Files
Agent-Workbench/docs/MILESTONE-AUDIT.md
2026-11-03 22:28:14 +08:00

23 KiB
Raw Permalink Blame History

里程碑回顾与修复审查

O / 1.24.5:真实GPT样本暴露的重复上下文已复现、修复并本地交付。105相关/25升级安装、独立重建/三归档/实际安装、源码25历史UI和正式两种入口通过,原进程与升级前全部数据精确保持。新Node样本第二请求收到上游502,仍未完成真实工程;原错误、未知用量和新样本恢复均封存。315份证据离线核验通过,详情与下一个切片见本阶段回顾。更新实际677958ms的重复扫描另列性能事项,不放宽完整性门槛,1.25仍计划。

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、1.22验收、回顾与发行身份。下一1.23发行效率与更新进度仅方案;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、1.21验收、回顾与发行身份。下一1.22内置浏览器仍为计划。

以下各节点保留当时状态,当前1.21交付事实以上方摘要和发行身份为准。

1.21 实施时节点:实现已提交,发行验收进行中(历史)

环境诊断、所属独立工作区的固定npm计划/审批/停止/原日志、unknown核对、检查与评测环境绑定已实现,本地提交a94807f。当前正式1.20.3/PID36552保持,未将实现提交等同正式交付。

回顾发现并修复Vite空临时目录误判、安装后仍展示旧诊断,以及候选停止结果被环境不可比较覆盖为unknown。环境/评测关联31项、诊断刷新2项和停止封存1项各自通过,真实React依赖准备/候选9测试/类型检查/构建和Python2测试通过;新增7组UI已通过,全历史界面第二轮和独立发行验收继续,原第一轮失败保留。最终结果以QA-1.21为准,下一1.22仍为计划。

1.20.1 当前补丁节点:真实案例修复已闭环

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。

见验收、回顾和发行身份。前五候选及原失败保留;下一阶段仍按1.21方案分别验收,不把固定协议夹具当真实推理收益。

当前节点:1.20完整本地交付

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、验收、回顾及发行身份。下一1.21方案聚焦工程依赖与可复现环境,尚未实现。

回顾发现并修复:同批样本迟到报告归属、已执行未封存状态误算未执行、发行包/实际服务版本标识不一致,以及旧界面验收版本白名单遗漏。原失败及前两次冻结保持,最终代码4931476重新独立验收;未放宽现有快照边界或直接替换运行目录。

1.19历史节点:完整本地交付

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、回顾、缓存契约和发行身份。 原Esc中断及中间封存保持;本轮重新观察1.19正式原生窗口后完成F,独立ACCEPTANCE绑定交付Git。

1.18历史节点:完整本地交付

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、回顾与发行身份。 下一1.19方案聚焦已有工程上下文复用、失效与长任务效率,尚未实现。以下旧节点保留。

1.17历史节点:完整本地交付

1.17.0完整本地交付: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、回顾与发行身份。 下一1.18方案先审查截图附件、实际视觉选路和同Task预算续接;以下1.12.1审查及1.16节点保留为历史记录。

审查开始:2026-10-30;本地交付:2026-10-31(Asia/Shanghai)。审查基线为1.12.0实现3f6797b和交付记录ca9042e;审查起始服务采用不可变发行20261030124454517。用户要求本阶段先审查、修复及记录计划,随后再开发新能力。

本报告区分历史发行证据、当前源码检查、当前隔离复验及未完成项。各版本原报告和失败记录保持原字节,不把过去的局部验证推断成整体自主交付能力。

执行与产物

  • 后续计划:逐项记录范围、前置条件、真实完成标准及未知能力。
  • 里程碑:核对计划、模块、原验收与实际部署,整理阶段遗留项。
  • 可靠性与安全:检查本地HTTP权限、项目文件/Git范围、任务/审批归属、持久恢复、模型池/凭据、Skills/MCP/REA/外部引擎和交付证据。
  • 修复:先以独立端口、临时项目和自有凭据夹具复现,再做相关验证;不读取真实Key、不发送真实模型请求,不普通重启正式服务。
  • 收尾:本地小步提交、必要的补丁发行、最终证据与未完成能力说明。

1.12.1审查时的进度

已核对1.12.0交付:357/357独立源码、150组完整界面和部署后8个页面通过;原PID19084/Provider以及15项目、26会话、2505记录、4476事件在升级时保持。此记录是历史发行基线,本阶段新的检查另行记录。

后续顺序、前置条件与完成标准已保存于NEXT-STEPS.md。五类确认问题、追加硬链接补强及29项复验完成;80项专项、额外配置HTTP故障检查、实际旧进程/Edge8组、完整150组UI及独立源码371/371全部通过。218份输入/6份构建与最终不可变包一致,最终归档及便携通过。当前正式1.12.1/PID23172保留Provider、完整模型中心、16项目/27会话/2523记录/4510事件每行及全部导出;部署后8页与数据库复核通过。首个候选368/369的旧测试假设失败保持原记录,未采用该失败候选。

