Files
Agent-Workbench/docs/QA-1.14.md
T
2026-10-31 08:16:56 +08:00

17 KiB
Raw Blame History

1.14 受控外部引擎验收记录

2026-10-31。本阶段在feat/controlled-engines-1.14开发并完成正式1.14.0本地交付;最终不可变发行20261030235440461已完成归档/便携及保留状态升级,原PID23172及Provider保持。独立源码445/445、23类178组UI、三个功能工程13节点和部署后14页通过。以下保留各切片的原过程、失败与中间版本;最终状态见末段和发行身份。真实模型推理、Purge实际收益继续按用户既有选择独立待验。

A:固定版本与协议

受控适配器锁定已有Harness 0.2.1-rc.2、sdk-minimal、原SDK/CLI/Node及七份工具/代理/LLM/Include关键运行器。每个Run生成独立home、agents、叠加插件和JSON patch;禁用原生文件、工作目录工具、持久终端、原生模型与重试插件,实际appReady后再次核对完整工具schema、唯一代理provider、所属PID/nonce/SDK session/Run和工作目录。

原SDK不提供单会话取消或反向审批。受控桥通过独立本地HTTP返回工具/模型请求,原SDK仍使用initialize、session/prompt、session/wait与shutdown;收据必须在所属agent/inbox/spliced原事件中出现,输出来自同一活动的assistant/message,不能用idle或回复文字判工程交付。停止/恢复与真实工程的完整接入仍由后续切片验收。

首轮7/7专项通过:关键运行器变化、Include patch、完整目录与重复schema、进程/Run/SDK身份及Origin/认证、重复/越界/格式错误/来源变化、模型目录/输出预算和停止/超长正文守卫。原TAP为controlled-engine-core-first.tap。

实际Harness加本地固定模型夹具通过:完整启动目录核对、两次代理模型请求、一次原工具调用、prompt入队收据、所属原活动输出与正常退出;0真实模型请求、0stderr。原输入/协议/通知/桥数据与退出保存在controlled-engine-native-first.json及对应-log.txt。本轮只读取独立夹具README,没有开放用户工程或现有真实连接。

B:执行账本与权限接入

原引擎工具进入所属Runtime的校验/审批/原结果账本,调用ID以引擎Run命名空间保存原sourceCallId。下一轮直接核对savedToolResult并封存真正反馈的工件;读取/提案/检查与工作台既有范围一致。引擎来源、所属叠加输入在接收工具、开始工具和批准后执行前复核,等待审批期间的变化不能使用旧许可。模型Key留在工作台Provider,原Native输入与实际兼容Chat请求分别保存。

首轮17项15通过/2断言失败,原spec输出保持;按既有check_status/message契约修正。第二轮相关兼容67/67通过;随后最新内核25/25通过,包括等待审批来源变化、损坏报告拒绝交付、原模型预算恢复单次记账、未知核对和完整HTTP原记录分页/下载/归属。各轮分别保存,不拼接统计。界面代码和原生三工程尚待独立验收。

关闭原SDK进程后的桥请求也拒绝进入模型/工具回调,追加7/7桥专项通过。原记录分别为controlled-engine-worker-first-spec-log.txt、controlled-engine-worker-compatible.tap、controlled-engine-worker-kernel.tap和controlled-engine-live-bridge.tap;来源字节和当前内核输入索引为controlled-engine-kernel-evidence.json。

本轮模型实际尝试由引擎桥记账,外层合成工具步骤不再重复记账。重启对原reservedPerAttempt/maxAttempts工件复核后保守记录未封存尝试,第二次恢复不重复计账;损坏预算不能减少累计用量。正常输出前关闭并封存引擎,worker成果仍需原报告、实际提案/检查和父审查。

已加入启动/运行中原创建时间和后代身份观察,关闭后复核完整所属树;活后代或观察失败保留unknown。原SDK会话不自动resume,人工核对独立保存review,原输出不改写为成功。下一步实际Harness+HTTP固定模型三工程及桌面/390px交付验证。

C:三个真实功能工程

实际原生Harness和自有本地HTTP模型夹具从新b24613a9目录完成三个独立Git工程13节点;源码、脚本、测试、基准、构建全程冻结一致。每个Engine Run核对完整prompt收据、assistant原消息、turn/end(completed)、空stderr及所属进程树关闭;原模型/工具输入输出均保留,Task请求数/用量与实际HTTP一致。

