Record A01 final budget task progress

Why: Track the option-3 fixes, reviews and the P4 paid rerun result. Evidence: Backend #236 CI success at aec92b7; agent-exec receipts u1-u3. Impact: Task card only. Refs: Backend #236 Co-authored-by: Cursor <cursoragent@cursor.com>
2026-10-21 06:20:28 +00:00
parent a8918f0a64
commit 75e011b042
1 changed files with 38 additions and 31 deletions
@@ -9,17 +9,19 @@
 - 分支类型：standalone；root_target：main；immediate_target：main；accepting_requirements：false
 - 需求分流：verdict=NEW；selected_initiative=无；requirement_sha256=7d0c8fce13eac42b213217ffb149c26e638f3452d600f0e7f8d334626e2f3157；triage_receipt=/tmp/o2p5fix-20261021/triage.json；receipt_sha256=87b0ba24da924f3e98870d36ac77598e1fb7a71d17a2dbdba4799cabf5a78750

- 授权与交付终点：<本次允许的动作与终点；未授权事项写明>
+- 授权与交付终点：用户「3」（2026-10-21，P4 后方向 3：两项零付费修正 + 新增评测标签提高 A01 预算与输出上限），随后「继续」；允许零付费 Backend 实施单元、Backend PR/CI/合入、Dev gitlink 改钉 PR/CI/合入，并记录 P4 付费复验结果。未授权：P5 付费复验（须单独批准）、既有评测标签改动、路由契约改动、实例配置写入、部署
 - 交付模式：goal-first（目标、范围和交付终点一次确认；范围内连续推进）
 - 实施执行：agent-per-unit（配置：AGENT-EXECUTION.md）
 - 合入执行：agent（已授权交付范围内，Review 通过、冲突解决且当前 HEAD 的 CI 通过后合入）
 - 人工决策点：仅限目标/范围/验收变更、重大取舍、高后果操作或无法自动判定的业务验收
- 当前阶段：需求拆解；当前增量：I1（待定义）
+- 当前阶段：合入；当前增量：I2 Dev 改钉（I1 已合入 Backend #236）
 - 流程依据：仓库根目录 policy/delivery.md（归档后仍按仓库根目录定位）

 ## 目标与非目标

-<预期结果、受影响入口/模块/契约；明确不做什么。>
+目标：消除 P4 暴露的 A01 剩余阻塞——(a) 物料子 Agent 预留估算以「上一轮 prompt + 上一轮 completion」估计下一轮 prompt；(b) 最终答复简明（约 1500 字以内、一次写完）；(c) 新评测标签 `approved-o2-a01-final`（预算 45000、输出上限 6000，模型模式下上限端到端生效）；记录 P4 付费复验结果。受影响：Backend internal/runtime/material_final_reserve.go、sub_loop.go、internal/runmgr/material.go、internal/server 评测辅助、eval/live A01 映射及测试。
+
+非目标：不改既有评测标签（含 approved-o2-a01-evidence 的 30000/4000）、路由契约、实例配置；不发起付费请求。

 ## Agent 实施收据

@@ -27,38 +29,43 @@

 | 单元 ID | 预期范围 | 配置摘要 | 角色 | 候选顺序 | attempt | CLI/模型 | 终态 | transport | fallback | 源码外收据路径 |
 |---|---|---|---|---|---|---|---|---|---|---|
-| 待定义 | — | NOT_RUN | NOT_RUN | NOT_RUN | NOT_RUN | NOT_RUN | NOT_RUN | NOT_RUN | NOT_RUN | — |
+| o2p5fix-u1-backend-final-budget | Backend runtime/runmgr/server 评测辅助、eval/live 及测试（9 文件） | 22fcb8ac80b2 | implementation | 按 AGENT-EXECUTION.md | 1（3e52e52b4541，fresh_session=true，session not-observable） | pi | success | 9a6f0f880f66 | 0 | /tmp/o2p5fix-20261021/u1-receipt.json |
+| o2p5fix-u2-backend-eval-cap | Review 阻塞修正：评测 provider 包装按标签上限钳制 + subRun 级测试（3 文件） | 22fcb8ac80b2 | implementation | 按 AGENT-EXECUTION.md | 1（ba449849829e，fresh_session=true，session not-observable） | pi | success | aec92b768439 → Backend #236 | 0 | /tmp/o2p5fix-20261021/u2-receipt.json |
+| o2p5fix-u3-dev-backend-pin | modules/backend gitlink → 241e1b3 | ccceb3bfb61b | implementation | 按 AGENT-EXECUTION.md | 1（1c217de52bca，fresh_session=true，session not-observable） | cursor | success | a8918f0a6449 | 0 | /tmp/o2p5fix-20261021/u3-receipt.json |

