Files
Agent-Workbench/findings.md
T
2026-10-30 00:52:44 +08:00

220 lines
40 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 汇总发现
## M1开发核对:2026-10-29
- 当前main=b047665且工作区干净。已读运行/Store/API/升级入口;开发仍使用Node24.22.1,计划采用内置node:sqlite减少额外依赖。
- Store/Runtime/API通过修改session后save形成现有契约;新内核先保留会话投影兼容,SQLite同时保存任务/运行/工具身份和追加事件,不能做JSON与数据库互为独立真相的双写。
- 现有热升级只替换对象原型;SQLite资源与新版Runtime状态须在受控升级中初始化。原provider对象保持原身份和内存连接,独立fixture先验证。
- 工具完成事件早于providerMessages结果保存,崩溃可能将实际已完成工具修成“未知”;新工具账本与结果恢复是本轮必要验收。
- 新内核已写入独立Task/Run/Step/Tool与工件、SQLite状态/事件事务、JSON原字节备份和恢复;Runtime接入入场登记、实际结果账本、冻结模型配置、累计usage/预算、明确审批归属。
- 首轮Store/Runtime12项检查11通过,唯一失败为旧测试扫描已不再生成的sessions JSON目录;已改为检查实际数据库/结果工件中的Key缺失。其余运行、拒绝/取消、UTF-8与恢复行为通过。
- 随后25项针对性与完整47项回归通过,真实进程退出覆盖迁移、状态/事件事务、目标接纳、队列、审批、进入执行、实际副作用、结果持久化和下一次模型请求;已完成副作用均未重放。
- 新增时间预算、损坏工件与HTTP事件补发后,20项专项全部通过。SQLite是权威状态;旧JSON作为原字节备份/显式回退导出,配置镜像不会覆盖已迁移数据库。
- 后端持久seq、Last-Event-ID、分页历史与工件归属已验证;前端任务记录、工程检查/交付样本和实际服务升级尚未实现。内核代码保存在开发分支,当前真实服务仍为1.0.0/PID23080。
## 后续能力研究与产品规划:2026-10-29
- 用户确认本项目独立研究编程代理核心能力,其他项目不纳入后续计划。
- 用户要求研究Codex、Claude Code、Cursor、DeepSeek Harness、WorkBuddy,通过REA取证及DSH-purge研究将有效机制内置工作台,并规划桌面/移动和本地Git。
- 当前源代码仍为6个固定工具、JSON会话、内存active/waiters、stream:false;真正的任务计划图、测试修复循环、Git/worktree、工程索引、长期记忆、REA/MCP执行尚待实现。
- 指定DSH目录的upstream/local元数据均为1.1.78、Apache-2.0、目标Harness 0.2.1-rc.2;DeepSeek-Harness-Desktop为独立集成源码(0.1.1,内含官方Harness源码0.2.1-rc.2、purge1.1.81)。本轮已核对元数据、SDK文档和锁文件声明,全快照身份/运行兼容仍待验证,功能未内置本产品。
- 本轮开始时本产品尚无Git仓库,全局Git作者未配置;已调整根目录构建忽略规则,保留tests/fixtures中的自有旧版工件,随后建立独立Git基线。
- 本地Git已建立,main基线bac87da,标签v1.0.0-baseline;167个源码/文档/自有fixture文件进入基线,依赖、QA、构建、发行包未进入仓库,全局作者配置保持原状。
- Codex与WorkBuddy已取得官方文档;Claude/Cursor已有版本固定的静态证据。DeepSeek本地Desktop声明基于官方Harness,sources.lock记录commit但本轮未逐字节验证快照。
- DSH-purge源码注册系统提示和agent/pre-step prepend hook,另含执行策略/程序补丁/重试。插件声明不能证明权重或工程成功率提升;包声明Apache-2.0,商业许可文件另有联系要求,保留声明并列分发条件待厘清。
- SDK协议README已直接核对:无单会话cancel/session-close、无有效协议协商、服务端当前不发送审批请求;事件归属与停止/恢复须由自有内核和版本适配承担。
- 续接时复核:本地Git在main、基线bac87da,产品源码未改;随后补齐能力矩阵、研究路线与来源登记,通过检查并保存规划提交。现有运行服务和模型连接未因规划重启。
- 本轮复算仅元数据文件SHA256:独立Purge两个package.json相同;Desktop的sources.lock与compatibility是已读取的声明,不代表整个vendor快照已与上游commit逐字节对应。
- 桌面采用Electron Windows优先、手机采用PWA伴随端;任务状态与执行宿主共享,移动端接入依赖未来配对网关和事件补发,当前响应式页面不等于远程移动产品。
- 产品方案和24项能力矩阵已写入:先可靠状态/事件与真实基准,再工程索引/patch/Git/测试修复,之后REA/引擎/Purge、长任务/worker、桌面/手机及专业交付质量。
