Files
Agent-Workbench/docs/LIVE-RETEST-J-PLAN.md

4.5 KiB
Raw Permalink Blame History

新真实样本计划(R实测已封存,先改进读取可靠性)

R当前结论:Q诊断交付后的唯一所属诊断通过,新单次预检1请求/4492报告tokens/strict matched;新Node6请求/72571报告tokens/0未知、原JSON身份均匹配,原九测试全部失败/基线build通过,0提案/修改/交付。第7次预留29623超过剩余17429而token_limit暂停,本地输入12352仍符合上下文预算,不是新的context_limit。原状态和预算/池恢复通过,178份证据离线核对通过,见本轮结果。

下一优先读取可靠性S计划:离线复现和修复文件分页续读定位、有效吞吐及预留暂停解释,保留已知用量保护和原失败。独立产品验收后另建新的有界Node,不续跑R/P/O;Node→React/Python→原版Purge的前置关系保持。下方P/O/N/J/M按当时历史计划理解,不能覆盖R/S当前顺序。

P补充:另一既有jojocode连接的新预检通过,新Node首连接超时,真实闭环仍未通过。两次尝试共112报告tokens/1未知预留10141,原状态按声明恢复,75份证据离线通过;独立TLS有波动但不证明原超时唯一根因。下一先落实所属连接诊断切片,之后另开有界样本,不续跑旧任务、不扩大本例预算,见本轮结果。本计划的Node→React/Python→原版Purge前置关系保持。

O已执行本计划的新GPT单次预检,1请求/120报告tokens/0工具,标识匹配。旧Node2请求后context_limit已定向修复并交付1.24.5;新的同预算Node在第二请求遇上游502,2请求/4838报告tokens/1未知预留11095,未修改或交付。315份证据离线通过,见完整结果。下一仍按下面顺序,先固定可用连接另开有界样本,不自动继续旧502或context_limit任务;原版Purge与React/Python不提前记通过。

下方N及J/M段落保留原计划时点,当前结果以O为准。

当前N结论:用户确认apikey属于GPT分组,原型号误填Claude;该连接现为gpt-6.1-sol/Responses,保留外部设置的停用状态。相关实现回查和GPT请求兼容对照通过,见复查报告。下一明确选择启用的GPT连接,新建下面的实验;不以默认池代替固定连接,不再等待所谓Claude线路修复。

历史J/M分别请求Claude而上游报告GPT,J为1请求/4334报告tokens,M为1请求/221报告tokens,均严格暂停、0工具。错误配置这一补充不改写原J结果或M原件,也不把工程/Purge未执行变成通过。

  1. 新开独立身份预检:冻结启用的GPT连接、正确型号/协议和版本,仅该实验快照使用严格核对,不更改所有连接的默认record策略;一请求、最多256输出、累计16000tokens、无工具/重试/切池。输入估算超过原限即零发送拒绝。身份缺失、不一致、混合或中断立即停止,映射须有实际依据。凭据仅由原Provider使用。
  2. 预检通过后先做一个新Node工程交付样本:封存原功能测试/源码/Git和受保护文件,最多8请求和90000tokens。原32K上下文方案须先核对连接上限是否匹配,不能暗改当前16K连接限制来让实验通过;不匹配先明确调整并冻结计划。读失败、实现、整批审查、显式续接、新检查审批、原测试/构建和Git均须原证据。监督只做审查/审批/确认,不能代替模型实现;预算到期保存失败,不追加提示续跑。实际请求仍逐次严格核对身份。
  3. Node闭环通过后再分别测试React与Python的新样本。先定位模型输入、推进与执行问题,再考虑扩大题型;不以本机夹具代替模型推理成绩。
  4. 原版Purge收益另做同源/同题/同预算AB/BA。完成相同原测试/构建/Git才可比较成功交付的tokens、时延和监督次数;失败早停不算节省,少量样本仅作探索。保持默认关闭,保留加载来源、apply与每次实际输入。
  5. 每一步先小结、核对原状态和本地Git,再进入下一步。1.25及更大能力扩展继续保留计划,先得到真实闭环证据。

发行回顾还应单列性能:本次源码ZIP约865MB、历史证据ZIP约624MB,打包约四分钟。后续用实际分阶段耗时研究来源包与历史证据组织、重复扫描与缓存;保持现有原件、完整性和防篡改验证。