Files
Agent-Workbench/docs/CAPABILITIES.md
2026-11-07 10:51:42 +08:00

242 lines
44 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# Agent Workbench 能力目标与验收矩阵
当前源码更新(2026-11-07):M1四批已分别覆盖I01–I08/I33/I38,最后I06源码231db3a与独立6/6、首候选45/46加单独补验1/1、最终网页和实际Electron各5组通过,见[Schema验收](QA-M1-MCP-SCHEMA.md)。完整Schema交声明服务器校验、原错误/旧SHA/unknown保持,默认开放无固定目录额度;全部仍源码态、未发行部署。下一按[官方路线](DEVELOPMENT-ROADMAP-OFFICIAL-FIRST.md)M2官方能力与缓存/状态/完整账本,再M3;全球真实兼容、手机/宿主待办和收益unknown不据此完成。
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。
当前已正式交付Orven1.25.10:A要求证据/B单轮观察/C工具与前缀、Orven界面及AH/AI工程修复之后,新增默认关闭的进展提醒和可核对的实际回读。提醒保持模型额度/历史/权限,后续工具进展不冒称业务完成或因果收益。源码/随包/跨版安装与正式两端结果见[D验收](QA-REMINDER-READBACK-D.md)。E经验草稿/F路由及跨产品入站服务仍未实现;真实AD/AE结果、原失败和Purge收益unknown按各自证据保留。下方各“最新”为历史时点。
最新:1.24.0已完成已有成果续接与真实交付的本地部署。A独立源码716/716完整原轮通过;B仅验收器版本入口变化,逐源码/日志/运行时SHA与22份构建严格绑定后,实际离线重建并重验16组成果。C完整界面36类282组、最终便携/安装各16组成果和9组基础文件、真实安装生命周期12组通过。正式网页5组与原生窗口回看通过;原PID36552/Provider、17项目/33全部会话/3239记录/6230事件/1780工件,每表每行/全导出/原工件字节及模型中心保持,9229关闭。本轮真实配置模型请求0,原失败保持。 见[1.24验收](QA-1.24.md)、[回顾](RETROSPECTIVE-1.24.md)和[发行身份](existing-results-release-identity.json)。下一[1.25任务要求与交付复核](PLAN-1.25.md)仅方案。下方旧版本段落保留其历史结论。
1.22.0已完成所属Vite预览、独立桌面浏览区、有界DOM/原截图与审批动作、独立登录资料/撤销/下载、手机原观察SHA核对的本地交付。独立源码683/683(C完整原轮通过,D严格绑定后沿用)、33类250组原B串行界面(产品输入相同,严格绑定后沿用)、源码/便携/实际安装各17组浏览流程、同载荷安装7组、正式30页及Edge/Electron两视口通过。原PID36552/Provider保持,17项目/32全部会话/3239记录/6229事件及1780工件文件原字节保持,9229关闭。本轮验收发起真实模型请求0。
见[使用说明](EMBEDDED-BROWSER.md)、[1.22验收](QA-1.22.md)、[回顾](RETROSPECTIVE-1.22.md)与[发行身份](embedded-browser-release-identity.json)。下一[1.23发行效率与更新进度](PLAN-1.23.md)仅方案;真实模型自主工程/Purge收益和新iPhone流程另验。
下方历史阶段保持当时范围与结论。
1.21.0已完成工程环境与固定依赖准备的本地交付:只读Node/npm和Python诊断、管理工作区npm ci计划/审批/所属进程/停止/原日志、中断unknown核对、检查和原版/候选评测的实际依赖身份。独立冻结源码666/666、32类233组历史界面(前15类与后17类分段串行,来源明确)、源码/便携各7组新环境界面、同载荷安装7组、正式28页及Edge/Electron两视口通过。原PID36552/Provider保持,17项目/32全部会话/3239记录/6229事件及1780工件文件原字节保持,9229关闭。本轮验收发起真实模型请求0,原失败不改写。
见[环境准备说明](ENVIRONMENT-PREPARATION.md)、[1.21验收](QA-1.21.md)、[回顾](RETROSPECTIVE-1.21.md)与[发行身份](reproducible-env-release-identity.json)。下一[1.22内置浏览器](PLAN-1.22.md)仍为计划。
1.20.1已完成真实案例修复及保留状态本地升级:原任务目标/无需测试约定、只读诊断、系统审查来源、完整无参协议兼容、失败请求用量、无进展保护和实际模型展示均已修复,并补齐暂停封存及Windows进程退出竞态。独立源码626/626、桌面/390px核心5组、相关历史UI5类、同载荷安装/重启/卸载7组、正式26页和实际Electron两视口通过。原PID36552/Provider及模型连接保持,17项目/30全部会话/3144记录/5986事件、全部表每行/全导出/模型中心及1824工件记录/1721去重文件原字节保持,9229关闭。本轮真实模型请求0,未续跑原用户任务或改写历史用量。
历史1.20.1补丁验收见[1.20.1](QA-1.20.1.md)与[当时发行身份](task-control-release-identity.json),下方各里程碑保留当时状态与能力边界,当前1.21事实以上方摘要为准。