 ## 关联方向与规划

- 适用状态：待核对（无适用规划时说明原因）
- 主记录路径/版本：待核对（路径按仓库根目录定位，归档后不变；只引用唯一正文）
- 对应里程碑：待核对
+- 适用状态：适用（O2 A01 付费通过的前置修正）
+- 主记录路径/版本：docs/superpowers/specs/2026-10-21-fast-slow-o2-c8-review.md；前序归档卡 .task/archive/feature-fast-slow-o2-final-only-notice-all-tools.md
+- 对应里程碑：O2 A01 付费复验通过

 ## 需求分析

 | ID | 描述 | 项目符合度及依据 | 优先级 | 验收条件 | 依赖 | 结论 |
 |---|---|---|---|---|---|---|
-| R1 | 待填写 | 待评估 | 待定 | 待定义 | 待确认 | 待评审 |
+| R1 | 预留估算计入上一轮 completion | 符合：P4 守卫超支 5914 根因 | P0 | 单测：P4 数值（已用 22070、prompt 5810、completion 4000）在 subRun.materialDecision 下判 stop，completion 为 0 时不 stop | 无 | 完成（Backend #236） |
+| R2 | 最终答复简明（约 1500 字、一次写完） | 符合：P4 最终答复两次被 4000 截断 | P0 | 单测：final-only 提醒与物料任务文本含约束 | 无 | 完成（Backend #236） |
+| R3 | 新评测标签 approved-o2-a01-final（45000 / 6000） | 符合：两检查点 + 最终答复需更大预算 | P0 | 单测：标签预算 45000、上限 6000，其余标签不变；模型模式路由与 provider 实际 max_tokens 为 6000 | 无 | 完成（Backend #236） |
+| R4 | 记录 P4 付费复验结果 | 符合 | P0 | 卡内含花费、调用序列、结论与收据 | 无 | 完成（见探索试验） |

 ## 方案与计划

- 方案引用：待填写（含对象版本）
- 实施计划引用：待填写（含增量与需求 ID）
- 测试计划引用：待填写（含需求 ID 与验收条件）
+- 方案引用：P4 后方向 3（本卡目标）；单元说明 /tmp/o2p5fix-20261021/u1.json、u2.json
+- 实施计划引用：I1 Backend（R1–R3，agent-per-unit，u1 + Review 修正 u2）→ Backend PR/CI/合入 → I2 Dev 改钉 modules/backend（u3）
+- 测试计划引用：单元 verification（gofmt、vet、runtime/runmgr/server 测试、eval/live A01 离线用例）；Backend CI；Dev CI make test+build；P5 付费复验 NOT_RUN（待授权）

 ## 阶段记录

 | 阶段 | 对象版本 | 状态 | 决策/执行者 | 时间 | 依据 |
 |---|---|---|---|---|---|
-| 需求拆解 | 待定 | 待执行 | — | — | — |
-| 需求评估 | 待定 | 待执行 | — | — | — |
-| 需求表确认 | 待定 | 待执行 | — | — | — |
-| 方案设计 | 待定 | 待执行 | — | — | — |
-| 实施计划 | 待定 | 待执行 | — | — | — |
-| 实施与自检 | 待定 | 待执行 | — | — | — |
-| 正式测试与验收 | 待定 | 待执行 | — | — | — |
-| 代码 Review | 待定 | 待执行 | — | — | — |
+| 需求拆解 | 8f59b13 | 完成 | host | 2026-10-21 | 用户「3」 |
+| 需求评估 | 8f59b13 | 完成 | host | 2026-10-21 | R1–R4 |
+| 需求表确认 | 8f59b13 | 完成（范围即方向 3） | 用户 | 2026-10-21 | 选项 3 |
+| 方案设计 | 8f59b13 | 完成（P4 根因 + 方向 3） | host | 2026-10-21 | 本卡探索试验 |
+| 实施计划 | 0571a75 | 完成 | host | 2026-10-21 | 单元说明 u1/u2/u3.json |
+| 实施与自检 | Backend 9a6f0f8、aec92b7；Dev a8918f0 | 完成 | pi / cursor（agent-exec） | 2026-10-21 | 收据表；host 复跑 gofmt（改动文件）/vet/runtime+runmgr+server/eval-live A01 全部 ok（SELF） |
+| 正式测试与验收 | Backend aec92b7；Dev 待 CI | Backend CI_SUCCESS（vet-and-test、governance）；Dev 待 CI | CI | 2026-10-21 | GATE |
+| 代码 Review | 07228aa..aec92b7 | 通过（首轮阻塞已在 aec92b7 闭合） | 独立 code-reviewer 子会话（两轮，各为全新会话） | 2026-10-21 | 见合入与清理 |
 | 合入 | 待定 | 待执行 | — | — | — |
 | 合入核验与收口 | 待定 | 待执行 | — | — | — |

