Files
Agent-Workbench/docs/QA-M4-COMPATIBILITY-NODE.md
T
2026-11-11 23:29:52 +08:00

45 lines
5.3 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 真实兼容与 Node 工程阶段验收
2026-11-11,正式 1.25.13/PID 63892,冻结驱动提交 `7152d654`。本阶段真实兼容六次请求、新 Node 工程十次请求,共 181690 报告 tokens、0 unknown。Node 自主交付通过;Claude 代理的真实型号一致性未通过。React、Python 和 Purge 尚未由本阶段验证。
机器记录:[m4-compatibility-node-2026-11-11.json](m4-compatibility-node-2026-11-11.json)。新原件根 `.qa/m4-live-baseline-2026-11-11/`,原无凭据观察、四轮隔离驱动和全部历史样本保持。
## 真实供应商兼容
用户在模型中心恢复三个凭据后,公开确认 DeepSeek 官方 Chat、Claude 代理 Messages、GPT 代理 Responses;三条连接均保持原定义、streaming=true、空原生参数及 credentialRevision=1。每连接一次目录预览、文本/工具各一次新会话请求;三个 DNS/TLS 诊断均通过,诊断自身 0 HTTP/模型请求、无凭据访问。目录未应用。
| 连接与协议 | 目录 | 文本/工具 | 实际请求输出字段 |
| --- | --- | --- | --- |
| DeepSeek 官方,deepseek-flash,Chat | 完整 2 型号,选定型号在内 | 两项完整、matched,97/430 tokens | 无主动输出限额 |
| apikey-Claude,claude-opus-5-5,Messages | 完整 11 型号,选定型号不在内 | 两项完整,但都自报 gpt-6.1-sol,193/266 tokens | 官方必填 max_tokens=128000 |
| apikey,gpt-6.1-sol,Responses | 完整 11 型号,选定型号在内 | 两项完整、matched,78/163 tokens | 无主动输出限额 |
六响应均实际收到完整 SSE 和报告 usage,工具预检只观察原调用、0 工具执行。Claude 原来的 missing max_tokens 未复现,但身份 mismatch 和目录缺项保留,不能据此宣称真实 Claude 兼容通过。没有改型号、改返回身份或自动重试。相同型号标识也不认证上游模型权重;媒体和长期稳定性未在本切片测试。
## 新 Node 自主交付
按预声明优先级选择通过全部预检的 DeepSeek 官方连接,独立复制原 `benchmarks/live-delivery-v1/node`,保留原九项测试、构建和配置。模型自行读取七个不同文件、修改三源码、执行检查并完成限定 Git;没有人工批准、监督续接或实现答案。
- Project `9bc42831-29a8-4a4d-8638-24366d7cc10d`,Session `cc136ea3-8407-4f69-8e94-69157553ebcd`。
- Task `8249fea9-3613-4830-b016-53446019c476`,Run `64fbbda1-036b-4e2a-bd04-174504e31e53`。
- 十请求全部 completed/matched,input 171023、output 9440、total 180463,0 unknown;实际执行 84451ms。
- 独立原九测试 9/9、build 退出 0;只提交 `src/amount.mjs`、`src/summary.mjs`、`src/report.mjs`,提交字节等于最终文件。
- Git `3cd994ff22c1658cbe4c26a7e317ce6b7b314745`;owner 全部原字节、原暂存和未跟踪状态保持,全部保护文件 index 未变。
- 内置 delivery `1d2a6e2a-46ea-4217-b0a9-d8f717bfe36d` 为 completed、同一 Git;三份原 JSON 报告及对应 Markdown 分别保留,前两份任务仍 running,最后任务 completed,不覆盖早报告或旧 AD 的 in_progress。
十份原请求均未主动添加输出限额;工具 schema 及原前缀证据按请求保存。上游报告 cacheRead 122112、uncached 48911、reasoning 6113;cacheWrite 十请求均 unknown,不能写成 0。七次 read_file 中同 SHA/同范围重复读取为 0。本次单样本只能证明这些观察,缓存因果收益和普遍重复读取改善继续未验。
## 原状态与首次审计失败
首次审计发现批次期间另一条“你好”新会话,未在 M4 声明范围内,严格归属检查停止。只读封存其显式 ID、每行 SHA、七工件、原请求/响应和导出;一请求 4301 报告 tokens、0 unknown、身份 mismatch,单列外部新增,不归入 M4 请求或交付。不推断操作人,不续跑其任务。
第二次审计误查询不存在的 `model_attempts.project_id`,退出;按真实 schema 改为既有 sessions 关系查询。两次失败结果和各自 after 快照保持,未修改产品或数据库。第三次只读审计 `audits/node-2e02c1a0-cda2-4863-a962-8e6b54771bfc` 通过。
原 102 项目、127 会话、377 请求、5244 工件及 53527 原行/字段和 schema 核对通过。项目前插位置 +4、configRevision 124→126、registry 176→178、三已知网络诊断追加和两序列按明确增量重算原 SHA;其他原字段、全部原导出和工件字节 exact。新增为 M4 四项目/七会话/十六请求,另上述外部一会话/一请求;合计新增 782 事件及 outbox、196 records、17 model_attempts、118 工件,归属逐项核对。
原 PID/instance、空闲、9229 关闭通过;原选择恢复 Claude 单成员池,全部连接定义和原池保持。凭据行只比较 SHA,未读取、解密、复制或重存 Key。产品源码、正式发行和服务未重启。
## 回顾与下一阶段
新的真实 Node 成功与内置 Git/结束报告一致,说明 1.25.13 的此工程链路已实际闭环。审计新增识别和真实数据库列修正仅属于本批驱动,失败原件继续可核对。提交此阶段后另开 React,再按完整成功前置开 Python。原网络异常、unknown、输出截断、R/W v2 真机边界、Mnemo 生产语义、物理 iPhone、长期与 Purge 收益保持原结论;Purge 必须另冻可比基线及插件/宿主来源。