docs: seal M1 model parameter verification and remaining development steps

This commit is contained in:
Agent Workbench Dev
2026-11-06 23:15:40 +08:00
parent 68603f9c76
commit a81a85f6cc
10 changed files with 243 additions and 2 deletions
+2
View File
@@ -1,5 +1,7 @@
# Agent Workbench项目执行规范
2026-11-06 M1首批源码68603f9c已修I01/I02/I03:原生嵌套编辑/配置档切换保真、显式stream_options、四精确Claude推理模式/五档/条件、目录逐值否定与between_tools;默认重置保留thinking必填type/独立effort,未知不猜。最终专项12/相关110、build-2、独立网页和实际Electron各7组/1280及390/各7本机请求通过,首轮冻结/网页/桌面失败保留;见[验收与回顾](docs/QA-M1-MODEL-PARAMETER-FIDELITY.md)及[切片计划](docs/M1-MODEL-PARAMETER-FIDELITY-PLAN.md)。尚未发行/安装/重启,正式仍沿F的1.25.12身份,不把测试构建当部署。I08只修参数说明,下一I04自动选模与其余权限说明,再MCP/schema/检查点/手机/凭据登记门槛;M1未全完成。默认不限/完整历史/用户权限保持,不触真实Key/模型/正式数据、不续旧实验或用户工程、不委派;W/AD/AE/AG原成功与网络/unknown/重复读/Purge收益unknown不改。用户持续授权限定提交及普通GitAtlas增量推送,下方历史按各自时点理解。
2026-11-06 官方优先全系统审查已完成并增量推送48c98244、远端逐SHA一致,回执[审查推送](docs/gitatlas-official-first-audit-push.json)随收尾提交;见 [全层审查](docs/SYSTEM-AUDIT-OFFICIAL-FIRST-2026-11-06.md)、[开发路线](docs/DEVELOPMENT-ROADMAP-OFFICIAL-FIRST.md)、[机器矩阵](docs/official-first-system-audit-2026-11-06.json)。基线4da2550b,715清单输入SHA一致,30能力区域/38事项(含缺陷、缺项、未部署、风险与未知),21编号观察及O18-C单独纠正,1280/390自有页面实看;73份2365463字节新证据、4最终报告数据输入和89链接核对通过,不是逐行人工审计或全球真实兼容全过。正式只读health在13:08Z为1.25.12/PID71628/ready,仍沿F源码6867cd5a;目录刷新ae5123c5、wire诊断341f5f69、官方容量2bd7b24a三项已推送未部署。本轮只审查/规划/纠正文档,不读真实Key、不请求真实模型、不改正式数据、发行或重启。下一M1修原生嵌套参数/stream_options、精确官方推理模式、自动选模与残留MCP/检查点/手机/凭据登记上限及权限说明,再M2官方注册表/缓存状态、M3独立发行、M4新真实基线;原网络/unknown/重复读/Purge收益unknown保持。官方直连以官方为准,代理声明与实际结果分开,用户完整透传和持久权限不恢复本地额度;下方历史“当前”均按各自时点理解。
Claude官方容量已纠正并修复源码:当前官方表四精确ID(Fable5.1/Opus5.5/Sonnet5.5/Haiku5.5)同步128000/上下文1000000已公开,来源与目标正文SHA见docs/claude-official-capacity-2026-11-06.json。2bd7b24a增加显式原生→相符目录→精确官方→未知连接声明,保持本地透传/用户配置/原凭据;模型中心和参数注明来源,Chat/Responses不添加可选上限。独立相关67/67、build-2与网页4组/1280及390实看通过;原失败与上轮未知调查状态保持,见docs/QA-CLAUDE-OFFICIAL-CAPACITY.md。尚未部署/发行/重启,正式仍沿下方F旧源码身份;不能把官方已知规格当真实代理兼容通过。源码/纠正/只读协调已普通增量推送至1b2ea607,远端逐SHA一致,回执docs/gitatlas-claude-capacity-push.json另随完成状态提交;随后独立发行含目录/诊断/官方容量三修复;不续跑原工程/旧实验、不委派/触真实Key,历史网络/unknown/Purge unknown保持。
