6.2 KiB
单轮进展观察 B:开发切片回顾
本阶段在现有 Runtime、Task/Run、工具原结果和交付报告中增加单轮外显事实观察,已完成开发与实际入口验证。它只记录 shadow,不修改停止、权限、预算、模型提示或私有思考处理。尚未独立发行、实际安装或正式升级,正式服务仍为 1.24.8;A 与 B 的开发验证不能写成 1.25 已交付。研究时冻结的 Tianshu 采用计划及 A 原证据保持原字节。
每个 Run 先记录已有事实基线,再按原工具实际返回的文件 SHA、原范围内 UTF-16 字符覆盖、实际应用文件、原检查结果、要求证明、用户消息实例、失败和所属等待分类。分页取得新字符和新 SHA 是新依据,同 SHA 已覆盖范围只标为重复候选;模型改写总结不增加工程成果。只读研究取得原文件依据也是有效工作,最终总结轮显示未见新外显事实不代表研究无效,也不触发催促或停止。
记录分为 baseline、waiting、evidence_growth、new_failure_evidence、user_boundary、repeated_failure_candidate、repeated_read_candidate、no_observed_change 和 unknown_bounded。错误保留参数无效、权限/审批拒绝、工具或环境、结果待核对,以及原模型诊断的网络、上游服务、鉴权、限流与额度类别。新失败和读取增长可在同轮同时记录,不用一个总分掩盖原因。HTTP 502 夹具仍由原 Provider 重试三次并保存原响应与 unknown 消费;shadow 记录其所属模型轮的失败,不新增请求,也不把它改成 no_progress。
容量明确有界:32 个来源版本、每来源 24 个区间、96 个事实签名、48 个失败签名、40 条观察、每条 64 个工具引用。原范围按原工具坐标比较,不把不同起始行或不同文件版本合并。达到容量后保留未知,不把没记住的范围判为重复;较早观察收据仍留在原工件。每个 Run 有自己的基线和范围,不跨项目、Task 或 Run 累加。
观察从已持久化工具结果工件读取原字节,核对项目/会话/Task/Run/Step,并保留原调用、参数 SHA 和结果 SHA。原模型失败另绑定原诊断事件及可用的 HTTP/SSE 响应工件。不可变观察收据与 Run 摘要、原工具和原失败在报告中重新对账,来源改变就显示待核对;这些核对不是交付通过条件。观察写入失败只留下缺口说明,不能打断原工具或消费预算;后续成功记录保持摘要和收据一一对应。
等待审批和所属检查作业启动时记录中间等待,结算时只消费一次同轮已完成工具。实际检查启动只加只读观察接点,执行、取消、审批和原日志路径保持。审查交接也作为等待;观察字段不进入请求上下文,不增加提示。当前接点是本地 Runtime 的模型循环,外部引擎内部每一轮、所有第三方工具的语义和自动干预阈值未独立验证。
界面整合在原任务侧栏的运行记录,展开“单轮观察 · 仅记录”可查看增长、候选重复、等待和失败类别,并打开原收据。历史 Run 保留独立观察;刷新仍是原 Task/Run。390px 的收据按钮至少 44px 高,内容可换行;没有新增手机写入权限或新的执行控制台。DeliveryReporter 的 JSON/Markdown 使用同份观察和原收据核对结果,部分观察未保存会明确说明。
验证与回顾:
- 首专项 11 项中 9 通过、2 失败,保留原日志。两处均为夹具误用:不存在的 approve 应为实际 decide;普通 HTTP 失败的原 stopReason 是 null,诊断保留在 lastFailure。修正测试,没有为它们修改原停止行为。界面轮号按从 1 起始的原 Step 修正。
- 补强后专项 12/12;相关八文件 68/68,覆盖要求证据、读取/工作记忆、无进展和原执行路径。补实际长检查接点及参数来源绑定后的最终四文件 31/31,其中 B 专项 15 项。实际应用文件、计数检查与当前要求证明覆盖了已有事实基线后的增长。
- 最终编译宿主的实际 Edge 九组、实际 Electron 九组通过:原三轮分页/重复页、原收据、刷新、390px、审批等待/拒绝、历史 Run、报告及原 502。TypeScript 与完整构建通过。最终桌面、窄屏、审批拒绝和 502 截图已目视检查,沿用原工作台字体、颜色与任务结构。它们是本机协议夹具,不是模型自主交付评测。
- 代码复核发现并修正了等待记录提前消费同轮读取、收据写失败使摘要与收据错位,以及长检查启动缺少观察接点。对应实际运行、故障注入、重开、容量、跨域及来源篡改检查通过。固定案例的人工分类复核见封存的 case-review.json;未从小样本计算总体准确率或收益。
真实模型请求为 0。正式服务只读健康检查仍为 1.24.8/PID 36552;本阶段未操作正式配置、Provider 或 Key,也未重启服务、委派或推送。V 网络诊断 partial、T/R/P/O 原失败、重复读取和真实自主工程交付未通过的事实保留;Purge 收益仍未验证,不续跑旧样本。
后续先完成 A/B 的独立源码、不可变发行、实际安装和保留状态正式升级及体验验收,再按计划推进工具 surface/前缀观测。自动草案提取、完整范围约定与诊断闭环仍继续排期。真实模型与 Purge 另冻新样本和预算;不能把此处 shadow 记录或本机夹具通过当成干预有效、网络修复或自主交付收益。
证据见 turn-progress-b-evidence/,270 份/7,729,650 字节,含 13 项当前源码对照、原首失败、六轮入口验证及最终原工件。首封 265 份清单与原源码保留在 first-seal/manifest.json 和 source/;回顾后只将部分观察缺失的提示移到 Markdown 表格之前,修正稿、直接格式验证与再次构建另存。最终离线复核两组实际入口的 10 份快照、32 条观察、14 次原工具结果引用和 50 份原工件通过,不重放执行。
node scripts/verify-turn-progress-evidence.mjs docs/turn-progress-b-evidence 离线核对原字节、实际输入/结果来源、覆盖增量和固定分类,不重放工具、检查或模型;加 --index --source-ref <本切片提交> 可核对索引与 Git 源码。