Files
Agent-Workbench/docs/TIANSHU-ADOPTION-PLAN.md
T

18 KiB
Raw Blame History

Tianshu 研究后的 Agent Workbench 采用计划

D已随1.25.10正式交付:默认关闭的可选提醒、实际请求回执与原工具回读、现有面板/报告,完整来源/原失败见D验收。源码7f87feeb、原PID/Provider及102项目127会话所有原事实在升级和正式两端回看后均exact;137份原证据封存。下一E经验草稿仅计划,F与真实收益仍独立验收;原版Purge三网络失败和收益unknown不变。下方“D待实现”属于历史时点,不能恢复本地默认限额。

Orven整合/AH/AI已随1.25.9正式交付,来源70225d88,原PID/Provider及102项目127会话保留;正式回看后仅修订120→123例外单列,原严格失败保持,见整合结果。当前用户授权推送,认证已通过;随后D以新切片计划推进。下方旧D提示额度只约束可选附加建议,不能恢复模型/历史/执行的默认额度;E/F及真实收益继续独立验收。

当前整合Orven三配色与AH/AI工程修复至1.25.9,完整构建/30组网页/7组外观/实际Electron通过,报告收尾竞态修复后25项工程回归及3项标准入口通过;独立发行与正式部署仍待。用户已明确授权本次提交并推送,覆盖下方历史不推送约束。随后D按可关闭提醒/实际回读独立推进,不恢复本地模型限额;三产品接口只读反馈在docs/integration,入站委托服务尚未实现。历史网络/用量unknown/Purge收益unknown不改。

AI终端Git事实与结束报告已完成源码修复,最终独立26/26、前一来源相关41/41和边界1/1通过,原首失败保持;见AI验收。AH已本地提交5e824dae。正式仍1.25.8,AH/AI尚未部署;下一独立发行/升级,不以该修复代签D–F,不代验品牌/UI,旧实验不续跑、Purge收益unknown。下方为历史接续。

AH解释器选择已完成源码修复与独立4/4、相关15/15验证,来源区别和两轮失败见AH验收。正式1.25.8尚未部署此修复;下一独立处理终端Git登记和结束报告,不以本切片代签D–F,旧样本不续跑,Purge收益unknown。下文为历史接续。

AG原版Purge ABBA已一次执行并封存:11请求109888报告tokens+3unknown,前三组connect超时、ba-off8请求自主三源码/原9测试/build并自动父Git c792069c/finalize通过。原版两开启组已加载/apply/两个原生模块,四进程树清理;四例不等成功,收益仍unknown。原50841行/119导出/工件/旧尝试/凭据保持、原池与配置恢复,430份原件封存。AF0请求身份拒绝与71份封存保持,正式API身份已在AG解决路径摘要差异。下一独立修Python解释器选择和终端Git/结束报告登记,三系统先只读证据对接;D–F不据此完成。见AG结果与三系统反馈。下方为历史接续。

AE新React/Python真实交付均已通过:20请求367365报告tokens/0unknown,原九测试/页面与原十pytest/编译、源码限定Git及owner/index独立通过,225份原证据封存;原48100行/116导出/工件保持。内置Python选错环境的失败与终端Git未登记内部交付账本保留,见AE验收。下一先核对开放worker/engine契约,再另冻原版Purge AB/BA,收益仍unknown;不改变任何历史样本结论。

新AD已完成:五线十次真实预检8通过、两次Claude上游400缺必填max_tokens,目录两处网络异常保持;DeepSeek新Node自主11请求、原九测试/build/三源码实际Git交付成功,0人工审批/继续。全批21请求199250报告tokens+2unknown,216份原证据及原状态对账完成,见AD验收。本例30工具schema保持、7次不同文件读取及122624上游缓存输入tokens不作普遍收益;终端Git未登记内置交付账本的缺口单列。下一另冻AE React/Python,通过后才原版Purge AB/BA;历史失败/真实预留边界/Purge收益未知保持。

