Files
Agent-Workbench/docs/LIVE-RETEST-J-PLAN.md
T

24 lines
4.5 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.
# 新真实样本计划(R实测已封存,先改进读取可靠性)
R当前结论:Q诊断交付后的唯一所属诊断通过,新单次预检1请求/4492报告tokens/strict matched;新Node6请求/72571报告tokens/0未知、原JSON身份均匹配,原九测试全部失败/基线build通过,0提案/修改/交付。第7次预留29623超过剩余17429而token_limit暂停,本地输入12352仍符合上下文预算,不是新的context_limit。原状态和预算/池恢复通过,178份证据离线核对通过,见[本轮结果](QA-LIVE-DELIVERY-R.md)。
下一优先[读取可靠性S计划](READING-RELIABILITY-S-PLAN.md):离线复现和修复文件分页续读定位、有效吞吐及预留暂停解释,保留已知用量保护和原失败。独立产品验收后另建新的有界Node,不续跑R/P/O;Node→React/Python→原版Purge的前置关系保持。下方P/O/N/J/M按当时历史计划理解,不能覆盖R/S当前顺序。
P补充:另一既有jojocode连接的新预检通过,新Node首连接超时,真实闭环仍未通过。两次尝试共112报告tokens/1未知预留10141,原状态按声明恢复,75份证据离线通过;独立TLS有波动但不证明原超时唯一根因。下一先落实[所属连接诊断切片](RETROSPECTIVE-LIVE-DELIVERY-P.md),之后另开有界样本,不续跑旧任务、不扩大本例预算,见[本轮结果](QA-LIVE-DELIVERY-P.md)。本计划的Node→React/Python→原版Purge前置关系保持。
O已执行本计划的新GPT单次预检,1请求/120报告tokens/0工具,标识匹配。旧Node2请求后context_limit已定向修复并交付1.24.5;新的同预算Node在第二请求遇上游502,2请求/4838报告tokens/1未知预留11095,未修改或交付。315份证据离线通过,见[完整结果](QA-LIVE-CONTEXT-O.md)。下一仍按下面顺序,先固定可用连接另开有界样本,不自动继续旧502或context_limit任务;原版Purge与React/Python不提前记通过。
下方N及J/M段落保留原计划时点,当前结果以O为准。
当前N结论:用户确认apikey属于GPT分组,原型号误填Claude;该连接现为gpt-6.1-sol/Responses,保留外部设置的停用状态。相关实现回查和GPT请求兼容对照通过,见[复查报告](ROUTING-AUDIT-N.md)。下一明确选择启用的GPT连接,新建下面的实验;不以默认池代替固定连接,不再等待所谓Claude线路修复。
历史J/M分别请求Claude而上游报告GPT,J为1请求/4334报告tokens,M为1请求/221报告tokens,均严格暂停、0工具。错误配置这一补充不改写[原J结果](LIVE-MODEL-IDENTITY-J-RESULTS.md)或[M原件](QA-ANTHROPIC-MESSAGES-M.md),也不把工程/Purge未执行变成通过。
1. 新开独立身份预检:冻结启用的GPT连接、正确型号/协议和版本,仅该实验快照使用严格核对,不更改所有连接的默认record策略;一请求、最多256输出、累计16000tokens、无工具/重试/切池。输入估算超过原限即零发送拒绝。身份缺失、不一致、混合或中断立即停止,映射须有实际依据。凭据仅由原Provider使用。
2. 预检通过后先做一个新Node工程交付样本:封存原功能测试/源码/Git和受保护文件,最多8请求和90000tokens。原32K上下文方案须先核对连接上限是否匹配,不能暗改当前16K连接限制来让实验通过;不匹配先明确调整并冻结计划。读失败、实现、整批审查、显式续接、新检查审批、原测试/构建和Git均须原证据。监督只做审查/审批/确认,不能代替模型实现;预算到期保存失败,不追加提示续跑。实际请求仍逐次严格核对身份。
3. Node闭环通过后再分别测试React与Python的新样本。先定位模型输入、推进与执行问题,再考虑扩大题型;不以本机夹具代替模型推理成绩。
4. 原版Purge收益另做同源/同题/同预算AB/BA。完成相同原测试/构建/Git才可比较成功交付的tokens、时延和监督次数;失败早停不算节省,少量样本仅作探索。保持默认关闭,保留加载来源、apply与每次实际输入。
5. 每一步先小结、核对原状态和本地Git,再进入下一步。1.25及更大能力扩展继续保留计划,先得到真实闭环证据。
发行回顾还应单列性能:本次源码ZIP约865MB、历史证据ZIP约624MB,打包约四分钟。后续用实际分阶段耗时研究来源包与历史证据组织、重复扫描与缓存;保持现有原件、完整性和防篡改验证。