Files
Agent-Workbench/docs/MILESTONE-AUDIT.md
T
2026-11-03 22:28:14 +08:00

148 lines
23 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.
# 里程碑回顾与修复审查
O / 1.24.5:真实GPT样本暴露的重复上下文已复现、修复并本地交付。105相关/25升级安装、独立重建/三归档/实际安装、源码25历史UI和正式两种入口通过,原进程与升级前全部数据精确保持。新Node样本第二请求收到上游502,仍未完成真实工程;原错误、未知用量和新样本恢复均封存。315份证据离线核验通过,详情与下一个切片见[本阶段回顾](RETROSPECTIVE-LIVE-CONTEXT-O.md)。更新实际677958ms的重复扫描另列性能事项,不放宽完整性门槛,1.25仍计划。
1.22.0已完成所属Vite预览、独立桌面浏览区、有界DOM/原截图与审批动作、独立登录资料/撤销/下载、手机原观察SHA核对的本地交付。独立源码683/683(C完整原轮通过,D严格绑定后沿用)、33类250组原B串行界面(产品输入相同,严格绑定后沿用)、源码/便携/实际安装各17组浏览流程、同载荷安装7组、正式30页及Edge/Electron两视口通过。原PID36552/Provider保持,17项目/32全部会话/3239记录/6229事件及1780工件文件原字节保持,9229关闭。本轮验收发起真实模型请求0。
见[使用说明](EMBEDDED-BROWSER.md)、[1.22验收](QA-1.22.md)、[回顾](RETROSPECTIVE-1.22.md)与[发行身份](embedded-browser-release-identity.json)。下一[1.23发行效率与更新进度](PLAN-1.23.md)仅方案;真实模型自主工程/Purge收益和新iPhone流程另验。
下方历史阶段保持当时范围与结论。
1.21.0已完成工程环境与固定依赖准备的本地交付:只读Node/npm和Python诊断、管理工作区npm ci计划/审批/所属进程/停止/原日志、中断unknown核对、检查和原版/候选评测的实际依赖身份。独立冻结源码666/666、32类233组历史界面(前15类与后17类分段串行,来源明确)、源码/便携各7组新环境界面、同载荷安装7组、正式28页及Edge/Electron两视口通过。原PID36552/Provider保持,17项目/32全部会话/3239记录/6229事件及1780工件文件原字节保持,9229关闭。本轮验收发起真实模型请求0,原失败不改写。
见[环境准备说明](ENVIRONMENT-PREPARATION.md)、[1.21验收](QA-1.21.md)、[回顾](RETROSPECTIVE-1.21.md)与[发行身份](reproducible-env-release-identity.json)。下一[1.22内置浏览器](PLAN-1.22.md)仍为计划。
以下各节点保留当时状态,当前1.21交付事实以上方摘要和发行身份为准。
## 1.21 实施时节点:实现已提交,发行验收进行中(历史)
环境诊断、所属独立工作区的固定npm计划/审批/停止/原日志、unknown核对、检查与评测环境绑定已实现,本地提交a94807f。当前正式1.20.3/PID36552保持,未将实现提交等同正式交付。
回顾发现并修复Vite空临时目录误判、安装后仍展示旧诊断,以及候选停止结果被环境不可比较覆盖为unknown。环境/评测关联31项、诊断刷新2项和停止封存1项各自通过,真实React依赖准备/候选9测试/类型检查/构建和Python2测试通过;新增7组UI已通过,全历史界面第二轮和独立发行验收继续,原第一轮失败保留。最终结果以[QA-1.21](QA-1.21.md)为准,下一[1.22](PLAN-1.22.md)仍为计划。
## 1.20.1 当前补丁节点:真实案例修复已闭环
1.20.1已完成真实案例修复及保留状态本地升级:原任务目标/无需测试约定、只读诊断、系统审查来源、完整无参协议兼容、失败请求用量、无进展保护和实际模型展示均已修复,并补齐暂停封存及Windows进程退出竞态。独立源码626/626、桌面/390px核心5组、相关历史UI5类、同载荷安装/重启/卸载7组、正式26页和实际Electron两视口通过。原PID36552/Provider及模型连接保持,17项目/30全部会话/3144记录/5986事件、全部表每行/全导出/模型中心及1824工件记录/1721去重文件原字节保持,9229关闭。本轮真实模型请求0,未续跑原用户任务或改写历史用量。