## 历史1.20交付
1.20.0完整本地交付:固定工程评测、同源原版/候选、全部尝试与原日志对照、显式采纳及父审查/检查/Git。独立源码604/604、28类210组界面、四类工程14节点、随包与同载荷安装7组、正式26页及原生回看通过。原PID36552/Provider、17项目/30全部会话/3144记录/5986事件、全部表每行/导出/模型中心及1824工件记录/1721去重文件原字节保持,9229关闭。本轮真实模型请求0;固定HTTP不代表自主推理收益或全仓自升级。
见[使用说明](ENGINEERING-EVALUATIONS.md)、[验收](QA-1.20.md)、[回顾](RETROSPECTIVE-1.20.md)及[发行身份](engineering-evals-release-identity.json)。下一[1.21方案](PLAN-1.21.md)聚焦工程依赖与可复现环境,尚未实现。
C01/C02/C07/C09/C11/C13/C15/C24:每批1–3固定样本、原测试保护、两个同源工作区、原版0模型请求、候选审批/检查、失败与未知保留、JSON/Markdown原报告和单个候选受控采纳。工作台自身试点绑定原提交模块;非OS沙箱,不直接更改运行发行。
1.19.0完整本地交付:有界持久解析缓存、逐次两轮来源SHA核对、严格失效、开关/清除及索引/诊断入口。独立源码590/590、27类203组历史UI、新缓存7组及9节点工程、原生窗口7项/受控流程9组/桌面工程16节点、Responses13节点、截图7节点及Node8/8、React9/9、Python10/10通过。随包缓存/伴随端/协议/视觉、同载荷安装7组、正式24页和升级后原生回看通过。原PID36552/Provider、17项目/30全部会话/2614记录/4701事件、全部表每行/导出/模型中心/工件原字节保持,1466工件记录/1376去重文件核对,9229关闭。本轮真实模型请求0;真实视觉工程/Purge收益及新增iPhone实机继续单列待验。 见[1.19验收](QA-1.19.md)、[回顾](RETROSPECTIVE-1.19.md)、[缓存契约](PROJECT-CACHE.md)和[发行身份](project-cache-release-identity.json)。
1.18.0完整本地交付:PNG/JPEG工程截图、原图/发送副本SHA、Chat/Responses实际视觉输入、按任务能力选池、独立视觉检测和具体预算诊断已实现;冻结预览确认后在同Task新建Run续接,原完成/未知工具不重放。独立源码576/576、26类196组历史UI、随包原生窗口7项/原生流程9组/桌面三工程16节点、Responses三工程13节点、新截图三工程7节点及Node8/8、React9/9、Python10/10通过;源码/便携各7组伴随端、5组协议和5组视觉流程,同载荷隔离安装/重启/卸载7组、正式20页及原生回看通过。正式PID36552/Provider保持,17项目/30全部会话/2614记录/4701事件,全部表每行/会话导出/模型中心/工件原字节保持;1466条工件和1376个去重文件核对通过,9229关闭。手机新增截图只读观察/SHA/下载,正式网关保持关闭、无QA设备或证书迁入。本轮验收发起真实模型请求0;安装期间工作台新增的原1.17调用单独保留,不计为1.18视觉验收。真实模型视觉工程/Purge收益及新增iPhone流程实机仍分别待验。 见[1.18验收](QA-1.18.md)、[回顾](RETROSPECTIVE-1.18.md)与[发行身份](vision-inputs-release-identity.json)。
1.17历史交付:Chat/Responses实际协议、有界SSE、完整工具组核验、能力选池、显式检测与原请求证据已实现。独立源码558/558、25类191组历史UI、随包原生窗口7项/原生流程9组/桌面三工程16节点、Responses三工程13节点及两套父Node8/8、React9/9、Python10/10通过;源码与便携各7组伴随端/5组新协议界面、同载荷隔离安装/重启/卸载7组、正式20页通过。正式PID36552/Provider保持,17项目/30全部会话/2590记录/4653事件,全部表每行/会话导出/工件原字节保持;1455条工件及1366个去重文件核对通过,9229关闭。公开模型中心仅增加逐项核对的默认能力字段,原存储不迁移。正式手机网关继续关闭、无设备/证书,未迁入QA身份。真实模型工程/Purge收益继续按用户选择单列待验,本轮真实模型请求0;1.17没有新增iPhone实机流式结论。 见[1.17验收](QA-1.17.md)、[回顾](RETROSPECTIVE-1.17.md)与[发行身份](model-protocols-release-identity.json)。
日期:2026-10-31。1.0.0为基础里程碑,1.1.0实现M1,1.2.0增加内置Git交付,1.3.0增加工程索引和精确补丁,1.4.0增加可恢复多文件变更集,1.5.0/1.5.1增加有界请求与可用工件分页,1.6.0增加独立Git工作区和审查收尾,1.6.1增加实际Task工作依据和文件预算分页。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)。