+2
View File
@@ -1,5 +1,7 @@
# Agent Workbench 能力目标与验收矩阵
M1首批源码更新(2026-11-06):68603f9c已修原生嵌套/配置档参数保真、Chat显式stream_options、四精确Claude官方推理模式/条件和目录全否定回退;专项12/相关110、独立两端各7组通过。仅源码态,正式仍沿F的1.25.12,见[验收](QA-M1-MODEL-PARAMETER-FIDELITY.md)。全球注册表/真实供应商普遍兼容、其余M1权限/门槛、缓存及Purge收益仍按路线待办或unknown,不把局部修复当全部能力完成。
当前入口更新(2026-11-06):正式只读health观察为1.25.12/PID71628,F角色路由已交付;后续目录/wire诊断/官方容量三源码修复尚未部署。最新[全层审查](SYSTEM-AUDIT-OFFICIAL-FIRST-2026-11-06.md)按30区域/38事项分开已实现、已验、已部署、缺陷、未实现与未知,含21编号观察及O18-C。下一按[官方优先路线](DEVELOPMENT-ROADMAP-OFFICIAL-FIRST.md)M1正确性/残留上限、M2官方契约/缓存状态推进;真实工程原成功、网络失败、unknown与Purge收益unknown保持。下方D/E等“当前”属于历史时点,不再作为最新状态。
当前正式Orven1.25.11已交付E:可从原报告/检查/工具事实生成来源绑定草稿,保留失败与unknown;默认不使用,用户可修订/采用/撤销/拒绝/记录反例/归档。完整修订和已发送快照保持,来源/源码变化停止采用,可选经验故障不阻断原工程,原手写记忆/开放权限/完整透传保持。独立源码/程序/安装/跨版与正式网页/桌面见[E验收](QA-EXPERIENCE-DRAFTS-E.md)。经验结论和真实收益未证明,F角色路由/Mnemo原生导出/入站委托仍未实现,历史网络/unknown/Purge收益unknown保留。下方为历史时点。
+2 -2
View File
@@ -1,8 +1,8 @@
# 官方优先开发路线(2026-11-06)
本路线以[全系统审查](SYSTEM-AUDIT-OFFICIAL-FIRST-2026-11-06.md)的38项事项为输入。目标是官方直连优先、代理/兼容同样保真,用户选择的模型和权限持久生效,AI能完成实际工程并提供真实证据。当前审查只完成梳理与文档纠正,没有开始下面的产品改动或正式发行。
本路线以[全系统审查](SYSTEM-AUDIT-OFFICIAL-FIRST-2026-11-06.md)的38项事项为输入。目标是官方直连优先、代理/兼容同样保真,用户选择的模型和权限持久生效,AI能完成实际工程并提供真实证据。原审查保留其时点结论;当前M1首批I01/I02/I03已由68603f9c源码修复,专项12/相关110及独立两端各7组通过,见[验收](QA-M1-MODEL-PARAMETER-FIDELITY.md)。I08参数说明部分修正,其余M1仍待;尚未正式发行。
**立即下一批是 M1:修参数丢失、官方推理选项、自动选模错误,以及开放模式仍生效的 MCP/检查点/手机固定上限,统一真实权限说明。** 完成核心修复后进入M2供应商契约与缓存/状态,冻结一次M3发行;不要为每个小修反复打包,也不要先堆新界面或新“支持”标签。
**立即下一批继续 M1:I04自动选模、I08其余真实权限说明,以及开放模式仍生效的 MCP/检查点/手机/凭据登记固定上限和MCP schema适配。** 参数保真与四精确Claude推理模式本批已验,全球能力注册表归M2。完成核心修复后进入M2供应商契约与缓存/状态,冻结一次M3发行;不要为每个小修反复打包,也不要先堆新界面或新“支持”标签。
## 执行原则与完成标准
+26
View File
@@ -0,0 +1,26 @@
# M1 首批:模型参数保真与官方推理模式
基线:`8ae492301b7cefd88854fb8ed1ddb38d230146fc`,`feat/task-agreement-1.25`,开始工作树干净。接续[官方优先路线](DEVELOPMENT-ROADMAP-OFFICIAL-FIRST.md),本批完成 I01/I02/I03,并纠正直接相关的推理控件说明;其他 M1 项目保持待办,不冒称全部完成。
## 阶段
1. [complete] 核对原生参数编辑、目录模式、wire 和现有表单/测试;复用官方thinking原件,并从既有官方导出提取完整Effort文章核对四型号五档/default/条件。