- research/targets.json分别记录官方文档、既有静态工件、源码元数据/锁文件声明和待实测状态;Codex/WorkBuddy新发行工件、DeepSeek全快照身份和Purge收益仍属于后续研究。
## 产品组合
Claude Code 报告已验证工具输入校验、权限决定、队列并发屏障、受限 MCP 重试、压缩防护及会话链修复;Cursor 报告已验证能力契约、started/completed、取消/恢复、patch 和 worker 复用。产品采用稳定调用 ID、命令逐次确认、基线差异审核和重启不重放的独立实现。
## 产品实现检查
- 任务和模型上下文保存分离,API Key 不写 config/会话。默认固定离线演示仍调用真实本地工具。
- 重启文案需区分“进入执行阶段”与副作用已发生;started 标记不能证明命令实际执行。
- 原文备份使用 copyFile 保留 BOM 原字节;提案由用户应用后才写入项目。
- UI 快照/SSE、文件和目录请求需要版本及选择身份检查;窄屏隐藏检视区需要明确展开入口。
- 20 项自动化行为测试已全部通过。兼容模型服务用本地 HTTP fixture 验证,实际 bundle 崩溃后重启保留提案、暂停旧审批、继续时产生新审批。
- 统一研究报告将静态机制与 0.1.0 实现逐项对照;首版串行执行与提取式投影,不宣称原版并发、MCP 动态扩展或模型摘要已实现。
- 桌面截图已核对:浅色三栏、正文/状态对比度和层级可读,初始控制正常且无页面异常。文件清单的广度顺序不适合界面分组,客户端改为按文件夹递归展示;手动提案同步标记待审查。
- 浏览器快速操作复现新建/发送竞态,产生两个空会话且消息未发送;创建请求改为共享 promise,创建状态禁用按钮,Ctrl+Enter 路径复用同一请求。
- 修正后 10 组 UI 操作均通过,页面异常与请求失败为零。截图进一步发现长对话/切换宽度后页面可能上移,顶部与输入框未稳定留在视口;固定 grid 行/列和滚动容器并加入视口边界验收。
- 布局修正后再次完成 10 组 UI 验收。桌面差异与 390 px 长对话截图确认顶部、输入框始终位于视口,只有对话区滚动;页面无水平/垂直溢出。20 项服务端行为测试仍全部通过。
- Windows 便携包不依赖系统 Node/npm:验证器精简 PATH 后,工作台及审批后的 Node 命令仍成功,启动脚本重复运行复用同一服务 PID。许可证保留 74 份可用全文,第三方客户端二进制/提取源码不进入发行物。
- 用户配置的真实 gpt-6.1-sol 连接已通过:read_file 从随机合成数据取得值,propose_file 输出相应 token 和 42,提案审查/应用后落盘一致,完整任务约 12 秒。根服务地址可用,无需改写用户配置。
## 来源
- 本对话已有成果:../Claude-Code-REA/task_plan.md、findings.md、artifacts。
- 指定另一对话的已保存成果:../investigations/cursor-agent/task_plan.md、findings.md、progress.md。
- 2026-10-29 读取另一对话,最新状态 idle,上一研究回合 interrupted;没有仍在执行的产品变更。
## 已固定身份
- Claude Code 2.1.312,官方 npm Windows x64 分发。
- Cursor 3.16.29,commit 6246455961129c32969845e00aa25d87ae926ec0,product 日期 2026-08-18T01:26:26.285Z。
## 1.0.0 运行问题复现
- 用户截图:询问上次的 fetch failed,模型只搜索 starter-project 的 fetch 并给通用网络解释。系统未向模型说明该错误来自工作台模型请求。
- 会话 569c9457-d399-46e6-b53e-4b1fdbb02109 的 20 个调用/结果全部配对;实现哈希与4项提案测试通过的版本一致。失败不是提案损坏或上下文中的孤立 tool 消息。
- PowerShell 是 5.1.26100.9711;现有 runtime 的中文管道丢失已通过实际子进程复现。
- 模型连接失败不附带 request stage/cause/attempt;下一轮模型看不到可见系统错误,导致错误归因。
- 已在实际 Edge 页面核对用户截图;当前两个提案均已 applied、会话 completed,但历史模型仍称测试 pending 并要求用户再提供已有日志。需要提供最新执行状态并防止审核与模型运行竞态。
- 正式 4318 进程仍为 PID 23080,内存连接存在。0.1.0 源码基线备份在 .qa/baseline-0.1.0-20261029。
- 新版 1440 px 页面已观察:示例项目标识、运行诊断入口和 1.0.0 版本可见;保持原浅色三栏与固定输入区。
- 33 项行为测试全部通过;新版基础 10 组 UI 回归已完成前 9 组,模型设置流程进行中。
- 基础 10 组 UI 回归全部通过。专项前 6 组通过:实际 HTTP 503 错误卡片、诊断面板、保持工具结果的重试、inspect_session 回答、审核运行屏障和中文终端。
