Files
Agent-Workbench/docs/engineering-evals-f-release-evidence/0110-finalize-evals-docs.mjs
T
2026-11-01 12:31:20 +08:00

53 lines
14 KiB
JavaScript
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.
import fs from 'node:fs';
import assert from 'node:assert/strict';
const read = file => JSON.parse(fs.readFileSync(file, 'utf8'));
const id = read('docs/engineering-evals-release-identity.json');
assert.equal(id.success, true); assert.equal(id.version, '1.20.0'); assert.equal(id.formal.native.success, true);
assert.equal(id.independentSource.tests.pass, 604); assert.equal(id.ui.groups, 210);
const c = id.formal.counts;
const summary = `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PID${id.formal.pid}/Provider、${c.projects}项目/${c.sessions}全部会话/${c.records}记录/${c.events}事件、全部表每行/导出/模型中心及${id.formal.artifactRecords}工件记录/${id.formal.blobFiles}去重文件原字节保持,9229关闭。本轮真实模型请求0;固定HTTP不代表自主推理收益或全仓自升级。`;
const links = '见[使用说明](ENGINEERING-EVALUATIONS.md)、[验收](QA-1.20.md)、[回顾](RETROSPECTIVE-1.20.md)及[发行身份](engineering-evals-release-identity.json)。下一[1.21方案](PLAN-1.21.md)聚焦工程依赖与可复现环境,尚未实现。';
const changes = new Map();
const get = file => changes.get(file) ?? fs.readFileSync(file, 'utf8');
const put = (file, value) => changes.set(file, value);
function replace(file, old, next) { const value = get(file); assert.ok(value.includes(old), `${file}: ${old}`); put(file, value.replace(old, next)); }
function paragraph(file, prefix, next) { const parts = get(file).split(/\r?\n\r?\n/); const index = parts.findIndex(value => value.startsWith(prefix)); assert.ok(index >= 0, `${file}: ${prefix}`); parts[index] = next; put(file, parts.join('\n\n')); }
function row(file, prefix, next) { const lines = get(file).split(/\r?\n/); const index = lines.findIndex(value => value.startsWith(prefix)); assert.ok(index >= 0, `${file}: ${prefix}`); lines[index] = next; put(file, lines.join('\n')); }
function insert(file, value) { const text = get(file), at = text.indexOf('\n'); assert.ok(at >= 0); put(file, text.slice(0, at + 1) + '\n' + value.trim() + '\n' + text.slice(at + 1)); }
function append(file, value) { put(file, get(file).trimEnd() + '\n\n' + value.trim() + '\n'); }
paragraph('README.md', '1.20.0候选', '1.20.0已完成本地正式升级和验收。「工程评测」可固定需求、来源和原检查,准备同源原版/候选,核对真实失败、改动与人工操作,再经父审查/检查/Git采纳。独立604项、210组历史界面、四类工程14节点及安装/升级/原生回看通过;原连接和全部历史保持。见[工作台](http://127.0.0.1:4318/?release=1.20.0)、[使用说明](docs/ENGINEERING-EVALUATIONS.md)、[验收](docs/QA-1.20.md)、[身份](docs/engineering-evals-release-identity.json)和[下一阶段](docs/PLAN-1.21.md)。固定响应验证执行链,真实模型自主完成率仍单独验收。');
replace('README.md', '1.19.0已完成本地正式升级和验收。', '1.19.0历史交付项目解析缓存。');
replace('README.md', 'Windows x64 1.19桌面/便携包自带', 'Windows x64 1.20桌面/便携包自带');
replace('README.md', '当前安装/发行状态见[QA-1.19](docs/QA-1.19.md)。', '当前安装/发行状态见[QA-1.20](docs/QA-1.20.md)。');
