Files
Agent-Workbench/findings.md
T

19 KiB
Raw Blame History

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。