见[验收](QA-1.20.1.md)、[回顾](RETROSPECTIVE-1.20.1.md)和[发行身份](task-control-release-identity.json)。前五候选及原失败保留;下一阶段仍按[1.21方案](PLAN-1.21.md)分别验收,不把固定协议夹具当真实推理收益。
## 当前节点:1.20完整本地交付
1.20.0完整本地交付:固定工程评测、同源原版/候选、全部尝试与原日志对照、显式采纳及父审查/检查/Git。独立源码604/604、28类210组界面、四类工程14节点、随包与同载荷安装7组、正式26页及原生回看通过。原PID36552/Provider、17项目/30全部会话/3144记录/5986事件、全部表每行/导出/模型中心及1824工件记录/1721去重文件原字节保持,9229关闭。本轮真实模型请求0;固定HTTP不代表自主推理收益或全仓自升级。
见[使用说明](ENGINEERING-EVALUATIONS.md)、[验收](QA-1.20.md)、[回顾](RETROSPECTIVE-1.20.md)及[发行身份](engineering-evals-release-identity.json)。下一[1.21方案](PLAN-1.21.md)聚焦工程依赖与可复现环境,尚未实现。
回顾发现并修复:同批样本迟到报告归属、已执行未封存状态误算未执行、发行包/实际服务版本标识不一致,以及旧界面验收版本白名单遗漏。原失败及前两次冻结保持,最终代码4931476重新独立验收;未放宽现有快照边界或直接替换运行目录。
## 1.19历史节点:完整本地交付
1.19.0完整本地交付:有界持久解析缓存、逐次两轮来源SHA核对、严格失效、开关/清除及索引/诊断入口。独立源码590/590、27类203组历史UI、新缓存7组及9节点工程、原生窗口7项/受控流程9组/桌面工程16节点、Responses13节点、截图7节点及Node8/8、React9/9、Python10/10通过。随包缓存/伴随端/协议/视觉、同载荷安装7组、正式24页和升级后原生回看通过。原PID36552/Provider、17项目/30全部会话/2614记录/4701事件、全部表每行/导出/模型中心/工件原字节保持,1466工件记录/1376去重文件核对,9229关闭。本轮真实模型请求0;真实视觉工程/Purge收益及新增iPhone实机继续单列待验。 见[1.19验收](QA-1.19.md)、[回顾](RETROSPECTIVE-1.19.md)、[缓存契约](PROJECT-CACHE.md)和[发行身份](project-cache-release-identity.json)。 原Esc中断及中间封存保持;本轮重新观察1.19正式原生窗口后完成F,独立ACCEPTANCE绑定交付Git。
## 1.18历史节点:完整本地交付
1.18.0完整本地交付:PNG/JPEG工程截图、原图/发送副本SHA、Chat/Responses实际视觉输入、按任务能力选池、独立视觉检测和具体预算诊断已实现;冻结预览确认后在同Task新建Run续接,原完成/未知工具不重放。独立源码576/576、26类196组历史UI、随包原生窗口7项/原生流程9组/桌面三工程16节点、Responses三工程13节点、新截图三工程7节点及Node8/8、React9/9、Python10/10通过;源码/便携各7组伴随端、5组协议和5组视觉流程,同载荷隔离安装/重启/卸载7组、正式20页及原生回看通过。正式PID36552/Provider保持,17项目/30全部会话/2614记录/4701事件,全部表每行/会话导出/模型中心/工件原字节保持;1466条工件和1376个去重文件核对通过,9229关闭。手机新增截图只读观察/SHA/下载,正式网关保持关闭、无QA设备或证书迁入。本轮验收发起真实模型请求0;安装期间工作台新增的原1.17调用单独保留,不计为1.18视觉验收。真实模型视觉工程/Purge收益及新增iPhone流程实机仍分别待验。 见[1.18验收](QA-1.18.md)、[回顾](RETROSPECTIVE-1.18.md)与[发行身份](vision-inputs-release-identity.json)。 下一[1.19方案](PLAN-1.19.md)聚焦已有工程上下文复用、失效与长任务效率,尚未实现。以下旧节点保留。
