4.0 KiB
真实模型工程交付与 Purge 实测方案
2026-11-02,用户明确要求单独实测。起点为正式1.24.0、原宿主PID36552和原Provider。本轮使用已配置模型真实请求,独立工程/新会话,不续跑既有用户任务,不读取、导出或复制API Key。
问题与样本
- React多文件修复:筛选、搜索、统计、指定任务切换、实际桌面/390px页面,以及同源测试/类型检查/构建和本地Git交付。
- Python多文件修复:数据规范化、统计和渲染,实际测试/编译和本地Git交付。
- Node同源修复,两轮Purge提示实验开/关,顺序AB/BA。相同基线、原要求、实际模型连接/修订、协议、工具和预算。统计通过情况、真实请求、上游报告tokens、耗时、审批和失败原因。
首批最多6个新工程模型样本、每样本最多24请求/180000上游报告tokens/10分钟,总上限100请求/700000报告tokens。请求前仍受现有宿主封存预算约束;正在进行的请求可能使报告统计超过边界,必须记录实际值。超时、429、未知或能力门槛保留原结果,不以重跑覆盖失败。无上游可核对费用时不编造金额。
自主与人工边界
模型得到一次性需求、允许路径和通用工具流程。模型自己读源码、分析、写提案、准备检查/变更/Git计划。测试驱动只审批固定原检查、核对范围和应用模型原提案,不提供实现、参考答案或失败后的定向提示。有限step_limit续接、提案审查和Git确认分别计数。
因此结论是“有审批监督的工程交付样本”,并非无监督商业项目交付率。仅本地Git,不远端推送。功能通过、工程通过、Git交付、真实性和限制分别判定。
Purge的真实接入范围
当前1.24的purge-strategy明确使用workbench-independent-prompt-v1;九份上游文件仅核对来源,upstreamPluginLoaded=false,automaticRetry=false,hostModification=false。开/关对照测的是内置工程提示段,不是完整dsh-purge插件。
上游1.1.78包含提示装配、重试/继续、权限与宿主修改等多条路径。原插件实测必须在独立Harness进程中核对实际加载、配置、最终模型输入、工具权限、所有尝试和所属进程结束;不能把源文件存在、提示段插入或固定HTTP夹具当实际插件收益。本轮先查明可运行条件;条件不足时明确列为未测,并记录具体缺口,不冒用对照结论。
两轮小样本仅作为先导观测,不做统计显著性或普遍性能结论。代理声明的模型名作为实际路由标识,不独立证明上游底层权重身份。
请求前条件修订与原结果
首个React使用原GPT连接,连接前超时,原样本保留为未交付/网络错误,没有重跑。只读HEAD证实Node默认DNS顺序连接jojocode超时,而IPv4优先和curl分别收到404;Claude代理的Node HEAD收到404。余下五个新样本固定已配置Claude连接09b0293b、revision1、Chat Completions流式;不跨模型合并成功率或token差值。
Python原样本6请求、201964报告tokens,原运行token_limit暂停,尚无改动。无追加提示和预算续接。为遵守总700000报告tokens,四个Purge对照样本在开始前统一固定原生子任务110000 token预算、24步/80工具/10分钟,保留每个实际停止原因和全部尝试。金额/币种三模块采用新固定Node样本,避免用相加函数样本代替工程能力。
状态保持与证据
请求前对原项目/会话/表/导出/工件散列;测试只追加独立工程与所属请求。模型选择暂时固定单连接,结束后恢复原池;保留原连接凭据与所有历史请求。请求/工具/检查/页面/交付原件保存到独立本机QA目录,Git只纳入本轮可审查且不含凭据的必要证据。
文档、结果和失败必须区分原样本与后续独立复验。发现产品缺陷先封存原失败,再单列修复和验证,不回写原样本成功。