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

86 lines
12 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.
# 1.25.2:预留、安装与读取可靠性
状态:已完成独立发行和正式保留状态升级,来源d510/候选20261104134035379,正式原PID36552/instance/Provider保持。完整898/899加原断言同源单项1/1、源码ZIP622输入/22编译、便携与安装12组及75界面组、网页/原生后全部原数据exact,1339份原件离线通过;详见[验收](QA-RELIABILITY-1.25.2.md)、[发行身份](reliability-1.25.2-release-identity.json)及[阶段回顾](RETROSPECTIVE-RELIABILITY-1.25.2.md)。安装289669ms,旧失败和并发启动/首次审批超时根因未知保持。X尚待另冻执行;真实交付和Purge不由发行验证替代。以下为阶段历史。
基线532b9d60;用户在独立复核后授权修复、开发、验证及本地提交。目标是修复实际反例并推进真实工程闭环,不把新版号、单元测试或一次成功连接当作全部问题解决。
## 阶段与验收
1. 预留证明:原Task/Run回执与真实顺序绑定;重排、重复、跨Task拒绝;历史R v1及W v2保留核验。已报告输出最大值不能因输入异常而无声丢弃。
2. 安装校验:全扫描与目录枚举之间的硬链接/重解析变化必须拒绝;正常身份一致、原字节不变;避免恢复每文件重复祖先遍历。
3. 读取:同轮有效新范围加重复读取不能仅因三次重复被视为整轮空转;全重复、未变检查和无变化提案仍有界;停止由明确事实解释,shadow保持观察用途。核对完整实际下一请求的页、当前失败与工具配对、16K/2048/1600和预留保护。
4. 发行:相关与完整测试、构建、网页/原生核心路径、独立不可变来源、实际隔离安装/故障恢复和正式保留状态升级逐项验收。环境缺失先解决依赖,不能用跳过冒充通过。
5. 真实实验:另冻新样本、单次诊断/预检/Node,不改旧W/R/T/P/O;预算和身份显式冻结。Node通过才React/Python,再独立Purge AB/BA。保留首失败,不循环更换提示/线路/预算求通过。
阶段内完成适当回归和diff审查后本地提交,不推送、不委派、不读取/复制/解密/重存Key、不重启正式Provider。升级若实施,走保留原进程的已有安全路径。
## 原事实与当前归因
W六请求71044 tokens、0提案0交付是事实;末轮新增468字符、还有1171字符未返回,随后三个小模块重复使现有readProgress暂停,shadow为evidence_growth。不能认定纯属模型而排除产品策略;也没有证据保证修规则后就会成功。原QA的措辞保留为历史,后续用本页记录更正。
安装156369ms相对774098ms的提速由原收据支持;新发现扫描后链接变化边界需修。预留v2对R重算29623→15285是离线估算变化,W没触发排除,真实交付收益未证明。网络间歇异常根因和Purge收益继续未知。
## 执行记录与阶段回顾
起步工作树干净,独立复核相关49/49已通过。后续检查结果按阶段追加。
### 预留阶段
新observed-route-max-v3封存receiptHistory,按原Task账本恢复计算时消费前缀,不能用自报sourceIndex决定历史顺序;原v2的核验也改用原账本顺序。后续真实消费不会使早先封存失效。输入比率异常仅影响输入校准及其总量floor,已报告输出最大值继续参与预留。旧v1/v2算法单独保留,原R暂停与v2重算不重写。
专项13/13、task-context/budget-resume/engine-context/controlled-engine相关24/24通过。包含真实本机HTTP夹具和原R封存;重排最新高值/改历史/重复来源拒绝、已报9000输出保留、后来新增消费后旧证明通过。证据.qa/reliability-1.25.2/reservation.tap及reservation-related.tap。此为本地修复证据,尚不证明真实模型交付或异常计量根因。