2. [complete] 已实现目标键编辑、显式 stream_options、四精确Claude规格/条件、目录逐项否定状态和between_tools;保留原JSON/兼容配置档与默认透传。相关控件/范围说明同步,未改其他M1事项。
3. [complete] 最终专项12/12、相关110/110、build-2;独立网页/实际Electron各7组、1280及390保存/重开/条件选项与本机wire通过,原失败保留。见[验收与回顾](QA-M1-MODEL-PARAMETER-FIDELITY.md)。
4. [in_progress] 源码68603f9c已限定本地提交;继续SHA封存、阶段文档提交及已授权普通增量推送,更新当前接续。
不访问真实Key、不发真实模型请求、不续跑旧样本或用户工程、不委派,不改正式安装/数据或重启;正式仍沿1.25.12发行身份。官方资料复用审查保存的原件与SHA,不重抓全部文档。代码修复完成不等于代理真实兼容或Purge收益验证通过。
## 验收重点
- 只编辑所选字段;保留同对象其他字段。恢复默认只移除该控件拥有的键;thinking仍有其他字段时保留必填type,精确已知默认采用adaptive,未知默认不猜。协议上不适用预算键的变更有明确说明。
- stream_options 有显式值时原样发送;无显式设置时保留已有默认用量请求。原对象不被修改,路由成员分别验证。
- 精确官方Claude模式与条件有来源。目录明确false不回退通用支持;未知不伪装官方确认;代理显式覆盖不被新拦截。
- 现有快捷控件/原生JSON/保存/重开/实际wire一致,不把已存但官方不支持的值静默删除或替换。
- 保留原生默认不限/完整历史/用户权限;Messages必填max_tokens策略不回退2048,Chat/Responses不附加可选额度。
## 调查记录
- 初始合并读取输出有截断;后续按实际文件分段。PowerShell下传给rg的tests通配路径无效,改用rg的glob选项与真实文件名,不计为产品失败。
- 只读猜测build-candidate/旧目录/两个旧组件路径不存在,已用rg找到真实freeze-build/现有ModelCenter,不算产品测试;后续按真实入口复用。
- 补充复核发现默认重置留下无type的thinking,已在最终源码修正并实测;配置档切换完全保留JSON。冻结首轮ENOBUFS/网页首轮SSE夹具范围/桌面首轮缺所属Electron失败均保持,新目录与正确身份完成最终验收;一轮文档patch错误锚点原子未应用,随后纠正。见QA。
+2
View File
@@ -1,5 +1,7 @@
# 后续执行计划
当前M1首批(2026-11-06):68603f9c完成参数/配置档保真、显式stream_options及四精确Claude官方推理模式,专项12/相关110、build-2、独立网页/实际Electron各7组通过,见[验收与回顾](QA-M1-MODEL-PARAMETER-FIDELITY.md)。尚未发行/重启,I08仅参数说明部分完成。下一先I04自动选模及权限说明,再MCP/schema/检查点/手机/凭据登记门槛;其后M2契约/缓存和统一M3发行。默认不限/完整历史/持久权限与历史网络、unknown、重复读、Purge收益unknown保持。下方旧“下一”均按历史时点理解。
当前入口更新(2026-11-06):[全系统审查](SYSTEM-AUDIT-OFFICIAL-FIRST-2026-11-06.md)已梳理30区域/38事项,F已正式1.25.12,三后续修复仅源码态。立即下一批是[官方优先路线](DEVELOPMENT-ROADMAP-OFFICIAL-FIRST.md)M1:参数保真、官方推理模式、自动选模、MCP/检查点/手机/凭据登记残留上限和说明一致性;然后M2契约/缓存与M3独立发行,再另冻真实供应商/工程/Purge样本。此次审查不发行或重启,不续旧实验,不改历史失败/unknown。下方旧接续按历史时点保留。
当前1.25.10的D已正式交付并保留原PID/Provider和所有原数据,见[D验收](QA-REMINDER-READBACK-D.md)。下一先做[E经验草稿](EXPERIENCE-DRAFTS-E-PLAN.md)的来源与采用分离,不自动注入未核对经验;其后才按前置推进F。Mnemo新证据包仅只读反馈,自动导出/入站委托另切;不续跑历史真实样本,网络异常、unknown用量和Purge收益unknown保持。下方旧“当前”按历史时点理解。
+63
View File
@@ -0,0 +1,63 @@
