# 1.20 实施方案与交付范围:工程质量评测与受控自我迭代 1.20 A–F已完成,来源790350e,分支feat/engineering-evals-1.20。固定工程评测、同源原版/候选、原报告和受控采纳已进入产品;独立发行、保留状态升级和原生回看通过。结果见[验收](QA-1.20.md)、[回顾](RETROSPECTIVE-1.20.md)及[身份](engineering-evals-release-identity.json)。下一[PLAN-1.21](PLAN-1.21.md)仅方案;语音、通用电脑操作、更多引擎和真实推理收益分别排期。 ## 用户能完成的任务 用户为一个工程改进选择固定需求、验收条件、来源提交、模型连接与预算,工作台在独立工作区生成候选,执行原测试、构建和必要页面检查,展示原始失败、最终差异、人工介入、时间及上游实际报告的用量。用户能比较原版与候选,审查后形成本地Git交付。工作台自身可以作为所选工程,但候选不得直接修改正在运行的发行或跳过既有安装验收。 ## 切片与门槛 | 切片 | 实现范围 | 验收门槛 | | --- | --- | --- | | A:固定评测契约 | 审查已有40份基准和三种实际工程;选择少量代表任务,封存需求、来源、预期行为、环境、检查及预算 | 区分执行夹具、实际配置模型和人工修复;测试集不能由候选自行改成通过;每次运行有独立身份及原证据 | | B:评测运行与账本 | 复用Task/Run、worker工作区、模型池、审批和原工件,增加批次/样本状态与有界串行调度 | 保存所有成功/失败/停止/未知样本;重启后不重放完成工具;连接不可用保留具体原因,不产生虚假分数 | | C:可解释比较 | 同题同来源比较原版/候选;分别统计检查、页面、Git交付、人工介入、耗时和已知用量 | 任一缺失或未知结果显式展示;保持原分母和失败;固定回答只验证账本与执行链,不作为模型能力提升 | | D:候选工程流程 | 从指定已提交基线创建隔离候选,保留原暂存/工作区;候选只能提出可审查改进 | 所属路径、来源、允许文件、检查输入及Git基线变化即失效;测试/验收代码变更单独审查;停止只结束所属进程 | | E:工作台自身试点 | 选一个范围明确的自身问题,用同一候选流程生成补丁与对照报告,模型复核作为建议保留来源 | 真实代码/测试/构建/必要页面/Git均可核对;候选不触碰正式数据、内存连接、当前安装指针;多模型意见不代替验收 | | F:完整交付与回顾 | 中文桌面/390px完整流程、独立源码/便携、同载荷安装、保留状态升级与原生回看 | 全部旧门槛保持;逐项记录计划/实现/证据/限制;原PID/Provider及全部表/导出/工件保持;小步本地Git | ## 复用与权限 实施选择:每批最多3个样本,按顺序显式推进;每个样本复用现有两个隔离工作区,其中原版不请求模型、禁止提案写入,只执行用户核对过的固定检查;候选仅开放明确的源码文件,原测试/声明/检查输入保持。创建后在任何执行前封存两个检出的同源文件和实际检查命令。界面采用样本队列与原版/候选并列证据,避免汇总分数掩盖失败。比较的是原工程和候选工程,不将原版检查当作另一个模型的回答。 复用现有隔离工作区、父工程审查、任务计划、检查、页面验收、请求预算和交付报告,不建立第二套执行内核。评测报告不包含Key或私有推理内容;原上游usage缺失时不补造费用。每个任务仍经过已有文件、命令、工具及设备权限,评测不是新的自动放权入口。 实际模型任务由用户在工作台选择可用连接并明确启动;开发回归使用自有本地HTTP。模型尚不可用时可验收账本、隔离、失败恢复和真实工具链,但模型自主完成率、多模型复核价值与Purge提升继续标为未验证。 ## 收敛规则 本阶段不承诺任意项目自主交付、无限worker或自动部署。先交付固定样本的完整候选循环,再由失败分类决定下一项能力。每个切片回顾是否复用了现有机制、是否改善真实任务、是否扩大了权限或维护成本;未测出收益保留结论,不通过反复挑选样本制造提升。