fix: bind observed models and calibrate every model dispatch budget

This commit is contained in:
Agent Workbench Dev
2026-11-02 20:50:42 +08:00
parent 30c318bf20
commit bb45dabac4
23 changed files with 526 additions and 29 deletions
+1 -1
View File
@@ -1,6 +1,6 @@
# 真实执行可靠性修复:下一切片
起点为 [真实模型/Purge原样本结果](LIVE-MODEL-PURGE-RESULTS.md)。六例未交付,当前优先修复阻止工程闭环的基础问题;[1.25要求与交付复核](PLAN-1.25.md)和后续产品路线继续保留。A已完成源码修复和两协议16K工程链路验收,见[QA-LIVE-CONTEXT-A](QA-LIVE-CONTEXT-A.md);B已完成所属连接/未知POST/原片段修复,见[QA-LIVE-NETWORK-B](QA-LIVE-NETWORK-B.md)。尚未部署正式,C–E按下表继续,不代表真实模型或Purge收益已经通过。
起点为 [真实模型/Purge原样本结果](LIVE-MODEL-PURGE-RESULTS.md)。六例未交付,当前优先修复阻止工程闭环的基础问题;[1.25要求与交付复核](PLAN-1.25.md)和后续产品路线继续保留。A已完成源码修复和两协议16K工程链路验收,见[QA-LIVE-CONTEXT-A](QA-LIVE-CONTEXT-A.md);B已完成所属连接/未知POST/原片段修复,见[QA-LIVE-NETWORK-B](QA-LIVE-NETWORK-B.md);C已完成实际Task模型身份、已知用量校准与每次发送前核对,149/149、两协议各五组和两视口通过,见[QA-LIVE-BUDGET-C](QA-LIVE-BUDGET-C.md)。尚未部署正式,D–E按下表继续,不代表真实模型或Purge收益已经通过。
## 执行顺序
+27
View File
@@ -0,0 +1,27 @@
# 真实执行修复 C:模型身份与后续预算
已修正验收报告冒用启动时模型名、已知用量未校准后续预留,以及错误响应超额后的停止状态。此次为源码切片,未部署正式 1.24、未改原 Provider 或 Key;本轮真实模型请求为 0。真实自主交付和原版 Purge 收益仍需后续独立实测。
## 实际行为
- 验收报告从所属 Task 的 Run 消费记录读取实际请求模型、协议、连接和每次尝试。混合模型、零请求、消费缺失、最近 Run 投影覆盖不足、最终刷新失败分别标明;启动配置只保留为计划值。
- 每次真实 HTTP 记录原线体的本地估算及 SHA。仅同 Task、模型、协议、连接和 endpoint 的已报告 usage 参与校准;后续预留取输入比例、已知输出和总量下限的保守最大值,不降低本地估算、不回写旧消费、不把未知当零。
- 规划与每次重试、切池、原生实际发送前都核对剩余预算。首次 45,100 已报告、70,000 预算时,剩余 24,900 已低于校准预留,legacy/池均只发一次并暂停;保留原 HTTP 503。
- 单个在途响应仍可能超出估算。55,017 已报告、35,000 运行预算的场景保留完整用量和 20,017 超出,停止后续请求;单连接、池、legacy 一致。原错误、请求 ID 和原响应仍可核对,未知请求继续单列本地预留。
- 原生外层工具回传属于协调步骤,不重复预留第二次模型 HTTP;内层实际请求独立校准。完成的读取结果可以先正常回传,下一 HTTP 预算不足时停止。新增原生请求使用版本化预留核验,旧工件沿原契约核验。
## 验收
最终 425 份源码输入冻结后,15 文件相关回归 **149/149**、TypeScript/桌面/手机前端/服务端构建通过。Chat 与 Responses 的真实 Harness 0.2.1-rc.2、固定 16K、自有 HTTP 各 **5 组**工程链路通过:保留原九项失败、读取分页日志、修复三模块并形成完整审查批次、父项目九项测试和构建、实际 Git 及原暂存/未暂存保护。该结果证明代理链路,不证明模型自主推理。
实际编译宿主的 Edge **1440/390px 两组**通过并已目视回看原图:用量/预算/超出/未知分别呈现、原 HTTP 503 保留、续接入口可达、无页面横向溢出。续接预览、关闭和刷新不增加 HTTP、不替换原 Task、不丢原消费。全部自有请求与正式配置分离。
A、B 和原真实六例的只读离线核验均通过,原 manifest SHA 分别保持 `f0bfd70ba570ed48391511a9279e8857b3f1ab9c3319d738d355d1b03548b9f5`、`df97b53c80204f7f0e6b352f707ff2b345d7360ecdd0e08ac4e00c86f2462c7b`、`100fb4f89ac7d78a61f8b9d6324c0cae488e510eca0dd7198dde6cfd9d079b04`。原 20 请求/419,597 已报告 tokens/一次未知、六例未交付保持,不改写为成功。
## 原失败与回顾
开发轮 147 项中 146 通过/1 失败、原生 6/7 和诊断失败、三次 UI 失败均保留。UI 最后一次是验证器 label 不匹配实际控件;前两次暴露单连接超额状态。原生失败暴露外层工具协调被重复预留,已修正。首冻结 147/147 通过后,审查又补上“尚未超额但剩余不足”重试边界,重新冻结并执行上述最终 149 项,未借用旧轮通过。
Responses 首轮四个响应后发生一次未知/reset,工作台只记一次未知且未自动重放;原本机夹具在 catch 直接断开,没有保存内部原因。补充只收集错误的夹具诊断后独立五组复验通过,最终源码的五组也通过;首次断开原因仍未知,不据未复现推断已找到根因。原结果、消费和工件保留为失败样本。
证据按原字节封存于 [manifest](live-budget-c-evidence/manifest.json),可用 `node scripts/verify-model-budget-evidence.mjs` 只读核对。下一 D 固定原版插件加载闭包、隔离配置与权限边界,先无真实 Key 验收,再进入 E 的新真实批次;本地 Git 收尾,不远端推送。