@@ -66,7 +73,7 @@

 | 增量/试验 | 假设 | 范围 | 判断和停止条件 | 授权/决策依据 | 结果 | 变更影响 | 需重审补测 |
 |---|---|---|---|---|---|---|---|
-| 待定义 | — | — | — | 待核对 | NOT_RUN | 待评估 | 待评估 |
+| P4 A01 付费复验（Dev 8f59b13 / Backend 07228aa） | #235 告知覆盖所有工具结果可避免 C8 | 1 次运行，4 次付费请求 / 35914 tokens（守卫 30000，实例 60000） | 无 C8、0 拒绝、有最终答复 | 用户「批准」（2026-10-21） | NOT_PASS：请求 1 发布检查点；请求 2 两次 knowledge_search，末个结果带告知；请求 3 final-only 无工具调用（C8 已修复），最终答复在 4000 输出上限处截断（length）；请求 4 续写（prompt 9844）再次截断后预算停止。1 检查点 0 拒绝；守卫超支 5914（续写前估算按上一轮 prompt 5810，剩余 7930 > 7262）。路由已删、实例已停；收据 ~/.local/share/agent-system-evidence/fast-slow-o2-a01g-20261021/a01/p4-run-receipt.json（ecd8153f6e544ed2） | 本卡 R1–R3 | 修正后需一次 P5 付费复验（待授权，标签 approved-o2-a01-final）；P2–P4 累计 74541 tokens |

 ## 同步记录

@@ -88,25 +95,25 @@
 - 调度依据：policy/delivery.md#合入调度
 - 固定后证据：源码外 RECEIPT；实际结果后按授权原样导入和闭合

-## 结果与验证（完成后填写）
+## 结果与验证

- 结果：
- 验证：<结论摘要 PASS/FAIL/SKIP/NOT_RUN 逐项；逐条证据由 make evidence 写入上方证据表>
- 影响与剩余项：
+- 结果：Backend #236（241e1b3）预留估算计入上一轮 completion；final-only 提醒与物料任务文本要求约 1500 字以内一次写完；新增评测标签 approved-o2-a01-final（预算 45000、输出上限 6000，模型模式路由与 provider 包装同步生效），既有标签不变。Dev modules/backend 改钉 241e1b3。P4 付费复验 NOT_PASS 已记录于探索试验。
+- 验证：Backend CI PASS（GATE，sha aec92b768439）；host 复跑 PASS（SELF）；Dev CI 见 CI 记录；P5 付费复验 NOT_RUN（未授权）
+- 影响与剩余项：A01 是否通过须经一次 P5 付费复验（待批准，标签 approved-o2-a01-final，守卫 45000，实例上限 60000）

 ## 规划进展与下一步

- 本次推进/剩余：待核对（依据实际成果更新适用方案/规划）
- 首选下一任务：待核对（无适用规划、已完成或受阻时如实说明，不虚构任务）
- 推荐依据：待填写
- 前置条件/待确认：待核对
- 预期产物/验收条件：待定义
- 重复任务核对：待核对（已有/在途任务、PR 与规划记录）
+- 本次推进/剩余：P4 暴露的截断、预算与估算问题已修正；O2 A01 付费通过仍待复验
+- 首选下一任务：O2 A01 付费复验（P5）
+- 推荐依据：效果只能付费判定
+- 前置条件/待确认：用户批准付费；用户自行重建路由文件
+- 预期产物/验收条件：≥2 个检查点、0 拒绝、无 C8、完整最终答复、未超守卫
+- 重复任务核对：无在途同题任务
 - 启动授权：未授权（建议不自动启动新任务，仍须明确授权）

 ## 合入与清理

- Review 记录：NOT_RUN（审阅智能体/平台身份、base/head、结论、问题闭合及重放依据）
+- Review 记录：全新独立 code-reviewer 子会话两轮（fresh_session=true，session id not-observable；仅收需求、base/head 与 diff）。首轮（07228aa..9a6f0f8）阻塞：模型模式评测 provider 包装把 max_tokens 硬钳到 4000，6000 上限到不了 provider → u2（aec92b7）修正并加 httptest 线上断言与 subRun 级测试。复审（9a6f0f8..aec92b7，首个复审会话连接中断无结论，另起全新会话）：阻塞已闭合、无阻塞回归，离线重跑 runtime/server 测试通过。非阻塞（记录不修）：模型模式接线一行无自动化覆盖（需真实模型）；新 subRun 测试注释提及 30000 标签；新标签下前台 LLMRunner 也用 6000 上限（仅评测）；reasoning tokens 使估算偏保守；hook/未知工具/取消等运行时生成结果不带告知；Backend 提交沿用 agent-exec transport 主题（PR 描述含四段）。Dev 改钉仅 gitlink，内容即已审 Backend #236
 - 冲突记录：NOT_RUN（最新目标同步、冲突处置、组合兼容核验及复审/补测）
 - CI 记录：NOT_RUN（当前 HEAD 完整 SHA、全部必需检查、运行链接、执行身份及 GATE 结果）
 - 合入记录：NOT_RUN（交付授权范围、PR、被核验 HEAD、合入 SHA、目标分支及内容核验）