Path $env:LOCALAPPDATA 'AgentWorkbench\service-info.json') -Encoding UTF8 -Raw | ConvertFrom-Json
& (Join-Path $awNewRoot 'runtime\node.exe') (Join-Path $awNewRoot 'scripts\upgrade-running.mjs') --url http://127.0.0.1:4318 --pid $awServiceInfo.pid --current-root $awOldRoot --new-root $awNewRoot
$awUpgradeArguments = @((Join-Path $awNewRoot 'scripts\upgrade-running.mjs'), '--url', 'http://127.0.0.1:4318', '--pid', $awServiceInfo.pid, '--current-root', $awServiceInfo.appRoot, '--new-root', $awNewRoot)
if ($awServiceInfo.runtimeRoot) { $awUpgradeArguments += @('--handler-root', $awServiceInfo.runtimeRoot) }
& (Join-Path $awNewRoot 'runtime\node.exe') @awUpgradeArguments
```
成功后访问 `http://127.0.0.1:4318/?release=1.0.0`,界面显示v1.0.0。运行诊断可核对模型名称、凭据是否已配置和文件审核状态。已有项目路径继续指向原项目,不移动用户文件。
成功后访问 `http://127.0.0.1:4318/?release=1.1.0`,界面显示v1.1.0。任务记录和运行诊断可核对模型、预算、工具、工件与文件审核状态。已有项目路径继续指向原项目,不移动用户文件。
`service-info.json`保留原启动目录,并增加当前实现目录`runtimeRoot`与版本。再次运行启动器会复用当前本地服务;以后需要重启时,从1.0.0目录启动。
`service-info.json`保留原启动目录,并更新当前实现目录`runtimeRoot`与版本。再次运行启动器会复用当前本地服务;以后需要重启时,从1.1.0目录启动。
## 验证范围
+22 -1
View File
@@ -1,4 +1,25 @@
# Agent Workbench 1.0.0 验收记录
# Agent Workbench 验收记录
## 1.1.0 · M1可靠内核与工程切片
2026-10-29,Windows x64,Node24.22.1,Edge156.0.4314.42。TypeScript/Vite/esbuild构建通过。完整68项行为/API/进程退出恢复检查通过,0失败/跳过/取消;新增Task/Run、SQLite事务、工件损坏、预算、工程检查与审核后继续的覆盖。
| 验证 | 结果 | 结构化证据 |
| --- | --- | --- |
| 完整行为/API/实际退出与升级 | 68/68通过 | [m1-tests-validation.json](m1-tests-validation.json) |
| 基础界面 | 10/10通过 | [m1-ui-validation.json](m1-ui-validation.json) |
| 模型错误与诊断界面 | 9/9通过 | [m1-diagnostics-ui-validation.json](m1-diagnostics-ui-validation.json) |
| 任务、工件、断流、预算和审核后继续 | 7/7通过 | [m1-execution-ui-validation.json](m1-execution-ui-validation.json) |
| 1.1.0便携宿主与随附npm | 待发行验证 | 后续记录 |
| 正式原进程升级与真实模型四模块交付 | 待实际验证 | 后续记录 |
26组界面流程的页面异常/请求失败均为0,覆盖桌面和390px。已目视核对任务、差异和手机日志弹窗:标题、hash、正文、关闭/分页及固定任务输入区均可用,无遮挡或横向溢出。新增继续按钮使用明确的可访问名称。
首次完整回归曾出现Windows进程fixture的ECONNRESET,旧版升级控制请求改用独立HTTP连接并记录失败阶段后,完整68项复验通过。专项第一次收尾因按钮名称包含说明文字而定位超时,补齐aria-label并完成7组任务UI复验。失败记录保留在findings.md,未重放迁移或命令来掩盖问题。
1.1.0实现Node/npm工程切片;三类工程完整M2验收、任务依赖图、外部引擎、REA执行和桌面/手机配对仍在后续阶段。真实模型样本的审查次数与用量单独报告。
以下保留1.0.0基线验收。
验收日期:2026-10-29(Asia/Shanghai)。环境:Windows x64,Node.js 24.22.1,npm 11.19.1,Microsoft Edge 156.0.4314.42。自动化验证使用独立项目和数据目录,正式用户会话验证单独记录。
+20
View File
@@ -0,0 +1,20 @@
{
"success": true,
"version": "1.1.0",
"url": "http://127.0.0.1:4319",
"date": "2026-10-29T06:36:49.517Z",
"passed": [
"model response validation checks the tentative connection before saving",
"a model failure after successful tools shows source, attempts and local runtime diagnosis",
"explicit retry preserves the completed tool result without replaying the task",
"an error question receives the actual session diagnosis and formatted answer",
"review state exposes the review action and prevents application during a running request",
"approved Unicode commands execute in the declared shell and retain Chinese output",
"authentication errors do not retry and error/diagnostic controls fit a 390 px viewport",
"stop cancels pending retry and clears running model state",
"a transient service failure recovers within the bounded retry policy"
],
"pageErrors": [],
"requestFailures": [],
"modelValidation": "controlled local HTTP fixture; actual configured model is verified separately"
}
+19
View File
@@ -0,0 +1,19 @@
{
"success": true,
"version": "1.1.0",
"testedAt": "2026-10-29T06:41:24.891Z",
"browser": "156.0.4314.42",
"passed": [
"model-selected checks wait for approval and display actual counted results",
"verified artifact preview shows the real check log and hash",
"changed source invalidates old checks and manual confirmation runs the new plan",
"390px task drawer, log preview, close controls and fixed composer remain operable",
"reconnection synchronizes missed session changes in other projects",
"budget controls pause before tools and preserve the goal across recorded runs",
"applied proposals continue the original task into actual engineering verification"
],
"pageErrors": [],
"requestFailures": [],
"projectRoot": "D:\\Ai-project\\REA逆向\\Agent-Workbench\\.qa\\execution-ui-cf140b8d-6210-49cd-bbdf-18dae4cb7de1\\project",
"model": "controlled local HTTP fixture"
}
+14
View File
@@ -0,0 +1,14 @@
{
"success": true,
"version": "1.1.0",
"testedAt": "2026-10-29T06:39:22.343Z",
"command": "npm test",
"tests": 68,
"passed": 68,
"failed": 0,
"skipped": 0,
"cancelled": 0,
"durationMs": 62325.4018,
"priorFailures": "Two complete runs recorded ECONNRESET in Windows process fixtures; after independent control HTTP connections the full suite passed.",
"realModel": false
}
+27
View File
@@ -0,0 +1,27 @@
{
"success": true,
"url": "http://127.0.0.1:4319",
"browser": "Microsoft Edge 156.0.4314.42",
"date": "2026-10-29T06:25:49.209Z",
"projectRoot": "D:\\Ai-project\\REA逆向\\Agent-Workbench\\.qa\\ui-d29db581-673d-48a9-a777-954d6b96fb11\\ui-project",
"viewports": [
1440,
780,
390
],
"passed": [
"project selection and real file preview",
"real command consent, execution and stale snapshot rejection",
"diff review and verified file application",
"manual editor creates a reviewable proposal",
"file responses stay with the current selection",
"denial, session selection, reload, stale response rejection and export",
"project inventory responses cannot replace another project",
"780 and 390 px: project drawer, file, diff and trace controls, no page overflow",
"unified and detailed research reports render",
"model list, ephemeral key, compatible fixture tool loop and return to offline mode"
],
"pageErrors": [],
"requestFailures": [],
"modelValidation": "controlled local HTTP fixture; no real model"
}