Files
Agent-Workbench/docs/TURN-PROGRESS-B.md
T

31 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.
# 单轮进展观察 B:开发切片回顾
本阶段在现有 Runtime、Task/Run、工具原结果和交付报告中增加单轮外显事实观察,已完成开发与实际入口验证。它只记录 shadow,不修改停止、权限、预算、模型提示或私有思考处理。尚未独立发行、实际安装或正式升级,正式服务仍为 1.24.8;A 与 B 的开发验证不能写成 1.25 已交付。研究时冻结的 Tianshu 采用计划及 A 原证据保持原字节。
每个 Run 先记录已有事实基线,再按原工具实际返回的文件 SHA、原范围内 UTF-16 字符覆盖、实际应用文件、原检查结果、要求证明、用户消息实例、失败和所属等待分类。分页取得新字符和新 SHA 是新依据,同 SHA 已覆盖范围只标为重复候选;模型改写总结不增加工程成果。只读研究取得原文件依据也是有效工作,最终总结轮显示未见新外显事实不代表研究无效,也不触发催促或停止。
记录分为 baseline、waiting、evidence_growth、new_failure_evidence、user_boundary、repeated_failure_candidate、repeated_read_candidate、no_observed_change 和 unknown_bounded。错误保留参数无效、权限/审批拒绝、工具或环境、结果待核对,以及原模型诊断的网络、上游服务、鉴权、限流与额度类别。新失败和读取增长可在同轮同时记录,不用一个总分掩盖原因。HTTP 502 夹具仍由原 Provider 重试三次并保存原响应与 unknown 消费;shadow 记录其所属模型轮的失败,不新增请求,也不把它改成 no_progress。
容量明确有界:32 个来源版本、每来源 24 个区间、96 个事实签名、48 个失败签名、40 条观察、每条 64 个工具引用。原范围按原工具坐标比较,不把不同起始行或不同文件版本合并。达到容量后保留未知,不把没记住的范围判为重复;较早观察收据仍留在原工件。每个 Run 有自己的基线和范围,不跨项目、Task 或 Run 累加。
观察从已持久化工具结果工件读取原字节,核对项目/会话/Task/Run/Step,并保留原调用、参数 SHA 和结果 SHA。原模型失败另绑定原诊断事件及可用的 HTTP/SSE 响应工件。不可变观察收据与 Run 摘要、原工具和原失败在报告中重新对账,来源改变就显示待核对;这些核对不是交付通过条件。观察写入失败只留下缺口说明,不能打断原工具或消费预算;后续成功记录保持摘要和收据一一对应。
等待审批和所属检查作业启动时记录中间等待,结算时只消费一次同轮已完成工具。实际检查启动只加只读观察接点,执行、取消、审批和原日志路径保持。审查交接也作为等待;观察字段不进入请求上下文,不增加提示。当前接点是本地 Runtime 的模型循环,外部引擎内部每一轮、所有第三方工具的语义和自动干预阈值未独立验证。
界面整合在原任务侧栏的运行记录,展开“单轮观察 · 仅记录”可查看增长、候选重复、等待和失败类别,并打开原收据。历史 Run 保留独立观察;刷新仍是原 Task/Run。390px 的收据按钮至少 44px 高,内容可换行;没有新增手机写入权限或新的执行控制台。DeliveryReporter 的 JSON/Markdown 使用同份观察和原收据核对结果,部分观察未保存会明确说明。
验证与回顾:
- 首专项 11 项中 9 通过、2 失败,保留原日志。两处均为夹具误用:不存在的 approve 应为实际 decide;普通 HTTP 失败的原 stopReason 是 null,诊断保留在 lastFailure。修正测试,没有为它们修改原停止行为。界面轮号按从 1 起始的原 Step 修正。
- 补强后专项 12/12;相关八文件 68/68,覆盖要求证据、读取/工作记忆、无进展和原执行路径。补实际长检查接点及参数来源绑定后的最终四文件 31/31,其中 B 专项 15 项。实际应用文件、计数检查与当前要求证明覆盖了已有事实基线后的增长。
- 最终编译宿主的实际 Edge 九组、实际 Electron 九组通过:原三轮分页/重复页、原收据、刷新、390px、审批等待/拒绝、历史 Run、报告及原 502。TypeScript 与完整构建通过。最终桌面、窄屏、审批拒绝和 502 截图已目视检查,沿用原工作台字体、颜色与任务结构。它们是本机协议夹具,不是模型自主交付评测。
- 代码复核发现并修正了等待记录提前消费同轮读取、收据写失败使摘要与收据错位,以及长检查启动缺少观察接点。对应实际运行、故障注入、重开、容量、跨域及来源篡改检查通过。固定案例的人工分类复核见封存的 case-review.json;未从小样本计算总体准确率或收益。
真实模型请求为 0。正式服务只读健康检查仍为 1.24.8/PID 36552;本阶段未操作正式配置、Provider 或 Key,也未重启服务、委派或推送。V 网络诊断 partial、T/R/P/O 原失败、重复读取和真实自主工程交付未通过的事实保留;Purge 收益仍未验证,不续跑旧样本。
后续先完成 A/B 的独立源码、不可变发行、实际安装和保留状态正式升级及体验验收,再按计划推进工具 surface/前缀观测。自动草案提取、完整范围约定与诊断闭环仍继续排期。真实模型与 Purge 另冻新样本和预算;不能把此处 shadow 记录或本机夹具通过当成干预有效、网络修复或自主交付收益。
证据见 `turn-progress-b-evidence/`,270 份/7,729,650 字节,含 13 项当前源码对照、原首失败、六轮入口验证及最终原工件。首封 265 份清单与原源码保留在 first-seal/manifest.json 和 source/;回顾后只将部分观察缺失的提示移到 Markdown 表格之前,修正稿、直接格式验证与再次构建另存。最终离线复核两组实际入口的 10 份快照、32 条观察、14 次原工具结果引用和 50 份原工件通过,不重放执行。
`node scripts/verify-turn-progress-evidence.mjs docs/turn-progress-b-evidence` 离线核对原字节、实际输入/结果来源、覆盖增量和固定分类,不重放工具、检查或模型;加 `--index --source-ref <本切片提交>` 可核对索引与 Git 源码。