Files
Agent-Workbench/docs/DEVELOPMENT-ROADMAP-OFFICIAL-FIRST.md
T
2026-11-07 10:51:42 +08:00

22 KiB
Raw Blame History

官方优先开发路线(2026-11-06)

本路线以全系统审查的38项事项为输入。目标是官方直连优先、代理/兼容同样保真,用户选择的模型和权限持久生效,AI能完成实际工程并提供真实证据。原审查保留其时点结论;M1首批I01/I02/I03已由68603f9c源码修复,专项12/相关110及独立两端各7组通过,见验收。第二批dcaecd8b已修I04自动选模与I08其余MCP/身份说明,最终47/47、相关78/78及独立两端各7组通过,见第二批验收。第三、四批进展如下;尚未正式发行。

第三批32780bee已完成I05/I07/I33/I38开放模式固定总量门槛与完整记录恢复:8项新增行为分轮通过(原失败/中断保持)、首候选相关75/75、最终网页与实际Electron各6组,见完整记录验收。产品/构建输入与最终29编译一致;尚未正式部署。手机大账本全metadata写入仍慢,宿主一次身份观察失败及迟到生命周期原因未知,均保留待办。

第四批231db3a已完成I06完整MCP Schema转交服务器校验,新v2原声明/旧v1原SHA、JSON-RPC原错与unknown保持,实际证据复核旧12项/24KB门槛及漂移误显空目录已修。最终6/6、首候选45/46加补封静态输入后单独1/1、最终网页/实际Electron各5组通过,见Schema验收。M1各项已有分批源码证据,尚未正式部署。

下一批进入 M2:官方能力注册表与供应商缓存/状态、完整请求账本。 M1参数/模式、选模/权限、完整记录和Schema已分批验证,之后冻结一次M3发行;不要为每个小修反复打包,也不要先堆新界面或新“支持”标签。

执行原则与完成标准

  • 官方协议/schema/SDK与精确型号事实为准;代理声明和实际观察独立保存。未取得官方来源的能力显示未知,允许自定义兼容与显式覆盖,不猜型号。
  • 保留用户完整内容、原生参数、上游原响应和真实用量。默认unrestricted/passthrough/preserve;初始批准模式ask,用户改auto/full后持久沿用。自动适配是选择合适模型的能力,不能重新成为全局额度/权限拦截。
  • 官方必填字段由用户显式值或可靠官方/上游值提供。Chat/Responses可选输出字段继续默认不附加;Messages必填max_tokens不能省略或发送Infinity;模型最大容量和本地不限分开展示。
  • 每批交付必须包含:最终来源/必要官方资料、实际改动、相关确定性核对、可运行核心路径、原失败/unknown、回顾和限定本地提交。测试只覆盖实质行为和边界,已冻结的无关大套结果不反复重跑。
  • 源码包只发布源码及构建所需输入;程序包另有固定来源和编译身份。数据保持核对属于安装/正式升级阶段,不让用户项目混入源码打包。
  • 真实模型实验另冻新ID、输入、宿主/模型/连接身份与开关。历史W/AD/AE/AG、X及其他旧实验不续跑、不改原失败,不把合成夹具和官方文档当真实交付。

分批顺序

阶段 交付 结束依据 依赖
M0 本次审查 分层矩阵、来源账本、历史异常、开发与验收路线;I30当前指针纠正 原源码715输入SHA、21观察+O18-C、隔离1280/390、文档/JSON/证据封存核对 已完成审查;不发行
M1 正确性与开放执行 I01–I08、I33/I38修复;实际wire/权限/模式一致 非目标参数不丢、官方模式可用、跨旧次数/大小/登记边界执行并可恢复;网页/桌面核心路径 M0
M2 官方契约与缓存连续性 I09–I15、I27/I28;版本化官方能力/请求合同、完整统计/账本、CI 来源明确、模式/版本/端点可核对、会话连续、真实缓存字段保留、完整分页;相关确定性核对 M1;CI可先完成基础
M3 独立发行 原三项修复+M1/M2最终冻结来源,单次源码/程序发行与正式安装 编译/包逐输入身份、实际跨版/安装、两端核心入口、正式after核对 M1/M2范围冻结
M4 新真实兼容与交付基线 官方OpenAI/Claude/DeepSeek优先、当前代理另列;真实Node/React/Python 发现/参数/流式/工具/原错/usage逐项,工程原验收与Git真实完成;失败仍可封存 M3;启用线路身份固定
M5 全球原生适配与模型能力 Gemini/云平台/其余官方厂商、服务端工具/多模态/候选/资源 每协议/供应商一份官方契约、实际wire/UI/结果工件/生命周期证据,再另冻真实样本 M2;分小批发布,不等全球一次做完
M6 工程宿主与协作 交互PTY、电脑操作、Worker技能/MCP与逐要求质量 真实输入/停止/恢复/跨应用动作/子任务工具/检查证据闭环;full无额外审批 M1/M2;可不等待全部M5厂商
M7 规模与生态 测量后增量存储、跨产品原生契约服务、真实手机 长历史原件/时延/RSS、委托撤销/归属、物理手机断线与恢复 稳定来源和对应集成契约
M8 收益验证 缓存/重复读/经验/角色分别对照,再新原版Purge AB/BA 固定可比样本、工程质量与reported/unknown成本、边界触发/加载证据,原失败保留 目标线路M4成功基线及实际机制;无需等全球厂商全部接完