## 1.17历史节点:完整本地交付
1.17.0完整本地交付:Chat/Responses实际协议、有界SSE、完整工具组核验、能力选池、显式检测与原请求证据已实现。独立源码558/558、25类191组历史UI、随包原生窗口7项/原生流程9组/桌面三工程16节点、Responses三工程13节点及两套父Node8/8、React9/9、Python10/10通过;源码与便携各7组伴随端/5组新协议界面、同载荷隔离安装/重启/卸载7组、正式20页通过。正式PID36552/Provider保持,17项目/30全部会话/2590记录/4653事件,全部表每行/会话导出/工件原字节保持;1455条工件及1366个去重文件核对通过,9229关闭。公开模型中心仅增加逐项核对的默认能力字段,原存储不迁移。正式手机网关继续关闭、无设备/证书,未迁入QA身份。真实模型工程/Purge收益继续按用户选择单列待验,本轮真实模型请求0;1.17没有新增iPhone实机流式结论。 见[1.17验收](QA-1.17.md)、[回顾](RETROSPECTIVE-1.17.md)与[发行身份](model-protocols-release-identity.json)。 下一[1.18方案](PLAN-1.18.md)先审查截图附件、实际视觉选路和同Task预算续接;以下1.12.1审查及1.16节点保留为历史记录。
审查开始:2026-10-30;本地交付:2026-10-31(Asia/Shanghai)。审查基线为1.12.0实现3f6797b和交付记录ca9042e;审查起始服务采用不可变发行20261030124454517。用户要求本阶段先审查、修复及记录计划,随后再开发新能力。
本报告区分历史发行证据、当前源码检查、当前隔离复验及未完成项。各版本原报告和失败记录保持原字节,不把过去的局部验证推断成整体自主交付能力。
## 执行与产物
- 后续计划:逐项记录范围、前置条件、真实完成标准及未知能力。
- 里程碑:核对计划、模块、原验收与实际部署,整理阶段遗留项。
- 可靠性与安全:检查本地HTTP权限、项目文件/Git范围、任务/审批归属、持久恢复、模型池/凭据、Skills/MCP/REA/外部引擎和交付证据。
- 修复:先以独立端口、临时项目和自有凭据夹具复现,再做相关验证;不读取真实Key、不发送真实模型请求,不普通重启正式服务。
- 收尾:本地小步提交、必要的补丁发行、最终证据与未完成能力说明。
## 1.12.1审查时的进度
已核对1.12.0交付:357/357独立源码、150组完整界面和部署后8个页面通过;原PID19084/Provider以及15项目、26会话、2505记录、4476事件在升级时保持。此记录是历史发行基线,本阶段新的检查另行记录。
后续顺序、前置条件与完成标准已保存于[NEXT-STEPS.md](NEXT-STEPS.md)。五类确认问题、追加硬链接补强及29项复验完成;80项专项、额外配置HTTP故障检查、实际旧进程/Edge8组、完整150组UI及独立源码371/371全部通过。218份输入/6份构建与最终不可变包一致,最终归档及便携通过。当前正式1.12.1/PID23172保留Provider、完整模型中心、16项目/27会话/2523记录/4510事件每行及全部导出;部署后8页与数据库复核通过。首个候选368/369的旧测试假设失败保持原记录,未采用该失败候选。
## 逐版本对照
下表数字来自各版本原报告,不是本轮重新运行所有旧版本。原真实模型失败保持失败;各版本的源码、便携、正式部署及原失败详见对应QA。
| 节点 | 原计划与已实现能力 | 原验收 | 原真实工程及遗留项 |
| --- | --- | --- | --- |
| [1.0](QA-1.0.md) | 基础对话、工具、代码提案/审批、诊断及旧会话 | 34项测试、19组UI | 是基础可运行版本,尚无完整工程交付与可靠Task内核 |