1.16历史交付:独立HTTPS/PWA、单次配对、设备项目/操作权限、原Task/Run观察/审批/停止、原seq恢复、差异/报告SHA和撤销已交付。独立源码519/519、24类186组历史UI、实际Electron窗口7项、原生流程9组、三工程16节点及父Node8/8、React9/9、Python10/10通过;源码与便携各7组手机流程、同载荷隔离安装/重启/卸载7组、正式桌面/390px共20页通过。正式PID36552/Provider保持,17项目/30全部会话/2590记录/4653事件、全部表每行/会话导出/工件原字节保持;1455条工件及1366个去重文件核对通过,9229关闭。iPhone 14 Pro Max/iOS 27.2为用户提供;用户确认信任、配对、原审批、差异/报告SHA、主屏幕、锁屏、切网恢复、停止及撤销,原宿主审计/进程/文件另行核对,无手机截图。正式手机网关默认关闭、无设备/证书;QA证书与设备身份没有迁入。验收手机监听已关闭并释放4321,4320管理及原数据保留。真实模型工程和Purge推理收益继续按用户选择单独待验,本轮真实模型请求为0。见[1.16验收](QA-1.16.md)。
1.15历史交付:Windows宿主/单实例、显式DPAPI保存、真实Electron窗口/所属本机入口、安装/更新/回退/卸载与分页巡检全部交付。495/495独立源码、23类179组历史UI、真实窗口7/原生UI9/三工程16节点、父8/8、9/9、10/10、同载荷安装/重启/卸载7组(隔离测试登记,正式产品安装器另行stage)、正式18页、1446条工件记录和1357个去重文件核对通过,当前2连接配置/1池、17项目/29全部会话/2567记录/4599事件,正式纠正升级前后每行/全导出/全部工件原字节保持(相对初始16项目,用户启动新增1个示例并将原列表顺移;体验期间另新增1个空白idle会话及对应1事件,全部原28会话/记录/工件保持);旧PID23172已在恢复检查前退出,用户体验时手动启动1.14/PID36552,随后保留这个进程/Provider升级;旧内存Key不可恢复,需在界面重新填写。原失败/范围见[QA-1.15](QA-1.15.md),下一真实手机前置见[PLAN-1.16](PLAN-1.16.md)。
1.14历史交付基线:固定DeepSeek Harness受控工具/模型桥、单个所属worker、真实prompt/审批/检查/父审查/Git与停止核对,以及两版本来源锁定的默认关闭提示实验已交付。独立445/445、253份输入/6构建/40基准、三工程13节点、23类178组UI及最终便携/归档、保留状态升级通过。原PID23172/Provider、完整模型中心和全部7表每行/28会话导出保持,部署后14页通过。真实模型推理收益及其它引擎适配继续独立待验;见[1.14验收](QA-1.14.md)与[下一桌面阶段](PLAN-1.15.md)。
1.13历史交付:1.12.1逐里程碑/24项能力审查与五类确认问题修复保持,本阶段两个受限worker、父成果审查/恢复、独立404/404、完整160组UI、三工程13节点与最终源码/便携正式升级通过。原PID23172/Provider、完整模型中心及当时16项目/28会话/2551记录/4568事件每行和全导出保持,部署后10页通过,见[1.13验收](QA-1.13.md)和[回顾](RETROSPECTIVE-1.13.md)。各版本旧数字保留为历史证据,下一切片与未交付范围统一见[NEXT-STEPS](NEXT-STEPS.md)。
[1.12执行方案](PLAN-1.12.md)的连接注册/专业界面、模型池、已验证格式导入、运行巡检及后续记忆、恢复、Skills/MCP切片已随1.12.0正式部署;独立源码357/357、完整界面150组及保留状态升级通过。跨协议、多模态及未知配置格式仍按各自边界实现与验收。
2026-10-30交付进度:fb58a41实现多连接、兼容Chat协议池路由、已确认格式导入与只读巡检;1.12最终实现提交3f6797b,已由不可变发行20261030124454517部署至正式4318并保留原PID19084/Provider。项目记忆管理f7292a9支持跨会话查看、来源/工程指纹、到期/归档与不完整扫描降级,其阶段7项专项和全量312/312通过;有界模型上下文、脱敏及消费Task/Run原快照阶段新增10项专项与桌面/390px本地HTTP流程通过,阶段全量322/322、199份输入和TAP已封存。最终统一验收见[QA-1.12](QA-1.12.md),真实模型池任务和WorkBuddy未知schema继续单独验收。
## 1. 能力的完成定义
“研究到机制”“模块实现”“契约检查通过”“真实工程验收通过”分别登记。只有实现进入产品、相关检查通过、用户场景有实际结果,才标为可交付。外部客户端的能力和本地其他项目中的模块,也分别记录,不能计入工作台现有能力。
1.0.0已有本地项目/对话、6个工具、文件提案与基线审核、命令确认/停止、JSON会话恢复、模型连接与诊断。已记录34项行为与19组界面检查,以及真实模型读取/提案/应用和原会话诊断。这些验证覆盖基础闭环,尚未覆盖持续完成真实工程任务。
## 2. 能力矩阵
### 1.13 隔离协作(本地交付与正式升级完成)
- C01/C02/C09/C16:固定父目标和两个受限子Task、稳定控制Run、独立Git工作区及不可变范围。子成果必须来自实际已应用文件和当前检查;父工程以新的审查变更集、当前检查和本地Git完成。
- C04/C07/C10/C15:累计父子预算、迟到/未知用量、停止传播、原创建身份进程树和部分创建/归集恢复;存活或观察失败保持未知,已完成操作不重放。具体重叠与父已有修改冲突阻止合并。
- 桌面/390px控制台10节点、三个真实功能工程13节点、父Node8/8/React9/9/Python10/10及构建/编译/Git通过,React内置Edge两视口各10断言;独立404项、完整160组UI、最终归档/便携与保留状态正式升级通过。固定Provider夹具与真实模型推理分别判定,见[QA-1.13](QA-1.13.md)。