M1:先把已有路径做正确

原生对象编辑只改用户选中的键,保留reasoning.summary、output_config.format、thinking.display及其他未知但合法字段。Chat流式不能整对象替换stream_options。默认重置操作明确作用范围,保存/重新打开/实际请求保持一致。

Claude按精确ID、API协议和官方条件显示模式/effort。明确不支持与没有目录字段分开;全否定模式列表不能变成“全部支持”。对代理保留明确覆盖入口与实际原错。此处先修已确认的当前型号行为,M2再建立可更新完整注册表。

自动模型池根据任务和已知能力选候选,记录原因;手选模型或显式强制尝试继续透传。不要把自动选择修复做成所有请求都先行拒发。

MCP、检查点和手机账本改为完整分页/分段记录,跨31次操作、31个检查点、2001工具引用、64MiB结果、2001手机操作等旧边界仍可工作;校验原SHA、幂等、停止和重启unknown。MCP合法JSON Schema支持与服务器协议相符,不能用65属性之类固定额度代替真实适配。

本机加密凭据登记超过101项的整体拒加载门槛也要去掉,以版本和逐条有效性恢复。验收用自有合成/测试凭据跨102项保存重启,保留原绑定和原metadata,不读取用户真实Key。

真实权限/身份策略同时进入UI和模型工具说明。ask/auto/full的“请求策略、实际生效策略、动作结果”一致,不能用MCP提示“先确认”诱发不必要的停顿。MCP注册45000ms只是旧配置范围,开放执行本来已0超时,不重复修成另一层限制。

M2:建立官方与兼容共同可追溯的模型层

以 provider + protocol + API version + exact model ID 建能力记录;至少包含来源URL/SDK commit或schema SHA、观测时间、原始目录字段、上下文/输出规格、推理模式与条件、工具/媒体/流式/缓存/结构化能力、弃用状态,以及本地实现/实际验证状态。

自动获取和分页选择模型,不要求普通用户手填所有型号。供应商目录有完整信息时保留原字段;目录没有容量/功能时由有版本的官方表补充。显式参数优先;上游声明与官方规格冲突时显示双方来源和实际线路范围,不静默覆盖用户原设置/凭据绑定。

请求合同分别管理认证、端点、API version/beta/供应商头与原生参数;连接定义、模型选择和账户凭据绑定分开。固定版本不是靠修改一处通用字符串就适配全球;旧API版本的有效性由证据决定。

缓存工作包含Messages块/工具cache_control保真、Kimi等读/写/未缓存归一、会话/Task亲和、原生状态跨轮续接和缓存相关参数指纹。旧ordered-prefix观察继续保留并注明只观察提示字段;不能据same_prompt声称缓存不受影响。改变型号/连接/原生状态时记录原因;DeepSeek带tools的所有历史reasoning_content需按官方契约完整处理。

请求账本改完整游标/导出和逐请求写入,保存量与文案一致。先搭GitAtlas可重复CI与锁定环境的协议/构建核对,真实服务实验保持独立来源和账本;Python/浏览器缺失等首环境失败不能被改绿。

M3:一次冻结、一次发行

冻结范围后确定下一正式版本和源码commit,带上ae5123c5、341f5f69、2bd7b24a及本阶段修复。源码包、程序包、依赖锁、编译输出、安装器都有独立清单;原用户项目不参与源码打包。

