diff --git a/.task/archive/feature-fast-slow-o2-c8-review.md b/.task/archive/feature-fast-slow-o2-c8-review.md new file mode 100644 index 00000000..e4135cae --- /dev/null +++ b/.task/archive/feature-fast-slow-o2-c8-review.md @@ -0,0 +1,162 @@ +# feature/fast-slow-o2-c8-review 任务卡 + +任务主记录：PR #667 https://git-home.u1680832.nyat.app:30319/weichen/Agent-System-Dev/pulls/667；状态：已完成（合入前闭合）；owner：weichen + +## 基线与授权 + +- 权威仓：ssh://git@192.168.3.2:2222/weichen/Agent-System-Dev.git；目标分支：main；R0（initial_base_sha）= a9566a68505ac97dead15ed3b5672954f15cea1c +- 工作区：/home/weichen/projects/Agent-System-Dev-wt-feature-fast-slow-o2-c8-review（worktree）；分支：feature/fast-slow-o2-c8-review +- 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=5047963d4ab90c90c1c0f90e1e71ae0a04b16e9d082d3c9b94ac4bf0e0d0aeda；triage_receipt=/tmp/o2c8-20261021/triage.json；receipt_sha256=6a53842b6c14e09edbe1334abfa0b9b3829772a2129fe1325c2916fdbd324fa0 + +- 授权与交付终点：用户选择「1 零付费复核 C8」；允许离线只读调查、写复核文档与任务卡、Review、PR、CI 与合入。未授权：任何付费请求/复跑、代码实施、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：合入；当前增量：I1 复核文档（host 豁免路径，无实施单元） +- 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 + +目标：离线确定 P2 第 3 次请求 C8 的成因（工具名未声明还是参数 schema 不符），只读评估「schema 不符交给工具层返回可修正错误」的改法，并记录 P2 花费与结论。 + +非目标：不改 Backend/agent-native 代码、不改路由契约、不发起付费请求。 + +## Agent 实施收据 + +路由与 fail-stop 规则见根目录 AGENT-EXECUTION.md 与 policy/delivery.md；每次尝试一行，原始日志留在源码外收据路径。 + +| 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 | +|---|---|---|---|---|---|---|---|---|---|---| +| 无 | 仅 `docs/superpowers/specs/**` 与 `.task/**`（host 豁免） | 不适用 | — | — | — | — | 不适用 | — | — | — | + +## 关联方向与规划 + +- 适用状态：适用（O2 fast-slow A01 证据合规的后续复核） +- 主记录路径/版本：docs/superpowers/specs/2026-10-20-fast-slow-o2-a01-evidence-design.md（main a9566a6） +- 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 | 确定 C8 成因并评估改法，记录 P2 结论 | 符合：O2 下一步取决于此 | P0 | 复核文档给出可复核依据与建议 | P2 证据目录 | 完成：C8=工具名未声明；改法不适用 | + +## 方案与计划 + +- 方案引用：docs/superpowers/specs/2026-10-21-fast-slow-o2-c8-review.md（Backend dfb31da、agent-native 2fc66be） +- 实施计划引用：不适用（只读复核） +- 测试计划引用：不适用；零付费，未运行模型 + +## 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 | a9566a6 | 完成 | host | 2026-10-21 | 用户选择「1」 | +| 需求评估 | a9566a6 | 完成 | host | 2026-10-21 | R1 | +| 需求表确认 | a9566a6 | 完成（范围由用户选项确定） | 用户 | 2026-10-21 | 选项 1 | +| 方案设计 | c5e8b47 | 完成（只读复核文档） | host | 2026-10-21 | 复核文档 | +| 实施计划 | — | 不适用 | — | — | 无代码变更 | +| 实施与自检 | — | 不适用 | — | — | 无代码变更 | +| 正式测试与验收 | c5e8b47 | CI 待核 | CI | — | make test + make build | +| 代码 Review | 511e079→c5e8b47 | 通过（1 阻塞已修） | 独立 code-reviewer 子会话 | 