replace('README.md', '下一[1.20工程质量评测与受控自我迭代](docs/PLAN-1.20.md)仅方案。', '1.20固定工程评测与受控候选采纳已完整交付;下一[1.21工程依赖与可复现环境](docs/PLAN-1.21.md)仅方案。');
paragraph('AGENTS.md', '1.19.0完整本地交付:', summary + ` 不可变${id.immutableRelease},代码来源${id.codeCommit};原件见docs/engineering-evals-f-release-evidence/manifest.json及docs/engineering-evals-release-identity.json,下一PLAN-1.21仅方案。`);
row('AGENTS.md', '- 正式服务入口http://127.0.0.1:4318,', '- 正式服务入口http://127.0.0.1:4318,当前1.20.0,沿用用户手动启动的PID36552与原Provider;当前身份以docs/engineering-evals-release-identity.json为准,完整F及原生回看已通过。本轮原连接、全部表/会话/工件均保持;普通源码/规划/Git工作不重启服务、不读取或复制Key。');
insert('docs/VALIDATION.md', '## 1.20 · 固定工程评测完整本地交付\n\n' + summary + '\n\n' + links);
insert('docs/CAPABILITIES.md', '## 当前1.20交付\n\n' + summary + '\n\n' + links + '\n\nC01/C02/C07/C09/C11/C13/C15/C24:每批1–3固定样本、原测试保护、两个同源工作区、原版0模型请求、候选审批/检查、失败与未知保留、JSON/Markdown原报告和单个候选受控采纳。工作台自身试点绑定原提交模块;非OS沙箱,不直接更改运行发行。');
const capability = get('docs/CAPABILITIES.md').split(/\r?\n/).find(line => line.startsWith('| C24 工程能力评测 |'));
assert.ok(capability);
replace('docs/CAPABILITIES.md', capability, '| C24 工程能力评测 | 1.20固定样本/同源原版与候选/全部尝试/原报告/受控采纳已完整交付;Node8/8、React9/9、Python10/10及自身模块9/9,四类工程14节点通过;固定HTTP与真实模型收益分开 | 固定样本、重复评测、原分母/失败/未知、人工介入及实际用量 | 全部目标 / evaluation、artifacts / M1–M6 | 固定回答只证明协议和执行链;自主成功率及视觉/Purge真实收益单独评测 |');
replace('docs/MILESTONE-AUDIT.md', '## 当前节点:1.19完整本地交付', '## 1.19历史节点:完整本地交付');
insert('docs/MILESTONE-AUDIT.md', '## 当前节点:1.20完整本地交付\n\n' + summary + '\n\n' + links + '\n\n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' + id.codeCommit.slice(0, 7) + '重新独立验收;未放宽现有快照边界或直接替换运行目录。');
paragraph('docs/PRODUCT-PLAN.md', '更新:', '更新:2026-10-31。当前正式基线1.20.0,A–F及原生回看已完成。' + summary + ' ' + links);
paragraph('docs/PRODUCT-PLAN.md', '当前已实现Task所属计划/', '当前已实现Task所属计划/原证明、请求预算、来源记忆/检查点、模型中心/池、Skills/stdio MCP、受限worker与父审查、固定DeepSeek受控桥、Windows桌面/可选DPAPI、真实iPhone伴随端、Chat/Responses有界SSE、PNG/JPEG视觉与预算续接、来源核对的持久解析缓存,以及1.20固定工程评测/受控自身模块候选采纳。各阶段证据见对应QA;工程依赖准备、更多引擎、OS沙箱、语音、通用电脑操作及未知客户端格式仍待开发。真实模型自主完成率和视觉/Purge收益单独评测;现有文本批次不提供跨文件原子事务。');
paragraph('docs/NEXT-STEPS.md', '更新:', '更新:2026-10-31。' + summary + ' ' + links);
paragraph('docs/NEXT-STEPS.md', '当前接续:', '当前接续:1.20 A–F、独立发行、保留状态正式升级及原生回看已完成。下一[PLAN-1.21](PLAN-1.21.md)优先补齐工程依赖诊断、固定准备计划、审批/停止与可复现环境,解决本轮React仍需QA显式安装依赖的真实缺口;每切片验收、回顾并本地Git。');
row('docs/NEXT-STEPS.md', '| 6:自我迭代与专业交付 |', '| 6:自我迭代与专业交付 | 1.20固定评测、同源原版/候选和受控自身模块采纳已交付;多模型复核、更多样本及全仓升级后续分别验收 | 固定来源/原检查、同源环境、现有审批/审查/检查/Git及完整独立发行 | 候选不直接改运行中的发行;回归失败不能发布;保留原失败、人工介入及实际用量,不从固定回答推断模型收益 |');
paragraph('docs/NEXT-STEPS.md', '当前Windows安装、', '当前Windows安装、本机可选加密、1.16用户确认iPhone流程、两协议/流式、工程截图/视觉、来源缓存及1.20固定工程评测和受控候选采纳已交付。未交付工程依赖准备、OS沙箱、固定DeepSeek桥以外的工程引擎、未知WorkBuddy格式自动导入、语音、通用电脑操作与全仓自主升级;稳定自主工程成功率继续真实模型评测。');
replace('docs/NEXT-STEPS.md', '当前[1.15桌面阶段](PLAN-1.15.md)A–F完整交付;下一[1.16](PLAN-1.16.md)按实际HTTPS和一次性配对开始。手机、跨协议多模态和自我迭代依照上表前置推进,', '1.15桌面、1.16手机、1.17协议、1.18视觉、1.19缓存和1.20固定评测均已交付;工程依赖、更多引擎与其它多模态依照最新方案前置推进,');