实际隔离安装、跨正式旧版升级、关键协议wire和网页/桌面核心入口通过后才正式激活。正式安装核对原数据/配置/工件/凭据存在状态,不导出或读取真实Key;升级/回退原错误保留。此路线本身不启动安装/重启。

M4:先取得新的官方真实基线

届时使用用户当前启用、明确选择的连接,另冻新样本;不沿用X/AD/AE/AG或旧工程。官方直连和代理样本分开;目录、身份声明、推理/输出参数、流式/工具、用量和错误都分别判定,不能用一个“连接成功”覆盖所有功能。

Node/React/Python从自有冻结工程开始,保留原测试/验收、真实源码差异、检查、Git范围与交付报告;不给实现答案,也不为过关改变原断言或默认开放设置。模型只读/未交付、网络断连、unknown、协议缺项均是可封存结果,不自动重放失败请求。

R/W预留v2边界未触达继续作为历史缺口保留。默认透传时不为了验证旧限制重新打开本地预算,不把这项老缺口伪装成已经真实验证通过。

M5:逐官方协议扩大覆盖

先补Gemini原生生成/流式/发现/分页/内容/状态,再按官方云平台实现Bedrock、Vertex/Foundry等认证、区域/部署与结果;OpenAI兼容方式和原生方式分别登记。Qwen/Z.ai/Kimi等已经取得的官方定义用于各自契约;Mistral/xAI等来源未取得时先明确来源缺口,不能泛称全部支持。

分别实现供应商服务端工具、停止/暂停/继续、结构化结果验证、用户tool_choice、多候选选择,以及PDF/音视频/原生Files。随后补Batches/后台会话/资源轮询与取消、图像/音频/向量等需要的完整生命周期。字段能透传与功能闭环分开验收;不需要复制New API的账户、渠道计费和运营后台来完成开发工作台。

每种原生返回类型保留raw及使用来源,未知类型明确标为本地适配未实现,不能冒称上游模型服务报错。工具结果/模型声明/实际电脑动作与工程交付不能互相替代。

M6:把宿主做成实用工程代理

建立交互PTY工具和持续终端会话:stdin、resize、长命令、停止、重新附着、退出码与现有Git证据连接。增加截图、键盘/鼠标/窗口/应用操作以实际控制电脑;仅有DOM点击和文件对话框不能算通用computer use。

Worker按角色和任务装配skills/MCP,保留真实工具表、资源身份与未装配原因。逐要求关联代码/检查/观察,模型语义评价与确定性验收分别报告;not_evaluated不能冒充已满足。角色/多代理模式的收益另做同题实验,不默认添加审查者或每步批准。

M7:测量规模并完成生态闭环

先用自有数据测全量加载、会话/请求写入与长响应RSS和时延曲线,再增量事件/分页/流式工件。规模问题不能用截断历史、删除原错或新固定额度解决。

M1第三批实际2001次手机reserve/2000次finish及4002审计保持成功,但测试耗时881171.4601ms且同机有其他QA;这不是受控基准。手机仍反复写完整metadata,需增量存储与受控规模测量,不能将去掉总量拒绝当作性能已经解决。宿主另有一次Windows身份观察失败后迟到自有进程,已核对并正常关闭,失败原因及启动失败清理生命周期继续诊断,不绕过身份守卫。

Mnemo/其他产品从双方实际原件契约实现导出、入站委托、归属/撤销/失败;多Run Task和单Run包不能混同。手机以当前物理设备跑完整配对/选择/批准/停止/断线/撤销,不能以本机模拟替代。

M8:真实收益单独证明

缓存指标取上游实际read/write/uncached;区分新增文件读取、内容变化后的必要回读与同SHA/同范围重复读取。提醒、经验、角色分别固定来源和开关,比较工程成功率/质量、tokens、时延及原失败,不把工具进展观察当业务交付。

原版Purge另冻AB-off/AB-on/BA-on/BA-off;固定插件源码/宿主/模型/连接身份、同题输入、权限、顺序及预先声明判定方法。开启组必须有真实加载和相关边界证据;完整成功对照不足则收益继续unknown。AG三个ETIMEDOUT、三个unknown及唯一ba-off成功原样保留,事后TLS通过不能倒改原失败。只在目标线路基线具备可比性后执行,不需要等待全部厂商或其他生态扩展做完。