| [1.1](QA-1.1.md) | Task/Run/Tool、SQLite/工件、预算、实际检查及中断恢复 | 68项、26组UI | 内核与检查链路交付;真实工程完成率需另验 |
| [1.2](QA-1.2.md) | 当前Task的Git预览/确认、所属提交、交付报告与unknown核对 | 92项、35组UI | 真实Node样本四文件修改/检查/Git通过;三类工程完整基准未完成 |
| [1.3](QA-1.3.md) | 工程声明/导入索引、精确补丁、保留原格式与Git范围 | 112项、43组UI | 真实精确四文件样本通过;索引不代表完整运行时依赖,成本收益未对照 |
| [1.4](QA-1.4.md) | 封存多文件变更集、整批预检、逐文件账本与显式回退 | 141项、54组UI,13个实际退出切点 | 真实样本工程交付通过,模型最终因token预算暂停;跨文件写入并非原子事务 |
| [1.5](QA-1.5.md) | 完整请求预算、有界上下文、原工件与历史保留 | 158项、62组UI | 原真实模型27次响应后超时,无提案;不能记为自主交付 |
| [1.5.1](QA-1.5.1.md) | 按实际预算分页、有界最新结果、重复读取暂停 | 163项、63组UI | 真实代码/检查通过,Git预览后循环;人工核对收尾,不算全自主 |
| [1.6](QA-1.6.md) | 独立Git工作区、身份/创建unknown、保留已有修改及审查收尾 | 192项独立源码、72组UI | 工作区执行链路通过,原真实模型仍无提案;自动合并/归档未交付 |
| [1.6.1](QA-1.6.1.md) | 原结果可核对的Task工作依据与预算观察 | 200项独立源码、74组UI | 界面和观察通过,真实工作依据仍被挤出;下一补丁修复 |
| [1.6.2](QA-1.6.2.md) | 工作依据优先保留、旧发送视图兼容和原工件分页 | 205项独立源码、74组UI | 原依据保留已修;真实模型仍重复查询且无提案,原失败未改写 |
| [1.7](QA-1.7.md) | 最新工具反馈/无进展暂停、Python结构化检查、React工程验证 | 224项独立源码、87组UI | 受控React/Python执行样本通过;原真实模型no_progress失败保留 |
| [1.8](QA-1.8.md) | 固定REA 6.8.0 stdio与ASAR/PE三项静态操作、所属原Evidence | 244项独立源码、98组UI、真实REA三操作 | 真实Node四模块工程Task的14项检查/build/Git通过;REA其他工具与引擎执行未交付 |
| [1.9](QA-1.9.md) | 固定DeepSeek Harness 0.2.1-rc.2 SDK连接、所属进程/原协议/停止 | 261项独立源码、108组UI、六方法连接核验 | 真实React/Python样本通过;尚未向引擎发送prompt/开放工程写入,Purge未做收益对照 |
| [1.10/1.10.1](QA-1.10.md) | 封存静态构建与真实Edge交互/PNG;热升级旧工件对象API修复 | 274/276项独立源码、118组UI | 实模桌面8/8,390px选择器匹配三个按钮而失败;整体真实页面任务未完成 |
| [1.11](QA-1.11.md) | Task不可变依赖计划、所选范围真实证明、唯一DOM定位/字段读取 | 298项独立源码、126组UI | 源码/便携/正式部署通过;真实模型续接按用户选择暂缓 |
| [1.12](QA-1.12.md) | 模型中心/池、已验证格式导入与可关闭同步、巡检、来源记忆、检查点、Skills、stdio MCP | 357项独立源码、150组UI、部署后8个页面 | 正式部署通过;实模工程暂缓;WorkBuddy未知格式、加密凭据、跨协议/流式/多模态待做 |
| [1.12.1](QA-1.12.1.md) | 五类确认的路径、配置事务、升级/活动、HTTP与执行环境边界修复 | 371项独立源码、150组UI、8组旧进程/页面策略对照及部署后8页;原首候选368/369失败保留 | 最终不可变包及正式Provider/模型中心/全部历史保持通过;本轮真实模型0请求 |
## 总计划实现情况
| 计划 | 本轮核对后的状态 | 下一实际门槛 |
| --- | --- | --- |
| M0工程基线 | 已建立本地Git、原发行、来源/能力矩阵和研究规范 | 后续独立实现通过相关检查后及时本地提交 |
