Record approved U3 revision and zero-paid evidence

Why: The design and implementation plan were approved while the previous report still described them as pending.

Evidence: git diff --check; Backend, UI and affected Frontend tests recorded as SELF with their component SHAs.

Impact: The report distinguishes the new mechanism candidate from the failed paid v7 sample and keeps model QA NOT_RUN.

Refs: U3 quality revision r0.2
This commit is contained in:
2026-10-13 10:17:03 +00:00
parent 76651f6798
commit 72e11c5eb8
3 changed files with 9 additions and 3 deletions
@@ -1,6 +1,6 @@
# 快慢通道 U3 质量修订 Implementation Plan r0.2
> **For agentic workers:** REQUIRED SUB-SKILL: Use superpowers:executing-plans to implement this plan task-by-task. Steps use checkbox (`- [ ]`) syntax for tracking. 本任务沿用已登记的 Dev worktree 和原生逐项实施方式;不再创建同名任务或重复启动 precheck。本文是阶段 5 的**待人工评审计划**,不是新增付费模型授权。
> **For agentic workers:** REQUIRED SUB-SKILL: Use superpowers:executing-plans to implement this plan task-by-task. Steps use checkbox (`- [ ]`) syntax for tracking. 本任务沿用已登记的 Dev worktree 和原生逐项实施方式;不再创建同名任务或重复启动 precheck。本文已获阶段 5 人工批准并开始零付费实施,**不是**新增付费模型授权。
**Goal:** 让同一任务卡的材料阶段成果忠于已提供原文、清楚标出待核对判断,并在受控预算内尽量形成真实最终答复。
@@ -8,7 +8,7 @@
**Tech Stack:** Go、`agent-native/runtime` 子代理循环、SQLite/PostgreSQL、React/TypeScript、现有 `@ui`/Vitest/Playwright、Dev `make evidence` 与 Gitea CI。
**Spec:** [已批准书面设计 r0.2](2026-10-13-fast-slow-u3-quality-revision.md)。原 [U2/U3 计划 r0.1](2026-10-13-fast-slow-u2-u3-plan.md) 的 U2 契约、执行权及失败恢复不重做。书面设计获用户批准;本实施计划仍待阶段 5 评审。
**Spec:** [已批准书面设计 r0.2](2026-10-13-fast-slow-u3-quality-revision.md)。原 [U2/U3 计划 r0.1](2026-10-13-fast-slow-u2-u3-plan.md) 的 U2 契约、执行权及失败恢复不重做。用户已批准本实施计划开始零付费阶段;真实模型样本的资源边界仍待单独批准。
## Global Constraints
@@ -1,6 +1,6 @@
# 快慢通道 U3 质量修订设计 r0.2
状态:三处修订方向与本文书面设计已于 2026-10-13 在本会话获用户确认;[实施计划 r0.2](2026-10-13-fast-slow-u3-quality-implementation-plan.md)仍待阶段 5 人工评审。本文件只定义下一候选,不授权新的付费模型样本、合入或既有实例部署。原 [U2/U3 计划](2026-10-13-fast-slow-u2-u3-plan.md)的 U2 持久化、执行权、来源权限和三栏工作台目标继续有效;其 Task7 质量出口仍为 FAIL。
状态:三处修订方向、本文书面设计及[实施计划 r0.2](2026-10-13-fast-slow-u3-quality-implementation-plan.md)已于 2026-10-13 在本会话获用户确认,零付费实施已获批准。新的付费模型样本仍须另行明确授权;合入须满足真实模型质量出口,既有实例部署不在范围。原 [U2/U3 计划](2026-10-13-fast-slow-u2-u3-plan.md)的 U2 持久化、执行权、来源权限和三栏工作台目标继续有效;其 Task7 质量出口仍为 FAIL。
## 目标与已证实的问题
@@ -74,3 +74,9 @@ Backend7f8674f、Dev c1c1942 的隔离试验只执行一次A01:两个付费run
业务质量依然FAIL:首批发现把需求文档中的预算与范围误写成“已批准决定”,材料并无批准依据;第二批虽有可追溯的分析,却几乎立刻进入失败终态,用户难以看到持续推进。后台run在报告用量越过30000阈值后失败,未生成最终正文;在途调用可使该run的实际返回Usage超过阈值。来源字面正确不等于语义正确,不能以两个落盘检查点放行U3。后续付费样本需要新的方案与明确授权;草稿PR保留,未合入、未部署。
本次还有一项**执行偏差**:后台第2次检查点候选因非原文引文被拒绝后,仍在同一run发起下一次付费provider请求,返回14231 tokens。虽然仍是两个付费run且本次总57997低于60000目标,这违反了计划第6节“非原文引用时停止”的独立条件;不能解释为“同run纠错就不算重试”而豁免。根因是原评测入口只守卫run数、Usage和超时,没有把检查点工具拒绝作为后续provider请求的停止信号。新增零付费RED→GREEN测试及评测入口阻断,**未重新运行真实模型**;原始偏差和质量FAIL保持不变。
## r0.2 零付费修订候选(验证进行中)
用户在本会话批准[书面设计 r0.2](../proposals/2026-10-13-fast-slow-u3-quality-revision.md)与[实施计划 r0.2](../proposals/2026-10-13-fast-slow-u3-quality-implementation-plan.md)后,Backend `373f8a1`、UI `ccc43e6` 分别形成来源一次呈现、肯定批准断言宿主守卫、待核对判断分组和最终答复预算预留。Documents 夹具已适配内联来源;Dev 组合 SHA、实际 HTTP 浏览器、独立复审和新 HEAD CI 仍待固定。此段只记录零付费机制进展,不能将旧 v7 A01 结果升级为 r0.2 真实模型证据。
Backend 在该组件 SHA 上的 `go test ./... -count=1` 与材料预算路径 race 回归通过;UI `npm test && npm run typecheck` 为 17 文件、158 测试通过;Frontend 五项受影响的 store/阅读/布局/设计守护文件共 84 项测试通过。来源映射与审批否定/疑问回归在 Backend 组件测试中通过。旧 A01 返回 Usage 的离线算术重放会在原第三次请求前诚实停止,**不是**新版模型完成最终答复的证据。正式组合与浏览器验证完成后再补准确 Dev SHA 和 SELF 收据;新付费 A01 为 `NOT_RUN`,未获资源批准。