# M1 首批:参数保真与官方推理模式验收
2026-11-06;源码 `68603f9c76ac6219feddbf28a41e8d388a71c52e`,基线 `8ae492301b7cefd88854fb8ed1ddb38d230146fc`。本批修复 I01/I02/I03;I08 仅修直接相关参数说明,其余权限说明仍待后续。**这是已验证的源码修复,未发行、安装或重启;M1 尚未全部完成。** 原审查和历史实验报告保留原结论。
## 用户可见结果
- 改强度保留 `reasoning.summary`、`output_config.format` 和未知同级字段;改模式/预算保留 `thinking.display` 等字段。原输入不被修改。
- 模式与强度独立;强度恢复默认只删除 effort,模式恢复默认保留独立强度。移出旧 enabled 时只移除其 budget_tokens,界面明确说明。
- thinking 保留其他字段时仍需要 type。四个精确官方型号恢复默认使用其官方 adaptive;未知或目录否定的默认模式不猜测,保留原 JSON,界面说明可在 JSON 明确删除整个 thinking 来恢复默认。
- 切换兼容档不再隐式改写原 JSON;Chat/Responses 强度控件不再删除独立 thinking。
- Chat 显式 stream_options 原样发送,包括空对象和 null;只有缺省且流式时才添加原有 include_usage:true。路由成员分别使用自己的参数。
- 自动档按四个精确 Messages ID 匹配官方模式和五档 effort。条件不符的快捷选项明确不可用;已配置的原值仍显示、可保存,开放请求仍由上游判定。显式兼容档与原生 JSON 保留覆盖入口。
- 目录保存逐选项 supported/unsupported/unknown,新增 between_tools;全否定不回退全支持,失配型号元数据不用于当前型号。旧目录已丢失的否定信息不能凭空重建,需以后正常刷新。
| 精确型号 | 官方模式 | 默认 effort |
| --- | --- | --- |
| claude-fable-5-1 | adaptive | high |
| claude-opus-5-5 | adaptive | medium |
| claude-sonnet-5-5 | adaptive / between_tools(后者限 high 或以下) | high |
| claude-haiku-5-5 | disabled / adaptive(disabled 限 high 或以下) | medium |
四型号均有 low/medium/high/xhigh/max。来源为 [Anthropic Thinking](https://platform.claude.com/docs/en/build-with-claude/thinking) 与 [Effort](https://platform.claude.com/docs/en/build-with-claude/effort),2026-11-06 复核既有官方导出与完整目标文章,不是新抓取或全站重读。不按品牌、大小写、日期后缀或代理别名猜测。上游声明优先于后备选项;这不是全球注册表或真实代理兼容证明。
## 实际验证
| 验证 | 结果与边界 |
| --- | --- |
| 新专项 | 最终 12/12;实际本机 HTTP Chat SSE / Responses JSON / Messages JSON;单次合成 400 原文保留、无重试、unknown 用量不补造 |
| 相关回归 | 110/110;推理、目录、Messages、三协议、官方容量、透传截断诊断、流式。编译 HTTP 使用独立 candidate-app-2 |
| build-2 | TypeScript、Vite、手机壳、服务端与 Electron bundle 通过;版本仍 1.25.12,仅测试构建 |
| 独立身份 | 1203 项构建/源码/脚本/测试清单输入,30 项编译载荷;最终只有验证器脚本发生已记录修订,产品源码与冻结输入相符 |
| 桌面候选 | 同一 30 项编译载荷逐 SHA 相同;另附所属 Electron/图标,共 104 文件,不是正式程序包 |
| 网页 | 最终 7 组、7 次自有请求;保存/重开/刷新、条件选项、显式兼容/自定义值和本机 wire 一致 |
| 实际 Electron | 相同 7 组、7 次自有请求通过,非网页模拟桌面 |
| 1280 / 390 | 两端实际操作并实看宽屏、Sonnet 窄屏控件/JSON及负声明/自定义边界;无页面横向溢出,保存动作可达。长自定义值可从完整 JSON 查看 |
| 访问与页面 | 两端最终 pageerror 0、外部请求 0。全部模型请求为本机合成,无真实 Key/真实模型/正式数据写入 |