| M1可靠内核 | Task/Run、SQLite、审批/预算、原工件与恢复已交付;本轮补持久化/升级/凭据传递边界 | 保持未知副作用核对、失败回滚和原进程升级回归 |
| M2真实工程闭环 | 代码、检查、浏览器、Git和报告已接通;部分真实样本成功、部分失败 | 固定Node/React/Python各两个任务,独立验收并统计人工介入/完成率,不能用测试数量代替 |
| M3研究与引擎 | REA三项与DeepSeek连接已交付;受控引擎工程执行和Purge收益未完成 | 固定实际写入/取消/审批协议,隔离工程与同题对照 |
| M4长任务/多worker | 记忆、上下文工件、检查点和独立worktree已交付;worker调度/成果合并未完成 | 两个受限worker及真实冲突/停止/恢复验收 |
| M5桌面/手机 | Web界面及390px布局已验证;安装版与真实设备配对未实现 | 单实例后台宿主、保留数据更新、可撤销配对和断线补发 |
| M6专业交付 | 不可变包、输入/构建/日志散列、独立源码/便携验证已有 | 加密凭据/隔离、真实任务质量指标、候选回滚及隔离自我迭代 |
## 本轮确定问题与修复
| 编号 | 问题与复现 | 修复范围 | 当前验收 |
| --- | --- | --- | --- |
| A01 | 项目内junction指向.git或credentials可绕过词法保护,创建预检也允许;受保护文件硬链接为AGENTS.md可被普通读取及自动规则加载 | safePath同时核对真实目标/父目录、凭据目录和Windows尾点/空格别名;常规文件要求单一路径,清单跳过多硬链接;普通项目内链接及独立副本可用 | 原junction/硬链接复现均保留;新增读取/提案/清单/自动规则与旧提案兼容29/29,已纳入最终371项回归 |
| A02 | SQLite保存失败后模型注册内存状态与已提交数据库不一致;选择/运行模式及批量导入可能部分生效 | 保存失败恢复已提交注册;模式与选择同事务;整批连接/来源/凭据引用回滚;成功提交后才替换原Key | 原复现保持,10项模型中心及实际配置HTTP故障检查通过,已纳入最终371项回归 |
| A03 | 热升级保留已初始化ModelHub/Importer对象却不更新方法;模型探针未参与活动门控 | 保留对象/凭据/预览并更新原型,失败恢复旧原型;在途请求/队列/租约阻止配置变更与升级 | 原对象/失败回滚和探针专项通过;实际旧1.12初始化对象升级及原凭据/预览保持通过 |
| A04 | 本地审批页面可被外部页面嵌入,缺少同源脚本/连接策略 | 禁止frame嵌入、仅同源脚本/API、禁止object/base、no-referrer;已有动态布局保留内联style | HTTP与实际Edge旧/新iframe对照、外部脚本拒绝、1280/390正常页面及PNG Blob通过;完整UI150组通过 |
| A05 | PowerShell、npm及Python检查继承未知宿主凭据环境变量 | 统一仅传系统/运行路径和内核显式字段,保留Python检查隔离设置 | 三条实际执行链路原标记复现及新增shell/npm/Python实际检查通过,Node/Python相关回归通过 |
初始复现与失败记录都在独立`.qa/milestone-*`目录;不涉及用户项目、真实Key或模型请求。目录和报告将在最终身份清单中逐项绑定。
## 修复优先级与代码位置
优先级按本工作台实际作用范围判断,不把本机审批等同于OS隔离。下表影响由自有夹具、原对象复验及独立源码回归支持,最终便携和正式部署均已通过。
| 编号 | 优先级与实际影响 | 修复位置 |
| --- | --- | --- |
| A01 | 高:带内部junction或硬链接的工程可让受保护文件进入读取或自动规则,扩大模型可见范围 | [files.mjs](../src/server/files.mjs)第26、52、56行;[边界验证](../tests/file-boundaries.test.mjs) |
| A05 | 高:工程命令和检查代码能获得未知宿主凭据环境变量 | [process-environment.mjs](../src/core/process-environment.mjs)第5行;三条实际执行链路分别核验 |