replace('docs/PLAN-1.20.md', '# 1.20 后续方案:', '# 1.20 实施方案与交付范围:');
paragraph('docs/PLAN-1.20.md', '1.19已完成原生续验、', '1.20 A–F已完成,来源790350e,分支feat/engineering-evals-1.20。固定工程评测、同源原版/候选、原报告和受控采纳已进入产品;独立发行、保留状态升级和原生回看通过。结果见[验收](QA-1.20.md)、[回顾](RETROSPECTIVE-1.20.md)及[身份](engineering-evals-release-identity.json)。下一[PLAN-1.21](PLAN-1.21.md)仅方案;语音、通用电脑操作、更多引擎和真实推理收益分别排期。');
paragraph('docs/QA-1.20.md', '来源790350e,', '来源790350e,分支feat/engineering-evals-1.20。A–F完整本地交付,正式1.20.0;代码与QA输入冻结于' + id.codeCommit + ',完整原件见[证据清单](engineering-evals-f-release-evidence/manifest.json)和[发行身份](engineering-evals-release-identity.json)。');
replace('docs/QA-1.20.md', '| F 完整发行 | 待验 | 完整源码/历史UI/独立源码/便携/安装/升级/原生回看 |', '| F 完整发行 | 已完成 | 独立604/604、28类210组界面、源码/便携新评测5组、四类工程14节点、安装7组、保留全部状态升级、正式26页/原生回看 |');
append('docs/QA-1.20.md', '## F 最终发行\n\n' + summary + `\n\n冻结415输入/22构建/40基准,代码来源${id.codeCommit}。独立源码从新归档提取并移至同卷短路径后逐字节核对;离线依赖/构建及22份构建完全一致。源码和便携均运行实际新评测5组、伴随端7组、协议5组、视觉5组、缓存7组;源码另验四类评测工程14节点、原生窗口7项/流程9组/桌面工程16节点、Responses13节点、截图7节点和缓存9节点,原父Node8/8、React9/9、Python10/10保持。\n\n安装验收采用相同产品载荷、隔离登记的7组实际安装/原生启动/加密连接/工程检查/窗口崩溃/宿主重启/卸载保留数据,再以正式产品安装器stage、单次保留Provider升级、独立activate和只读验证。实际升级前重新快照全部会话和每表每行,未套用旧计数;私有SQLite备份不提交。正式手机网关保持关闭且无QA设备/证书。升级后原生窗口和只读26页均通过,未启动用户任务或修改连接。\n\n原完整UI首轮因APP_VERSION遗漏拒绝,原编译验证等待Git中间态导致失败,全部失败原件保留。修复后新冻结重验;没有把局部成功记为最终通过。原日志追加只接受明确核对的固定卸载收尾,保留原前缀和最终字节。\n\n自身试点只覆盖来源绑定模块;React依赖由QA显式按lockfile准备,不计模型自主安装。真实模型、视觉/Purge收益、多模型复核、全仓自升级和新iPhone流程仍分别未验证。下一阶段见[PLAN-1.21](PLAN-1.21.md)。`);
append('docs/RETROSPECTIVE-1.20.md', '## F 完成回顾\n\n' + summary + '\n\n包/服务版本对照成功拦截一次真实发行遗漏,最终冻结重验后才交付;完整回归与归档验证不能由开发工作区局部通过替代。自身试点发现汇总状态问题并完成原版失败/候选通过/父交付,但全仓超过快照边界,未扩大权限或上限。下一1.21解决依赖环境需人工准备的缺口;模型自主能力、多模型复核与Purge收益继续用实际工程评测,不从固定HTTP推断。');
replace('task_plan.md', '正式1.19/PID36552和Provider保持;', '正式1.20/PID36552和Provider保持;');
replace('task_plan.md', '6. [in_progress] F:完整回归、独立源码/便携/安装/保留状态升级、原生回看、证据/回顾/本地Git与下一计划。', '6. [complete] F:' + summary + ' 原成功/失败证据已封存;下一PLAN-1.21仅方案,最终本地Git与独立ACCEPTANCE绑定交付身份。');
replace('CHANGELOG.md', '完整发行结果见QA-1.20。', '完整发行604/604独立源码、28类210组界面、随包新评测5组、同载荷安装7组、正式26页及原生回看通过;原PID/Provider、全部表/会话/工件保持。原版本遗漏失败及重验分别封存,真实模型请求0,详见QA-1.20。');
append('progress.md', '## 1.20完整本地交付\n\n' + summary + '\n\n完整F原件、字节清单和发行身份已封存;不重写旧失败或不可变安装包。下一1.21仅方案,优先工程依赖与可复现环境。');
append('findings.md', '## 1.20闭合结论\n\n' + summary + '\n\n同源原检查、失败分母与人工介入是候选质量判断的依据。原函数的状态汇总问题已用来源绑定模块证明并修复;未将固定响应或自身模块试点推广为模型推理提升。发行服务版本必须与包身份同时断言,环境缺失需先诊断而非误算代码失败。');
for (const [file, text] of changes) fs.writeFileSync(file, text);
fs.writeFileSync('.qa/evals-f-final-docs-receipt.json', JSON.stringify({ success: true, version: id.version, files: [...changes.keys()], summary, at: new Date().toISOString() }, null, 2) + '\n', { flag: 'wx' });
console.log(JSON.stringify({ success: true, edited: [...changes.keys()] }));