  • Node:原8项测试实际初次失败,修复两个源模块后子/父8/8及ESM构建通过,父审查/Git只提交这两个模块。
  • React/TypeScript:原9项测试和配置保持,修复4个源文件后子/父9/9、类型/构建通过。实际Edge1280/390各8项原断言覆盖筛选、裁剪搜索、单项切换及完整统计,所属浏览器结束;父Git只提交4个源文件。
  • Python:固定独立3.10解释器,保留原2项及预先固定8项新增功能测试。错误实现实际失败后只修复两个模块,子/父10/10和编译通过,Git提交2个模块与2份固定新增测试。

父已有暂存、工作副本和未跟踪文件原字节/原索引保持;保护文件不变,失败/修复、子审批、父变更集、检查和Git均有原工件。模型响应为预先声明的本地夹具,不能据此报告真实模型自主完成率。

首轮350b1623使用测试连接默认16K上下文,在完整检查结果反馈后被预算守卫拒绝,整轮失败,原记录/原字节保留。新测试连接在开始前明确64K容量和累计200K预算;产品上下文与超限守卫未改变,每个Run须立即正常完成,不能用后续Run补过失败。原报告见controlled-engine-projects-first、first-node和validation及对应原日志。

D:真实界面与停止核对

实际Harness和Edge、自有内存Provider夹具的新9f0a2a9c整轮9节点通过,0页面异常/请求失败,源码/脚本/构建冻结一致。桌面与390px覆盖安装拒绝/身份封存、单独工程、原提案、原输入分页与报告原SHA下载、迟到错误隔离、原检查审批、新原生Run、父归集/保留、实际原生停止及未知用量。

未知恢复界面使用明确的夹具状态转换;实际停止/全树关闭是真实运行,宿主崩溃仍由独立内核场景判定。人工核对前须读取原记录,保留原originalOutcome、报告原字节及累计预算,续接不自动恢复旧SDK会话。

修复了390px标题栏刷新42px被通用36px规则覆盖,以及检查审批导航打开Task检视区遮住真正审批。现在按操作目的显示主审批或改动页;76×42/nowrap/无横向溢出、主审批不被覆盖均实测通过。前四轮原CSS/遮罩操作/响应式标签等待失败保留;验收器通过真实关闭入口和响应式标签等待操作,无force或缩减断言。桌面运行、390px父页/审批/恢复截图已目视核对。

旧双任务33cb41d6完整10节点、旧连接516f5ca0完整10组兼容复验通过,0页面异常/请求失败。连接说明恢复为标题下可见正文;前两轮说明断言失败原DOM/日志分别保留。原1.13 workers-ui-validation和workers-engines-ui-validation与Git原字节核对一致,本轮新结果单独保存controlled-engine前缀,不覆盖历史。

原D第九节点日志中的「original unknown outcome」标签不够精确:originalOutcome来自实际cancelled Run,unknown是声明的后续状态转换。实际断言核对原Outcome/报告/预算不变;只修正后续验收标签为「original outcome」,原成功/失败证据不改写。E验收如下;F最终版本/完整回归/独立发行/保留状态升级仍待完成。

E:来源锁定与默认关闭的提示实验

独立1.1.78和Desktop1.1.81分别固定九份关键来源;从来源核对和提示装配机制独立实现自有实验段,默认关闭。封存原版本、来源/完整提示/生效段SHA256和interpolate:false,每次实际模型输入需要在已观测系统入口恰好包含一份完整段,来源变化使旧计划/审批失效;原SDK程序权限、宿主检查/文件审查和累计预算保持。

首轮相关33项32/33中的预算断言误以为原生Run已创建,实际在宿主初始预算门控前已拒绝;修正为按实际输入度量构造预算边界,新12/12专项通过。八工程首轮在启用组因SDK使用messages[role=system]而非独立system字段,被原提示守卫拒绝,完整原输入/报告保留。修正守卫支持两种真实系统入口,并保持双份/用户或工具伪副本拒绝;新整轮34/34(21项兼容与13项提示专项)通过,0失败/取消/跳过。