入口:[专项](../tests/model-parameter-fidelity.test.mjs)、[两端验证器](../scripts/verify-model-parameter-fidelity-ui.mjs)、[机器记录](m1-model-parameter-fidelity-2026-11-06.json)。原件在 `.qa/m1-model-parameters-2026-11-06/`,MANIFEST.json 索引原文件 SHA/大小;构建身份、官方目标文章 SHA、两端结果和首轮失败均保留。原始载荷/临时夹具不提交 Git。
```powershell
$env:AGENT_WORKBENCH_API_KEY = $null
$env:AGENT_WORKBENCH_TEST_APP_ROOT = '<独立 candidate-app-2 绝对目录>'
node --test --test-concurrency=1 tests/model-parameter-fidelity.test.mjs tests/reasoning-settings.test.mjs tests/model-catalog.test.mjs tests/anthropic-messages.test.mjs tests/model-protocols.test.mjs tests/official-model-capacity.test.mjs tests/passthrough-output-diagnostics.test.mjs tests/model-stream.test.mjs
$env:AGENT_WORKBENCH_QA_APP_ROOT = '<独立候选绝对目录;桌面须包含所属 Electron>'
node scripts/verify-model-parameter-fidelity-ui.mjs
node scripts/verify-model-parameter-fidelity-ui.mjs --desktop
```
## 原失败与回顾
1. core-1/build-1 通过后,复核发现默认重置会留下无 type 的 thinking;最终源码修正,core-2/build-2 和两端覆盖新语义。前一成功不能代替最终检查。
2. 首轮冻结枚举整个大型仓库,超出默认 execFileSync 缓冲,ENOBUFS。部分 candidate-app 未使用、未删除;原工具输出被截断,freeze-attempt-1.json 如实只是摘要。限定路径/8 MiB 缓冲后新建 candidate-app-2,不覆盖原目录。
3. 网页首轮过五组后,验证器向文本检测提供 SSE;产品正确拒绝无效 JSON。改用 streaming 检测后七组通过,原失败/截图/日志保留。首轮验证器未在失败分支保存 requests.json,不能声称该轮完整 wire 已归档。
4. Electron 首轮 firstWindow 前退出,0 自有模型请求;候选缺少所属 Electron,宿主登记无法核对。新桌面候选附独立运行时并按其身份启动,同一编译载荷通过;未放宽宿主检查或修改正式进程。
5. 调查期间有过量读取截断、PowerShell 通配路径不适用、猜测文件不存在,以及一轮文档 patch 锚点不符且原子未应用,均保留为过程记录,不计产品测试通过。
复核覆盖三层:编辑字段/官方合同、实际本机请求/原错/用量、真实表单持久化。原生默认不限、完整历史、持久权限保持;Messages 必填容量沿上一精确官方修复,未退回 2048;Chat/Responses 不自动加可选输出额度。本轮未改预算、Run、用户工程、真实连接或原历史。
## 下一批
继续 M1 的 I04 自动选模、I08 其余权限说明,再修 I05/I06/I07/I33/I38 的 MCP/schema、检查点、手机和凭据登记门槛。手选/显式覆盖仍透传,不把自动适配变成全局拒发;之后 M2 来源化契约/缓存连续性,再统一 M3 发行。
W 的只读无交付/未触达 v2 边界、AD 的 Claude missing max_tokens 和网络原错、AE 成功与解释器原失败、AG 三网络失败和一个交付保持。真实供应商普遍兼容、缓存不掉、重复读取/角色/经验普遍收益与 **Purge 收益 unknown** 不由本轮合成验证改写。
@@ -0,0 +1,130 @@
{
"schema": 1,
"kind": "m1-model-parameter-fidelity-source-validation",
"completedAt": "2026-11-06T15:14:43.409Z",
"baselineHead": "8ae492301b7cefd88854fb8ed1ddb38d230146fc",