38项逐项验收入口

以下全部事项都有明确阶段;“未测收益”也有验证交付,不冒充产品源码修复。具体源码位置、官方来源和原观察在审查矩阵。

ID / 阶段 下一项改动或验证 完成证据
I01 / M1 只修改目标键;删除目标值也不删除同对象其他字段;明确默认重置的范围。 三协议往返、JSON/快捷控件/保存/重新打开,非目标字段逐项保持。
I02 / M1 透传显式原生设置;默认建议与用户值分开,不隐式覆盖。 实际本机 HTTP wire 与用户对象一致,缺失字段才按明确策略补充。
I03 / M1 以精确型号、协议、官方版本解析模式/effort/条件,区分未知与明确不支持。 官方新旧型号矩阵、目录全否定和缺失情况通过;UI/保存/wire 一致;兼容显式覆盖仍可用。
I04 / M1 自动候选按能力与任务排序,显式手选/强制尝试与自动适配分别记录,不恢复全局拒发。 自动选择工具支持成员;未知有明确策略;用户手选仍可透传;记录选择依据。
I05 / M1 移除开放模式次数门槛,完整账本用游标/分页;保留每次真实身份、结果和停止。 同任务第31次及更长序列可执行且无旧记录丢失;停止/重启 unknown 保留。
I06 / M1 支持官方/服务器声明的 JSON Schema 或按协议原样转交;不用固定属性数假冒模型能力。 union/ref/嵌套/65以上属性工具真实握手后可选择;错误与原 schema 可核对。
I07 / M1 采用分段索引、流式校验与分页恢复,去掉开放模式固定额度。 跨各旧边界建立和恢复检查点,旧工具/结果原 SHA 与归属完整。
I08 / M1 展示声明能力、本地实现、实际权限/身份策略与可选覆盖;同步模型提示。 ask/auto/full 与完整参数/身份原件在网页和桌面一致;不恢复强制拦截。
I09 / M2 增加原生块/工具元数据保留及供应商缓存控制,按官方层级/TTL处理。 工具/系统/用户块 cache_control 经过请求与历史往返不变,缓存读写由上游 usage 证明。
I10 / M2 提供带供应商语义/来源的读、写、未缓存、推理 token 统计,不补造费用。 三个互斥输入类别与总量相符;流式最终用量/unknown/raw保持。
I11 / M2 会话/Task级可配置亲和和供应商状态绑定,用户换模显式记录影响。 同会话续接、停止恢复、失效换线、手选换模分别核对模型/历史/缓存与状态。
I12 / M2 保留原有序提示观察,另记录缓存相关原生参数/型号/版本/工具/TTL指纹。 参数变化单列原因;不把字节共前缀或相同指纹当缓存命中。
I13 / M2 完整游标检索/导出和准确保存说明;逐请求存储替代整数组回写。 所有历史尝试可分页/导出且归属、usage、unknown、raw SHA不变。
I14 / M2 供应商、传输协议、官方API版本和代理覆盖分别配置并记录实际wire。 官方示例契约与版本/beta场景可复现;自定义端点原值与原错误保持。
I15 / M2 自动发现+官方版本化能力表+上游声明+显式覆盖,逐字段记录来源和冲突。 多页/多型号/失效/无元数据/代理差异不覆盖用户字段;不从型号子串猜能力。
I16 / M5 另建官方Gemini适配器,取得可读官方schema后固定契约来源。 发现、分页、认证、流式、工具、多模态、状态、usage、原错误均有隔离与真实证据。
I17 / M5 按官方云平台分别实现身份提供器/区域/部署/签名/续期/错误,不复制存储真实Key到研究材料。 每平台固定官方契约与独立真实样本;代理转换路线单独标识。
I18 / M5 原生服务端工具、结果块、签名、停止原因和继续请求独立适配,保留原响应。 官方块/SSE事件/暂停续接/usage/错误完整,不把未知块或工具结果当本地执行成功。
I19 / M5 区分工作台工具与供应商原生工具,提供明确选择和实际调用记录。 用户选择在wire准确出现;本地/远端结果归属分开;禁止盲目并行应用多个候选。
I20 / M5 按供应商内容格式实现附件/原文件/媒体/引用/返回工件,不把PNG通路当所有视觉支持。 原格式/用途/上传删除/尺寸/流式输出/错误来源与真实模型验证逐项完整。
I21 / M5 定义完整保留与候选选择工作流;工程执行一次只用明确选中的完整候选。 n>1两模式原结果保持、用户/自动选择一致;不盲目执行各候选的工具。