- 已查看新版错误与诊断截图:来源、HTTP 状态、请求次数、终端和当前项目清楚显示;诊断面板内容可滚动,关闭入口在视口内。
- 专项手机测试发现从桌面缩至 390 px 会保留打开的项目栏,遮住错误诊断按钮。修复进入手机断点时自动收起项目栏和检视抽屉。
- 已核对修复后的 390 px 错误卡与诊断截图:两项错误操作、顶部和输入框可见;诊断为可滚动单列,关闭入口可见。
- 专项前 7 组通过。返回桌面后项目栏保留折叠选择,测试 helper 误点隐藏的“新建任务”而超时;需通过真实“展开项目栏”按钮打开后继续,不改变产品的折叠行为。
- 停止模型退避时会话事件已 interrupted,但 Provider.lastRequest 可能残留 retrying;补充请求取消状态并在诊断中显示“已停止”。
- 停止状态的 API 断言已通过。专项需限定 .task-toolbar 的诊断按钮(入口处于任务工具栏,而非 .work-header),已按实际 DOM 修正定位。
- 最终基础浏览器 10/10 通过,页面异常与请求失败均为零。已核对桌面差异和中文命令确认截图:文件差异可滚动,审批显示完整脚本、shell、路径和确认入口,顶部/输入框保持在视口。
- 专项最终 9/9 通过,页面异常与请求失败均为零;桌面恢复截图和停止诊断已目视核对,模型请求显示“已停止 · 1 次”,会话“已暂停”,没有残留重试错误。
- 4318实际升级成功:PID23080、内存模型连接、2个项目和3个会话保留;1.0.0页面已打开。
- 真实gpt-6.1-sol在22秒内先inspect_session再只读核对用户点名的两个文件,正确说明模型请求历史错误、底层原因未知及两项applied。验证器过严地拒绝所有read_file,已修正为仅允许这两个相关文件,并保留首轮验证器失败记录。
- 真实模型最终22秒验收通过:inspect_session与点名文件只读核对完成、没有搜索/提案/命令;原19条可见消息前缀、两项applied状态和文件SHA256保留。
- 已目视核对实际1.0.0原会话页面:gpt-6.1-sol、示例标识、applied表格和准确错误说明正常呈现,标题/输入框保持可见。手机诊断单列、关闭入口与内部滚动正常。
- 原用户项目的完整4项测试已在本轮外部终端实际运行通过;助手仅从工作台历史谨慎说明没有该终端记录,这是符合证据边界的回答。
- 最终真实模型诊断页面已目视核对:当前凭据已配置、最近请求成功、会话已完成、2项已应用/0项待处理;旧错误明确保留历史来源和原因未记录的说明。
- 源码ZIP独立解压、离线npm ci、TypeScript/Vite/两份服务端构建、34项行为测试通过;旧版升级fixture可独立运行。便携128项文件的第二轮启动闭环通过,两个归档的CRC/清单/散列核对通过。
- 最终端口检查只有4318的PID23080;4319/4320/9229已关闭,现有模型连接保留。
## M1 继续开发核对
- 内核提交93f4d90已保存,仓库干净;4318仍是原PID23080,尚未部署SQLite内核。
- 前端只处理实时session快照,补发session_changed没有刷新其他会话;任务记录、预算、工件与实际检查尚未展示。
- 大型工件损坏后恢复账本标unknown,但可见工具事件需同时改为待核对;重复hash工件必须校验已有字节。
- 沿用DESIGN.md的三栏、海松/纸白和固定输入区,增加任务记录与检查入口;保留已有轨迹操作。
- 续接首个跟踪补丁使用不存在的占位上下文,未改文件;已按实际末行定位修正。
- 任务界面构建通过,15项内核专项通过;新增工件损坏时事件/账本一致性断言。恢复中已存在的provider工具结果也需校验工件,防止旧成功消息掩盖损坏。
- 工程检查采用确认后的项目npm脚本、独立plan/job身份、源文件与Git指纹、实际退出码/日志工件;只识别到退出0而未报告测试数时标未验证。
- 本切片执行Node/npm检查;其他语言可识别,专用检查器保留后续阶段。检查不改动Git暂存或用户已有文件。
- 工程集成补丁先遇到同文件重复操作和Provider能力表变量名不匹配,均未写入文件;已拆成已核对的单文件操作。Runtime/API/任务界面构建通过,正在真实子进程验证。
- 首轮检查+恢复30项中19通过、11失败。独立复现定位两点:测试宿主的NODE_TEST_CONTEXT影响npm子进程;忽略目录内的QA工程被错误归到上级Git,source list为空导致指纹不随源码变化。已隔离测试环境,Git仅采纳当前工程自己的仓库,否则按文件系统生成快照;保留复现于.qa/debug-check.mjs。
- 修复后的检查/内核/API/Runtime43项中42通过;剩余发现Node将空测试文件本身计为1项通过。补充显式测试用例证据要求,真实零测试用无测试文件的Node自动发现验证;空文件与未知日志都不标通过。
- 零测试fixture还意外命名了maybe-test.mjs,被Node自动发现。真实空工程npm run test已确认返回0;将日志生成辅助文件改为emit-summary.mjs,保证零测试与伪造摘要是各自独立输入。一次诊断单行脚本括号错误未执行,改用已保存的复现文件/实际npm输出核对。