第二次84015676完整八Node工程36节点通过,两来源各有无实验两次并交错顺序;294份原源码/脚本/基准/构建输入当轮保持。相同基线/测试/范围/模型算法/预算下,各组保留一次真实失败和修复,子/父8/8与构建/审查/Git通过,完整原生正常结束及全树关闭。各工程7次自有HTTP请求/1176夹具报告tokens/2次宿主审批;实验增加2067–2076估算输入tokens,不重置预算。该夹具没有测量真实模型推理收益,默认关闭与modelBenefit说明保持。

实际Edge/Harness的首个2af1c3af界面8节点通过,目视发现重新检测后旧封存失败仍显示;改为当前实验字段更新清除旧失败,新37ca77ef桌面/390px整轮9节点通过。来源缺失/实际变化拒绝、两来源检测/关闭、迟到错误隔离、42px触控和无横向溢出、原字面提示逐请求生效、完整所属树关闭、原SHA报告下载及新目标默认关闭均实际验证。原8节点与3张截图保留,最终9节点/3张截图已核对。

原证据为controlled-engine-purge-source-observation、kernel-first、kernel、kernel-layout、comparison-first、comparison、ui-first-validation与ui-validation及对应-log.txt。E仍使用开发版1.13.0,不能将局部通过计为正式1.14发行;当前正式PID23172/Provider与1.13不变,0真实模型请求。

F:最终兼容与发行验收(已完成,保留原过程)

已修复原宿主重复claim改写startedAt、无引擎历史导出增加空字段、worker/原生driver/MCP活动遗漏、旧manager继续使用旧方法和失败升级恢复不完整的问题。原升级七项第三轮7/7通过,初始0/7与第二轮6/7原TAP分别保留。所有数据库表逐行、旧会话导出和Provider/凭据对象按原断言核对;未对正式服务执行升级。

编译宿主首轮在异步starting状态、第二轮在Git preparing状态被验收器过早判结束。修正等待明确终态,原失败/现场/日志保留;新f3b0aeb5独立整轮四节点通过,实际原生Harness两次Run正常结束及所属树关闭,7次自有HTTP请求单次记账,原失败/修复、子/父8/8与ESM构建、父审查及Git均核对通过。父已有暂存/工作副本/未跟踪原字节与保护文件保持,所属编译宿主正常exit0。此结果仍属于编译专项,不替代最终完整UI、独立源码/便携与正式状态保留升级。

最新12文件相关回归整轮80/80通过,0失败/取消/跳过/todo;覆盖受控引擎/worker/HTTP/Purge、原隔离worker/停止恢复/父成果与四类升级兼容。原TAP、stderr保存为controlled-engine-final-related,实际QA Python3.12.10/pytest8.4.2;后续最终工程/UI/独立源码使用已重新核对的原独立Python3.10.11/pytest8.4.2,分别登记,不套用目录名或混合统计。

固定53e196a后,新e45f45a4三工程完整13节点通过,targetVersion与testedVersion均为1.14.0,296份源码/脚本/基准/构建输入保持。实际原生prompt/模型/工具、失败修复、原审批、子/父Node8/8、React9/9、Python10/10与构建/编译/Git均核对;React真实Edge1280/390各8项原断言通过。父测试字段实际是parentCheck,最终报告保存为controlled-engine-final-projects-validation及原日志,C原1.13开发报告保持。

串行完整UI23类178组全部通过,0页面异常/请求失败,包括受控引擎/Purge、旧双worker、依赖计划、浏览器、基础/诊断/执行/交付、索引/变更集/上下文/工作区、Python/React、REA/连接、模型中心/记忆/检查点/Skills/MCP和未知MCP恢复。源码253份、构建6份、基准40份及三工程296份输入保持;原23份日志逐字节复制final-ui独立路径,历史1.13报告不覆盖。下一步新不可变源码、便携及当前宿主状态保留升级,不以此UI结果提前计发行完成。

接续复核修正了QA摘要误用HTTP nativeSummary及未记录项目输入bytes字段的错误;原raw engine_run按native.cleanup.treeConfirmed核对,截图按原width/height/工件SHA核对。独立证据验证器核对253输入、6构建、40基准、296项目输入、23份原日志、7个原生Run及4张React原PNG全部通过;不重跑既有工程/UI或改写原失败。见controlled-engine-evidence-validation及evidence-summary-initial-failure。

