Files
Agent-Workbench/docs/READING-RELIABILITY-S-PLAN.md
T

21 lines
4.0 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.
# S:文件续读、有效读取吞吐与暂停解释
R 的真实样本已结束并保留失败。新预检成功,Node 六请求、72571上游报告tokens,实际基线九测试失败、build通过,尚未修改或交付。继续遵守 Node→React/Python→原版Purge 的前置关系。S先完成可复现的可靠性修复与验收,再另立一次新的有界模型实验;不续跑R/P/O旧Task。
## 已有具体依据
1. 文件总2584字符,三次实际分页只覆盖0–1271,分别473/402/396字符。readMessageBudget在原多工具批次及后续单读均返回1024字节底限,后两页扣元数据后为949字节。不是相同区间重复读取,也没有达到no_progress暂停条件。
2. 历史索引对read_file只展示result_artifact_id。该工件仅保存已返回的一页,不能取得尚未读取的原文件后文;模型随后读了891字符包装中的前495字符,消耗一轮而没有新增文件覆盖。系统中“截取后读取原结果工件”的指导应区分恢复已读页与继续读原文件。
3. R第七次本地输入12352符合上下文预算,但观察用量保守预留29623超过剩余17429。当前文字把两类不足笼统归为目标/必需输入开销过大,影响定位。第4次上游报告27164输入tokens及24192缓存tokens须保持,内部模板/计费原因未知;不回滚已知用量预留或伪造节省。
## 实现顺序及验收
1. **冻结离线复现。** 用R原三段文件页、工具调用组、ContextPlan和原目标/约束构造隔离宿主重放,原件只读。固定16K/2048/1600安全预留及完整工具契约,核对现有消息和页归属/范围,不使用正式Key或用户项目。
2. **明确续读入口。** 文件工作依据保留path、原行范围、SHA、offset/next_offset、total_characters及截取原因;区分“已返回但当前历史未携带”与“从未读取”。后者明确使用同一文件范围和next_offset;result_artifact_id只用于恢复原页,不冒充完整文件。文件变更、不同SHA、不同范围、跨Run/Task和陈旧结果必须继续核对,不能跳过工具执行账本。
3. **改善分页容量。** 测量固定系统文字、工具定义、最近反馈、保留源码和实际批次消息的占用;依据完整下一请求的实际容量分配必要读取,检查小源码与较大文件并存时的有效空间。保持安全预留、原目标/所有追加约束、消息配对、最新结果和可核对来源。用多种文件/长行/中英文/emoji/CRLF验证,不能为这个九测试特判、删字段或单纯提高底限让请求越界。
4. **准确说明暂停。** 区分本地上下文容纳不足、Run/Task剩余额度不足、观察用量造成的下一请求预留不足。保留原budgetPause细节和上游原文,展示所需/剩余、已报告/未知用量及所属Task,不把预算暂停写成供应商超时;不自动重试/扩预算或替用户切池。
5. **相关验证与独立发行。** 覆盖Chat/Responses/Messages的上下文封存、分页/Unicode、完整约束保留、最新工具组、小源码保留、历史归属、当前检查和预算恢复;实际编译请求核对原文件覆盖和逐消息预算。UI有变更时按产品UI工作流回看源码/桌面/窄屏入口。产品变更通过独立源码、不可变归档/便携/隔离安装和保留原PID/Provider正式升级后才算上线;原用户数据/配置和历史失败继续保留。
6. **再做真实交付。** 修复交付后新建明确预算样本:同原九测试/三源码、16K/2048、最多8请求/90000tokens,监督只审查/审批/确认Git,不提供实现。若失败,封存与复盘;成功后再扩React/Python和单列Purge AB/BA。离线读取改善不能代替真实成功率或收益结论。
每个切片完成后更新task_plan/findings/progress及本地Git;不委派、不提取/复制/重存Key、不重启原正式Provider、不推送。1.25其余能力和完整目录重复核验性能仍独立排期,先解决真实工程任务最先暴露的问题。