### 升级兼容补漏
安装关联首轮13项11通过、2失败:upgrade-running的历史兼容清单截至1.25.0,编译宿主真实报告1.25.1后被拒,并非数据或Key问题。已补1.25.1并让当前APP_VERSION始终参与受支持列表,保留未知/未来版本拒绝;新增版本守卫,实际独立进程连续两次升级和0.1.0迁移3/3通过。首失败install-related.tap与复验upgrade-compat.tap均保留。没有操作正式宿主。
### 安装阶段
目录枚举时对每个普通文件补treeFile,重新检查实际路径、常规类型及nlink,避免全清单扫描后新增硬链接漏验;目录仍走祖先检查。独立反例加入不属于最终宿主身份集合的可选文件,full-manifest已完成后在inventory开始新增外部别名,准确拒绝;移除别名后原身份/字节保持。安装12/12通过。
只读对同一10971文件不可变发行做ABBA对照,旧校验8450/8150ms,新校验11083/9961ms,四次宿主身份exact。新增文件复核有约2–3秒成本,保持单次realpath算法,不回到逐文件重复祖先遍历。该数值是整个validateInstalledVersion的本轮观察,不能冒充新的正式升级耗时。原记录在.qa/reliability-1.25.2/install.tap及install-benchmark.json。
### 明确禁止检查的识别
新HTTP读取用例首轮已发出第3请求,但终态因verification_incomplete暂停,暴露taskContract把“不运行工程检查”匹配为正向要求。原reading.tap的32/33和reading-mixed-debug.tap保留;不是混合读取修复失败,也不能通过改终态断言掩盖。已补“不运行/不执行工程检查”、带“任何”的测试禁止及对应英文的明确否定识别;正向运行检查仍required。task-control 10项包含于联合43/43通过。
### 混合读取进展
每个真实工具轮开始/结算记录新返回字符及重复读取数,按当前Run区间并集计算;同轮确有新字符时,不因尾部三次重复而整轮暂停,并在边界清掉重复streak。空页/仅改变历史索引不算新源码依据;全重复仍暂停,未变检查/相同无效提案/连续相同状态的独立保护仍权威。shadow模块与其判断不参与停止决策。
联合43/43通过后补强独立相同状态保护,针对性2/2通过。HTTP夹具忠实复现945→1413新增468及三小模块重复,下一真实本机请求收到完整新页且工具配对成立;全重复和独立保护仍暂停。测试保持16K/2048与原权限门,不证明真实模型一定交付。原证据在reading-contract.tap、reading-mixed-final.tap。
### 纯读取批次吞吐
readBudgetPolicyVersion=3把多文件/原工件读取作为共享预算批次,按实际请求大小优先完成小来源,释放剩余份额给测试/日志。仅纯读取批次排序,工具调用ID与原参数不变;变更、检查、审批和任意混合动作保持原序。单工件读取沿用原分页分配,v2封存保留原算法;完整下一请求、用量预留、16K/2048/1600保护不放宽。
首轮38项33通过5失败:三项断言仍固定新版策略号为2;另外两项揭示把整个混合文件/日志组强留会挤掉已有依据。因此保留原planner纯文件组规则,不将混合原日志组提升到必留;单工件分页保持原策略。重新38/38通过,三协议Unicode/CRLF分页、原片段聚合/检查事实/来源篡改/重开验证均通过。新增W形状HTTP夹具保留三完整小模块和原日志,第一测试页>945字符(原W首轮473);这是一项受控吞吐证据,实际新样本另验。原read-throughput.tap与read-throughput-final.tap保留;完整构建通过。
### 发行准备
版本常量/package/lock同步1.25.2;通用源码/便携/安装/全UI验收入口补1.25.1/1.25.2和独立reliability证据前缀,避免默默跳过前版功能。升级兼容列表用显式受支持版本配当前版本测试守卫:封装检查发现便携副本没有src,已去掉upgrade-running对源码diagnostics的运行依赖,防止便携独立CLI失效;未知版本仍拒绝。
已补隔离Python310 venv+pytest8.4.2与固定Chromium浏览器,避免把环境缺失当豁免。源码网页预算诊断两视口10组通过,完整回归运行中。新X驱动、一次正式升级驱动及冻结计划已准备;只做语法检查,没有发送模型请求。阶段未完成不标交付。