首个源码候选20261030231144613在离线安装/构建/REA/SDK/Edge通过后,编译引擎验收因自有Git工程嵌套于长解压目录触发路径守卫(stale)而失败,完整测试未开始;六阶段原日志、原候选/归档及正常exit0的原宿主保留。仅修正验收脚本的exclusive OS temporary工作目录,在原长安装目录复验四节点通过,实际7次本地HTTP、原失败修复/审批、子父8/8与构建/审查/Git及全树关闭保持。产品源码/检查断言/原构建均未变化;新QA输入与原三工程/178组UI的唯一脚本差异另行封存,再从新不可变源码完成全量验收。

新20261030232056161独立源码完整445/445通过,0失败/取消/跳过/todo,固定Node24.22.1与Python3.10.11/pytest8.4.2;离线安装、6构建、实际REA/SDK/Edge及受控编译四节点分别通过,7阶段原日志逐字节封存。253输入在整轮保持,249份与Git完全一致、4份为早已登记且未修改的CRLF/LF差异;8,836份源码/公开资源/基准/原生运行依赖与候选一致,Node二进制相同。原source-package-validation及source-tests.tap保持,未重复这轮完整回归。

便携验收准备额外实测PATH隔离误移除了必需的外部Git(ENOENT),保留原复现;只给verify-release加入已观测Git目录,仍无系统Node/npm。修正后的实际便携启动/复用、随包Node/npm4项、REA三操作、SDK六方法、两视口Edge及受控四节点通过,7次自有HTTP、原8项检查/构建/父审查/Git与完整退出均核对。该第二份QA脚本在源码整轮之后变化,source原输入不改写;单独封存原/新SHA和便携实测,所有产品/测试/UI/基准/6构建保持,再验证最终不可变发行。

最终发行、保留状态升级与部署后复验

最终不可变发行20261030235440461的源码9748/便携11427文件完成清单、CRC和SHA256核对,实际便携随包Node/npm4项、REA/SDK/Edge与受控编译四节点通过;自有HTTP7次、原失败修复/8项检查/构建/父审查/Git及所属完整退出均有原证据。253份最终源码输入与Git及独立源码逐份对照;一份源码整轮之后的便携QA脚本变化按原/新SHA单独登记,产品、测试、UI、基准和6构建一致,原445/445整轮及7阶段日志未重写或重跑。

正式4318保持PID23172、原Provider、原宿主创建时间和连接升级1.14.0,当前处理器runtimeRoot指向最终不可变发行。16项目、28全部会话(20可见/8归档)、2551执行记录、4568事件及metadata/outbox/sqlite_sequence全部7表的每行散列和28份完整导出一致;公开模型中心2连接/1池/0导入来源/6原请求摘要逐字段保持。实际宿主Node24.22.1仍来自原1.12启动包;CIM核对原PID创建身份与可执行路径,原/新Node二进制SHA256完全一致。原连接没有提取、复制、打印或保存,本轮0真实模型请求,9229关闭。

初次升级验收在安装成功且所有数据/导出保持后,错误要求原process.execPath换到新发行目录;原before/upgrade快照及失败日志保留。只读续验首轮又误比较SQLite null-prototype行与JSON普通对象,所有字段/行SHA一致;双方按原canonical映射严格逐字段比较后通过。原失败记录与修正后的验证器单独保存,续验没有调用升级器或重放工具。来源与日志见controlled-engine-deployment-before、deployment-original-upgrade、retained-node-observation、upgrade-live-validation及对应初始失败/成功原日志。

实际Edge1280/390各7页共14页部署后复验通过,0页面异常、请求失败、HTTP异常、写入请求及模型请求;包含执行计划、模型中心、Skills、MCP、隔离协作、受控安装/默认关闭实验及来源只读核对。桌面受控安装和390px实验来源截图已目视核对。复验后重新核对全部数据库/导出及关闭调试端口;176份原报告、30份当前阶段日志和31张PNG的原字节封存于controlled-engine-release-identity.json,后续本地Git索引再核对这些文件。

本阶段A–F完整交付。下一阶段PLAN-1.15的桌面宿主身份/单实例、本机加密连接、Electron窗口、可回退安装、实际工程和独立发行六切片已记录,尚未实现;真实模型自主工程、Purge推理收益、其它引擎、OS隔离、手机配对及跨协议多模态继续按各自原证据独立验收。