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 | — | — | — | + +## 探索试验与迭代 + +| 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 | +|---|---|---|---|---|---|---|---| +| P2 A01 付费复验（前序已授权） | 证据说明收紧后 A01 不再被拒 | 3 次请求 / 17955 tokens，守卫 30000 | 0 拒绝且路由契约通过 | 用户「批准」 | NOT_PASS：第 3 次 C8；2 检查点 0 拒绝；收据 ec02e80753db2f85 | 证据合规已达成，阻塞转为 final-only 阈值 | 修正后需一次付费复验（待授权） | +| C8 零付费复核 | C8 来自 schema 不符 | 只读代码 + P2 记录 | 能否确定成因 | 用户选择「1」 | 否定假设：C8=工具名未声明（final-only 移除检查点工具） | 无代码变更 | 否 | + +## 同步记录 + +| 节点 | sync_base_sha | tested_head_sha | checked_at | +|---|---|---|---| +| 启动 | a9566a68505ac97dead15ed3b5672954f15cea1c | a9566a68505ac97dead15ed3b5672954f15cea1c | 2026-10-21T02:28:21Z | + +## 证据（Evidence） + + +| 时间(UTC) | 命令 | 被测HEAD | exit | 来源 | sha256(16) | +|---|---|---|---|---|---| + +## 交付调度 + +- 调度状态：窗口已领取；调度记录：issue #518 评论 +- entry_id：mq-dev-20261021-fast-slow-o2-c8-review-01；attempt_id：01；窗口执行者：当前主模型 +- 固定候选：无（base/head、组件与相关配置引用实际尝试） +- 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 + +- 结果：C8 成因为 `publish_work_checkpoint` 在 final-only 请求中未声明（已存 2 个检查点与预算预留两条件同时触发 final-only），A01 预算只够两轮检查点加一次最终答复，与任务指令 reading→crosscheck 冲突；「schema 不符交给工具层」不适用且不建议实施。P2：3 次付费请求、17955 tokens、NOT_PASS（C8），证据合规达成（2 检查点 0 拒绝），路由文件已删除；本次复核零付费。 +- 验证：只读复核，依据见复核文档；模型复验 NOT_RUN（未授权） +- 影响与剩余项：推荐 F1（宿主判定下一次为 final-only 时由工具结果告知，并使任务指令与预算一致），需单独授权实施及一次付费复验 + +## 规划进展与下一步 + +- 本次推进/剩余：C8 成因已确定；O2 A01 付费通过仍待修正与复验 +- 首选下一任务：F1 final-only 上限告知（Backend） +- 推荐依据：不动契约、零付费单测可验证宿主侧行为 +- 前置条件/待确认：用户授权实施 F1 与之后的付费复验 +- 预期产物/验收条件：final-only 前一次检查点结果含提示；付费复验无 C8 +- 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：全新独立 code-reviewer 子会话（fresh_session=true，session id not-observable，仅收目标/base a9566a6/head 511e079/diff/源码与 provider-records），只读重算 E4 并核对行号。阻塞 1：final-only 同时由预算预留条件触发（outputCap 4000），已在 c5e8b47 修正 E1/E4/E5/F1/F2 与卡；次要：缓存归因、argschema properties 前提已修，卡头权威仓地址为 task-start 生成值未改 +- 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） +- 清理记录：NOT_RUN（授权依据、写者退出确认、worktree/分支/任务卡处置） + + +```json +{ + "summary_schema": 1, + "source": "SELF", + "timestamp": "2026-10-21T02:27:26.256614+00:00", + "command": "make precheck", + "exit_code": 0, + "cwd": "/home/weichen/projects/Agent-System-Dev", + "before_head": "a9566a68505ac97dead15ed3b5672954f15cea1c", + "after_head": "a9566a68505ac97dead15ed3b5672954f15cea1c", + "branch": "main", + "target_branch": "main", + "target_head": "a9566a68505ac97dead15ed3b5672954f15cea1c", + "root_target": "main", + "immediate_target": "main", + "before_tracked_diff_sha256": "e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855", + "after_tracked_diff_sha256": "e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855", + "output_tail": [ + "make[1]: Entering directory '/home/weichen/projects/Agent-System-Dev'", + "[repo] branch=main head=a9566a6850", + "[remote] origin/main=a9566a6850 ahead=0 behind=0", + "[tree] clean submodules_drift=0 uninit=0", + "[worktrees] linked=3", + "[cards] 已合入未闭合任务卡:feature-project-access-lifecycle.md——make task-close 回填归档（主检出运行）", + "[initiatives] local cards (not authoritative): none", + "[hooks] core.hooksPath=scripts/hooks（pre-commit/post-merge 实际接线）", + "[facts] policy/facts.md 6 条事实均在有效期内", + "[required-reading] core/baseline.md, workflows/delivery.md §1, policy/delivery.md", + "[R0] a9566a6850（完整：a9566a68505ac97dead15ed3b5672954f15cea1c）", + "[worktree] before-sync: recursive component checks passed", + "[verdict] READY — 保留本次 precheck receipt 后建任务工作区：PRECHECK_RECEIPT=/tmp/task-precheck.json make task-start NAME=feature/your-branch", + "make[1]: Leaving directory '/home/weichen/projects/Agent-System-Dev'" + ], + "output_sha256": "a891afd4f3610dd6ce63a808b10cc78b8c6c411454f4851c724ac3c6213ac62a", + "receipt_sha256": "e58dbf12cb9208a2e86ed98f3d39405cb8a8278205d60f1bfaeae9852d264ac2", + "receipt_path": "/home/weichen/.cache/agent-system-dev/evidence/e58dbf12cb9208a2e86ed98f3d39405cb8a8278205d60f1bfaeae9852d264ac2.json" +} +``` + +## 闭合记录（合入前折叠） + +- 本卡在 PR #667（https://git-home.u1680832.nyat.app:30319/weichen/Agent-System-Dev/pulls/667）合入前闭合并归档，随该 PR 一同合入。 +- 该 PR 的合并提交即本任务的落地记录。 +- 合入后无需回填，也无需单独的闭合 PR。 diff --git a/docs/superpowers/specs/2026-10-21-fast-slow-o2-c8-review.md b/docs/superpowers/specs/2026-10-21-fast-slow-o2-c8-review.md new file mode 100644 index 00000000..16f92273 --- /dev/null +++ b/docs/superpowers/specs/2026-10-21-fast-slow-o2-c8-review.md @@ -0,0 +1,50 @@ +# O2 A01 P2 复验 C8 零付费复核 + +日期：2026-10-21；性质：只读复核（零付费、不改代码）；对象：Backend `dfb31da20ab0276ea8e167cf26675f7ac95a1b26`、agent-native `2fc66be65201232ea38ba64d457efad5565d869d`、P2 收据 `ec02e80753db2f85…`、provider-records `add19bd1500127bb…`。 + +## 结论 + +P2 第 3 次请求的 C8 是**工具名未声明**，不是参数 schema 不符。第 3 次请求被宿主切到 final-only，从工具声明里移除了 `publish_work_checkpoint`；模型按任务指令（reading → crosscheck）仍去调用它。final-only 由两个条件同时触发：已保存 2 个检查点；30000 预算在 4000 输出上限下只够再留一次最终答复。即使只存了 1 个检查点，第 3 次也会是 final-only。根因是：A01 的预算只够两轮检查点请求加一次最终答复，任务指令却期望至少两个阶段再加最终答复；同时模型无视了 final-only 系统提醒。 + +所以「schema 不符时不丢弃整轮、交给工具层返回可修正错误」这一改法**不适用于本次失败**，即使实施也不会让 P2 通过。 + +## 依据 + +| # | 事实 | 来源 | +|---|---|---| +| E1 | 物料子 Agent 在 `SavedCheckpoints >= 2` 或 `remaining <= 2*(LastPrompt+OutputCap+margin)` 时进入 final-only | Backend `internal/runtime/material_final_reserve.go:21-30` | +| E2 | final-only 请求从 `requestDecls` 中删除 `publish_work_checkpoint`，并插入系统提醒「不再发布检查点」 | Backend `internal/runtime/sub_loop.go:125-148` | +| E3 | P2 在第 3 次请求前已保存 2 个检查点（均 ok、0 拒绝），且 `phaseId` 只出现过 `reading` | P2 数据库 events | +| E4 | 第 3 次请求的预算核算：已用 12317、上次 prompt 5926、outputCap 4000、limit 30000。剩余 17683 > 5926+1481，不触发 stop；17683 <= 2×(5926+4000+1481)=22814，且已存 2 个检查点，两个条件都触发 final-only | provider-records 第 1、2 次 usage 与 outputCap，按 E1 公式计算 | +| E5 | 第 3 次 prompt_tokens 为 5160，比第 2 次的 5926 少。历史变长、prompt 反而变短，与「删去大段检查点工具声明」一致。cache_read 从 5503 跌到 128，由删声明与在首条 system 后插入提醒共同造成 | provider-records 第 2、3 次；`sub_loop.go:137-148` | +| E6 | 第 3 次思考末句为「Now crosscheck phase.」，随后发出一个 1000 字节、可解析的工具调用；任务指令要求 crosscheck 阶段调用 `publish_work_checkpoint` | P2 数据库；Backend `internal/runmgr/material.go:306` | +| E7 | C8 = `callsDeclared` 失败，即工具名不在本次请求声明中，或顶层 `argschema.Validate` 失败 | agent-native `runtime/llm/route_contract.go` `check`/`callsDeclared` | + +E1、E2、E4 是确定性代码路径，可以确定第 3 次请求未声明 `publish_work_checkpoint`。E5、E6 佐证模型调用的就是它。原始参数按设计不落盘，所以「调用名是 `publish_work_checkpoint`」属于高置信推断，未经原文核实。 + +## 对「schema 不符交给工具层」的只读评估 + +- **不解决本次问题**：本次是名称未声明，不经过 schema 分支。 +- **schema 分支本身风险有限，但收益也有限**：`argschema.Validate` 只校验顶层，即必填项非空、顶层原始类型，以及在声明了 `properties` 时拒绝未声明的顶层键；不递归 `findings`。证据结构等深层错误本来就由工具层返回可修正结果。 +- **改契约语义需要设计评审**：C8 是 O2 已批准契约的一项。放宽后，一次顶层违规会从「终态失败」变成「多一轮请求」，影响付费上限的估算。 +- **即使没有契约也是终态**：final-only 阶段调用检查点时，`runTool` 返回可修正错误，但同时置位 `finalOnlyRejected`；下一次请求直接以 `checkpoint requested after final-only transition` 结束（`sub_loop.go:109-110`、`380-388`）。所以单改契约不能把它变成可恢复路径。 + +结论：不建议实施该改法。 + +## 可选修正（未实施，需单独授权） + +| 选项 | 做法 | 影响 | 建议 | +|---|---|---|---| +| F1 | 让模型提前知道下一次是 final-only：宿主按 E1 的两个条件，判定下一次请求将是 final-only 时，在当次检查点工具结果里写明「下一步直接写最终结论，不再发布检查点」；任务指令把阶段要求改为与预算一致（例如第 2 次检查点即 crosscheck，或预算紧时允许跳过）。本次的 final-only 系统提醒已被无视，所以工具结果提示是否有效必须付费复验 | 只改 Backend 物料提示与工具结果文字，不动契约；零付费单测可以验证宿主侧行为 | **推荐** | +| F2 | final-only 阶段保留检查点声明，由工具层拒绝，并去掉 `finalOnlyRejected` 终止 | 避免 C8，但每次违规多一轮付费请求，可能击穿最终答复预留；缓存还受插入提醒影响，不会因此稳定 | 备选 | +| F3 | C8 对未声明名称改为可修正 | 削弱路由契约，与 O2 设计相悖 | 不建议 | + +F1、F2 是否真能让模型遵守，只能靠付费复验判定；零付费单测只能证明宿主侧行为。 + +## P2 花费与结论（记录） + +- 授权：用户批准一次 A01 付费复验（label `approved-o2-a01-evidence`，30000 tokens 守卫）。 +- 花费：3 次付费请求，共 17955 tokens（5873 + 6444 + 5638），未超守卫。 +- 结论：NOT_PASS。路由契约在第 3 次请求判 C8（`terminal_error`），子运行以 `tool call stream ended before [DONE]` 失败，outcome 为 partial。 +- 证据合规目标已达成：2 个检查点，0 拒绝，`material_record` 均未附 evidence。 +- 路由文件已在复验后删除；本次复核没有发起任何付费请求。