"sourceCommit": "68603f9c76ac6219feddbf28a41e8d388a71c52e",
"branch": "feat/task-agreement-1.25",
"status": {
"I01": "source-fixed-and-verified-not-deployed",
"I02": "source-fixed-and-verified-not-deployed",
"I03": "four-exact-models-source-fixed-and-verified-not-deployed",
"I08": "parameter-copy-only-partial",
"M1": "remaining-work-pending",
"formalVersion": "1.25.12; historical F identity; not re-audited in this slice",
"purgeBenefit": "unknown"
},
"officialSources": [
{
"path": ".qa/official-first-system-audit-2026-11-06/official-public/claude-extracted/build-with-claude__thinking.md",
"bytes": 87672,
"sha256": "ff24b4c309610835c57611e4f5b6f8870b27950a8d4548bfae680c9eec1dfb42",
"url": "https://platform.claude.com/docs/en/build-with-claude/thinking",
"reusedAuditManifestSha256": "a6119c607bfbbc96a876afd499298356c4a79404e47acfa47acec9bc18b33b9d"
},
{
"path": ".qa/m1-model-parameters-2026-11-06/claude-effort-official.md",
"bytes": 53983,
"sha256": "b19219d51d1ced67deb1451b8a0e243b13925d6e49454f0165d45e06a739704d",
"url": "https://platform.claude.com/docs/en/build-with-claude/effort",
"extractionSourceSha256": "76854bfc5b7d670bc96b8fe8074a7709bf7dc1ad04826cf083ada4e6137a427d"
}
],
"builds": {
"web": {
"path": ".qa/m1-model-parameters-2026-11-06/candidate-build.json",
"bytes": 225088,
"sha256": "c936711e3fa8906a0df0b7d62bfd7d138e90a1d2dada7c017b7026d11fe16502"
},
"desktop": {
"path": ".qa/m1-model-parameters-2026-11-06/candidate-desktop.json",
"bytes": 17815,
"sha256": "84df42c3aa378f667e47cdc1bb32f00449d19b5903cb4979b7a67db0f820e44c"
},
"frozenInputs": 1203,
"matchedFrozenInputs": 1202,
"compiledFiles": 30,
"desktopPayloadFiles": 104,
"verifierRevision": {
"file": "scripts/verify-model-parameter-fidelity-ui.mjs",
"frozenSha256": "410ba3f5ac1c34039b8e906cd56875a0e8459c928416c084cb46aae58481f7a9",
"finalSha256": "4bf1da8295d24182e98e2d3f48f3aad3c88330b1b44806f80de9171b7cbe1c5e",
"reason": "Fix synthetic probe scope for SSE; select candidate-owned Electron; preserve failed-round requests and desktop logs. Product compilation unchanged."
