weichen/Agent-System-Dev
1
0
Fork 0
Code Issues 1 Pull Requests 5 Actions 2 Packages Projects Releases Wiki Activity

Correct final-only trigger analysis in C8 review

Browse Source 
Why: independent review found the budget reserve also triggered final-only.
Evidence: provider-records outputCap 4000; material_final_reserve.go:21-30
Impact: docs and task card only.
Refs: feature/fast-slow-o2-c8-review
Co-authored-by: Cursor <cursoragent@cursor.com>
This commit is contained in:
weichen
2026-10-21 02:30:39 +00:00
co-authored by Cursor
parent 511e07947b
commit c5e8b471b4
2 changed files with 10 additions and 10 deletions
Download Patch File Download Diff File Expand all files Collapse all files
.task/feature-fast-slow-o2-c8-review.md
+3 -3
View File
@@ -93,9 +93,9 @@
## 结果与验证（完成后填写）
- 结果：C8 成因为 `publish_work_checkpoint` 在 final-only 请求中未声明（SavedCheckpoints>=2 触发），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。
- 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（达阈值时工具结果与任务指令告知上限），需单独授权实施及一次付费复验
- 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
@@ -103,7 +103,7 @@
- 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上限提示；付费复验无 C8
- 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）
docs/superpowers/specs/2026-10-21-fast-slow-o2-c8-review.md
+7 -7
View File
@@ -4,7 +4,7 @@
## 结论
P2 第 3 次请求的 C8 是**工具名未声明**，不是参数 schema 不符。原因是宿主的 final-only 阈值与任务指令冲突：第 2 个检查点保存后，宿主把第 3 次请求切到 final-only，从工具声明里移除了 `publish_work_checkpoint`；任务指令却要求模型按 reading → crosscheck 推进，模型仍去调用 `publish_work_checkpoint`。
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。
@@ -12,11 +12,11 @@ P2 第 3 次请求的 C8 是**工具名未声明**，不是参数 schema 不符
| # | 事实 | 来源 |
|---|---|---|
| E1 | 物料子 Agent 在 `SavedCheckpoints >= 2` 时无条件进入 final-only（预算充足同样触发） | Backend `internal/runtime/material_final_reserve.go:30` |
| 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、limit 30000，剩余 17683 > 5926+1481，不触发 stop；E1 触发 final-only | provider-records 第 1、2 次 usage，按 E1 公式计算 |
| E5 | 第 3 次 prompt_tokens 为 5160，比第 2 次的 5926 少；cache_read 从 5503 跌到 128。历史变长、prompt 反而变短且前缀缓存失效，与「删去大段检查点工具声明」一致 | provider-records 第 2、3 次 |
| 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` |
@@ -25,7 +25,7 @@ E1、E2、E4 是确定性代码路径，可以确定第 3 次请求未声明 `pu
## 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、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。
- **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。
@@ -35,8 +35,8 @@ E1、E2、E4 是确定性代码路径，可以确定第 3 次请求未声明 `pu
| 选项 | 做法 | 影响 | 建议 |
|---|---|---|---|
| F1 | 让模型知道上限：达到阈值的那次检查点，工具结果明确写「检查点已满，下一步直接写最终结论」；任务指令把「先 reading 再 crosscheck」改为与 2 次上限一致（例如第 2 次即 crosscheck） | 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请求声明和结果文本 | **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 | 前缀缓存稳定（本次缓存从 5503 跌到 128），但每次违规多一轮付费请求 | 备选 |
| 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。