C已随1.25.8正式交付:工具可见性/schema/代次、prefixAudit v2首次变化段和消息/主线诊断归属,修复新诊断混入主历史。来源a6e31dec;最终8/8、升级3/3、717输入重建22/22、安装副本与正式网页/Electron通过。原PID71628/Provider、五条连接凭据存在状态和85项目105会话全部原行/导出/工件/模型中心exact。见C验收与回顾。下一新AD先验证驱动、冻结供应商兼容及独立Node,之后按前置推进React/Python/Purge;D–F未据此完成,网络/自主交付/重复读取/缓存/真实预留/Purge未知保持。下方为历史时点。

当前正式1.25.7已交付:统一既有模型连接编辑/参数/启停,移除旧窗口与演示入口;原PID71628、Provider、选模和85项目105会话全部原行/导出/工件保持。相关72/72、发行18/18、源码ZIP重建22/22、安装副本与正式网页/Electron通过,见本次验收。C–F及真实模型/网络/重复读取/缓存/Purge未验证项保持;下方为历史时点。

当前正式1.25.6已交付:逐型号只读显示上游最大容量/缺失时本地无限制,源码发布与程序发布独立于用户项目数据;正式保留原PID71628、连接与85项目105会话的全部原事实。见本次验收及发行身份。下方1.25.5与更早状态为历史时点;C–F及真实模型/网络/重复读取/缓存/Purge验证不因此代签。

当前本地正式1.25.5已交付:unrestricted/full已持久保存并实际重启,升级与重启当时原数据exact;随后外部40事件及新增会话单列复核。PID71628;重启后临时内存Key已消失,公开hasKey=false;需用户在模型中心补填。来源/范围/原失败与未验证项见开放与权限验收和发行身份。C–F/真实实验G继续按各自前置推进,不能据此代签。

1.25.5默认策略更新:用户已明确取消默认本地额度与独立差异审查停顿,采用完整历史/输出额度透传和持久保存的请求批准、帮我批准、完全访问权限。下文16K/2048/1600及预算/审查硬门属于原阶段与历史实验契约,不作为新安装或当前开放运行默认;历史请求、失败、用量及Purge前置不倒改。实现与实际发行状态见开放与权限验收。要求与证据账本继续如实记录,证据缺失不阻挡开放写入或本地Git,也不伪称核验通过。

状态:分阶段采用中。A的要求来源与证据复核、B的单轮外显事实shadow先随1.24.9交付;A的本地原文草案、逐项用途/范围约定及原失败诊断闭环现随1.25.0完成独立发行、实际安装与保留原PID36552/instance/Provider的正式升级。网页/原生回看后的全原状态、证据离线及Git索引原字节复核通过,见1.25发行验收、发行身份和最终回顾。C–F仍为后续方案,真实实验G单独冻结,不能将1.25交付写成全计划完成。总目标仍是:真实工程能自主读取、修改、验证、解释失败并按约定交付。

本轮真实模型预算0;原V诊断网络partial、T/R/P/O原失败、重复读取、自主交付和Purge收益未验证保持,不续跑旧样本。下方验收要求保留完整目标,按实际切片逐项实现与报告。

本方案接续 1.25 任务要求与交付复核,不另立重复的任务/计划/模型池体系。研究依据见 源码审查。

接续A的实现及阶段回顾见TASK-AGREEMENT-C。草案只做本地原文分段、默认待审阅,不宣称模型语义提取准确率;范围记录不自签工程验收。1.25的源码ZIP603输入独立重建22/22、三载荷24套UI和12实际隔离安装通过;B的150份原工件/30快照再次核对,仍只记shadow。后续C–F及真实实验G保持原前置和独立范围。

A. P0:用户要求逐项对应真实成果

**问题:**测试、Git 或模型的完成答复各自成立,也可能仍漏掉用户要的业务功能。

实施入口:现有 src/shared/contracts/task-plans.mjs、src/core/tasks/task-plan-manager.mjs、src/core/context/delivery-progress.mjs、交付报告及 src/core/git-delivery.mjs。