- 完整15项检查专项通过;串行热升级发现第二个handler闭包缺少原server绑定。新handler显式持有服务器身份,兼容旧handler时仅按已核对PID/端口取回当前本地Server对象;新增server close监听释放SQLite owner,继续验证二次升级。
- 串行升级和SQLite停止owner释放已通过。任务UI首4组通过;目视发现390px日志弹窗被检视区滚动/长hash影响而横向偏移,改为body Portal并允许hash换行。Playwright setOffline未切断已有SSE,改用只连接独立QA服务的代理真实断流测试补发。
- 当前65/65完整测试、6/6任务UI通过。手机日志Portal后的标题、hash、全文与关闭/分页入口在视口,已目视确认;任务目标、实际模型、预算和工程检查层次清楚。
- 核心/检查提交2ea3485已保存。追加“继续检查与交付”显式操作,审核应用后保留原Task目标进入新Run;普通completed的resume仍拒绝。检查结果加入真实日志摘录及read_artifact工具,模型可读已保存日志而不重跑。
- 1.1.0便携增加随附npm;原进程执行路径仍是旧Node,热升级后的检查器优先使用新发行runtime中的npm CLI,保留原Node/模型对象。升级专项加入无npm的旧Node副本→新随附npm真实检查。
- 跨四模块Delivery Report基线/14项验收已封存到benchmarks/node-delivery-v1/baseline;模型仅允许修改四个src模块,验收文件/构建脚本与package保持hash,等待真实运行。
- 本轮修正继续操作的写入顺序:先校验模型配置,再在run.started事务内追加review-action指令;无效请求不新增Run或指令,双请求只接受一轮。界面按当前Task筛选已应用改动。
- 专项19项中18通过;新增API并发/重启行为已通过,收尾断言误读export的顶层providerMessages,实际格式为session.providerMessages。已修正测试读取位置,产品不需要改变导出格式。
- 首次完整68项回归66通过,两个Windows进程重启/升级fixture请求出现ECONNRESET;没有业务断言失败。单独复核这两个实际进程场景均通过,旧Node副本调用新随附npm与停止owner释放正常。准备在不并发浏览器工作负载下重跑完整回归,保留首次失败记录,不添加会重放POST的盲目重试。
- 基础UI10/10通过,页面异常与请求失败为零,覆盖1440/780/390px和模型配置恢复。真实四模块验收器已写入,只操作独立合成工程并核对封存脚本/保护hash/原Task与Git提交范围。
- 第二次完整回归67/68通过,旧版串行升级fixture在并发进程负载下再次ECONNRESET。升级控制请求改用Connection:close,避免调试暂停超过keep-alive时复用旧连接;增加具体请求阶段和底层code。没有重试迁移/写入,后续完整回归用于验证这项修改。
- README首个更新补丁因把完整长行截成前半句而未匹配,未写文件;改为完整行后应用成功。
- 新任务UI前6组通过,最后一组定位“继续检查与交付”超时。真实DOM与Task/Run核对确认按钮已显示,accessible name包含辅助说明,导致精确名称不匹配。为操作补充明确aria-label后重新构建并复验,保留界面截图与失败记录。
- 最终68/68行为与10/9/7组界面全部通过,证据已复制到docs/m1-*.json。持续浏览器补充观察的组合cell超时并重置kernel,功能验收仍以已完成的独立脚本和截图为准;后续浏览器操作拆成短cell。
- 1.1.0便携/源码ZIP初次验证通过,源码独立构建6份文件完全一致、68项回归通过;真实原进程升级0.7秒成功,历史消息/工具/提案hash、状态、revision和连接保留。
- 真实gpt-6.1-sol四模块样本通过:81秒、11次请求、143721个已报告tokens、1Task/2Run/1次审查,13失败→14通过,build与dist CLI正确。服务未提供价格配置,未换算金额;模型效果与固定行为测试分别记录。
- M2 Git交付需新增sourceFingerprint:当前检查fingerprint包含HEAD/status,提交仅改变Git元数据也会导致旧指纹不同。源文件一致性与提交前Git准入基线需分开验证;提交只包含当前Task已应用的路径,已有暂存/工作区修改应保持。
- Git提交副作用要持久job身份、未知结果核对和不重放;新core kind在原进程热升级时也要补齐Map,不能因ensureStorage已初始化直接跳过。
- 新示例dist是构建产物,按具体路径加入ignore。首次补丁误用不存在的starter-project/node_modules行未写文件,已按实际/dist/锚点修正。
## M2持续实现
- 已核对main的3781591,恢复时工作区干净。1.1.0最终包验证结束,继续内置Git/交付报告切片;保留4318原进程和内存连接。
- sourceFingerprint只绑定有界源码和工程声明;既有fingerprint继续绑定Git基线用于执行计划准入。检查完成后的有效性改用源指纹,提交本身不会让未变化源码的测试过期。
- 提交采用独立树/索引准备与Git原子引用事务,提交计划明确展示署名、说明、路径、diff、检查与本地提交策略。仓库hooks/签名不在此切片执行;不使用git add .,不接收任意路径或远端操作。