### 1.12 完整发行与正式升级(见QA-1.12)
- C05:项目所属记忆、来源核对/过期/归档、有界脱敏模型上下文和原发送快照已通过17项专项、桌面/390px和322项全量,见[项目记忆](PROJECT-MEMORY.md)。
- C04/C07/C11:新增可核验Task恢复包,保存完整要求、原工具/计划/证明及未知/待审查项;显式续接保留同Task和已完成结果。12项专项和桌面/390px三组通过,已纳入1.12最终357项独立源码回归与正式升级,见[任务检查点](TASK-CHECKPOINTS.md)。
- C06/C07:项目所属[Skills](SKILLS.md)按版本启停/目录/读取,受控[stdio MCP](MCP.md)按实际schema、冻结请求目录与逐次审批调用;未知副作用需指纹核对后显式续接,宿主中断无报告也能查看原输入,不重放操作。
- C14/C15/C23:模型中心提供兼容Chat协议的多连接、轮询/权重、Run粘连、并发租约、故障冷却和请求账本;只导入已验证CCSwitch/工作台schema,凭据仅当前进程内存。运行中心只读检查不发送模型请求。
- 最终独立源码、全量界面、便携归档与正式升级见[1.12验收](QA-1.12.md)。新协议、多worker、远程MCP、桌面/手机配对、多模态和真实模型池任务继续独立开发与验收。
### 1.11.0 任务依赖与证据收尾(本地发行与正式升级完成)
- C01/C02/C07/C12:Task/Run所属的1–12步依赖计划与不可变修订,目标、条件和实际证据绑定。读取、已应用变更集、当前检查与页面结果由内核核验,模型不能直接标记完成;未核验收尾暂停原Task,续接保留原操作。
- C04/C11/C13:原计划与证明工件可逐字节核对,源码/构建/要求变化使步骤失效;Git预览及实际提交再次核对计划绑定,JSON/Markdown报告保留历史和未完成项。20项行为/API/真实进程专项已通过,最终源码分别记录。
- C17/C20/C23:实际DOM提供唯一CSS定位及匹配数量,专业页面字段读取按原段/Run识别进展;任务计划桌面/390px的8组UI、证据关闭和迟到响应归属已验证,完整界面与发行状态见[1.11验收](QA-1.11.md)。
- 当前计划核验表示实际操作与所选技术范围已经满足;业务需求语义、总体自主成功率、长期项目记忆、外部引擎任务执行与桌面/手机配对继续单独实现和验收。
- 最终源码298/298、180份冻结输入、6份构建一致,14类126组界面及最终源码/便携/归档通过;正式1.11.0/PID19084全部26会话及执行记录保持。真实模型续接按用户选择暂缓;此次不将本地回归计为实际模型自主成功。
### 1.10.0 / 1.10.1 内置页面验收与升级修复
- C06/C20:构建文件清单/SHA256与源码指纹双绑定,固定Playwright及本机Edge关键身份;独立静态预览和浏览器执行填写、选择、点击及可见性/文字/数量断言。
- C02/C04/C07:每次计划/执行的Task、Run、原DOM、请求、步骤、PNG原字节与进程结束可核验;成功同版本复用,失败保留原实际值,停止/重启不自动重放。
- C13/C20:页面验收接入Git预览、提交与JSON/Markdown报告;来源测试通过但页面失败或构建变化会阻止交付,实际浏览器/Git专项2项通过。
- C17/C23:10组实际桌面/390px界面通过;新任务选定后,旧来源错误立即失效,原截图/JSON可查看和完整下载。完整源码、随包和真实模型验收分别见[1.10记录](QA-1.10.md)。
- 当前覆盖项目静态Web构建;动态后端联调、远程登录页面、桌面安装端、手机配对和完整业务需求验收继续开发。
- 1.10.0独立274项及118组界面通过,原Provider升级完成;实模另暴露旧工件API兼容问题。1.10.1修复后16项相关回归通过,独立源码与实模复验分别记录,不能把旧完整回归当修复版结果。
### 1.9.0 引擎连接切片(已完成发行与正式本地升级)
- C06/C17:检测已有DeepSeek Harness 0.2.1-rc.2,固定CLI/SDK/profile/Node关键输入,独立进程与SDK session绑定当前Project/Task/Run。真实原入口、启动完成信号、六方法协议与原进程关闭已核对。
- C02/C04/C23:原输入与报告工件有归属及SHA256,错误/停止不改写成通过;重启不重放、不按历史PID停止进程。模型只读已有检查记录,连接检测不调用模型。
- C17:桌面/390px可检测、核验、停止、显式重新核验、查看/下载原记录,10组界面及22项相关专项通过。见[1.9验收](QA-1.9.md)。完整回归、发行及正式服务另行验收。
- 当前范围为已安装外部引擎连接核验;外部prompt/工程工具写入、Codex运行时、Purge收益、桌面安装端与手机配对继续开发。
### 1.8.0 已完成发行与正式本地升级的切片
- C06/C17:REA6.8.0固定stdio契约、用户工件登记、ASAR静态分析及PE导入/资源接入同一Task/Run;模型工具仅选择已登记工件。原Evidence/Bundle、目标SHA256、实际发现的工具契约和关闭记录分别封存。
- C04/C15:原字段协议预算分页、同版本原证据核验复用、停止/失败/未知保留与重启不重放;11组桌面/390px实际界面及三类真实REA分析已通过,见[研究界面](rea-engine-research-ui-validation.json)。
- C17/C23:嵌套证据窗口的键盘关闭与迟到响应归属已验证。内置范围为三项静态操作,不代表全部REA工具、动态观测、Purge实验或外部代理引擎已经集成。