  1. 在所属 Task 下记录要求 ID、用户原文来源、修订、范围、验收方式、证据类别和当前状态。模型提取只生成草案,含糊处保留 unknown;参考文件不能自动变成待修改文件。
  2. 要求映射到真实文件/变更集/检查作业/浏览器断言/用户验收。核对 Task、要求修订、源 SHA、作业和工件原字节;非空 evidence 字符串不算通过。
  3. 分开“模型声称完成”“工程检查通过”“业务要求已核验”“待用户体验”“按约定未执行”。阻塞不能自动成为已完成。
  4. 普通任务沿用现有入口,任务、报告和交付处显示同一份要求事实。用户追加要求后只使相关旧证据失效,保留原失败与已确认事实。

验收必须覆盖:跨项目/旧 Task 证据拒绝;相同文字不同来源;要求修订;源码变化;伪造/过期/缺失证据;无需测试约定;仅研究;已有成果;中途追加;UI/手机的所属权限。保留当前检查/Git 硬门,不采用第三方“保存即交付”语义。

完成定义:固定案例能指出哪项已核对、依据是什么、哪项仍未知;相关契约/HTTP/并发/恢复检查、实际网页和 Electron 核心路径、独立发行与回顾通过后才交付。

B. P0:单轮进展与失败分类,先 shadow

**问题:**当前跨 Run 无进展和读取进度保护已存在,但一个 Run 内仍可能反复读同一页、重复解释或与坏工具周旋。

实施入口:src/server/runtime.mjs、src/core/context/working-set.mjs 和现有 Task/Run 事件;新增小型纯判断模块,不把两千行外部管线整块并入 runtime。

记录外显事实:新的文件范围/SHA、已有片段覆盖增长、原始失败类别变化、修改、当前源码检查、要求证据增长、正在运行的作业,以及真实用户边界。不要保存或评分私有思维过程。

必须区别:

行为 初始判断
同文件不同偏移且取得新字节 有效进展
相同 SHA/范围重复获取,结果未变 候选重复
新失败揭示真实环境/权限/网络问题 新证据或阻塞,不直接催写
等待所属检查/审批/用户输入 等待状态
研究任务只读并形成可核对结论 有效工作
同一拒绝/相同无效输入反复提交 无效重复候选
增加提示/改写总结,没有新证据 不计工程成果增长

第一版只记 shadow 判断与依据,不改变停止、权限或预算。固定“正常探索、分页、研究、长测试、失败修复、权限拒绝、工具损坏、真实空转”样本人工核对后,再确定提示阈值。记录误报和漏报,不能只用总准确率掩盖合法只读被打断。

不照搬 Tianshu 的低分/高错误公式。若后续增加干预,先有单次提示和冷却;硬停止沿用明确预算/取消等确定性规则,每条必须可解释、可回顾。

C. P1:工具 surface 与前缀稳定性实测

**问题:**不知道模型本轮究竟看到了哪些工具,也难解释重复动态信息为什么让长前缀失效。

实施入口:现有模型请求计划、runtime.mjs 的 availableTools/filter、协议适配和原模型尝试工件。

  • 对最终实际发送的工具保存 name、schema hash、字节数、可见/未装配/禁用/缺少当前资源的原因和 generation。区别注册能力与本轮可执行能力。
  • 对规范化请求记录稳定块哈希、最长公共前缀、首次变化区段/原因、用户消息实例身份,以及主路径/侧路归属。诊断元数据不反过来污染模型前缀。
  • 分开上下文 tokens、输出预留、HTTP body bytes、图片体积和供应商缓存用量。供应商未报告的命中保留 unknown,不能估成已节省费用。
  • 先比较 U 原始请求的离线构造;若优化增量附录或冻结,必须证明原目标、所有已读片段、当前失败、工具结果配对及权限仍在。

验收:连续两次“继续”是两个实例;旁路不改主线;工具撤销后执行被拒绝;新增浏览器 tab/Skills/MCP 时 surface 修订可解释;中途保存新配置不悄悄改旧请求;旧工件仍能核对。

阶段保持 16K/2048/1600 现有预算。优化收益必须报告实际输入/缓存/请求次数/延迟/成功率,不用单一命中率代替。

D. P1:有预算和回读的提醒

**问题:**多个监督模块可能重复输出建议、消耗上下文,却不知道是否有效。

在现有错误/进展提醒入口增加建议队列:稳定 key、Task/Run、来源、类别、TTL、字节/token 额度、实际送达回执、期待的可观察变化、冷却和退出条件。总提示额度也要有界;高等级不能无限豁免上下文预算。

