Files
Agent-Workbench/docs/M4-LIVE-BASELINE-PLAN.md
T
2026-11-11 23:29:52 +08:00

39 lines
6.2 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.
# M4:1.25.13 新真实兼容与自主工程基线
2026-11-11 开始。承接已正式验收的 1.25.13,不续跑 AD/AE/AG、X、R/W 或用户工程。当前源码基线 `0054ea282180b20061797b00cf5122ee8baa1df4`;本次驱动提交、正式宿主、连接、参数和工程输入另行冻结。
首次公开观察保存在 `.qa/m4-live-baseline-2026-11-11/observation.json`:正式 1.25.13/PID 63892,空闲、unrestricted/passthrough/full,三个累计/步数设置为 0,六条连接均 `hasKey=false`。已请求用户只在模型中心恢复所需连接的凭据,聊天不接收 Key。此观察不能作为后来凭据可用或真实兼容通过的证明。
## 阶段与结束标准
1. 核对源码、现有正式身份、公开连接与选择,恢复规划记录。无凭据时先完成可运行的新驱动与冻结工程准备,不发真实请求。
2. 使用新证据目录、新 claim 和自有工程验证驱动。合成服务只验证请求、原件归属、取消、错误、统计和验收机制,固定回答不算模型能力。保留驱动首次失败及后续修正的来源。
3. 凭据恢复后,在每个请求之前冻结实际可用、用户启用的连接。官方直连和兼容代理单列;保留用户原选择及参数。不读、解密、复制或重存真实 Key。
4. 每连接分别验目录、文本、工具、流式、身份声明、实际 wire 参数、原错误与 raw usage。每项一个全新会话、一个物理请求,不自动重放失败/unknown。官方 Messages 必填 `max_tokens` 按精确型号及实际参数来源发送;其他协议不主动追加本地输出限额。单次响应或工具返回不代表长期稳定或真实模型权重身份。
5. 从新的自有 Node 基线开始,模型独立读取、修改、执行原检查并完成限定范围的本地 Git 交付。原测试/配置/owner 文件及原 index 保持,禁止提供实现答案或为过关改变断言。Node 完整成功后依次另冻 React、Python;不拿旧成功代签新版。
6. 实际缺陷按小阶段修复、相关验证、回顾与限定提交;实验原件封存、复核和普通增量 GitAtlas 推送。只有程序实际变化需要新的独立发行;文档或驱动不触发重打已验收的 1.25.13。
## 固定实验规则
默认保持开放透传及持久 full 权限,不设置本地 context/output/累计 tokens/步数门槛,不裁剪原任务和历史来制造通过。预检只允许一个物理请求;工程观察窗口十分钟,连续三分钟没有新增读取事实、源码变化或实际检查事实时,只停止本次自有 Task 并记实验观察结束。这是观察设计,不改变产品默认能力;在途未报告用量保留 unknown。
工程选线在结果前固定:用户本轮明确恢复为验收对象的可用官方 DeepSeek 连接优先,其后是这些连接中的 Responses、Chat、Messages 代理。当前用户原选择为 Claude 单成员自动池,工程临时单线选择完成后恢复该原选择。必须本连接目录完整并列出型号、文本/工具预检完整且身份 matched,才运行该工程。失败不换线续跑同一个工程。临时选线只在确有必要时使用公开 API,恢复时以修订为前提,保护用户期间的新设置,不覆盖外部变化;不为结果修改连接定义或保存身份策略。
用户已回复“恢复了三个模型”。随后公开观察确认为 DeepSeek/deepseek-flash(Chat,revision 20)、apikey-Claude/claude-opus-5-5(Messages,revision 8)、apikey/gpt-6.1-sol(Responses,revision 15),三者 credentialRevision=1、streaming=true、原生参数为空,原选择不变。原无凭据观察保持,新冻结在驱动验证和提交后完成。
选择和恢复使 configRevision 单调递增,legacy-default 的公开 revision 跟随该精确增量;逐字段核对后单独列明这一投影变化,不把它称为真实连接被改写,也不忽略其他字段。三条真实连接的定义、凭据存在状态和归属、原池及选择须保持。前两轮隔离驱动的状态/公开投影断言失败保持原件,未改变产品行为或原工程测试。
成功必须有实际源码差异、原检查数量和退出状态、实际提交范围及提交字节等于最终文件、owner 字节/index 保持,且所属请求完整、无 unknown。模型声称完成、返回提案、合成通过、终端文字均不能代替实际工具/检查/Git 证据。内置交付报告和终端 Git 事实分别核对。
记录新增读取与同 SHA/同范围重复读取、cache read/write/uncached、reported/unknown tokens、时延、错误来源及人工介入。缓存收益、提醒/经验/角色收益均需另冻可比实验;不承诺上游必然命中缓存。
## 保留事项
历史网络异常、unknown/失败、输出截断、重复读取和 R/W 预留 v2 真机边界保持原结论。默认透传时不恢复旧限额验证旧边界。真实 Mnemo 生产绑定、语义收益、长期与物理 iPhone 验收继续单列。
原版 Purge AB-off/AB-on/BA-on/BA-off 必须在当前目标线路有完整可比工程成功基线后另冻插件/宿主/输入/身份。旧 AG 三次网络失败和唯一 ba-off 成功不改写。前置不足则不执行,收益继续 unknown。
阶段2原时点:最终隔离 m4-driver-40fb93c8 在 1.25.13 正式处理器的隔离宿主上通过 11 边界及固定模型 Node 的五请求实际执行、原九测试/build/限定 Git 与 owner 全部 index,见 [机器记录](m4-driver-validation-2026-11-11.json)。前三根原件及两次失败保持;原件捕获现为 download=1 逐原字节核对。当时 0 真实请求,随后以 `7152d654` 限定提交并另冻正式原状态。
当前阶段:3、4及5的Node已完成,见[阶段验收](QA-M4-COMPATIBILITY-NODE.md)。三线六次新预检/1227报告tokens/0unknown;Claude两项身份mismatch且目录缺项,不进入工程。DeepSeek新Node十请求180463tokens/0unknown,原9/9/build/限定Git及内置交付completed通过。原127导出/5244工件/53527行保持;外部一新“你好”会话/一请求单列,每行和原件明确SHA核对,原两次审计失败保留。阶段限定提交后继续独立React、完整成功后Python;Purge收益仍须另冻,不改1.25.13或续旧实验。