接续复核发现正式升级驱动的候选清单/编译版本两处仍写1.25.1,已在任何正式操作前更正为1.25.2;起始宿主断言仍为1.25.1。源码1440任务余额、390上下文窗口截图实际回看,标题、原暂停数值、恢复入口与窄屏文字均可读,无横向溢出。
源码实际Edge/Electron更新状态7组通过,1440失败和390未知原图已回看。基础文件首轮7/9在刷新后的iframe只读隔离检查遇到Frame was detached;只把此只读检查改为重新获取文档并有界等待,未重放点击/写入,新的完整9/9通过。首日志source-local-files.log及复验source-local-files-recheck.log、各自UUID目录原样保留;既有桥接/Node均undefined断言未放宽。
要求A网页7/原生3、shadow B网页9/原生9、草案网页6/原生6、诊断网页5/原生5共8套50组全部通过,原结果和日志SHA见.qa/reliability-1.25.2/source-ui.json。实际回看原生390草案及shadow原图;最终候选须与该记录中的客户端字节逐项相同。真实模型请求0、正式未操作。
### 浏览器原结果的分页补漏
完整回归首项浏览器失败经独立复验仍失败;对原1.25.1不可变发行也复现了同一失败,不能归因缺少浏览器。真实Edge检查已通过,但旧保守growth=2560令read_browser_result的页面内容仅返回10/1419字符,原HTTP模型夹具因找不到“已完成”返回500。这与真实供应商故障分开,所有请求均为自有HTTP夹具。对照原文及每次输入估算见browser-paging-comparison.json。
v3页预算把纯read_browser_result视为不会创建计划/作业/变更的读取,按512加有界每调用增长预留;v1/v2及其它混合批次原算法不变,完整请求预算仍独立核对。受控假设构建补全宿主配套入口/Playwright后4请求读取完整1419字符,最后实际输入12105≤12352;两次QA缺输入失败日志仍保留,不当产品失败或发行证明。随后从实际修改源码重新独立编译,原浏览器API全4/4与读取9/9通过;增强原HTTP用例,逐次断言16K/2048/1600内、完整原字段、4请求且无夹具重试。证据browser-growth-source.tap及browser-growth-read-related.tap。共用dist尚未重建,等待首轮完整测试结束再统一构建最终候选,避免运行中更换载荷。
### 发行门禁复核及确定性TLS测试
4a49f02d的不可变候选20261104123124956已完成源码ZIP独立622输入/22编译一致、三归档、便携八套50组及文件9/结果16/读取10组,实际隔离安装12组与安装副本十套75组。完整复验898/899,唯一失败是本地TLS测试:80ms到期时TCP回调尚未调度,实际正确归类tcp而旧断言固定tls。原断言独立11/11通过,说明该短期限与同步进度落盘/调度存在竞争,不能把它写成TLS网络故障。
测试保留真实TCP/TLS套接字,等待auto/IPv4两份ClientHello实际到达后再推进原80ms时钟;79ms两路仍running/tls、80ms必须TLS_HANDSHAKE_TIMEOUT,随后恢复真实时钟检查取消和所属套接字关闭。期限与产品默认值未改。首次补强误读start返回的初始快照(0条trial)明确失败,已改读active operation;新专项11/11通过,原日志均保留。
便携基础验收前两次受控Harness在15秒内未ready,initialize/模型/工具均0,所属进程树已关闭;第二次ready实际在spawn后16.36秒才出现。它们均与完整测试并行,不能直接认定为偶发并删除。之后逐一排除PATH、目录与安装/插件身份差异:精简PATH及原checkout/temp布局的独立启动均约1.1秒;实际编译宿主的pipe/脱离控制台+文件输出两种完整受控工程验证都通过,四次native启动约0.6秒。完整测试结束后的同候选便携基础验收也在原15秒门槛下通过。证据为startup-*、compiled-startup-*和portable-quiescent.log。已确认并发背景差异,但超时唯一根因及高负载稳定性仍未知,未提高等待或重试真实模型。
因测试输入更改,旧候选及全部首失败不覆盖;下一从新提交重封候选,主要验收串行执行。正式仍1.25.1/PID36552,X尚未冻结或发送。