- C14/C24:最终独立源码244/244、完整98组界面、随包REA三项实际分析、离线构建及不可变归档通过;正式4318保留原PID/Provider及全部会话升级,见[最终1.8验收](QA-1.8.md)。
- C08/C09/C12/C24:真实配置模型续接同一原Task,四模块提案与整批应用、14/14测试、构建、CLI实际输出和工作台Git提交/报告通过;来源已有修改、index与所有保护输入保持。明确审批的单个样本与总体自主成功率分别记录,见[真实工程](rea-engine-live-model-validation.json)。
### 1.7.0 已完成发行验收的切片
- C04/C15:最新完整工具组过大时提供原结果可校验的必需反馈,连续相同工程状态暂停;旧发送视图按原版本核验。
- C03/C07/C11/C13:Python静态声明识别、unittest/pytest实际运行、源码语法编译、封存解释器/源码/运行器/统计;界面可选择混合工程范围,Git与报告重新核对实际证据。
- C08/C09/C12/C24:Python三模块HTTP隔离工作区交付和桌面/390px流程通过,5项失败变6/6通过;React四文件验收7项失败变9/9通过、真实tsc/Vite与浏览器筛选/搜索/精确切换通过。修复由受控API夹具提供,不作为真实模型成功率。
- 当前结果不代表内置浏览器代理、动态引擎/REA调用、桌面壳或手机配对已完成。完整回归、不可变发行及原真实Task续接仍分别验收,见[QA-1.7](QA-1.7.md)。
### 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。
### 1.2.0 M2已实现切片
- C09/C13:Task绑定的Git预览、已审核文件的实际本地提交、其他工作区/暂存修改保留及JSON/Markdown报告;支持已有命名分支,尚无隔离worktree与自动合并。
- C02/C07/C23:稳定plan/job身份、实际引用核对与9个真实退出切点、不重放提交;索引恢复只处理本次拥有的字节,外部变化保留需核对状态。
- C11/C24:源码与Git基线分别验证,检查日志完整性和测试数量仍须满足;92项完整行为检查、9组桌面/390px交付界面通过。
- C08、多类工程与完整M2/M6成功率仍待后续实施。范围见[QA-1.2](QA-1.2.md)与[Git交付契约](GIT-DELIVERY.md)。
### 1.3.0 M2工程定位与精确补丁切片
- C03/C04:JS/TS/React静态AST声明与导入、Python声明候选、逐文件SHA256增量复用、依赖候选重算与当前项目绑定;工具工件有Task/Run归属。暂不提供编译器级引用、路径别名或动态模块解析。
- C08:唯一锚点/原SHA256的局部补丁、BOM和LF/CRLF保留、旧基线与重叠/重复锚点拒绝;继续由逐文件审查/备份流程应用,完整多文件ChangeSet仍待实现。
- C07/C23:只读Git检查禁用配置过滤脚本,统一清单排除依赖/凭据/链接;索引范围、格式、Unicode、项目切换、原文件行定位、工件恢复和API契约有实际检查。
- 完整112项行为/API/实际退出检查通过,新索引UI8组通过;源码/发行与真实模型工程验收以[验收记录](VALIDATION.md)为准。详见[索引与补丁契约](CODE-INDEX-AND-PATCHES.md)。React/Python真实工程交付、worktree和完整M2/M6仍继续实施。
### 1.4.0 M2多文件审查与恢复切片
- C08:同Task的1–32份提案封存指纹、Git与全部文件预检、原/新字节SHA256快照及整批审查;现阶段包含文本创建/修改,改名/删除与隔离worktree后续实现。
- C02/C07:逐文件意图/结果持久保存、真实退出后的显式核对/回退、外部内容和冲突暂存文件保护;未知结果不自动重放并阻止同项目继续写入。
- C04/C12:轮次上限后整批应用可继续原Task检查,其他停止原因保持原要求;切换项目清理临时错误提示、忽略过期批次响应。
- C13/C23:Git报告引用封存身份/指纹/实际状态与快照校验,桌面/390px整批确认及恢复入口。实际回归、包与真实模型结果见[QA-1.4](QA-1.4.md)。完整M2三类工程、M3引擎与M5桌面/配对尚待完成。
### 1.5.0 M2请求上下文与历史追溯切片
- C04:完整Task目标/追加要求/项目身份,完整协议组选择、原参数结果及SHA256封存;实际发送正文、历史运行与分页原记录可查看。
- C15:完整JSON输入估算、输出/安全余量和Run/Task累计预算预检,估算与服务实际用量分别记录;尚无价格表、费用或多worker总预算。
- C02/C13/C23:请求计划联网前持久保存、重启中断而不重放、损坏/缺失证据明确失败;报告深度核对正文、原组、分片及结果归属。
- 158项完整回归与62组界面通过。独立发行与真实模型结果见[QA-1.5](QA-1.5.md),worktree、React/Python完整工程和M2/M6成功率继续实施。
### 1.6.0 M2独立工作区与Git审查切片
- C07/C12:封存已提交HEAD和来源、宿主拥有的独立目录/分支及项目/会话身份;来源index/已有修改保留,创建不执行项目脚本或安装依赖。当前不提供合并和归档。
- C02/C04/C23:创建意图/实际PID/逐阶段结果持久保存;8个实际退出切点、只读显式核对、外部状态保留,Task/Run/模型上下文/报告绑定实际执行工作区。
- C12/C13:成功准备Git预览后保存审查边界并停止模型;后续同消息工具不执行且协议完整。确认后内核完成原Task与报告,不继续请求模型,预览可修改/撤回。