}
},
"validation": {
"core": {
"passed": 12,
"log": ".qa/m1-model-parameters-2026-11-06/core-2.tap"
},
"regression": {
"passed": 110,
"log": ".qa/m1-model-parameters-2026-11-06/regression-1.tap"
},
"build": {
"passed": true,
"log": ".qa/m1-model-parameters-2026-11-06/build-2.log"
},
"web": {
"passedGroups": 7,
"syntheticRequests": 7,
"result": {
"path": ".qa/m1-model-parameters-2026-11-06/web-01d98336-a011-4ac0-b3ad-5185bbd0cd62/result.json",
"bytes": 2162,
"sha256": "1f758e1f2c0fe78b03e63525edaaef5ffec8db7c238cac849447a0491a1a9539"
}
},
"electron": {
"passedGroups": 7,
"syntheticRequests": 7,
"result": {
"path": ".qa/m1-model-parameters-2026-11-06/electron-a31e4d33-4c9e-41cd-bbc7-fc025b019a82/result.json",
"bytes": 2163,
"sha256": "f9442bbf543b32ba0fa86d098326b9890609d749cdc6cbf144396087d57f2818"
}
},
"viewportWidths": [
1280,
390
],
"errors": [],
"externalRequests": 0,
"realModelRequests": 0,
"realCredentialsRead": 0,
"productionWrites": 0
},
"priorFailures": [
{
"kind": "freeze ENOBUFS",
"record": ".qa/m1-model-parameters-2026-11-06/freeze-attempt-1.json",
"fullRawOutputAvailable": false
},
{
"kind": "web synthetic text probe wrongly served SSE",
"record": ".qa/m1-model-parameters-2026-11-06/web-f224f030-bb1a-467f-bc57-dc8a14947a6c/result.json",
"fullRequestArchiveAvailable": false
},
{
"kind": "desktop candidate missing owned executable",
"record": ".qa/m1-model-parameters-2026-11-06/electron-f9c76d5d-28f1-4eab-8cfb-d6cd8d11acca/result.json",
"syntheticRequests": 0
}
],
"evidence": {
"path": ".qa/m1-model-parameters-2026-11-06/MANIFEST.json",
"bytes": 407062808,
"sha256": "9c2e82093a375a617a1962c4b8b8ff90d37a5f5dbddcdfdd43a55bd84d89f7e3",
"count": 233
},
"release": false,
"restart": false,
"legacyExperimentsResumed": false,
"userProjectsResumed": false,
"next": [
"I04 automatic capability selection",
"I08 remaining permission/identity descriptions",
"I05/I06/I07/I33/I38 remaining MCP/schema/checkpoint/mobile/credential limits",
"M2 contracts/cache continuity",
"M3 unified release"
]
}
+6
View File
@@ -1,5 +1,11 @@
# 汇总发现
M1首批最终复核:默认模式若只删type而留display会生成无效thinking,因此精确已知默认保留adaptive,未知默认不猜、不改原JSON;同对象独立effort与其他字段保留。配置档切换不再偷偷改JSON,Chat/Responses快捷控件不再删独立thinking。源码68603f9c经12专项/110相关与同编译30文件的两端各7组通过。首冻结ENOBUFS只改验证器清单范围/缓冲,新candidate不覆盖;首网页错误来自非流式probe夹具回SSE,首桌面缺候选所属Electron,均保留原轮,未放宽产品身份或模型限制。本批不改变官方目录未知/代理实际支持/Purge收益unknown,详见QA与机器记录。
M1首批开始:原changeReasoningSetting整对象替换reasoning/output_config/thinking,stream_options在native之后固定覆盖,catalog只识别disabled/enabled/adaptive且空支持集回退通用模式。按已封存官方资料修精确型号和条件;保留用户JSON/兼容覆盖、默认透传,先补实际行为再验收。