“已送达”和“已采纳”分开;真实作业/新增证据满足期待才核销。模型回复“明白”不计。遇到审批、环境受阻或用户改变任务,提示要过期或转状态,不能强行换目标。

验收:同类去重;无事实不建议不存在工具;已自然解决撤销;连续无效降频;关闭后不注入;取消后不回写;迟到回读不能核销新 Task。已有权限门不依赖建议队列,普通提醒故障不得开放权限。

E. P2:经验草稿和可回滚采纳

**问题:**重复成功和失败经验需要复用,但不能让错误结论污染后续任务。

沿用项目记忆、Skills 和 evaluation:有来源的成功轨迹/失败归因生成 draft,保留输入 SHA、模型/版本、实际检查、适用范围、反例和失效条件。默认不激活;独立复核后才批准进入发现列表。

状态分开:observed、model_suggested、source_checked、engineering_verified、user_confirmed、rejected、expired;LLM 准入评分不直接写成工程已验证。草稿不能携带原密钥、把第三方输出当指令或自增权限。

改自身代码仍走既有候选工作区 → 固定评测 → 父审查 → 当前检查 → 独立发行 → 回滚。不能边运行正式版本边自改发行载荷,也不能因一次单模型评价就发布。

F. P2:角色路由与多智能体质量回收

前置:单模型 Node 自主交付先通过,要求/进展机制已验证;已有 worker 的停止、预算和父审查不退化。

借鉴每工单模型绑定与派发目标盖章:角色、目标、scope、模型连接修订、上下文/工具代次、预算和输出证据在派发时固定。主控回收时对账真实修改/验证/要求,不按 worker 自填 passed 认定。

默认模型、新工单路由和已有 Task 身份分开;更换供应商/型号/凭据主体须按显式政策记录。429/Retry-After 与 unknown 消费沿用现有模型池记录,不能用自动切线隐藏失败。

验证先用已有连接的合成客户端场景,之后才冻结新的真实模型角色样本。增加 reviewer 还要报告额外消费、延迟和发现的真实问题,不能默认多代理一定更好。

G. 真实交付与 Purge 独立实验

原 V 依冻结规则已在诊断 partial 结束,旧 T/R/P/O 不续跑;研究完成不授权重放旧样本。下一真实实验另冻当前版本、来源、目标、连接身份、预算和停止规则,不在看到结果后改门槛。

顺序保持:新有界预检/Node → Node 真闭环后 React/Python → 独立原版 Purge AB/BA。Tianshu 借鉴策略若要测收益,应另列实验因素,不能同时换模型、提示、预算和工具后把变化全归给 Purge。

报告至少包含:

维度 必须保留
任务结果 原要求覆盖、原测试与当前源码、实际差异/交付;未完成和失败类别
成本 主线/侧路/评审的请求数、输入/输出/缓存 token、unknown 与人工介入
时间 总墙钟、首响应、工具/检查/等待/重试时间
过程 实际工具及参数、已读范围、配置身份和停止原因
比较 同题同模型同预算、顺序平衡、样本量和排除规则;小样本只报观察

先排除确定的本地功能问题,再运行冻结样本。网络/环境受阻独立分类,不能归成模型推理失败,也不能删除失败后只展示成功。

H. 里程碑回顾与交付纪律

每个切片都回顾:原问题是否复现;改动解决哪条证据;现有能力是否重复/退化;是否引入额外模型消费;未验证事项是什么;下一步是否具备前置条件。

代码相关验证通过后只做必要扩展;不为研究文档重跑整套产品安装。真正产品变更再执行该切片的构建、实际入口、独立载荷、保留状态升级、证据封存和本地 Git。计划中功能不能在 UI 宣称已完成,不自动推送远端。

当前实施优先级:A与B(已本地交付)→ C(下一切片)→ D → E/F(满足前置)。真实模型与Purge走G的单独冻结样本;安装校验性能优化、更多语音/电脑操控仍保留原独立排期,避免并入一次无法判断收益的大改。