逐版本对照

下表数字来自各版本原报告,不是本轮重新运行所有旧版本。原真实模型失败保持失败;各版本的源码、便携、正式部署及原失败详见对应QA。

节点 原计划与已实现能力 原验收 原真实工程及遗留项
1.0 基础对话、工具、代码提案/审批、诊断及旧会话 34项测试、19组UI 是基础可运行版本,尚无完整工程交付与可靠Task内核
1.1 Task/Run/Tool、SQLite/工件、预算、实际检查及中断恢复 68项、26组UI 内核与检查链路交付;真实工程完成率需另验
1.2 当前Task的Git预览/确认、所属提交、交付报告与unknown核对 92项、35组UI 真实Node样本四文件修改/检查/Git通过;三类工程完整基准未完成
1.3 工程声明/导入索引、精确补丁、保留原格式与Git范围 112项、43组UI 真实精确四文件样本通过;索引不代表完整运行时依赖,成本收益未对照
1.4 封存多文件变更集、整批预检、逐文件账本与显式回退 141项、54组UI,13个实际退出切点 真实样本工程交付通过,模型最终因token预算暂停;跨文件写入并非原子事务
1.5 完整请求预算、有界上下文、原工件与历史保留 158项、62组UI 原真实模型27次响应后超时,无提案;不能记为自主交付
1.5.1 按实际预算分页、有界最新结果、重复读取暂停 163项、63组UI 真实代码/检查通过,Git预览后循环;人工核对收尾,不算全自主
1.6 独立Git工作区、身份/创建unknown、保留已有修改及审查收尾 192项独立源码、72组UI 工作区执行链路通过,原真实模型仍无提案;自动合并/归档未交付
1.6.1 原结果可核对的Task工作依据与预算观察 200项独立源码、74组UI 界面和观察通过,真实工作依据仍被挤出;下一补丁修复
1.6.2 工作依据优先保留、旧发送视图兼容和原工件分页 205项独立源码、74组UI 原依据保留已修;真实模型仍重复查询且无提案,原失败未改写
1.7 最新工具反馈/无进展暂停、Python结构化检查、React工程验证 224项独立源码、87组UI 受控React/Python执行样本通过;原真实模型no_progress失败保留
1.8 固定REA 6.8.0 stdio与ASAR/PE三项静态操作、所属原Evidence 244项独立源码、98组UI、真实REA三操作 真实Node四模块工程Task的14项检查/build/Git通过;REA其他工具与引擎执行未交付
1.9 固定DeepSeek Harness 0.2.1-rc.2 SDK连接、所属进程/原协议/停止 261项独立源码、108组UI、六方法连接核验 真实React/Python样本通过;尚未向引擎发送prompt/开放工程写入,Purge未做收益对照
1.10/1.10.1 封存静态构建与真实Edge交互/PNG;热升级旧工件对象API修复 274/276项独立源码、118组UI 实模桌面8/8,390px选择器匹配三个按钮而失败;整体真实页面任务未完成
1.11 Task不可变依赖计划、所选范围真实证明、唯一DOM定位/字段读取 298项独立源码、126组UI 源码/便携/正式部署通过;真实模型续接按用户选择暂缓
1.12 模型中心/池、已验证格式导入与可关闭同步、巡检、来源记忆、检查点、Skills、stdio MCP 357项独立源码、150组UI、部署后8个页面 正式部署通过;实模工程暂缓;WorkBuddy未知格式、加密凭据、跨协议/流式/多模态待做
1.12.1 五类确认的路径、配置事务、升级/活动、HTTP与执行环境边界修复 371项独立源码、150组UI、8组旧进程/页面策略对照及部署后8页;原首候选368/369失败保留 最终不可变包及正式Provider/模型中心/全部历史保持通过;本轮真实模型0请求

总计划实现情况

计划 本轮核对后的状态 下一实际门槛
M0工程基线 已建立本地Git、原发行、来源/能力矩阵和研究规范 后续独立实现通过相关检查后及时本地提交
M1可靠内核 Task/Run、SQLite、审批/预算、原工件与恢复已交付;本轮补持久化/升级/凭据传递边界 保持未知副作用核对、失败回滚和原进程升级回归
M2真实工程闭环 代码、检查、浏览器、Git和报告已接通;部分真实样本成功、部分失败 固定Node/React/Python各两个任务,独立验收并统计人工介入/完成率,不能用测试数量代替
M3研究与引擎 REA三项与DeepSeek连接已交付;受控引擎工程执行和Purge收益未完成 固定实际写入/取消/审批协议,隔离工程与同题对照
M4长任务/多worker 记忆、上下文工件、检查点和独立worktree已交付;worker调度/成果合并未完成 两个受限worker及真实冲突/停止/恢复验收
M5桌面/手机 Web界面及390px布局已验证;安装版与真实设备配对未实现 单实例后台宿主、保留数据更新、可撤销配对和断线补发
M6专业交付 不可变包、输入/构建/日志散列、独立源码/便携验证已有 加密凭据/隔离、真实任务质量指标、候选回滚及隔离自我迭代

