Files
Agent-Workbench/docs/M4-LIVE-BASELINE-PLAN.md
Agent Workbench Dev c8c36c27ee
Official contracts and Windows source CI / windows-source (push) Has been cancelled
docs(m4): record verified GitAtlas delivery and next validation
2026-11-12 00:47:02 +08:00

8.3 KiB
Raw Permalink Blame History

M4:1.25.13 新真实兼容与自主工程基线

2026-11-11 开始。承接已正式验收的 1.25.13,不续跑 AD/AE/AG、X、R/W 或用户工程。当前源码基线 0054ea282180b20061797b00cf5122ee8baa1df4;本次驱动提交、正式宿主、连接、参数和工程输入另行冻结。

首次公开观察保存在 .qa/m4-live-baseline-2026-11-11/observation.json:正式 1.25.13/PID 63892,空闲、unrestricted/passthrough/full,三个累计/步数设置为 0,六条连接均 hasKey=false。已请求用户只在模型中心恢复所需连接的凭据,聊天不接收 Key。此观察不能作为后来凭据可用或真实兼容通过的证明。

阶段与结束标准

  1. 核对源码、现有正式身份、公开连接与选择,恢复规划记录。无凭据时先完成可运行的新驱动与冻结工程准备,不发真实请求。
  2. 使用新证据目录、新 claim 和自有工程验证驱动。合成服务只验证请求、原件归属、取消、错误、统计和验收机制,固定回答不算模型能力。保留驱动首次失败及后续修正的来源。
  3. 凭据恢复后,在每个请求之前冻结实际可用、用户启用的连接。官方直连和兼容代理单列;保留用户原选择及参数。不读、解密、复制或重存真实 Key。
  4. 每连接分别验目录、文本、工具、流式、身份声明、实际 wire 参数、原错误与 raw usage。每项一个全新会话、一个物理请求,不自动重放失败/unknown。官方 Messages 必填 max_tokens 按精确型号及实际参数来源发送;其他协议不主动追加本地输出限额。单次响应或工具返回不代表长期稳定或真实模型权重身份。
  5. 从新的自有 Node 基线开始,模型独立读取、修改、执行原检查并完成限定范围的本地 Git 交付。原测试/配置/owner 文件及原 index 保持,禁止提供实现答案或为过关改变断言。Node 完整成功后依次另冻 React、Python;不拿旧成功代签新版。
  6. 实际缺陷按小阶段修复、相关验证、回顾与限定提交;实验原件封存、复核和普通增量 GitAtlas 推送。只有程序实际变化需要新的独立发行;文档或驱动不触发重打已验收的 1.25.13。

固定实验规则

默认保持开放透传及持久 full 权限,不设置本地 context/output/累计 tokens/步数门槛,不裁剪原任务和历史来制造通过。预检只允许一个物理请求;工程观察窗口十分钟,连续三分钟没有新增读取事实、源码变化或实际检查事实时,只停止本次自有 Task 并记实验观察结束。这是观察设计,不改变产品默认能力;在途未报告用量保留 unknown。

工程选线在结果前固定:用户本轮明确恢复为验收对象的可用官方 DeepSeek 连接优先,其后是这些连接中的 Responses、Chat、Messages 代理。当前用户原选择为 Claude 单成员自动池,工程临时单线选择完成后恢复该原选择。必须本连接目录完整并列出型号、文本/工具预检完整且身份 matched,才运行该工程。失败不换线续跑同一个工程。临时选线只在确有必要时使用公开 API,恢复时以修订为前提,保护用户期间的新设置,不覆盖外部变化;不为结果修改连接定义或保存身份策略。

用户已回复“恢复了三个模型”。随后公开观察确认为 DeepSeek/deepseek-flash(Chat,revision 20)、apikey-Claude/claude-opus-5-5(Messages,revision 8)、apikey/gpt-6.1-sol(Responses,revision 15),三者 credentialRevision=1、streaming=true、原生参数为空,原选择不变。原无凭据观察保持,新冻结在驱动验证和提交后完成。

选择和恢复使 configRevision 单调递增,legacy-default 的公开 revision 跟随该精确增量;逐字段核对后单独列明这一投影变化,不把它称为真实连接被改写,也不忽略其他字段。三条真实连接的定义、凭据存在状态和归属、原池及选择须保持。前两轮隔离驱动的状态/公开投影断言失败保持原件,未改变产品行为或原工程测试。

