test(m4): verify autonomous Python delivery and retained batch exports

This commit is contained in:
Agent Workbench Dev
2026-11-11 23:51:22 +08:00
parent 52accafe6b
commit ba755b0d42
10 changed files with 4270 additions and 1 deletions
+2
View File
@@ -1,5 +1,7 @@
# Agent Workbench项目执行规范
2026-11-11 M4三工程均完成:新Python十请求176083tokens/0unknown、原10pytest/compileall/三源码Gitfa2ce16a/终端原证据与最终verified_committed通过,原owner全部index保持,见[Python验收](docs/QA-M4-PYTHON.md)。本批三线六预检加三工程40请求629106tokens/0unknown;Claude两身份mismatch及目录缺项仍失败,外部你好一请求4301tokens另列。python-fc99c576一次原53527行/127导出/5244工件/377旧请求及本批九捕获导出exact,config124→130/registry176→182等明确增量核验;六连接/池/原选择/PID63892与instance保持、空闲和9229关闭。下一最终封存/回顾/普通增量GitAtlas推送,程序未变不重发行1.25.13;Purge另冻可比实验,历史异常/Mnemo生产语义/物理手机/长期/真实预留/普遍收益unknown保持。不读Key、不委派、不续旧样本,下方下一Python为React原时点。
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。
+2
View File
@@ -38,3 +38,5 @@
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。
更新:5的Python完整通过,见[Python验收](QA-M4-PYTHON.md)。10请求176083tokens/0unknown、原10pytest/compileall/三源码Git与终端来源最终报告,原字节/index保持。原状态及本批九份完成捕获导出一次exact。累计本批40请求629106tokens/0unknown,三工程成功;Claude两身份失败、外部一你好请求和全部历史异常单列。下一6的最终封存、回顾、限定提交和普通增量GitAtlas推送;收益和Purge另冻,不重发1.25.13。
+2
View File
@@ -1,5 +1,7 @@
# 1.25 计划:任务要求与交付复核
2026-11-11 M4三类新工程全部过:Python10请求176083tokens/原10pytest/编译/三源码Git与最终报告,本批累计40请求629106tokens/0unknown;全部原数据及九新捕获导出精确核对。见[Python验收](QA-M4-PYTHON.md)。Claude代理身份失败、外部你好和历史unknown保持;最终封存提交推送后才另冻Purge,1.25.13程序未改不重发行。
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。
+27
View File
@@ -0,0 +1,27 @@
# M4 新 Python 自主工程阶段验收
2026-11-11,承接 React 阶段 `52accafe`,同一 DeepSeek 官方连接与正式 1.25.13/PID 63892。新的 Python 工程原 10/10 pytest、compileall 和三源码实际 Git 交付通过;十请求 176083 报告 tokens、0 unknown,运行 48767ms。本批兼容加三工程累计四十请求、629106 报告 tokens。
机器记录:[m4-python-2026-11-11.json](m4-python-2026-11-11.json)。原件 `.qa/m4-live-baseline-2026-11-11/python/`,原 Node/React 与所有旧失败保持。没有修改产品、模型参数或用户配置,没有发行或重启。
## 真实交付
独立复制原 `benchmarks/python-delivery-v2/baseline`,按 README 和原测试理解规范化、汇总、渲染要求。使用现成 Python 3.10.11/pytest 8.4.2,不改测试、配置、README 或 owner。模型自行读取、提出三源码、执行实际检查及终端 Git;无人工批准、监督继续或实现答案。
- Project `7992409f-6e5d-4eb7-a26d-ccf72c96429a`,Session `26b24e0c-db78-4bc0-9fb9-049b2d741966`。
- Task `875afb7b-ea0b-41bf-8434-5897f5c800f0`,Run `c430c404-670f-411a-991e-9fdcd73d68f7`。
- 十响应全部 completed/matched、usage reported;input 169490、output 6593、total 176083。
- 独立原十 pytest 10/10,compileall 退出 0;原 XML、stdout/stderr SHA 保持。
- Git `fa2ce16a2e6bd372b0754637df84979b413a09ad`,仅 `normalize.py`、`render.py`、`summary.py`,提交字节等于最终文件;全部保护文件 index、owner 原字节与暂存/未暂存/未跟踪状态保持。
终端 Git 原证据 verified/currentVerified。早报告 `df41ebb3-0173-4288-aaba-95667eeb8dfa` 为 in_progress/Task running,最后 `7fe2c83a-d65a-4f6e-9d78-ae96e2d97dd7` 为 verified_committed/Task completed/lifecycle final;各 JSON/Markdown 原字节分别保持。此例没有内置 delivery_job,来源 terminal、processAttribution unproven 保留,不把终端观察补签为内置作业。
