Files
Agent-Workbench/docs/QA-RELIABILITY-1.25.2.md

6.3 KiB

1.25.2 可靠性修复与独立发行验收

1.25.2已完成本地发行、真实隔离安装及保留正式PID36552/instance/Provider的升级。产品来源为d510cb7049aea9ca61ddc4cf2c2e21dfc0153f1d,候选Agent-Workbench-1.25.2-win-x64-20261104134035379;验收文档补交不是新的产品来源。真实自主交付仍由另冻X判定,本页发行验收真实模型请求0。

已修复及证据边界

  • 预留v3把回执历史与原Task账本顺序绑定,重排/重复/跨Task拒绝;输入异常排除不丢弃已报告输出最大值。v1/v2历史核验保留,原R的29623和v2重算15285不改写。专项13/13及关联24/24通过,不能据此宣称真实异常边界收益。
  • 安装全扫描后再次逐普通文件检查路径、类型和硬链接,拒绝两阶段间新加入的外部别名。安装12/12;10971文件ABBA原校验8450/8150ms、新11083/9961ms,身份一致。新增约2–3秒安全复核成本,未恢复逐文件重复祖先遍历。
  • 升级兼容补齐1.25.1及当前版本守卫,未知版本仍拒绝;首11/13失败与原3/3复验保留。明确“不运行工程检查”按禁止约定处理,原误判及修复后的联合43/43保留。
  • 同轮有实际新字符时,尾部重复读取不再触发整轮无进展;全重复、无变化检查/提案及相同状态仍分别有界。shadow继续仅观察。纯文件/原工件批次按预算优先完成小来源,混合副作用动作不重排,16K/2048/1600及完整下一请求守卫不放宽;相关最终38/38。
  • 浏览器原结果分页补漏:原1.25.1也复现10/1419字符,不能归因浏览器依赖。v3纯read_browser_result增长预留修正后读全1419字符,最后实际输入12105≤12352,原浏览器4/4、读取9/9通过。两次假设构建缺配套输入的失败与旧分页原件分别保留。

W原六请求71044 tokens、0提案/0交付保持;末轮实际新增468字符,shadow为evidence_growth,仍有1171测试字符未读。因此“纯属模型、产品无缺陷”的旧归因不成立;修复是否足以让真实模型交付需X证据。

完整验证与首失败

最终完整源码测试898/899,1失败、0取消/跳过:API重启恢复用例在重启前等待首次awaiting_approval超过原8秒期限(api.test.mjs:101),尚未执行到重启。相同d510源码、原断言及原期限的独立精确补验1/1通过;采用“整轮898/899+同源单项1/1”闭环,不宣称整轮全绿。原严格899/899控制器拒绝记录、失败日志和完整复核full-suite-review.json全部保留,未改产品或测试期限;并发打包背景存在,但唯一超时根因及高负载稳定性仍未知。已补独立Python3.10.11+pytest8.4.2及Playwright Chromium1248,环境依赖不再豁免。

首完整898/899的浏览器分页失败、第二完整898/899的真实TLS短期限调度竞争均保留。TLS测试已改为等待真实ClientHello后才推进mock时钟,原80ms边界、取消和套接字关闭断言保持,最终整轮该项通过。首次最终构建误用npm子进程的全局Node16失败保留,明确Node24 PATH后完整TypeScript/Vite/mobile/server/desktop构建通过。最终候选相对前一候选仅该TLS测试冻结输入变化,22份产品编译字节全部相同。

源码实际预算诊断10组、更新状态7组、基础文件9组,要求/观察/草案/闭环八套50组通过。基础文件首次7/9的刷新iframe脱离被保留;只为只读隔离检查有界重新获取,未重放写入或降低桥接隔离断言,完整复验9/9。

不可变源码ZIP离线安装和实际构建622份输入(617已提交输入+5份既有示例生成文件),22/22编译逐字节相同;三归档CRC、清单、原目录通过。便携八套50组、文件/HTML9、结果16、预算诊断10组通过。原生390草案和网页1440诊断原图实际回看。

前一候选的两次便携受控Harness夹具15秒内未产生就绪信号,初始化/模型/工具均未发出,所属进程树已退出;第二次实际就绪在spawn后约16.36秒。原失败报告、日志和迟到ready保留。PATH与完整目录布局探针约1.1秒,真实编译宿主两种输出方式的四次native启动约0.6秒,完整测试结束后同旧候选的便携验收也通过原15秒门槛;本最终候选全部主要验收串行执行并通过。并发背景关联不等于唯一根因或高负载稳定性证明。实际隔离Windows安装12组和安装副本十套75组全部通过,包括窗口/请求/审批拒绝、清单故障和指针发布后回退、原PID/instance/DPAPI密文和全部数据保留、原生入口、重启凭据恢复、卸载留存。隔离夹具使用自有Key和localhost响应,真实模型0。

正式唯一升级及原状态

实际安装器升级耗时289669ms;旧1.25.1为156369ms、1.25.0为774098ms,保留各自收据,不把本地扫描ABBA替代正式耗时。installer SHA256为259174ae5bdde32c765e8110381541f687f2ad75bd86f8df9be6d59cf5a49929。

升级前67项目/83会话/6477记录/13663事件及outbox,全部原表schema/每行、全部会话导出、3773原工件文件、公开模型中心与配置在升级后和网页/实际原生回看关窗后再次exact。原PID36552/instance/Provider沿用,hasKey=true,窗口0、9229关闭;Key未提取/复制/解密/重存。

网页1440/390与真实安装入口的原生窗口只读回看,旧Task仍无伪造要求验收或shadow记录。最终独立全对账通过后才封存。发行身份见identity,原件清单见manifest,离线及Git索引核对由verify执行。

阶段回顾与尚未验证

本轮修复均来自可重现反例,预算、权限、真实失败和旧算法证据保持。发行与夹具通过只能证明这些路径,不证明模型权重身份、真实自主工程交付、网络间歇唯一根因、真实异常排除收益或Purge收益。下一按LIVE-DELIVERY-X-PLAN执行一次新诊断/预检/Node;原W/V/T/R/P/O不续跑。Node真闭环后才React/Python及另冻原版Purge AB/BA;不循环更换提示、线路或预算筛选成功。

全部本地提交,不推送、不委派。Tianshu C–F及其它引擎/手机/语音按原独立前置,不并入本版完成声明。