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

94 lines
17 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.
# 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](controlled-engine-release-identity.json)。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。