| A02 | 中:保存失败仍改变运行状态或部分导入,后续选择与界面可能对应不同连接 | [model-hub.mjs](../src/core/models/model-hub.mjs)、[config-import.mjs](../src/core/models/config-import.mjs)、[store.mjs](../src/server/store.mjs)第323行 |
| A03 | 中:补丁加载后仍使用旧对象方法,在途探针与配置变更/升级可能冲突 | [hot-upgrade.mjs](../src/server/hot-upgrade.mjs)第18行;[provider.mjs](../src/server/provider.mjs)第122行 |
| A04 | 中:外部页面可嵌入带审批按钮的工作台,使用户在外部页面触发本地操作 | [app.mjs](../src/server/app.mjs)第74行;实际Edge嵌入及外部脚本对照 |
## 审查覆盖与结论边界
- HTTP:实际本地Host/Origin/token、JSON限制、事件游标/慢客户端、只读与副作用路由;新增防嵌入和同源策略。当前本机token不等同于OS沙箱或远程设备权限。
- 文件/Git:词法与实际路径、受保护目录、提案原字节、ChangeSet预检/恢复、私有Git索引/所属提交、工作区HEAD/身份与unknown。保留已有用户修改;外部并发替换链接的完整OS隔离仍属后续能力。
- 执行:Task/Run/审批归属、稳定工具身份、请求预算、检查计划/测试数量与原日志、进程取消和未知结果;补齐宿主环境隔离。当前审批命令仍使用宿主账户权限。
- 计划/上下文/恢复:有界原请求、最新工具反馈、来源记忆、Skills目录/原修订、检查点及证明原工件;来源/要求/源码改变导致失效,不重写历史发送证据。
- 模型:配置事务、选择/Run固定快照、队列/租约/冷却、401/429、停止、原请求账本与导入预览指纹。Key目前仅在内存,实际多协议/真实模型工程另验。
- REA/MCP/引擎/浏览器:固定身份与协议、所属进程、受控范围、原报告/PNG/退出、unknown核对和不重放。连接核验、静态构建和夹具不宣称为任意引擎/桌面操作。
- 依赖:2026-10-30 npm audit的153项依赖元数据中0已知漏洞;原JSON与SHA256单独保存。此结果不证明不存在未知漏洞;REA等随包依赖另按锁/清单和实际运行验证。
本轮审查已闭环,修复、独立源码、实际UI、不可变包及保留状态正式部署证据见[QA-1.12.1](QA-1.12.1.md)与[发行身份](milestone-audit-release-identity.json)。后续新能力按NEXT-STEPS执行,真实模型工程验收继续暂缓;未完成能力保留在总计划和能力矩阵中。
## 1.16手机伴随端节点复核
A/B的独立TLS/配对/权限、C的任务与设备界面、D的原审批/停止、E的原seq恢复/撤销和F的真实手机/独立发行/保留数据升级均已核对。复用各历史里程碑的原证据,并执行新完整独立源码和全部历史界面;原失败保持,不把夹具或模型文字当成真实推理收益。
独立源码519/519、24类186组历史UI、实际Electron窗口7项、原生流程9组、三工程16节点及父Node8/8、React9/9、Python10/10通过;源码与便携各7组手机流程、同载荷隔离安装/重启/卸载7组、正式桌面/390px共20页通过。正式PID36552/Provider保持,17项目/30全部会话/2590记录/4653事件、全部表每行/会话导出/工件原字节保持;1455条工件及1366个去重文件核对通过,9229关闭。iPhone 14 Pro Max/iOS 27.2为用户提供;用户确认信任、配对、原审批、差异/报告SHA、主屏幕、锁屏、切网恢复、停止及撤销,原宿主审计/进程/文件另行核对,无手机截图。正式手机网关默认关闭、无设备/证书;QA证书与设备身份没有迁入。验收手机监听已关闭并释放4321,4320管理及原数据保留。真实模型工程和Purge推理收益继续按用户选择单独待验,本轮真实模型请求为0。来源及具体修复见[QA-1.16](QA-1.16.md)与[切片回顾](RETROSPECTIVE-1.16.md),后续[1.17方案](PLAN-1.17.md)尚未开始产品实现。