Files
Agent-Workbench/docs/QA-MODEL-CATALOG-1.25.3.md
T

8.7 KiB
Raw Blame History

1.25.3:模型目录、推理控制与兼容能力验收

状态:已独立发行、实际隔离安装并升级正式本机服务至 1.25.3。正式原 PID 36552、instance、Provider 和凭据保持,网页及真实 Windows 窗口只读回看后再次核对全部原状态。入口为 http://127.0.0.1:4318/?release=1.25.3。本阶段真实供应商目录请求、真实模型请求均为 0;全部协议和选路验证使用自有 HTTP 夹具。

用户要求与交付

要求 交付与范围
正常从上游获取型号,不要求逐个手填 模型中心主入口“从上游添加模型”;支持新上游、现有连接、搜索、多选与批量选中。没有目录的服务保留手动兼容入口。
保存多个模型,使用时手动或自动选择 复用现有默认模型和模型池;保存可保留当前选择、指定默认型号或建立自动适配池。自动按任务所需能力、健康、并发及池策略筛选;未宣称语义任务路由已验证。
品牌与自定义兼容的参数配套 Chat、Responses、Messages、DeepSeek 共享配置档,贯通品牌建议、手动覆盖、JSON、导入、保存及 Run 冻结。
可开启推理并选择强度 可选择默认、关闭、开启及协议支持的强度;Messages 支持预算或 adaptive。上游有模式/档位声明时限制可选范围;推理共用原输出预算。
同步能力与功能 同步上游实际返回的能力、容量、参数和生命周期元数据,区分声明、实测与本地接入状态。上游未提供的内容保持未知,不按型号名补造。音视频、服务端工具、结构化输出约束等尚未接入的执行能力仍明确列出。
已有凭据与用户配置保留 同源型号引用源连接凭据;不读取或重新保存原 Key,不把相同端点当相同账号。原本地参数与命名不被重新选取目录型号静默覆盖。

操作说明见模型目录与多模型使用,参数契约与开发验证见推理阶段验收。目录接口不保证提供所有能力字段;品牌或兼容协议相同,也不能据此认定每个型号支持全部功能。

来源与完整源码验证

  • 产品切片:Messages 空响应诊断 3ab3a6e4,推理与配置档 f1242ee8,模型目录 d0381918,升级版本配套 6741510b。
  • 完整源码轮次实际来源 6741510b2d:926/926,失败、取消、跳过和 todo 均为 0,原总时长 2143077.8077ms。
  • 最终候选来源 1bd94856d3;候选 Agent-Workbench-1.25.3-win-x64-20261104181218275。与完整源码轮次相比只改两个发行验收驱动,全部产品/测试输入及 22 个编译输出相同;差异逐项 SHA 证明封存在 development/candidate-input-delta.json。
  • 最后证据与回顾提交还包含两处 QA 元数据修复及离线验证器。它们在正式升级和主证据封存后完成,不改变已安装候选或 sourceCommit,不把最终 Git HEAD 称作上述完整源码轮次。

相关开发验证包括目录及路由/凭据/能力/推理 68/68、热升级 4/4、推理相关 85/85 加补强专项 8/8、Messages 28/28,以及版本/安装相关 36/36 与保留对象/工件升级 6/6。完整轮次与这些局部检查分别保留,不相加成新的完整轮次。

独立载荷、界面与安装

验证 实际结果
冻结与离线重建 652 个冻结输入;源码 ZIP 解包后 657 个输入独立离线重建,22/22 编译字节一致。
三归档 portable/source/evidence 的 CRC、清单与原字节均通过;安装器 SHA256 为 55f144ea2698ed3ac3da8d74ca9287fc02f7844dc23511113ba098154d8d4be7。
实际便携基础 REA、真实 SDK、浏览器及受控引擎通过。
源码界面 12 套、78 组;目录、推理、要求复核、单轮观察、范围约定与诊断闭环均保留。
便携界面/文件流程 17 套、126 组;含旧原生参数 6 组、Messages 7 组及文件/结果/读取 9/16/10 组。
真实隔离安装 12 生命周期场景通过,安装副本 14 套、103 组 UI 通过;卸载保留数据。
正式网页 1440×1080 与 390×844,旧 Task、推理表单及目录入口只读回看;errors 与 rejectedWrites 均为空。
正式 Windows 窗口 实际安装路径、release=1.25.3、可见 v1.25.3;原完成 Task/历史超时、目录主入口/表单、DeepSeek 推理模式与强度可见。未保存、检测或获取真实目录。