- 192项回归和72组界面通过;合成模型子工作区真实3项失败→3项通过/build/Git报告通过。不可变包、原进程更新与真实配置模型结果见[QA-1.6](QA-1.6.md),完整三类工程及M2/M6能力继续验收。
| ID / 能力 | 当前能力与缺口(至1.15实现;发行状态见QA) | 后续产品目标 | 参考问题 / 模块 / 阶段 | 必须看到的验收证据 |
| --- | --- | --- | --- | --- |
| C01 需求与任务规划 | Task固定目标/追加要求、Run身份、依赖步骤/真实证明及两个受限worker已交付;任意规模调度待做 | 固定目标、约束和完成标准;拆任务、判断依赖、接收追加要求与重规划 | CX-1、WB-1 / tasks / M1–M2 | 追加要求后仍保留原目标;任务完成由验收条件决定 |
| C02 执行状态与恢复 | SQLite事件/状态、原工件、Task检查点、unknown核对及显式同Task续接已交付;不重放已完成副作用 | 独立Task/Run/Step身份、持久事件、检查点与未知结果核对 | CC-2、CU-1、DS-1 / storage、tasks / M1 | 在审批、调用、结果与落盘等切点中断;恢复不重复已完成副作用 |
| C03 工程识别与索引 | 项目识别、JS/TS/React声明/导入索引与增量核对、Python候选已交付;完整语义/运行时依赖待做 | 识别语言、入口、规则、脚本、依赖和Git;增量索引;符号/引用与必要的语义检索 | CU-2、DS-3 / context / M2 | 对Node/React/Python样本定位实际修改入口;代码变动后索引更新 |
| C04 上下文与项目归属 | 原请求/工作依据/来源记忆及Task/Run保持;1.19新增有界持久解析缓存、两轮SHA闭合、工作区/Git/解析契约失效、开关/清除,独立源码/工程已验收;独立发行、正式升级及原生回看通过 | 为Run组合需求、规则、代码与实际结果;严格绑定项目和来源 | CC-2、CU-1 / context、contracts / M1–M2 | 缓存不用旧时间戳证明来源;损坏/关闭回退源码;原工具及冻结请求不重放 |
| C05 长期项目记忆 | 项目持久记忆、来源/工程指纹、到期/归档、不完整扫描降级、脱敏请求快照与Task恢复包已交付 | 自动提取/归并、更长任务恢复与真实模型收益继续验收 | CC-2、WB-1 / context、storage / M4 | 长任务压缩/重启后完成标准不丢;过期代码事实被更新或标记 |
| C06 工具、Skills与MCP | 自有工程工具、固定REA、版本化本地Skills和项目所属受控stdio MCP已交付;远程MCP/任意插件安装待做 | 远程MCP、更多实际协议及插件安装/调用有来源和范围 | CC-1、CU-1、WB-2 / tools / M3 | 未知工具、错误参数、工具失联有原调用身份;新工具可按契约接入 |
| C07 执行控制 | 项目路径/原字节、逐次命令审批、预算、所属活动准入、停止和unknown门控已交付;OS沙箱与远程设备权限待做 | 操作范围、授权记录、预算、进程所有权、并发准入和取消传播;沿用用户已授权的范围 | CC-1、CU-1、DS-1 / tools、tasks / M1–M4 | 过期授权不能用于新Run;停止只处理所属任务;修改后的输入重新校验 |
| C08 精确编辑与多文件变更 | 精确文本patch、创建/修改、封存多文件变更集与逐文件恢复已交付;1.13增加两个子成果到父工程的来源复核/文本审查合并;改名/删除及任意自动合并待做,跨文件非原子 | patch、创建/改名/删除、多文件ChangeSet、基线校验、隔离应用与可恢复合并 | CU-2 / workspaces / M2 | 跨4文件修改保留无关内容;外部改动引起冲突;部分失败有明确状态 |
| C09 用户工程Git | 用户工程Git预览/所属提交、私有索引、独立worktree及原修改保护已交付;1.13增加父子成果复核、冲突拒绝与父工程审查/检查/Git;任意自动合并/归档待做 | 仓库/dirty状态、基线、任务分支/worktree、diff、审查后提交与合并 | CX-1、CU-3、DS-3 / workspaces / M2 | 保留用户已有修改;每个交付可定位commit;冲突合并可审查 |
| C10 长命令与开发服务 | 终端60秒/有界输出;工程检查、REA/MCP/引擎/浏览器有所属job、原工件/退出与停止;后台开发服务待做 | 持久job、完整日志工件、心跳/退出码/超时、后台开发服务及所属进程树 | DS-3、CU-3 / tools、artifacts / M2 | 超过60秒的检查可观察和停止;失联结果标未知;重启不擅自再运行 |
| C11 真实检查与TestRunner | 实际Node/React/Python检查计划、测试数量/退出码/原日志、源码/范围绑定已交付;零测试/跳过不能算通过 | 识别真实项目检查;计划绑定planId,执行返回jobId;保存退出码、测试数和报告 | DS-3 / tools / M2 | 构建失败、零测试、拒绝/取消均不算通过;结果绑定相同工作区与ChangeSet |
| C12 修复与代码审查 | 实际失败反馈、有界修改/修复、无进展暂停、审查/Git门槛已交付;独立多模型复核与稳定自主完成率待验 | 从真实失败定位并有限轮修复;核对需求、diff、回归与风险;保留失败历史 | CX-1、DS-3 / tasks、workspaces / M2–M4 | 能复现的失败先出现再修复;实际重跑通过;审查不能用“模型说成功”代替 |