本轮确定问题与修复

编号 问题与复现 修复范围 当前验收
A01 项目内junction指向.git或credentials可绕过词法保护,创建预检也允许;受保护文件硬链接为AGENTS.md可被普通读取及自动规则加载 safePath同时核对真实目标/父目录、凭据目录和Windows尾点/空格别名;常规文件要求单一路径,清单跳过多硬链接;普通项目内链接及独立副本可用 原junction/硬链接复现均保留;新增读取/提案/清单/自动规则与旧提案兼容29/29,已纳入最终371项回归
A02 SQLite保存失败后模型注册内存状态与已提交数据库不一致;选择/运行模式及批量导入可能部分生效 保存失败恢复已提交注册;模式与选择同事务;整批连接/来源/凭据引用回滚;成功提交后才替换原Key 原复现保持,10项模型中心及实际配置HTTP故障检查通过,已纳入最终371项回归
A03 热升级保留已初始化ModelHub/Importer对象却不更新方法;模型探针未参与活动门控 保留对象/凭据/预览并更新原型,失败恢复旧原型;在途请求/队列/租约阻止配置变更与升级 原对象/失败回滚和探针专项通过;实际旧1.12初始化对象升级及原凭据/预览保持通过
A04 本地审批页面可被外部页面嵌入,缺少同源脚本/连接策略 禁止frame嵌入、仅同源脚本/API、禁止object/base、no-referrer;已有动态布局保留内联style HTTP与实际Edge旧/新iframe对照、外部脚本拒绝、1280/390正常页面及PNG Blob通过;完整UI150组通过
A05 PowerShell、npm及Python检查继承未知宿主凭据环境变量 统一仅传系统/运行路径和内核显式字段,保留Python检查隔离设置 三条实际执行链路原标记复现及新增shell/npm/Python实际检查通过,Node/Python相关回归通过

初始复现与失败记录都在独立.qa/milestone-*目录;不涉及用户项目、真实Key或模型请求。目录和报告将在最终身份清单中逐项绑定。

修复优先级与代码位置

优先级按本工作台实际作用范围判断,不把本机审批等同于OS隔离。下表影响由自有夹具、原对象复验及独立源码回归支持,最终便携和正式部署均已通过。

编号 优先级与实际影响 修复位置
A01 高:带内部junction或硬链接的工程可让受保护文件进入读取或自动规则,扩大模型可见范围 files.mjs第26、52、56行;边界验证
A05 高:工程命令和检查代码能获得未知宿主凭据环境变量 process-environment.mjs第5行;三条实际执行链路分别核验
A02 中:保存失败仍改变运行状态或部分导入,后续选择与界面可能对应不同连接 model-hub.mjs、config-import.mjs、store.mjs第323行
A03 中:补丁加载后仍使用旧对象方法,在途探针与配置变更/升级可能冲突 hot-upgrade.mjs第18行;provider.mjs第122行
A04 中:外部页面可嵌入带审批按钮的工作台,使用户在外部页面触发本地操作 app.mjs第74行;实际Edge嵌入及外部脚本对照

审查覆盖与结论边界

  • HTTP:实际本地Host/Origin/token、JSON限制、事件游标/慢客户端、只读与副作用路由;新增防嵌入和同源策略。当前本机token不等同于OS沙箱或远程设备权限。
  • 文件/Git:词法与实际路径、受保护目录、提案原字节、ChangeSet预检/恢复、私有Git索引/所属提交、工作区HEAD/身份与unknown。保留已有用户修改;外部并发替换链接的完整OS隔离仍属后续能力。
  • 执行:Task/Run/审批归属、稳定工具身份、请求预算、检查计划/测试数量与原日志、进程取消和未知结果;补齐宿主环境隔离。当前审批命令仍使用宿主账户权限。
  • 计划/上下文/恢复:有界原请求、最新工具反馈、来源记忆、Skills目录/原修订、检查点及证明原工件;来源/要求/源码改变导致失效,不重写历史发送证据。
  • 模型:配置事务、选择/Run固定快照、队列/租约/冷却、401/429、停止、原请求账本与导入预览指纹。Key目前仅在内存,实际多协议/真实模型工程另验。
  • REA/MCP/引擎/浏览器:固定身份与协议、所属进程、受控范围、原报告/PNG/退出、unknown核对和不重放。连接核验、静态构建和夹具不宣称为任意引擎/桌面操作。
  • 依赖:2026-10-30 npm audit的153项依赖元数据中0已知漏洞;原JSON与SHA256单独保存。此结果不证明不存在未知漏洞;REA等随包依赖另按锁/清单和实际运行验证。

本轮审查已闭环,修复、独立源码、实际UI、不可变包及保留状态正式部署证据见QA-1.12.1与发行身份。后续新能力按NEXT-STEPS执行,真实模型工程验收继续暂缓;未完成能力保留在总计划和能力矩阵中。

1.16手机伴随端节点复核

A/B的独立TLS/配对/权限、C的任务与设备界面、D的原审批/停止、E的原seq恢复/撤销和F的真实手机/独立发行/保留数据升级均已核对。复用各历史里程碑的原证据,并执行新完整独立源码和全部历史界面;原失败保持,不把夹具或模型文字当成真实推理收益。

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。来源及具体修复见QA-1.16与切片回顾,后续1.17方案尚未开始产品实现。