Files
Agent-Workbench/docs/QA-M4-LIVE-BASELINE.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

6.1 KiB
Raw Permalink Blame History

M4 新真实兼容与自主工程基线:最终验收与回顾

2026-11-11 发起,2026-11-12 收尾。本批使用已正式交付的 1.25.13/PID 63892,三条用户恢复的连接、新会话和独立原工程;四十次真实模型请求、629106 报告 tokens、0 unknown。新的 Node、React、Python 均实际交付成功;Claude 代理身份未通过,不能宣称全球厂商或所有模型能力已验证。

机器记录:m4-final-2026-11-11.json;封存回执:m4-live-seal-2026-11-11.json。程序源码未变,没有重新发行、安装或重启。

验收与封存提交 e132601b 连同此前六条已普通增量推送至既有 GitAtlas 分支,远端和重新 fetch 逐 SHA 一致,见推送回执。本回执和完成接续另提交、再核最终远端 HEAD;.qa 原件保持本地封存。

真实结果

新样本 请求/报告 tokens 原独立验收 实际 Git/报告
三线文本/工具预检 6/1227 六完整 SSE、reported usage;DeepSeek 官方 Chat 和 GPT Responses 代理 matched;Claude 两 mismatch 工具仅观察,0 执行
Node 10/180463 原 9/9 测试、build,owner 字节及全部原 index 3cd994ff,仅三源码;内置 delivery completed、最终 Task completed
React 14/271333 原 9/9、typecheck、build、实际 Edge 桌面/390px 六交互、两 PNG 实看 c55644a3,仅四源码;终端来源 verified,最终 verified_committed
Python 10/176083 原 10/10 pytest、compileall,现成 3.10.11/pytest 8.4.2 fa2ce16a,仅三源码;终端来源 verified,最终 verified_committed

三工程全部保留原测试、配置、owner 字节与暂存/未暂存/未跟踪状态,提交字节等于当前文件。无实现答案、人工批准或监督继续。React/Python 没有内置 delivery_job,实际终端来源与进程归属 unproven 按原证据保留;不补造作业。早晚报告分别封存,不覆盖 in_progress 快照或旧 AD。

Claude 代理请求 claude-opus-5-5,却两次自报 gpt-6.1-sol,完整目录也未列选定型号。实际 Messages 已发送官方必填 max_tokens=128000,旧 missing-field 错误本轮未复现;身份失败和原响应仍保持。Chat/Responses 所有实际请求没有主动输出上限。没有自动重试、换线续跑失败、修改连接身份策略或补写上游型号。型号字段匹配也不认证模型权重。

详细阶段记录:兼容与 Node、React、Python。前置隔离驱动的 11 边界、固定 Node 工程及全部首失败单列,不作为真实模型能力。

读取、缓存与边界

三工程 read_file 分别 7/13/6 次,同 SHA/同范围重复均 0;改后版本回读作为新事实。上游报告 cacheRead 合计 440960、uncached 164142、reasoning 12222;cacheWrite 三十四工程请求全部 unknown,不能写成 0 或增加实际计费。每请求的原 usage、字段来源、完整 wire、工具 schema/前缀和原响应均可核对。

这些是本批观察,未证明长期稳定、所有推理强度/媒体、缓存因果收益或普遍重复读改善。真实官方 OpenAI/Claude 直连未以本批代理代签。R/W v2 真机剔除边界和旧预算结论保持;默认 unrestricted/passthrough/full、完整历史与产品额度 0 不回退。

最终原状态与封存

最终审计 audits/final-bfadc758-619b-4288-b516-95e461da314d 通过:原 53527 行/全部字段及 schema、102 项目、127 原导出、377 原请求、5244 原工件保持;本批九份完成捕获导出也 exact。configRevision 124→130、registry 176→182、前插 +6、三已知网络诊断和两序列按明确增量复算原 SHA,其他原字段 exact。

新增为本批六项目/九会话/四十请求,另一个外部“你好”新会话/一请求 4301 报告 tokens,独立逐行/七工件核对,不计入 M4;合计新增 2090 事件及 outbox、533 records、41 model_attempts、332 工件。原 PID/instance、六连接/池/原选择恢复、空闲及 9229 关闭通过,凭据行只比 SHA,未读、复制、解密或重存 Key。

原件根 .qa/m4-live-baseline-2026-11-11/ 已封存 541 份、134884464 字节,MANIFEST SHA256 558c9b548559798279d7f8e61deb3b7344920753a53dbf4e84eec374c6f3a3df,逐成员 bytes/SHA 核对通过。包括无凭据观察、所有原请求/响应/usage、两次审计失败与全部后续结果、三工程/Git、两原 PNG、机器记录、十三份最终驱动原字节及未采用的附加观察。可按原锁重建的 node_modules 不入清单;原 package-lock 和 npm-ci 日志已封存。原旧根与失败不覆盖,M4 根不再追加;原件不进 Git。

来源同步与下一阶段

当前阶段边界收到的 NRO 来源另根只读登记,见协调记录:可选 provider_request_id、HTTP 不完整保留 unknown/原身份原键 GET、不重 POST;四验收/230 清单 SHA/源方 27 独立回执保持范围。AD 与人类另选 AG Task 分列,没有补包、重派、来源运行或回信。它不改变本批四十请求或 Mnemo 生产/语义资格。

本批已得到可用官方 DeepSeek 的新三工程成功基线,结束本轮执行与证据收尾。普通 GitAtlas 增量推送按既有授权完成后,下一 M8 先另冻原版 Purge 的插件/宿主/输入/身份和 AB-off→AB-on→BA-on→BA-off,先隔离验证驱动、再真实新例;不续旧 AG 或拿这次内置 Harness 成功代签原版收益。Purge、缓存/经验/角色因果、真实 Mnemo 生产绑定/语义、长期、物理 iPhone 和全球原生/媒体/电脑操作仍按各自计划推进。

封存后人类报告 Claude 代理 Key 此前写错并已更正。本报告和原状态核对属于封存时点,不用于回退该配置修改;原因未独立证明。修后目录与原文本/工具两项另冻公开修订、新 Task/Run/请求键及至多两请求,不执行工具,不重跑已成功的三工程或 Purge。新结果单列,原两次型号不符、目录缺项、四十请求统计和 541 成员清单均不改签。