M1首轮:12专项通过,覆盖嵌套summary/format/display、独立effort/默认只删所属键、切模式移除旧budget、四官方精确ID、between_tools和全否定目录、错型号元数据隔离、显式兼容/原JSON保留、各路由stream_options及实际四次本机HTTP(含原400只一次与unknown)。官方Effort正文b19219d51d1ced67deb1451b8a0e243b13925d6e49454f0165d45e06a739704d从既有导出76854bfc抽取,五档及默认/条件已读。尚未独立构建或UI验收,不宣称部署/真实兼容通过。
最新审查入口(2026-11-06):docs/SYSTEM-AUDIT-OFFICIAL-FIRST-2026-11-06.md、docs/DEVELOPMENT-ROADMAP-OFFICIAL-FIRST.md;30区域/38事项、21编号观察和O18-C纠正,官方直连/兼容/实际供应商与工程证据分开。下方此前结果保留原时点;本轮产品源码与正式进程未改。
Claude容量调查纠正:官方公开规格和代理实际能力是两个事实。“目录缺容量”不能推出“Claude最大输出未知”。当前官方四精确ID同步128K/上下文1M,Opus5.5的128000还有官方流式示例依据;300K是批量beta。新增静态官方规格后备只按精确ID,目录与显式原生优先,不裁上下文、不给Chat/Responses追加额度、不改原连接2048字段。UI最大值与实际请求值/来源分别显示。独立67/67及网页4组通过,正式未部署;来源直读的地域HTML、403与旧索引差异保留,不伪装成功来源。
+6
View File
@@ -1,5 +1,11 @@
# 统一执行进度
M1首批验收完成:默认重置/type与配置档保真补修后,core-2为12/12、相关110/110、build-2通过。独立candidate-app-2冻结1203输入/30编译;桌面候选同30编译SHA、附所属Electron共104文件。网页/实际Electron最终各7组/各7本机HTTP、1280及390通过;已实看控件/JSON/负声明/自定义值,0页面错误/外部请求/真实模型。首冻结、首网页、首桌面、文档patch锚点失败均如实保留。源码68603f9c已限定提交,正封存/更新接续后提交文档及普通GitAtlas增量推送;不发行或重启,不改旧真实样本与unknown。
M1首批开始(2026-11-06):8ae49230基线干净/跟踪一致,已读当前AGENTS、官方路线、Tianshu/1.25接续、计划及产品UI/前端技能,catchup无额外恢复输出。不委派/真实模型/Key/正式写入,计划docs/M1-MODEL-PARAMETER-FIDELITY-PLAN.md。初次合并输出截断和rg通配路径问题按计划记录,继续小范围真实文件读取。
M1源码首轮:目标字段保真、stream_options显式优先、精确Claude官方后备与目录逐项真假/unknown、between_tools条件和实际表单说明完成;tests/model-parameter-fidelity.test.mjs首12/12通过,原日志.qa/m1-model-parameters-2026-11-06/core-1.tap。仅本机合成HTTP,0真实模型/Key,不改正式程序。继续构建/独立输入和实际双端UI核对。
当前接续(2026-11-06):官方优先全层审查/路线已完成,38事项全部分配阶段;48c98244已普通增量推送,远端逐SHA一致。73份新证据/4交付输入/715输入SHA/89链接核对通过,只收尾回执和完成状态提交推送。未改产品源码/正式数据、真实Key、模型请求或部署。下方每轮结果按原时点保留。
Claude四阶段完成并推送:源码/来源2bd7b24a、纠正QA b59f6196与只读协调1b2ea607已普通推送,远端逐SHA一致,回执docs/gitatlas-claude-capacity-push.json随收尾提交保存。原源码输入摘要再次一致;本轮67/67和网页4组已完成,未部署或请求真实模型。Mnemo两文档SHA只读记录,不改变门槛,不代验176/33或发信。
+4
View File
@@ -1,5 +1,9 @@
# Agent Workbench:核心代理能力研究与产品计划
M1首批验收完成(2026-11-06):源码68603f9c修I01/I02/I03及I08参数说明部分;最终专项12/相关110、build-2与独立网页/实际Electron各7组通过。冻结首轮ENOBUFS、网页SSE范围夹具、桌面缺所属运行时和文档patch错误锚点原失败保留;见docs/QA-M1-MODEL-PARAMETER-FIDELITY.md。正在封存SHA/当前入口并提交验证文档,随后按既有授权普通增量推送。其余M1路由/权限/残留门槛待下一批,正式未部署/重启,历史网络/unknown/Purge收益unknown不改。
当前开发(2026-11-06):按docs/M1-MODEL-PARAMETER-FIDELITY-PLAN.md从8ae49230干净基线推进M1首批I01/I02/I03;官方精确模式、嵌套参数与stream_options保真,实际HTTP/表单核对后提交。其它M1上限/路由/说明另切,不把首批当M1全完成;本轮不触正式Key/真实模型或发行重启。
当前接续(2026-11-06):官方优先全层审查/路线阶段1–5完成,48c98244已普通增量推送且远端逐SHA一致;73份2365463字节/4最终输入/715输入SHA/89链接核对,30区域/38事项、21观察+O18-C;见docs/SYSTEM-AUDIT-OFFICIAL-FIRST-2026-11-06.md和docs/DEVELOPMENT-ROADMAP-OFFICIAL-FIRST.md。只收尾回执/状态提交推送;正式1.25.12,三修复未部署,本轮0真实模型/Key/正式写入。下一M1参数保真、官方模式、残留上限与说明,不将审查当修复/发行完成。下方旧接续按历史时点保留。
## 当前:Claude官方容量纠正(2026-11-06)