Files
Agent-Workbench/docs/RELIABILITY-1.25.2.md
T

7.5 KiB

1.25.2:预留、安装与读取可靠性

基线532b9d60;用户在独立复核后授权修复、开发、验证及本地提交。目标是修复实际反例并推进真实工程闭环,不把新版号、单元测试或一次成功连接当作全部问题解决。

阶段与验收

  1. 预留证明:原Task/Run回执与真实顺序绑定;重排、重复、跨Task拒绝;历史R v1及W v2保留核验。已报告输出最大值不能因输入异常而无声丢弃。
  2. 安装校验:全扫描与目录枚举之间的硬链接/重解析变化必须拒绝;正常身份一致、原字节不变;避免恢复每文件重复祖先遍历。
  3. 读取:同轮有效新范围加重复读取不能仅因三次重复被视为整轮空转;全重复、未变检查和无变化提案仍有界;停止由明确事实解释,shadow保持观察用途。核对完整实际下一请求的页、当前失败与工具配对、16K/2048/1600和预留保护。
  4. 发行:相关与完整测试、构建、网页/原生核心路径、独立不可变来源、实际隔离安装/故障恢复和正式保留状态升级逐项验收。环境缺失先解决依赖,不能用跳过冒充通过。
  5. 真实实验:另冻新样本、单次诊断/预检/Node,不改旧W/R/T/P/O;预算和身份显式冻结。Node通过才React/Python,再独立Purge AB/BA。保留首失败,不循环更换提示/线路/预算求通过。

阶段内完成适当回归和diff审查后本地提交,不推送、不委派、不读取/复制/解密/重存Key、不重启正式Provider。升级若实施,走保留原进程的已有安全路径。

原事实与当前归因

W六请求71044 tokens、0提案0交付是事实;末轮新增468字符、还有1171字符未返回,随后三个小模块重复使现有readProgress暂停,shadow为evidence_growth。不能认定纯属模型而排除产品策略;也没有证据保证修规则后就会成功。原QA的措辞保留为历史,后续用本页记录更正。

安装156369ms相对774098ms的提速由原收据支持;新发现扫描后链接变化边界需修。预留v2对R重算29623→15285是离线估算变化,W没触发排除,真实交付收益未证明。网络间歇异常根因和Purge收益继续未知。

执行记录与阶段回顾

起步工作树干净,独立复核相关49/49已通过。后续检查结果按阶段追加。

预留阶段

新observed-route-max-v3封存receiptHistory,按原Task账本恢复计算时消费前缀,不能用自报sourceIndex决定历史顺序;原v2的核验也改用原账本顺序。后续真实消费不会使早先封存失效。输入比率异常仅影响输入校准及其总量floor,已报告输出最大值继续参与预留。旧v1/v2算法单独保留,原R暂停与v2重算不重写。

专项13/13、task-context/budget-resume/engine-context/controlled-engine相关24/24通过。包含真实本机HTTP夹具和原R封存;重排最新高值/改历史/重复来源拒绝、已报9000输出保留、后来新增消费后旧证明通过。证据.qa/reliability-1.25.2/reservation.tap及reservation-related.tap。此为本地修复证据,尚不证明真实模型交付或异常计量根因。

升级兼容补漏

安装关联首轮13项11通过、2失败:upgrade-running的历史兼容清单截至1.25.0,编译宿主真实报告1.25.1后被拒,并非数据或Key问题。已补1.25.1并让当前APP_VERSION始终参与受支持列表,保留未知/未来版本拒绝;新增版本守卫,实际独立进程连续两次升级和0.1.0迁移3/3通过。首失败install-related.tap与复验upgrade-compat.tap均保留。没有操作正式宿主。

安装阶段

目录枚举时对每个普通文件补treeFile,重新检查实际路径、常规类型及nlink,避免全清单扫描后新增硬链接漏验;目录仍走祖先检查。独立反例加入不属于最终宿主身份集合的可选文件,full-manifest已完成后在inventory开始新增外部别名,准确拒绝;移除别名后原身份/字节保持。安装12/12通过。

只读对同一10971文件不可变发行做ABBA对照,旧校验8450/8150ms,新校验11083/9961ms,四次宿主身份exact。新增文件复核有约2–3秒成本,保持单次realpath算法,不回到逐文件重复祖先遍历。该数值是整个validateInstalledVersion的本轮观察,不能冒充新的正式升级耗时。原记录在.qa/reliability-1.25.2/install.tap及install-benchmark.json。

明确禁止检查的识别

新HTTP读取用例首轮已发出第3请求,但终态因verification_incomplete暂停,暴露taskContract把“不运行工程检查”匹配为正向要求。原reading.tap的32/33和reading-mixed-debug.tap保留;不是混合读取修复失败,也不能通过改终态断言掩盖。已补“不运行/不执行工程检查”、带“任何”的测试禁止及对应英文的明确否定识别;正向运行检查仍required。task-control 10项包含于联合43/43通过。

混合读取进展

每个真实工具轮开始/结算记录新返回字符及重复读取数,按当前Run区间并集计算;同轮确有新字符时,不因尾部三次重复而整轮暂停,并在边界清掉重复streak。空页/仅改变历史索引不算新源码依据;全重复仍暂停,未变检查/相同无效提案/连续相同状态的独立保护仍权威。shadow模块与其判断不参与停止决策。

联合43/43通过后补强独立相同状态保护,针对性2/2通过。HTTP夹具忠实复现945→1413新增468及三小模块重复,下一真实本机请求收到完整新页且工具配对成立;全重复和独立保护仍暂停。测试保持16K/2048与原权限门,不证明真实模型一定交付。原证据在reading-contract.tap、reading-mixed-final.tap。

纯读取批次吞吐

readBudgetPolicyVersion=3把多文件/原工件读取作为共享预算批次,按实际请求大小优先完成小来源,释放剩余份额给测试/日志。仅纯读取批次排序,工具调用ID与原参数不变;变更、检查、审批和任意混合动作保持原序。单工件读取沿用原分页分配,v2封存保留原算法;完整下一请求、用量预留、16K/2048/1600保护不放宽。

首轮38项33通过5失败:三项断言仍固定新版策略号为2;另外两项揭示把整个混合文件/日志组强留会挤掉已有依据。因此保留原planner纯文件组规则,不将混合原日志组提升到必留;单工件分页保持原策略。重新38/38通过,三协议Unicode/CRLF分页、原片段聚合/检查事实/来源篡改/重开验证均通过。新增W形状HTTP夹具保留三完整小模块和原日志,第一测试页>945字符(原W首轮473);这是一项受控吞吐证据,实际新样本另验。原read-throughput.tap与read-throughput-final.tap保留;完整构建通过。

发行准备

版本常量/package/lock同步1.25.2;通用源码/便携/安装/全UI验收入口补1.25.1/1.25.2和独立reliability证据前缀,避免默默跳过前版功能。升级兼容列表用显式受支持版本配当前版本测试守卫:封装检查发现便携副本没有src,已去掉upgrade-running对源码diagnostics的运行依赖,防止便携独立CLI失效;未知版本仍拒绝。

已补隔离Python310 venv+pytest8.4.2与固定Chromium浏览器,避免把环境缺失当豁免。源码网页预算诊断两视口10组通过,完整回归运行中。新X驱动、一次正式升级驱动及冻结计划已准备;只做语法检查,没有发送模型请求。阶段未完成不标交付。