六次 read_file 的同 SHA/范围重复为 0;上游 cacheRead 122752、uncached 46738、reasoning 2847,cacheWrite 十请求均 unknown。wire 原字段见机器记录,默认没有主动输出限额,没有裁剪完整历史或恢复旧额度。单样本不证明缓存或重复读普遍收益。
## 原状态与回顾
只读审计 `audits/python-fc99c576-f365-4dea-914c-57a07e169dc7` 一次通过;新增核对本批九份完成会话导出与原捕获 exact。原 53527 行/字段和 schema、127 原导出、5244 原工件、377 原请求保持。累计本批六项目/九会话/四十请求,外部“你好”一会话/一请求仍单列;合计新增 2090 事件及 outbox、533 records、41 model_attempts、332 工件,逐项归属核对。
configRevision 124→130、registry 176→182、前插位置 +6、三已知诊断与两序列按明确增量复算原 SHA,其他原字段 exact;原选择/池/六连接定义和凭据存在状态保持,PID/instance、空闲、9229 关闭通过。没有读、复制、解密或重存 Key,没有续跑旧工程。
新 Python 的实际工程链路、解释器、终端来源与结束报告已闭环。Node/React/Python 新基线均成功,Claude 代理身份失败仍是独立结论。阶段提交后完成最终原件清单、SHA复核、回顾与普通增量 GitAtlas 推送;Purge 须另冻插件/宿主和可比成功对照,历史异常、真实预留边界、长期、物理手机、Mnemo 生产绑定/语义及收益未验不改签。
+2
View File
@@ -1,5 +1,7 @@
# Tianshu 研究后的 Agent Workbench 采用计划
2026-11-11 M4新Python也已通过:10请求176083tokens/0unknown、原10pytest/compileall/三源码终端Git和最终报告,原53527行/127导出/5244工件与九新捕获导出exact,见[验收](QA-M4-PYTHON.md)。三类工程完整通过;本批40请求629106tokens,Claude身份失败、外部一你好请求单列。下一最终封存/回顾/普通增量推送,再按目标线路和机制另冻Purge;真实收益及历史异常仍保留,不重发或重启1.25.13。
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。
File diff suppressed because it is too large Load Diff
+2
View File
@@ -1459,3 +1459,5 @@ 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。
2026-11-11 M4 Python:原十pytest与compileall、仅normalize/render/summary三文件Git和owner全部index实际通过;早报告in_progress、最终verified_committed分列,终端verified但进程认证unproven保持。六次同SHA/范围重复0,cacheRead122752/uncached46738/reasoning2847,cacheWrite十unknown。新增审计全部九个M4完成会话的捕获导出也必须持续exact,防止只核历史127而忽略本批后续漂移;当前全部通过,不改变产品/Key或旧样本。
+2
View File
@@ -2213,3 +2213,5 @@ 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。
2026-11-11 M4 Python一次成功:session26b24e0c/Task875afb7b/Run c430c404,10请求176083tokens/0unknown/48767ms、原10pytest/compileall/三源码Gitfa2ce16a2e6bd372b0754637df84979b413a09ad,原owner全部index保持。两组早晚JSON/Markdown原字节、终端verified与最终verified_committed分别保存;机器记录docs/m4-python-2026-11-11.json生成。python-fc99c576一次审计,原53527行/127导出/5244工件/377请求和新九份捕获导出exact,累计40模型请求与外部1分列;六连接/池/选择/PID63892/instance保持,config124→130/registry176→182及前插/诊断/序列明确复算,9229关闭。仅audit新增本批导出保持核对;sealmjs语法检查通过,实际最终封存仍待。无产品改变、发行或重启。
+9 -1
View File
@@ -41,6 +41,14 @@ try {
const exportMap = new Map(after.exports.map(value => [value.id, value])), artifactMap = new Map(after.persistent.artifacts.map(value => [value.path, value]));
for (const original of before.exports) assert.deepEqual(exportMap.get(original.id), original, 'Original session export: ' + original.id);
for (const original of before.persistent.artifacts) assert.deepEqual(artifactMap.get(original.path), original, 'Original artifact byte: ' + original.path);
const batchExports = compatibility.results.flatMap(value => value.preflights.map(row => ({ sessionId: row.sessionId,