- 严格拒绝选中文件已有用户修改、暂存修改、链接/子模块/自定义内容过滤器和过期基线。其余工作区与索引条目保留。持久job记录准备/发布/完成阶段;引用结果未知时只能核对,不能重放。
- 首个接续补丁包含空progress.md更新块,整个补丁未应用;删去空块后重新应用。
- Git2.54引用事务探针要求symref-verify在no-deref模式运行;首轮事务被Git拒绝且未更新HEAD。补充option no-deref,并按明确的refs/heads引用更新后复验。
- 后两次探针证实HEAD symref-verify和当前分支更新在同一Git事务被判重复引用,均没有提交。改用明确命名分支、持有HEAD.lock和index.lock,再由Git事务比较更新该分支;此切片拒绝detached HEAD,不用无法证明的引用协议。
- 自持HEAD.lock也会阻止Git为当前分支加锁,探针未写引用。最终改为Git update-ref --stdin分阶段prepare/commit:由Git锁定HEAD及其分支,在prepare后核对实际symbolic HEAD,再决定commit或abort;无需自己改HEAD文件。
- 最终分阶段引用事务探针通过。实际Git交付首3项检查通过,包含真实3失败→3通过、新文件/修改文件、无关staged+unstaged+untracked内容保留和Git元数据变化不使源码检查过期。
- 工程检查专项18/18通过;Task/Run/Git互斥、热Store补Map和报告JSON/Markdown已接入。界面沿用DESIGN.md海松/纸白及固定三栏,新增实际交付步骤、只读确认、差异和报告入口,构建通过。
- 首轮Git/恢复22项中20通过,9个实际退出切点全部通过。一个测试的注入器在“核对”时再次修改源码导致预期恢复失败,改为只注入一次;API报告检查发现需处理完成与报告生成之间的时序,正在补充统一完成状态。
- API首轮404实际是job先显示completed而reportArtifactId还未保存,调用方读到undefined路径。新增持久reporting阶段,普通完成与报告工件同次保存;进程在报告阶段退出时保留已核对Git结果并明确报告可补生成。核对/报告操作也纳入项目互斥和停止等待。
- 助手工具plan_delivery/delivery_report已接入,专项证明模型只能准备归属明确的预览/阶段报告,实际Git仍是独立用户确认;不因为模型提议就提交。
- 首轮交付UI前8组通过,手机确认与报告、hash换行/差异滚动/固定输入区已目视核对。第9组发现点击已选中会话会把session清空,却因id不变不重新加载;修复同id选择不清空,并提供只读刷新。新增同会话重复点击验证,等待第9组恢复入口复验。
- 源指纹增加“已跟踪但被删除”标记,保留用户既有删除时仍可核对其范围;不能读取的非排除路径会使快照不完整。Git读取/修复拒绝链接索引及链接任务路径,本机缺Git/项目未初始化提供可操作说明。
- 第二轮交付UI前8组及同会话重复点击通过,第9组正确拒绝核对仍活着的原PID:测试把注入异常的seed和浏览器放在同一进程。改用真实子进程在提交后退出再启动UI宿主,使恢复样本符合实际生命周期;没有绕过原进程存活检查。
- 最终交付UI9/9通过。完整92项首轮90通过:连续升级时版本白名单漏1.2.0;恢复校验调用Git时损坏索引会先产生不清楚的原始错误。补版本支持,并在提交对象校验前核对索引/遗留锁的原字节,提交校验后仍重检以保留并发变化防护。
- 修复后15项恢复/升级专项和92项完整回归全部通过;基础10/诊断9/任务7/交付9组界面均通过且0页面/请求异常。新QA宿主4321/PID38288独立于4318原进程。
- Git与报告完成状态必须同次保存;实际模型验收从旧的验收器自行提交改为确认工作台的持久Git job,并校验报告SHA256、commit和原owner索引。源码包验收脚本采用独立解压、离线npm安装和构建逐字节比较。
- 便携验收不能使用固定4320端口:残留1.1.0QA会被启动器视为可复用。验收器改用随机空闲端口,并在操作/停止之前证明自己拥有该data/PID/发行路径;失败记录保留。
## 1.3.0工程索引与精确补丁
- 首轮14项专项10通过/4失败,实际暴露默认箭头导出/TS声明函数遗漏、Python候选跨字符串及旧作用域误报、Git文件清单中的依赖目录未排除和Unicode半字符可被补丁选择。已分别补齐AST导出、跨行词法状态、统一清单排除与有效Unicode约束;待复验。
- 精确补丁BOM/CRLF、LF与混合换行、32个编辑上限、同一原文的唯一锚点和重叠/过期冲突已通过首轮检查;未应用前不写入,实际应用备份原字节。
- 合成Git工程证实普通status及当前inspectProject会运行配置的clean过滤器。已先只读取得过滤器键名,在本次status禁用clean/process/required,并跳过子模块工作区;无法确认配置时保持未完成基线,避免以只读索引隐式执行项目代码。专项同时核对Git索引原字节,待复验。
