Files
Agent-Workbench/docs/QA-MODEL-CATALOG-1.25.3.md
T

75 lines
8.7 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.
# 1.25.3:模型目录、推理控制与兼容能力验收
状态:已独立发行、实际隔离安装并升级正式本机服务至 **1.25.3**。正式原 PID **36552**、instance、Provider 和凭据保持,网页及真实 Windows 窗口只读回看后再次核对全部原状态。入口为 <http://127.0.0.1:4318/?release=1.25.3>。本阶段真实供应商目录请求、真实模型请求均为 **0**;全部协议和选路验证使用自有 HTTP 夹具。
## 用户要求与交付
| 要求 | 交付与范围 |
| --- | --- |
| 正常从上游获取型号,不要求逐个手填 | 模型中心主入口“从上游添加模型”;支持新上游、现有连接、搜索、多选与批量选中。没有目录的服务保留手动兼容入口。 |
| 保存多个模型,使用时手动或自动选择 | 复用现有默认模型和模型池;保存可保留当前选择、指定默认型号或建立自动适配池。自动按任务所需能力、健康、并发及池策略筛选;未宣称语义任务路由已验证。 |
| 品牌与自定义兼容的参数配套 | Chat、Responses、Messages、DeepSeek 共享配置档,贯通品牌建议、手动覆盖、JSON、导入、保存及 Run 冻结。 |
| 可开启推理并选择强度 | 可选择默认、关闭、开启及协议支持的强度;Messages 支持预算或 adaptive。上游有模式/档位声明时限制可选范围;推理共用原输出预算。 |
| 同步能力与功能 | 同步上游实际返回的能力、容量、参数和生命周期元数据,区分声明、实测与本地接入状态。上游未提供的内容保持未知,不按型号名补造。音视频、服务端工具、结构化输出约束等尚未接入的执行能力仍明确列出。 |
| 已有凭据与用户配置保留 | 同源型号引用源连接凭据;不读取或重新保存原 Key,不把相同端点当相同账号。原本地参数与命名不被重新选取目录型号静默覆盖。 |
操作说明见[模型目录与多模型使用](MODEL-CATALOG.md),参数契约与开发验证见[推理阶段验收](QA-REASONING-CONTROLS.md)。目录接口不保证提供所有能力字段;品牌或兼容协议相同,也不能据此认定每个型号支持全部功能。
## 来源与完整源码验证
- 产品切片:Messages 空响应诊断 `3ab3a6e4`,推理与配置档 `f1242ee8`,模型目录 `d0381918`,升级版本配套 `6741510b`。
- 完整源码轮次实际来源 **6741510b2dc9dd1191ae7f459474a981ed1d07c9**:**926/926**,失败、取消、跳过和 todo 均为 0,原总时长 2143077.8077ms。
- 最终候选来源 **1bd94856d31a4d122eb03a9d7d199b42dbabacc6**;候选 `Agent-Workbench-1.25.3-win-x64-20261104181218275`。与完整源码轮次相比只改两个发行验收驱动,全部产品/测试输入及 22 个编译输出相同;差异逐项 SHA 证明封存在 `development/candidate-input-delta.json`。
- 最后证据与回顾提交还包含两处 QA 元数据修复及离线验证器。它们在正式升级和主证据封存后完成,不改变已安装候选或 sourceCommit,不把最终 Git HEAD 称作上述完整源码轮次。
相关开发验证包括目录及路由/凭据/能力/推理 68/68、热升级 4/4、推理相关 85/85 加补强专项 8/8、Messages 28/28,以及版本/安装相关 36/36 与保留对象/工件升级 6/6。完整轮次与这些局部检查分别保留,不相加成新的完整轮次。
## 独立载荷、界面与安装
| 验证 | 实际结果 |
| --- | --- |
| 冻结与离线重建 | 652 个冻结输入;源码 ZIP 解包后 657 个输入独立离线重建,22/22 编译字节一致。 |
| 三归档 | portable/source/evidence 的 CRC、清单与原字节均通过;安装器 SHA256 为 `55f144ea2698ed3ac3da8d74ca9287fc02f7844dc23511113ba098154d8d4be7`。 |
| 实际便携基础 | REA、真实 SDK、浏览器及受控引擎通过。 |
| 源码界面 | 12 套、78 组;目录、推理、要求复核、单轮观察、范围约定与诊断闭环均保留。 |
| 便携界面/文件流程 | 17 套、126 组;含旧原生参数 6 组、Messages 7 组及文件/结果/读取 9/16/10 组。 |
| 真实隔离安装 | 12 生命周期场景通过,安装副本 14 套、103 组 UI 通过;卸载保留数据。 |
| 正式网页 | 1440×1080 与 390×844,旧 Task、推理表单及目录入口只读回看;errors 与 rejectedWrites 均为空。 |
