Files
Agent-Workbench/docs/LIVE-RETEST-E-RESULTS.md
T

33 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.
# 修复后真实工程交付与原版 Purge 对照
六个新样本已按 E 方案完成实测和封存:Python 完成交付;React 未交付;原版 Purge 四组对照均未交付,本轮没有证明正向收益。旧六例、20 次请求/419,597 报告 tokens 和一次未知用量保持原结果,不能回填为成功。
使用修复后相同编译载荷、现有 Provider、配置连接 `claude-opus-5-5`/Chat Completions/32K/连接修订3。六个样本串行,总计 **52 次真实请求、621,486 报告 tokens、0 次未知用量**;未超过100请求/700k报告tokens批次上限。没有人工代写实现、修改原测试、追加实现提示或续跑旧 Task。模型原请求、上游流、账本消费、固定代码和原失败均封存,费用未推算。
| 样本 | 请求 | 报告 tokens | 实际结果 |
| --- | ---: | ---: | --- |
| React | 12 | 126,459 | 原9测试2通过/7失败;类型检查和构建通过;未形成修复批次,下一次预留不足而暂停 |
| Python | 12 | 131,065 | 三模块由模型修复;原6测试由1通过/5失败变6/6,编译通过,审查后本地Git完成 |
| 第一轮关闭 | 9 | 98,356 | 三文件批次审查应用;未完成修复后的原测试和父交付,预算暂停 |
| 第一轮开启 | 5 | 76,661 | 完成原9失败检查,无已应用批次;剩余预算不足下一请求预留而暂停 |
| 第二轮开启 | 6 | 96,572 | 完成原9失败检查,无已应用批次;预算暂停 |
| 第二轮关闭 | 8 | 92,373 | 三文件批次审查应用;未完成修复后的原测试和父交付,预算暂停 |
Python Git:`f3378a802ea0abb2208a67dc4e6cfda9393c47ba`,状态 `verified_committed`。验收程序批准两次原检查、应用一次模型封存批次并确认模型准备的交付计划,未提供实现;12份受保护输入及原暂存/未暂存字节保持。该单样本证明了一次受监督的实际闭环,不代表普遍自主成功率。React未通过,未运行成功页面验收或制造Git交付。
## 原版加载与收益边界
两次开启组均实际加载固定 Purge1.1.78 原入口/apply及两个原生模块,11份实际模型输入逐份核对完整唯一的原版提示。关闭组是同一 Harness,没有原版插件和独立提示实验段,17份实际输入逐份核对。四组目标、原Git树、三个源码模块、原9测试、工具、模型连接/修订/协议、32K容量、输出余量和105k预算相同,顺序为关闭→开启、开启→关闭。
开启组消耗合计173,233,关闭组190,729,但四组都没交付,停止位置不同。不能把更早失败解释为节省,也不能由两个顺序、四个样本推断普遍收益。关闭组两次进入应用阶段、开启组没有应用批次,是描述性观察,不足以断言通用能力下降。
第一轮开启虽然顶层原因是 `engine_input_budget`,原拒绝分项显示:必需输入27,424小于可用窗口27,552;下一次保守预留29,600大于剩余28,339,`limitingReason=remaining_token_budget`。这是剩余累计预算不足,不是本次32K窗口本身不足。原拒绝工件保留,不扩容或重置账本补做。
## 保存与回顾
889份/39,866,911字节,包括776条工件记录/712份去重字节、六份基线、全部自有记录/导出、模型原请求/响应、原版输入与进程关闭证据。见 [manifest](live-original-purge-e-evidence/manifest.json),SHA-256 `1eafc592adb267f6487cf9b48893480e9b8a987780307d1f945befa4e851ba22`。离线核验52请求、上游报告usage、11开启/17关闭输入和原版加载通过;核验器不调用模型或加载插件。
全部6个原生进程树结束,原PID36552/Provider保留,9229关闭;原模型连接公开参数及号池已恢复,连接修订2→3→4和config修订18→33按实际记录。原46会话完整导出、2,143份原工件、3,845原records/7,700原events/7,700原outbox保持。新增12自有项目/12会话;所有原表逐行核对,仅精确逆算新增项目位置、所属尝试追加、声明配置修订和事件序列,96条原模型尝试保持。私有快照不入Git,未读取或复制Key。
这批源码在同源固定副本上实测。后续 [F 固定安装](QA-ORIGINAL-PURGE-RELEASE-F.md)已完成:21份执行服务/网页/桌面编译与E相同,仅安装管理器入口补齐已修正升级脚本的重新编译;原数据/Provider保持。正式原生窗口目视回看因物理Escape停止待补。之后按 [交付效率修复计划](LIVE-DELIVERY-EFFICIENCY-PLAN.md)减少无进展读取和待审查阶段空转;不再重跑本批失败样本。