## 1.3.0实际长文件精确交付证据
- 来源为.qa/live-precision-validation.json及其封存样本,已复制到docs/m2-index-live-model-validation.json、diff与交付报告。119秒、1Task/2Run/1次审核;1次索引、2次查询、4份421行后读取、4份exact-patch,正文前420行及两种格式逐字节保留。
- 真实模型用量15请求/280253tokens(输入277387、输出2866),未知用量请求0。正确定位不等于费用下降,当前仍重复投影较长历史;后续须同题对照、保留工具结果可追溯引用的有界上下文投影与预算,不用此样本宣称成本改善。
- 实现源码与检查冻结后,最终发行只增加文档/证据;用全部src/tests/public/scripts与6份构建产物对照已离线安装和112项验收的独立源码,避免无依据重复全套测试或覆盖运行发行目录。
- 证据复制时误将live.reportPath指向的Markdown另存为JSON,JSON解析检查发现;已改为按同目录delivery-report.json复制并复验,运行代码与样本结果未变。
## 1.4.0多文件变更集设计依据
- 现有applyChange只有单文件原哈希/备份/rename;没有封存的整批范围,也没有rename与SQLite完成记录之间的恢复账本。新能力使用change_set持久记录和每文件原/新字节快照工件,全批预检后逐文件保存意图/结果。
- Store的recordsFor/ensureStorage支持增加记录kind;recover只标记未知状态,不自动写文件。执行、检查、Git和旧版逐项应用需要统一阻止未核对批次,不能仅在新界面限制。
- ChangeSet先完成显式核对/按哈希回退;新文件空父目录可保留,不递归删除。文件系统没有跨文件事务或通用外部编辑器锁,报告区分completed、rolled_back及unknown/partial。
- 首轮22项专项21通过/1失败:实际进程在restore_staged退出留下了原字节临时文件,后续wx创建冲突阻挡回退。改为校验本批次临时文件类型/大小/SHA并复用原字节,不删除或覆盖不匹配文件;补充临时文件owner保护与跨Run同Task提案专项。
- 实现补丁两次使用长单行的前缀作为完整上下文导致校验失败;改为完整独立行锚点,不重复失效匹配。未应用的补丁没有改变运行服务。
- API首轮2/3通过,模型工具用例误用了fixture.url及completion参数形状;核对helpers后使用baseUrl和calls/content契约,单项复验后再进入完整回归,产品连接实现不因测试脚本问题修改。
- 完整139项首轮138通过/1失败:新模型批次fixture单独3.8秒通过,默认全文件并发时其8秒等待窗口耗尽。该用例改为30秒阶段等待/60秒总上限;最终QA采用4份文件并发,仍覆盖原有明确的API并发/竞态用例。失败不记为产品验证通过。
- 批次UI首轮7组桌面应用/冲突/恢复通过,390px选择项目后产品已自动关闭侧栏,测试仍点击隐藏的收起按钮而超时。helper改为核对实际可见状态后操作;继续窄屏及延迟旧响应流程。
- 基础UI前9组通过,末项兼容HTTP fixture在完整测试并发时第三轮尚未结束,5秒断言耗尽;独立QA需要先停止自有fixture并恢复demo,末项改20秒再顺序回归,未改产品连接重试逻辑。
- 模型在prepare_change_set后到达工具轮次上限会留下paused/step_limit;整批应用后session completed而原Run仍paused。审核续接仅补这个明确状态,并拒绝Task中仍需核对的工具结果;主动取消、其他预算及重启暂停不从此入口继续。
- 首轮新增续接API与QA刷新使用部分config请求,完整配置契约在URL校验时拒绝且无写入;改为只在独立fixture上合并公开配置字段。未知工具及其他暂停拒绝用例首轮通过,续接用例改正请求后复验。
- 修正后批次API5/5通过,新增用例实际执行2个测试、保留原Task与旧Run/tool结果且未重放;手机新增Escape后检查续接入口通过,但Escape同时收起检视区,再打开批次须先使用可见的“查看改动”入口,已校正UI脚本。
- 手机目视验收暴露前一个项目的错误toast仍覆盖新项目的批次弹窗;切换项目/会话时清理临时提示,所属项目的持久事件/错误/恢复记录保留。增加真实切换验收,截图不再混入旧任务提示。
- 五套UI实际流程43组均通过;收集器误用index-ui-validation.json且假定其success字段,索引脚本实际输出index-ui-result.json。修正证据读取契约,最后冻结前端后重新收集5套结果。
- 最终新增的延迟失败用例真实复现:原ChangeSetPanel卸载后旧scopeRef仍匹配,旧请求catch向新项目弹出toast。组件卸载/作用域变更时作废原scope,并让文件刷新失败同样核对scope;新用例先失败再修复,不只验证成功响应。
- 141项最终回归通过,批次UI11组和原有43组通过;末次文档补丁误用验收记录标题,校验拒绝且未修改文件,按实际标题更正后保存。
- 真实模型首轮77秒在4个精确补丁之后、封存之前遇到上游HTTP520。工作台保存模型连接失败和所有已完成工具/未应用提案;没有将该失败计为交付完成。内部恢复验收器核对原Task、4份原基线与保护输入,从既有resume API继续,复用冻结的公共验收循环;不新建工程、不重写提案或自行提交Git。