| 正式 Windows 窗口 | 实际安装路径、release=1.25.3、可见 v1.25.3;原完成 Task/历史超时、目录主入口/表单、DeepSeek 推理模式与强度可见。未保存、检测或获取真实目录。 |
最终源码、便携和安装副本的桌面及 390px 关键原图已实际查看。正式原生窗口仅报告其实际桌面尺寸;窄屏证据来自实际隔离 Electron 和正式网页,不冒充正式原生 390px 回看。
旧 fidelity 验收脚本 6 组/10 图已完成,但原结果没有 health version 字段,汇总器因此失败。独立复核原 appRoot、候选清单和全部 22 编译输出后追加 `portable-fidelity-reviewed.json`;其版本依据是载荷归属,不能说原收据已经观察 health。Messages 原字段为 `testedVersion`,独立运行 7 组通过,实际 health=1.25.3,追加 reviewed 收据。两份原结果和首失败均未改写。
主证据封存后,fidelity 脚本补实际 `/health` 版本,发行汇总兼容 `testedVersion` 并拒绝冲突别名。对已验便携再跑 6 组/10 图,实际 health=1.25.3;直接执行修复后的实际版本门,原 Messages 收据通过,缺失/错误/冲突版本均拒绝。仅 QA 变化,未重建、重制发行或再次安装。补验保存在独立 `model-catalog-1.25.3-qa-follow-up/`。
## 正式保留状态升级
唯一正式升级于 2026-11-04 UTC 完成,安装器 exit=0,实测操作 **283191ms**。原 1.25.2 操作 289669ms、1.25.1 的 156369ms 及 1.25.0 的 774098ms 为各自历史观测,本轮不声称进一步性能收益。
| 项目 | 升级前及网页/原生回看后的最终核对 |
| --- | --- |
| 宿主 | PID 36552、原 instance、原 Provider;空闲,hasKey=true。 |
| 原数据 | 75 项目、91 会话、6723 记录、14320 events 和 14320 outbox,全部原表行、session IDs 及 eventCursor exact。 |
| 原证据 | 全部原导出、原工件字节与公开模型中心/配置 SHA exact。 |
| 安装 | 指针 revision 29、previous 1.25.2、operation completed;runtimeRoot 为上述候选。 |
| 收尾 | 正式窗口 0,9229 关闭;Key 未读取、复制、解密或重存。 |
`formal-native/launch.json` 记录安装入口进程,入口可能在转交版本化桌面程序后退出;正常关闭依据实际 Windows 窗口清单和最终正式 host 窗口数,不依赖启动器寿命。
## 首次失败与限制
1. 旧 `109e5124` 范围的完整测试因用户新增目录需求,在 264 个完成项、未观察到失败时主动停止;原取消回执保留,不能算完整通过。
2. `bb4b4977` 完整 926 项为 923 通过、3 失败,均指向升级兼容清单漏 1.25.3。修复后另跑完整 926/926;不倒写首轮。
3. `6741510b` 候选便携被控制引擎验收器旧版本断言拒绝;原失败保留。补版本后另冻最终候选,完成全部独立载荷和安装。
4. fidelity 版本字段缺失、Messages 字段命名差异,以及开发时 option matcher、缺声明、SQLite 夹具清理挂起均保留原记录。正式原生回看一次点击未显示在窗口内的按钮被越界拒绝,重新观察、滚动到可见区域后成功,未保存配置。
5. 本轮新验证不证明真实供应商目录或能力元数据覆盖、接口稳定、模型自主工程交付、间歇网络唯一根因、重复读取真实改善、真实预留异常边界收益或原版 Purge AB/BA。Z2 型号不符、Z3 空响应、DeepSeek length 和其它历史失败均保持;不续跑旧实验。
## 封存与复核
主证据 **1635 份、138998818 字节**(不含 manifest),SHA 清单固定为 `a2e6ac2d982a147557ac256457516082c9b0346bd76f20627b149699e5880751`。QA 补验另 **16 份、771613 字节**(不含其 manifest)。主目录及旧封存目录未改写。
含两个 manifest 和外部发行身份,Git 索引核对 **1654 份、140305327 字节**全部一致;仅为本版两个新目录添加日志例外和二进制属性,避免遗漏或换行规范化改变原件。
独立只读验证命令:`node scripts/verify-model-catalog-evidence.mjs`;暂存后用 `--index` 逐项核对主证据、补验、两个 manifest 和发行身份的 Git blob 原字节。结果见[离线收据](model-catalog-1.25.3-offline.txt)与[索引收据](model-catalog-1.25.3-git-index.txt),[发行身份](model-catalog-1.25.3-release-identity.json)及[回顾](RETROSPECTIVE-MODEL-CATALOG-1.25.3.md)。仅本地提交,不推送。