| C13 可交付成果 | Task所属diff/Git/检查/浏览器原工件与交付报告已交付;完整真实任务基准与专业交付指标待做 | 需求与结果对应、diff/commit、测试报告、运行方法、限制与工件引用 | WB-1 / artifacts / M2–M6 | 用户按交付说明能启动并验证;报告与实际文件、检查及commit一致 |
| C14 模型协议与路由 | Chat/Responses、有界SSE、能力筛选/检测、固定Run路由与已验证格式导入保持;1.18新增实际PNG/JPEG输入、视觉前选池和修订绑定probe,语音待做 | ModelProvider能力声明与实测、流式文本/工具参数、模型配置快照、按任务角色路由与可解释回退 | CX-2、DS-1 / models / M1、M3 | 支持/不支持的工具/流式/视觉能力可见;Run绑定实际模型;故障不串结果或重放工具 |
| C15 预算与用量 | 完整请求预检、Run/Task/worker累计预算、unknown usage保持;1.18新增具体输入/图像/响应分解、冻结预览及同Task单Run续接。图像为本地预留,实际价格/费用待做 | 时间、token、费用、步骤、重试与worker总预算;无进展检测;可配置价格与未知usage标记 | CC-2、DS-2 / models、tasks / M1–M4 | 子任务/重试纳入总预算;耗尽时保存检查点;缺失usage不伪造准确费用 |
| C16 多代理协作 | 1.13已交付两个受限worker、独立worktree、父子累计预算/停止恢复、当前成果与具体冲突、父工程审查合并;任意规模/OS沙箱待做 | 独立问题分工、上下文/预算隔离、独立worktree、结果与证据汇总、冲突合并 | CC-1、CU-3、DS-2、WB-1 / tasks、workspaces / M4 | 两个独立任务并行完成可合并;重叠编辑被发现;父任务停止可传播 |
| C17 REA能力研究 | 固定REA6.8.0的ASAR/PE三项静态操作、所属job/目标SHA256/原Evidence已交付;其余工具与运行trace待做 | 目标清单、版本/hash、inventory/analyze/trace、分析job、Evidence查看与研究结论登记 | 全部目标 / tools、artifacts / M3 | 从能力结论能追到确切工件与Evidence;静态/运行证据和未知范围分别显示 |
| C18 Purge增强实验 | 1.14来源锁定的两版本提示实验、开关/失效拒绝和同题夹具对照已交付;原完整插件与真实模型收益未验证 | 独立实验profile、兼容版本、策略分类、开关/回退和同题对照;有效机制按接口采纳 | PG-1 / engines、models、tasks / M3 | 同模型/任务/预算重复比较成功率、成本与错误修改;插件失效可恢复基线 |
| C19 外部代理引擎 | 1.14固定DeepSeek0.2.1-rc.2受控prompt/工具模型桥、所属工程/审批/预算/父审查/Git与停止已交付;Codex等适配待做 | EngineAdapter管理握手、会话/进程、事件、停止/恢复和真实能力限制 | CX-2、DS-1 / engines / M3 | 引擎事件有Task/Run映射;协议缺失能力明确;root idle不直接判工程完成 |
| C20 浏览器与界面验证 | 代理固定静态构建、真实Edge交互/DOM/PNG/原报告与Task绑定已交付;任意在线浏览与电脑操作待做 | 可选浏览器工具、页面状态/截图、请求/控制台结果、交互验收与开发预览 | CU-2、WB-1 / tools、artifacts / M3–M6 | React真实交互/失败场景可复现;结果含页面与任务身份,不只保存截图 |
| C21 桌面产品 | 1.15真实Electron窗口/后台宿主拆分、单实例、原生入口、安装/更新/回退/卸载完整发行和正式保留状态部署已交付 | Electron Windows安装/升级、后台执行宿主、工程/终端/diff/成果区和任务通知 | 产品方案 / desktop、gateway / M5 | 关闭窗口后可再查看任务;安装/升级保留数据;宿主进程生命周期明确 |
| C22 手机伴随端 | 1.16默认关闭HTTPS、一次性配对、项目/操作授权、原Task/Run审批/停止及SHA报告、PWA壳和断线恢复已实现;真实iPhone核心与完整独立发行通过。iPhone 14 Pro Max/iOS 27.2为用户提供,原生操作由用户确认、原审计/进程/文件另验 | PWA任务/进度/审查入口;配对网关与设备撤销;共用Run与事件游标 | 产品方案 / mobile、gateway / M5 | 实际手机连电脑并审查同一任务;断线补发不重复执行;失效设备不能授权 |
| C23 数据、配置与发布迁移 | 临时Key默认内存;1.15新增显式DPAPI保存/关闭/删除、同事务回退和安装根入口/指针回退已实际验收;正式发行已通过,1.16设备配对/撤销已验收 | 用户主动配置凭据、系统凭据存储、数据库迁移/回退、版本兼容和日志导出 | CX-2、DS-1 / storage、gateway、desktop / M1、M5–M6 | 升级副本与回退可验证;导出无Key;任务和来源不丢失 |
| C24 工程能力评测 | 1.20固定样本/同源原版与候选/全部尝试/原报告/受控采纳已完整交付;Node8/8、React9/9、Python10/10及自身模块9/9,四类工程14节点通过;固定HTTP与真实模型收益分开 | 固定样本、重复评测、原分母/失败/未知、人工介入及实际用量 | 全部目标 / evaluation、artifacts / M1–M6 | 固定回答只证明协议和执行链;自主成功率及视觉/Purge真实收益单独评测 |