最终源码、便携和安装副本的桌面及 390px 关键原图已实际查看。正式原生窗口仅报告其实际桌面尺寸;窄屏证据来自实际隔离 Electron 和正式网页,不冒充正式原生 390px 回看。

旧 fidelity 验收脚本 6 组/10 图已完成,但原结果没有 health version 字段,汇总器因此失败。独立复核原 appRoot、候选清单和全部 22 编译输出后追加 portable-fidelity-reviewed.json;其版本依据是载荷归属,不能说原收据已经观察 health。Messages 原字段为 testedVersion,独立运行 7 组通过,实际 health=1.25.3,追加 reviewed 收据。两份原结果和首失败均未改写。

主证据封存后,fidelity 脚本补实际 /health 版本,发行汇总兼容 testedVersion 并拒绝冲突别名。对已验便携再跑 6 组/10 图,实际 health=1.25.3;直接执行修复后的实际版本门,原 Messages 收据通过,缺失/错误/冲突版本均拒绝。仅 QA 变化,未重建、重制发行或再次安装。补验保存在独立 model-catalog-1.25.3-qa-follow-up/。

正式保留状态升级

唯一正式升级于 2026-11-04 UTC 完成,安装器 exit=0,实测操作 283191ms。原 1.25.2 操作 289669ms、1.25.1 的 156369ms 及 1.25.0 的 774098ms 为各自历史观测,本轮不声称进一步性能收益。

项目 升级前及网页/原生回看后的最终核对
宿主 PID 36552、原 instance、原 Provider;空闲,hasKey=true。
原数据 75 项目、91 会话、6723 记录、14320 events 和 14320 outbox,全部原表行、session IDs 及 eventCursor exact。
原证据 全部原导出、原工件字节与公开模型中心/配置 SHA exact。
安装 指针 revision 29、previous 1.25.2、operation completed;runtimeRoot 为上述候选。
收尾 正式窗口 0,9229 关闭;Key 未读取、复制、解密或重存。

formal-native/launch.json 记录安装入口进程,入口可能在转交版本化桌面程序后退出;正常关闭依据实际 Windows 窗口清单和最终正式 host 窗口数,不依赖启动器寿命。

首次失败与限制

  1. 旧 109e5124 范围的完整测试因用户新增目录需求,在 264 个完成项、未观察到失败时主动停止;原取消回执保留,不能算完整通过。
  2. bb4b4977 完整 926 项为 923 通过、3 失败,均指向升级兼容清单漏 1.25.3。修复后另跑完整 926/926;不倒写首轮。
  3. 6741510b 候选便携被控制引擎验收器旧版本断言拒绝;原失败保留。补版本后另冻最终候选,完成全部独立载荷和安装。
  4. fidelity 版本字段缺失、Messages 字段命名差异,以及开发时 option matcher、缺声明、SQLite 夹具清理挂起均保留原记录。正式原生回看一次点击未显示在窗口内的按钮被越界拒绝,重新观察、滚动到可见区域后成功,未保存配置。
  5. 本轮新验证不证明真实供应商目录或能力元数据覆盖、接口稳定、模型自主工程交付、间歇网络唯一根因、重复读取真实改善、真实预留异常边界收益或原版 Purge AB/BA。Z2 型号不符、Z3 空响应、DeepSeek length 和其它历史失败均保持;不续跑旧实验。

封存与复核

主证据 1635 份、138998818 字节(不含 manifest),SHA 清单固定为 a2e6ac2d982a147557ac256457516082c9b0346bd76f20627b149699e5880751。QA 补验另 16 份、771613 字节(不含其 manifest)。主目录及旧封存目录未改写。

含两个 manifest 和外部发行身份,Git 索引核对 1654 份、140305327 字节全部一致;仅为本版两个新目录添加日志例外和二进制属性,避免遗漏或换行规范化改变原件。

独立只读验证命令:node scripts/verify-model-catalog-evidence.mjs;暂存后用 --index 逐项核对主证据、补验、两个 manifest 和发行身份的 Git blob 原字节。结果见离线收据与索引收据,发行身份及回顾。仅本地提交,不推送。