成功必须有实际源码差异、原检查数量和退出状态、实际提交范围及提交字节等于最终文件、owner 字节/index 保持,且所属请求完整、无 unknown。模型声称完成、返回提案、合成通过、终端文字均不能代替实际工具/检查/Git 证据。内置交付报告和终端 Git 事实分别核对。

记录新增读取与同 SHA/同范围重复读取、cache read/write/uncached、reported/unknown tokens、时延、错误来源及人工介入。缓存收益、提醒/经验/角色收益均需另冻可比实验;不承诺上游必然命中缓存。

保留事项

历史网络异常、unknown/失败、输出截断、重复读取和 R/W 预留 v2 真机边界保持原结论。默认透传时不恢复旧限额验证旧边界。真实 Mnemo 生产绑定、语义收益、长期与物理 iPhone 验收继续单列。

原版 Purge AB-off/AB-on/BA-on/BA-off 必须在当前目标线路有完整可比工程成功基线后另冻插件/宿主/输入/身份。旧 AG 三次网络失败和唯一 ba-off 成功不改写。前置不足则不执行,收益继续 unknown。

阶段2原时点:最终隔离 m4-driver-40fb93c8 在 1.25.13 正式处理器的隔离宿主上通过 11 边界及固定模型 Node 的五请求实际执行、原九测试/build/限定 Git 与 owner 全部 index,见 机器记录。前三根原件及两次失败保持;原件捕获现为 download=1 逐原字节核对。当时 0 真实请求,随后以 7152d654 限定提交并另冻正式原状态。

当前阶段:3、4及5的Node已完成,见阶段验收。三线六次新预检/1227报告tokens/0unknown;Claude两项身份mismatch且目录缺项,不进入工程。DeepSeek新Node十请求180463tokens/0unknown,原9/9/build/限定Git及内置交付completed通过。原127导出/5244工件/53527行保持;外部一新“你好”会话/一请求单列,每行和原件明确SHA核对,原两次审计失败保留。阶段限定提交后继续独立React、完整成功后Python;Purge收益仍须另冻,不改1.25.13或续旧实验。

更新:5的React完整通过,见React验收。14请求271333tokens/0unknown、原9/9/typecheck/build、实际桌面/390px交互与两图实看、仅四源码Git及owner/index保持;终端Git来源和最终verified_committed准确登记,没有补造内置作业。原状态审计一次通过,累计本批30请求/453023tokens,外部一请求仍单列。下一独立Python原十pytest/compileall,完成后最终封存、回顾和普通增量推送。

更新:5的Python完整通过,见Python验收。10请求176083tokens/0unknown、原10pytest/compileall/三源码Git与终端来源最终报告,原字节/index保持。原状态及本批九份完成捕获导出一次exact。累计本批40请求629106tokens/0unknown,三工程成功;Claude两身份失败、外部一你好请求和全部历史异常单列。下一6的最终封存、回顾、限定提交和普通增量GitAtlas推送;收益和Purge另冻,不重发1.25.13。

2026-11-12 更新:6的最终审计与封存完成,541成员/134884464字节,MANIFEST SHA256 558c9b548559798279d7f8e61deb3b7344920753a53dbf4e84eec374c6f3a3df;十三最终驱动、所有原失败、三工程及两PNG保持,逐成员核对通过。最终验收与机器记录已生成,限定收尾提交及普通增量GitAtlas推送进行中。原根不再追加或修改。

封存后收到人类明确Claude代理Key更正;当前公开修订需另冻结,不能恢复旧凭据或用封存前配置覆盖用户变更。修后只做原文本/工具两项、新Task/Run/请求键及至多两新请求,工具观察不执行;不得改签本批旧两mismatch/目录缺项,不续旧unknown,不重跑三工程或Purge。结果独立登记,原40请求统计和541清单保持。M8原版Purge随后另冻,不以修后兼容预检代签工程或收益。

2026-11-12 阶段6推送完成:验收e132601b及前六条已普通增量推送,远端与重新fetch七条逐SHA一致,见回执。回执/接续另提交并核最终HEAD。原批次执行、审计、封存和推送已完成;修后Claude为独立后续,不追加原M4根。