### 1.6.1 M2实际工作依据切片
- C04/C12:混合大工具组中的实际源码和执行结果独立投影,绑定同Task、Run、调用、原结果和消息组;视图不是新工具执行,原协议消息保持完整。应用后的旧文件版本和失效检查不参与当前依据。
- C13/C23:发送正文、封存工作依据和原结果的逐层校验、报告引用与桌面/390px查看入口。旧请求依照发送时的原历史校验,后续编辑不会改写旧证据。
- C15:文件读取按当前完整JSON预算分页,保留UTF-8/Unicode、原文件哈希和原行范围。可选工作视图不占用下一工具页的必需预算。
- 原失败历史离线投影证明四模块/构建全文及测试摘录可见,0模型/命令执行;实际配置模型的续接、独立发行与最终回归分别见[QA-1.6.1](QA-1.6.1.md)。不据此宣称工程成功率或成本提升。
## 3. 当前实现的源码锚点
- [task-plan-manager.mjs](../src/core/tasks/task-plan-manager.mjs)与[task-plans.mjs](../src/shared/contracts/task-plans.mjs):计划修订、原证据核验、依赖状态、当前输入失效和交付绑定;[TaskPlanPanel.tsx](../src/client/TaskPlanPanel.tsx)提供相同契约的桌面/390px编辑和核验。
1.6.2补充C04/C12/C13/C15:工作依据优先于大历史定位页,同SHA256的更宽实际读取可复用;原结果导航、视图版本与单独保留预算进入封存和报告。旧版完整来源发送视图保持可核验。具体回归、独立发行与实际Task续接见[QA-1.6.2](QA-1.6.2.md)。
- [provider.mjs](../src/server/provider.mjs):固定工具定义、有界项目/诊断状态、实际正文指纹核对及非流式模型请求;[request-plan.mjs](../src/core/context/request-plan.mjs)负责完整请求预算、协议组选择、可核验封存和历史追溯。
- [runtime.mjs](../src/server/runtime.mjs):有限循环、内存active/waiters、命令审批与60秒进程生命周期。
- [store.mjs](../src/server/store.mjs):SQLite任务与事件、旧JSON迁移、备份与重启状态处理。
- [git-delivery.mjs](../src/core/git-delivery.mjs):当前Task已审核文件的提交计划、独立索引/引用事务、结果核对和恢复。
- [delivery-report.mjs](../src/core/delivery-report.mjs):实际检查与提交证据的JSON/Markdown报告。
- [files.mjs](../src/server/files.mjs):最多400文件/8MB的搜索预算、单文件提案、基线与原文备份。
- [app.mjs](../src/server/app.mjs):SSE快照、全局配置、默认12步/最高30步限制。快照revision与未来持久事件seq是两个概念。
提高步数或加入新的提示词,可以改变尝试次数和模型行为;工程索引、可靠恢复、编辑冲突控制和真实测试仍需要实际模块。
## 4. 首个真实工程交付切片
选择一个受控Node/TypeScript工程,固定基线commit和可复现问题。工作台先识别工程与检查脚本、建立任务和检查计划,再生成跨文件ChangeSet,在隔离工作区执行实际测试,根据真实失败有限轮修复,最后提供diff、报告和本地commit。
本切片涉及C01–C04、C07–C13、C15与C24。先覆盖最小实现和必要契约,再扩到React/Python样本;桌面壳、长期记忆和多个worker在基础闭环可验收后实施。
## 5. 发布指标与记录格式
首批6个受控任务用于开发和定位缺口;另设20个封存工程任务,开发中不按其答案调提示。重复运行至少3次,锁定模型/配置、工具、预算、环境和人工授权策略。覆盖新增功能、跨文件缺陷、界面交互、回归、上下文恢复及冲突处理。
| 指标 | 记录/门槛建议 |
| --- | --- |
| 完整工程任务成功率 | 同时满足需求、独立检查、diff审查与交付;M6暂定不少于80%,完成基线测量后校准并记录理由 |
| 关键确定性契约 | 任务/项目归属、过期授权、已完成工具不重放、原修改保留等检查全通过 |
| 测试真实性 | 记录实际命令/工作区/退出码/测试数;失败、零测试、取消不能伪报通过 |
| 质量与介入 | 记录错误改动、回归、人工代码修复/需求补充次数;分别统计必要授权点击 |
| 时间与费用 | 保存每题分布与同题对照;模型usage/价格未知时明确缺失,不承诺固定费用 |
| 恢复与长任务 | 记录崩溃切点、取消/重启结果、重复执行数和未完成项;在任务预算内完成 |
| Purge/路由/worker收益 | 与同题基线比较;增加错误修改或隐性人工工作不能算收益 |
每项能力记录:`能力ID → 研究来源 → 实现commit → 契约结果 → 工程任务/Run → 剩余限制`。阶段验收和发布时间以这些记录为依据。
# 1.21 当前进度
工程环境诊断、管理工作区的固定npm依赖计划/审批/执行/停止/unknown核对、执行后诊断和实际依赖绑定已实现,正在完成发行验收;尚未正式切换1.20.3服务。已有依赖与本系统准备的依赖分别记录来源,安装完成不等于检查通过;真实React原版失败/候选9测试/类型检查/构建及Python2测试已通过,范围见[说明](ENVIRONMENT-PREPARATION.md)与[验收](QA-1.21.md)。通用内置浏览器仍为1.22计划。