I22 / M6 增加会话PTY、stdin、resize、进程恢复与工具接口,沿用户权限直接执行。 长命令、交互输入、停止、重新附着、退出码与Git证据真实可查。
I23 / M6 支持截图、坐标/语义动作、键盘/窗口/应用操作,与选定权限和任务归属连接。 真实多应用闭环及取消/恢复可观察;不能用本地浏览器DOM测试冒充OS控制。
I24 / M6 逐要求关联实际差异/测试/观察,语义评估与确定性结果分列。 未测/失败/证据不足不通过;真实同题角色对照才证明收益。
I25 / M6 角色/子任务按需求装配继承资源、身份与作用范围,不默认要求额外审查轮。 子任务实际工具表/来源/SHA与请求相符,未装配原因显示,full流程无额外确认。
I26 / M7 先测量,再增量事件/分页/流式工件,避免用截断历史或固定额度解决规模问题。 可复现增长曲线、RSS/时延/恢复和原字节核对;报告机器与数据规模。
I27 / M2 在GitAtlas支持环境建立可重复的源码/契约/构建/安装验证任务;真实供应商另受控运行。 干净环境按锁定依赖完整执行并保留首失败/版本/source SHA;不将需浏览器/Python环境失败改绿。
I28 / M2 官方示例/schema驱动契约夹具,版本差异/弃用更新进入能力注册表与回归。 固定来源/原字节/协议/schema/wire/真实批次相互关联;本机夹具不当真实服务验收。
I29 / M3 完成首批确认修复后冻结独立发行,避免逐小修反复打包;安装再做数据保持核对。 候选源码/build/wire/UI/安装身份一一对应,再部署与正式回看;源码包不包含用户项目。
I30 / M0 本轮统一当前指针,保留日期明确的历史,不把规划等于完成。 AGENTS/CAPABILITIES/NEXT-STEPS/PRODUCT-PLAN/RESEARCH-ROADMAP当前入口一致可点击。
I31 / M7 按实际双方契约实现原字节导出、单Run/多Run归属与委托状态,不自动继承用户授权。 双方合成原件和独立真实服务验证;失败、容量缺项、撤销和旧原件完整。
I32 / M7 独立配对/查看/选择权限/批准/停止/断线/撤销真实设备样本。 保存设备/宿主/浏览器版本和实际动作,无任务或凭据跨错归属。
I33 / M1 分页持久化幂等操作,移除固定总数拒绝和load格式上界,不丢旧记录。 跨2000边界继续操作,幂等/unknown/断线恢复与原行保持。
I34 / M4 按正式新版本另冻官方优先的供应商样本与代理样本;旧样本不重写/续跑。 每连接发现/参数/流式/工具/媒体/usage/错误/真实工程独立分项,未知保留。
I35 / M8 分别定义同题基线/干预、稳定线路/模型/权限、真实raw用量与质量指标。 成功率、重复读取、cache read/write、tokens/时延和失败原因同时报告;不得以提醒触发当业务完成。
I36 / M8 供应商兼容与基线真实交付稳定后,新冻结原版Purge AB/BA,身份和输入严格固定。 插件确实加载/边界触发/对照可比/工程质量及reported和unknown单列;旧AG失败原样保留。
I37 / M5 按工程优先级通过供应商适配器逐类扩展,显示实际已实现能力;无需复制网关账户/计费后台。 资源创建/使用/检索/取消/清理、返回状态/工件与费用来源可核对,异步响应不误当工具完成。
I38 / M1 按版本/逐记录有效性和分页加载凭据登记,移除固定连接总数格式门槛。 102以上自有合成/加密测试登记保存重启恢复;无旧条目损失、无真实Key访问,来源绑定仍可核对。

当前接续

M0审查和M1四批已有独立源码、验收与证据:68603f9c参数/模式、dcaecd8b自动选模/权限、32780bee完整记录/恢复、231db3a完整Schema/服务器校验。M1所列I01–I08/I33/I38均有分批源码验证;M2/M3和新的M4/M8真实实验未因此完成。本地提交/推送不代表正式发行或真实收益通过。

下一轮进入M2版本化官方能力/来源、供应商缓存控制/用量/状态与完整账本;按官方契约分小批验证,再M3统一冻结发行。后续授权范围内普通增量推送;每个真实实验另有冻结计划,历史异常始终保留。