source: 'compatibility/' + value.connectionId + '/' + row.scope + '/export.json' })))
.concat(engineering.filter(value => value.sessionId).map(value => ({ sessionId: value.sessionId, source: value.kind + '/export.json' })));
for (const value of batchExports) {
const saved = read(value.source);
assert.deepEqual(exportMap.get(value.sessionId), { id: value.sessionId, project: digest(saved.project), session: digest(saved.session), execution: digest(saved.execution) },
'Every completed batch export must still match its original capture: ' + value.sessionId);
}
for (const value of external) {
assert.deepEqual(exportMap.get(value.sessionId), value.exports, 'Explicit external session export: ' + value.sessionId);
for (const artifact of value.artifacts) assert.deepEqual(artifactMap.get(artifact.path), { path: artifact.path, bytes: artifact.bytes, sha256: artifact.sha256 }, 'Explicit external artifact byte: ' + artifact.path);
@@ -128,7 +136,7 @@ try {
result = { success: true, stage, version: boot.version, pid: host.identity.pid, instanceId: host.identity.instanceId, originalProjects: frozen.originalProjects.length,
originalSessions: before.database.sessionIds.length, originalModelRequests: before.database.tables.model_attempts.count, originalArtifacts: before.persistent.artifacts.length,
addedProjects: projectIds.size, addedSessions: sessionIds.size, addedRows, newArtifacts: after.persistent.artifacts.length - before.persistent.artifacts.length, checkedOriginalRows,
originalSessionExports: 'exact', originalArtifactBytes: 'exact', originalRows: 'exact with explicitly hashed project-position/public-metadata/sequence increments',
originalSessionExports: 'exact', batchCapturedExports: { count: batchExports.length, status: 'exact' }, originalArtifactBytes: 'exact', originalRows: 'exact with explicitly hashed project-position/public-metadata/sequence increments',
configComparison, definitions, metadataChanges, sequenceChanges, batchModelRequests: expectedRequests, externalModelRequests: externalRequests,
externalObservations: external.map(value => ({ sessionId: value.sessionId, projectId: value.projectId, requests: value.requests, tables: Object.fromEntries(Object.entries(value.tables).map(([table, source]) => [table, source.count])), artifacts: value.artifacts.length, scope: value.scope })),
originalCredentialRow: 'exact SHA; never decrypted or copied',
+2
View File
@@ -1157,3 +1157,5 @@ 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。
2026-11-11 M4 Python完成:10请求176083tokens/0unknown、48767ms、原10pytest/compileall/三源码Gitfa2ce16a/终端与最终verified_committed通过,全部保护字节/index保持。本批40请求629106tokens,三工程全部成功;python-fc99c576一次原53527行/127导出/5244工件/377请求与九新捕获导出exact,config124→130/registry176→182明确增量,外部1请求另列。阶段限定提交后最终审计/清单封存/原件SHA复核/回顾和普通增量推送;sealmjs自有新文件待最终实际封存后提交。