- 恢复后64秒内原4提案封存/应用,14项测试/build通过并准备Git;第三Run反馈224147tokens触发200000预算暂停。继续通过冻结的确定性交付检查确认已有plan,Workbench完成commit42d860ba及verified_committed报告,模型请求数17保持。Task模型收尾仍paused/token_limit;工程交付成功与预算暂停分别记录,未修改预算或强改完成状态。
- 实际累计385579tokens(输入382585/输出2994),墙钟714秒含验收器故障恢复与介入。1.4没有费用收益证据。下一批优先处理projectMessages按整段user组保留当前长任务导致的无界最近组,并把系统/工具开销纳入请求计划;随后继续worktree隔离与多类工程。
- 最终1.4独立包验证通过,88份运行/测试/全部脚本与构建输入、6份编译文件一致;保留原PID/连接和7项目/9会话更新。阶段收尾不代表完整M2/M6,下一批重点按已有真实长Task证据实施有界上下文。
- 新源码定位发现核心模块位于src/core、类型位于src/client而非src/server/core.mjs和src/shared/types.ts;这两条rg路径不存在,后续以rg --files得到的实际路径读取,未改动服务或文件。
- 最终验证文档补丁一次误用了长行中的部分句子,校验拒绝且无改动;以实际独立版本标题为锚点补入最终发行事实,避免把拒绝当已更新。
## 有界上下文开发
- 新请求计划与原Runtime专项23/23通过,包括单user长Task、全部要求、真实HTTP失败后原Task续接、一次命令不重放、7MB以上Unicode分片及真实进程在计划持久化后退出。字节减少只作为结构证据,未换算实际tokens或费用。
- 旧系统上下文也把近期提案的完整参数放进diagnostic input,绕过历史投影造成重复开销;改为明确的参数SHA256/字节/定位信息和有界近期摘录,完整事件及provider历史保留。
- 默认工作上下文目标最多16000估算输入tokens,完整目标/全部要求/最后用户消息必须保留;最新工具组可使用硬窗口,过大组整体封存。Run/Task剩余预算先预检,服务实际用量仍可能超过本地估算并触发预算暂停。
- 一次前端组合补丁的JavaScript输入语法错误,在执行前被拒绝,未写文件或运行命令;拆分原样文本补丁后保存界面,TypeScript/Vite/服务端构建通过。正文工件只包含实际请求JSON,不包括Authorization;报告还核对原消息组和分片字节。
- 首轮完整158项回归157通过/1失败:紧缩diagnostic changes时误排除了历史applied状态,原错误追问用例失去已应用状态。保留有界的最近32项全部状态,完整Task状态仍单独保存;随后复验原诊断与新上下文,并再做冻结完整回归。失败不算验收通过。
- 上下文界面前三组通过,切到390px后helper把移到屏幕外的侧栏容器视为可见,再操作隐藏项目select而超时。截图确认产品抽屉已自动收起;helper改为核对实际select、已选项目无需重复切换,继续手机与迟到错误归属验证。
- 修正后的158项完整回归与原有43组UI全部通过。手机工件操作揭示Escape同时触发弹窗和主页面抽屉收起,导致下一次上下文操作不可见;主页面在顶层Modal存在时保留抽屉,由Modal处理Escape,新增真实手机断言并复验受影响的界面。
- 第一处Escape修复只检查Modal DOM,document层的关闭可能先移除Modal,再到window层而误收起抽屉;复验仍失败。改为Modal消费按键传播,主页面同时尊重defaultPrevented,依据实际事件顺序修复后继续验证。
- 最终上下文UI 8/8、批次11/11及原43组UI全部通过,共62组;158项完整回归无失败/跳过/取消。桌面请求信息与390px历史弹窗已目视核对,层级、滚动、分页及关闭控件清晰,截图归档docs/screenshots/context-*。已保留1.5批次证据并恢复19b738b的1.4历史记录,验证器按实际版本分开输出,避免覆盖旧证据。
- 1.5源码便携首次2180/343份清单、CRC/SHA和随附Node/npm实际4项检查通过,独立源码离线安装/构建/158项测试进行中。读取时误用src/core/storage/sqlite.mjs路径,Get-Content明确失败;无写入,后续按rg --files实际文件定位。Git隔离设计要求源HEAD/index/未提交文件不变,封存提交、独立分支和恢复意图,创建时禁用hooks/全部过滤器。
- 独立1.5源码离线安装、6份编译字节对照及158/158项回归全部通过。升级验收器首次读取export未携带既有接口控制令牌,返回HTTP403并在升级前停止,正式进程无变化;补齐bootstrap控制令牌后继续,未读取模型Key。
- 真实1.5模型失败根因:读取历史索引16000字符经JSON双层编码后超过当前硬输入预算,最新完整工具组被整体封存;后续计划始终保留同一组[0,2,12,13,14,15],模型看不到刚读取的片段,重复offset4000/5000。最终服务超时,27请求/249537已报告tokens、无提案。需要工具实际响应按当轮可用字节预算分页,让最新结果能发送;还需按不可变工件的已覆盖区间识别循环,并优先保留直接代码/检查依据。
