Files
Agent-Workbench/docs/QA-1.20.3.md
2026-11-01 23:00:50 +08:00

7.6 KiB
Raw Permalink Blame History

1.20.3 模型原生参数与错误保留验收

本文件随实施更新;正式部署状态以最终发行身份及下方部署记录为准,不根据浏览器release参数判断运行版本。用户授权实现MODEL-FIDELITY-PLAN并本地上线,基线02cefd0,分支fix/model-fidelity-1.20.3。

实现范围

  • Task所属HTTP错误保存前64KiB,界面预览前8000字符;保留code/type/message/param、允许诊断响应头、上游请求/响应ID、原Retry-After与实际模型/接口/物理尝试ID。原文脱敏,截断/中断范围、保存工件及SHA可查,不把中文说明称为原文。
  • SSE错误保留原失败事件及原流,区分上游失败、本地等待截止和协议拒绝;HTTP 200是事件流的传输状态,不代表响应任务成功。保留已报告用量,未完整工具不执行,失败片段不自动重发或切池。
  • 已知额度/消费限制不在同线路重复请求,模型池可按现有规则选其它独立可用成员。429未给明确code时原因保持未确定;Retry-After不截成90秒,预算不足或无效等待头不提前重试。
  • 每个连接(含原连接)有原生参数入口,保存保留当前路由和内存凭据,新Run/实际请求封存参数;旧Run和原失败不回写。Chat输出字段可选max_tokens/max_completion_tokens,Responses沿用max_output_tokens。预算仍由宿主控制。
  • 模型中心的显式检测没有工程Task/Run时仅保留有界诊断预览,并显示原错误;不把检测记录冒充工程工件。真实上游和任意品牌全能力未在本轮验证。
协议 此版实际发送的可选原生字段 未接入范围
Chat Completions temperature、top_p、seed、parallel_tool_calls、reasoning_effort、verbosity;可选择输出上限字段 任意额外参数、音视频输出、服务端内置工具
Responses temperature、top_p、parallel_tool_calls、reasoning.effort、text.verbosity;原reasoning.encrypted_content继续项保持 任意额外参数、音视频输出、服务端内置工具和额外缓存选项

字段接入代表已核对实际线上的请求构造,不代表所有同协议模型都接受该参数。具体拒绝信息按原上游错误展示,未接入字段在保存/发送前明确拒绝。

已完成的阶段验证

实施中既有诊断/模型池/SSE相关45项通过,错误/原生参数/预算/协议50项通过。首次新增15项14通过、1失败来自测试夹具HTTP status与Responses status混用,修正后的整组已包含在50项中;原失败保留。

TypeScript、Vite、手机静态壳及服务端构建通过。Edge两视口六组流程/十截图通过:原生参数保存与刷新、未知字段拒绝、实际HTTP错误及原文SHA下载、请求账本、Responses失败事件/用量/零工具执行,以及显式检测诊断预览。全部请求仅发送到自有本机HTTP/SSE,不使用真实模型或用户工程。

截图实际回看后修正SSE错误的上游/本地措辞及实际模型/接口合并;新增API错误详情、转义凭据脱敏及原连接检测参数映射。最终冻结源码验证、随包、旧版到新版升级与正式部署待下方补充,不能以中间结果代替。

补强后相关八文件103项通过;HTTP错误读取分支另外补齐已报告用量,随后最终17项新增专项整轮通过。原生参数、上游/本地来源、失败HTTP/SSE用量、JSON转义凭据、旧数据重开和原连接检测均已核对。更广的源码轮仍执行中;本次103项开始于最后用量补强前,最终17项覆盖该补强,不合并冒充同一冻结源码整轮。

正式部署

首个候选20261101140547938已通过362份Git输入、22份编译产物和完整发行身份核对,实际随包六组/十截图通过;独立1.20.2升级时被升级脚本的旧支持版本清单拒绝,尚未打开调试器或改变正式服务。已补齐1.20.2及当前1.20.3来源兼容,原两项真实进程升级测试通过,服务端/安装器重新构建。首候选及原失败保留,新不可变候选另行生成与验收,不能沿用首候选的身份。

1.20.3已完成模型原生参数与错误保留的本地部署:HTTP/SSE上游原文、code/type/请求ID、原Retry-After、真实用量与来源可核对;现有Chat/Responses原生参数逐字段发送。最终17项专项、相关103项、串行升级2项/安装10项/Python13项分别通过;源码与最终随包各六组/十截图、实际旧版升级和正式Edge/Electron两视口通过。原PID36552/Provider、原连接/31个原会话及原执行记录/导出/工件保持;激活校验期间新增1会话、16记录、57事件、9工件及2次用户模型请求,已严格核对所属和全部原字节,完整当前17项目/32全部会话/3239记录/6229事件和1780个工件文件再次比较一致,9229关闭。本轮验收发起真实模型请求0,用户自行执行的2次另记。广泛源码原轮646/649,三项验收环境失败与独立复验均保留,不宣称最终冻结源码完整整轮通过。

最终实现来源为4bf4f7a8b271264420b7450c08a305529570d0dd,不可变候选为Agent-Workbench-1.20.3-win-x64-20261101141644779。362份Git输入/22份编译产物、完整portable清单和source/zip/Setup身份已核对。实际随包六组/十截图通过,独立已安装1.20.2宿主升级到最终包后原PID/所属凭据/池及每表/导出/工件保持。正式Setup暂存、一次保留Provider切换通过,产品指针已激活;外层原基线比较因新增用户活动被拒绝,保留原拒绝后只读核对激活收据和新增所属,最新稳定基线整表/全导出/工件/模型中心精确比较通过;四阶段分别875/9/730/11秒,是阶段墙钟耗时,不是单纯切换或模型推理耗时。

正式Edge与实际安装的可见Electron各桌面/390px,共4个视图/8张截图。指定原会话保持部署基线中的完成状态,原生参数入口按实际连接显示,保存按钮可达;没有提交配置、重试原任务或调用模型,界面无页面错误/被阻写请求。完整历史错误不补写新字段。

广泛源码轮649项646通过、3失败:两项Python因未设独立QA解释器缺pytest,另一项旧宿主升级因并行测试占用9229而被正确拒绝。随后既有独立Python/pytest8.4.2下13/13和升级串行2/2通过;安装10/10及最终专项17/17另列。该广泛轮开始于最后HTTP用量及升级兼容修复前,各次来源和原失败不合并伪装为最终冻结整轮。

原件与SHA见证据清单、发行身份及回顾。SQLite备份、完整正式快照和用户原导出仅保留在忽略的本机QA目录。现有供应商实际接受参数、真实模型推理及新一轮实机手机验收未执行。

激活期间用户自行创建会话90d02c6d并完成2次模型请求。原31会话、原执行记录、原导出和原工件逐项保持;新增16记录/57事件/9工件均归属于同一新Task/Run,原68个请求保持且只追加2个,唯一使用连接的健康时间随原响应前进。原激活外层拒绝仍保留,未重新安装/激活;以产品原激活收据、严格追加来源证明、最新备份与稳定基线继续只读验收。验收器没有主动调用真实模型,不把用户运行算为本轮合成测试或全面真实推理验收。

正式UI第一轮错误沿用原会话failed假设,但该会话在部署基线已completed;第二轮窄屏命中隐藏侧栏。只修正验收状态和标题定位,原失败与桌面截图保持;第三轮4视图/8截图及全当前状态精确比较通过。