- 1.5.1修复:真实工件页按下一请求中的双层JSON字节限额选择,保持Unicode与next_offset;完整工具参数/原工件保留。Task持久记录已读区间,3次连续重复或6个不断更新的索引触发no_progress暂停,显式续接保留原Task。相关原25项回归通过。首轮新测试3/4通过,HTTP fixture错把/v1/chat/completions当无效路径;诊断显示0实际fixture请求,已改按实际端点后缀核对。一次组合补丁误用Store的数据库import,校验拒绝且未写入,已拆分按实际源码完成。
- 冻结1.5.1完整163项回归与63组UI全部通过。目视发现新增mobile-read-pause截图实际为1440px:该用例沿用了迟到错误测试的桌面视口,标签不能作为手机证据。已显式切到390px、验证宽度/溢出,手机查看暂停原因后关闭任务抽屉再续接,重新独立跑9组上下文UI。
- 390px最终暂停截图已目视确认原因、运行下拉和关闭控件清晰;完整63组UI0页面/请求异常。一个只读路径误写tests/git-delivery.test.mjs,查询失败且无改动;rg实际定位为tests/delivery.test.mjs和delivery-recovery.test.mjs。
- 1.5.1真实读取已经能分页推进并产生全部四份补丁和实际14项检查通过;新的收尾缺口是plan_delivery只返回awaiting_review,Runtime仍继续请求模型,模型反复inspect_session/工件直到step_limit。必须在持久保存/工具完整配对后以Git审查边界停止请求,并用已封存预览完成确认;失败的验收器上限不掩盖,工程完成与自主循环完成分别记录。
- 本次只读诊断首次未携带bootstrap控制token而HTTP403,补齐后读取成功,没有模型Key读取。一次VALIDATION长行补丁只用了部分行而被拒绝,无写入;改为精确段落补丁与字面短语替换。
- Git审查边界的实际HTTP测试证实只发送1次响应;同消息里的后续run_command记interrupted、无审批或文件副作用,协议完整;重开Store后仍拒绝模型续接,确认原预览才完成Git。另测修改署名/预览和撤回不写Git、保留原Task;旧UI验收由等待completed修正为等待needs_review/git_review,9组复验通过。
- 两次组合补丁包含只给长行前缀的无效锚点,整体被拒绝,无部分写入;随后以完整锚点/相邻短行完成。查询误用verify-batch-ui.mjs和不存在的.qa聚合器,只读失败,实际脚本是verify-change-sets-ui.mjs;后续使用rg --files定位。
- 独立1.6.0源码在更深目录暴露Git startup对绝对GIT_DIR的内部长度限制(Git 2.54.0 setup.c预留PATH_MAX以下40字节),core.longpaths=true无效。原长slug+UUID工作区造成5个真实退出用例失败;短ready成功。新物理目录采用w-完整UUID,Windows创建前按UTF-8限制预测Git管理路径至200字节,已存在/未知结果仍保持只读核对,不能自动删除重试。两个深Unicode/超限无副作用专项通过;完整192项和独立包需再次验收。
- 下一工程切片的源码核对:project-inspector已识别npm的test/typecheck/check/lint/build及Node/Vitest/Jest;CheckRunner已统一Task、计划、审批、真实退出码、来源失效、日志与取消。Python目前只作为文件语言登记,createCheckList对非npm返回空列表;因此Python执行器必须独立提供可核验的解释器/argv/测试统计,复用现有准入和恢复,不能用泛用run_command充当已集成工程检查。React/TypeScript可沿用已识别npm类型/构建检查,仍须封存真实工程样本而不是只靠工作台自身tsc构建。
- 2026-10-30接续核对:1.6.0最终独立源码192项已全部通过、正式原PID升级成功,但真实配置模型工作区任务仍无提案而超时。RequestPlanner当前优先按完整消息组选择,workingEvidence每个文件只保留最近一次读取,read_file尚无按当轮预算缩页;是否导致该样本失败必须以实际发送正文和工具结果核对,不能只凭源码推断。
- 实际失败Task50条消息/36调用的14份发送正文SHA256全部核对:group5六份直接源文件/测试/构建读取在后续正文里全部缺失;group4两份日志页和查询也全部缺失。历史notice由2598增长至8482–10700字符,固定请求本身估算6424tokens,剩余窗口被定位元数据占用。源码/日志缺失是已观测事实,上游最终超时的原因仍未知;需要简化历史定位信息并给当前Task保留有原结果来源的工作依据视图,不能仅提高轮次或改提示。
- 新只读查询误用了src/client/ContextPanel.tsx,rg已报告不存在;实际文件为RequestContextPanel.tsx,已按rg --files定位。原服务与原Task没有写入或新增模型请求。