Agent-System-Documents/docs/reports/2026-10-13-fast-slow-u2-u3-validation.md

快慢通道 U2/U3 候选核验记录

2026-10-13 起；负责人 weichen，实施者本聊天 Codex；计划 r0.1，用户“确认，继续推进”授权原增量阶段5–10连续推进。r0.2 语义质量、r0.3 与 r0.4 真实模型阶段成果质量均未通过；八个 PR 保持草稿，未合入、未部署。 r0.4 已获书面设计、实施计划和零付费阶段 6 评审；其一次性 A01 资源批准已经使用，结果见文末。

已实现的用户行为

同一张任务卡展示真实排队、工作、阶段发现、范围限制和结果；默认最多三项普通发现，关键问题与更正始终可见，依据和历史按需展开。材料记录仅展示核验后的原文和文件名；分析与推断保留类别及前提。来源点击进入现有文件预览，后台更新不抢当前文件、输入焦点和阅读位置。

任务、尝试、内容版本及执行权由宿主管理；卡、事件和水位原子提交；重复/旧帧/迟到预览被丢弃。重启中断失去执行者的任务，不从旧请求隐式创建新尝试。完成只引用最终正文，停止后的下一步明确要求用户重新提出请求。无新增默认命令/脚本展示、页面或模型摘要调用。

自检与独立重放

SELF原始命令输出由Dev的make evidence工具写入任务卡，不能升级为GATE。外部收据和报告保留于/tmp/fast-slow-u2-u3-20261013/。

对象及来源	检查	当前结论
SELF，合并后候选Devad31203，Corebeafd75/Backend0bc4b0f/FE0bbccbe/UI3b34dfd/Docsdd3b9da	make test && make build	PASS：治理312、FE224、UI156、完整后端及构建；SELF收据fast-slow-current-aa-combination.json。模型质量仍FAIL。
SELF，当前组合Devd06792c，Corebeafd75/Backende69865e/FE0bbccbe/UI3b34dfd/Docs1b296a1	make test && make build	PASS：治理312、FE224、UI156，后端及构建通过；SELF原始收据fast-slow-final-current-combination-serial.json。当前模型质量仍FAIL。
SELF，最终候选Dev7fd5288，Core6e38574/Backend6a2d85c/FE3087b06/UI3b34dfd/Docs53a7d37	make test && make build	PASS；治理311、FE224、UI156及完整后端/构建；收据fast-slow-final-fixed-combination.json
SELF，Dev ed7f1c5，Core6e38574/Backendf6b5360/FE4d1d64a/UI3b34dfd/Docs59db26e	make test && make build	PASS；治理311，FE224，UI156；最后材料原文与评测上限修复是后续独立增量，不把旧SHA当新SHA
SELF，Backend ee65604/2a64432增量	go test ./...；live真实HTTP夹具780/5000/0输出限额测试	PASS；完整后端、防止原文添加批准状态、停止后继及精确错误记录的回归通过
SELF，隔离PostgreSQL	runmgr/cardsvc/store；此前完整PG后端套件	PASS；原子性、租约隔离、来源CAS及材料记录守卫通过
SELF，实际HTTP浏览器	两项新来源/阅读用例、十一项既有导航/窄屏/字号/附件/确认用例	PASS于先前固定候选；未当作模型质量证明
REPLAY，/root/fast_slow_final_review	独立源码审阅、SQLite/PG重跑、迟到预览、插件冲突、删除索引、通知、实际生产启动及终态正文	已整改问题闭合；最终核验对象/日志见下面复审报告
GATE，Dev 7692503 / Backend e1c994c / UI 3b34dfd	对应精确HEAD平台CI	PASS；Dev三项、Backend及UI各自要求的作业均在受信runner通过。后续v7评测入口及文档更新会形成新HEAD，旧CI不冒充新对象；U3出口FAIL，不提前合入

最新来源预览、旧版本保护及后台不抢文件/焦点的两项实际HTTP/browser用例于Backend6a2d85c、FE3087b06通过，SELF收据fast-slow-browser-final-literal.json。

独立报告原件：/tmp/fast-slow-u2-u3-20261013/review/fix-review.md、model-assessment.md、model-assessment-remaining.md。真实模型数据、执行事件和逐调用Usage均保留，凭据不在报告或源码中。

代码复审归档：独立复审记录。新增模型样本的逐项独立判断见额外A01评估。其结论是代码PASS、模型出口仍未通过，未把代码与模型测试混为一个完成状态。

原六样本的真实模型结果

固定三份合成文本共3589字，覆盖六月/七月意见、50万元预算与审批、12项总需求/第一期8项、接口依赖及验收缺项；A04含不可读取的PDF。均使用相同MiniMax-M3路由、最多8轮/12工具、每run返回Usage阈值20000和300秒，无自动重试或回退。正常通知模型在对照中对称抑制；其回复质量不在本比较内。

批次/对象	结果	reported tokens
baseline R0 Backend0f192a4，A01/A02/A04各一次	保留原输出；A02缺少后台整理，部分分析也有语义错误，不能充当准确标准答案	57517
candidate Backend4a0418e，A01一次	FAIL：仅一次落盘阶段发布；把总量/第一期当冲突，第二期剩余量误写8；最终卡含过程文字	48177
revised Backend3e330e3，A02/A04各一次	A02有两次发布但预算含义仍误读；A04保留两次发现及PDF限制，因预算耗尽失败、没有最终正文	106280
总计	六素材任务已用完；候选未通过质量出口	211974

限制：旧A01观察记录因JSON复用Task指针失去历史快照代表性，原文件保留，实际只有一次检查点由独立数据库事件证实。旧评测错误覆盖了生产较小输出上限，A02最终完整答复不能证明生产预算内也能完成；已用真实HTTP夹具修复，原成功输出不追溯升级。Usage是返回计量，单次在途请求仍可越过阈值，不能声称严格计费上界。模型引用22/22匹配只证明出处，不证明分析正确。

剩余工作及停止边界

原计划要求一次额外A01的明确批准；该次与其后另行批准的v7试验均已执行，结果见下节。两次授权都已耗尽，不能自动追加样本。只有取得真正有用且语义准确的阶段成果、最终结果与可信Usage，才可继续合入与收口。

10秒可读性尚无代表性用户测量，标为未验证；既有服务/生产数据未变，U4与部署未启动。代码与原始证据保留在登记任务工作区，未回收未完成分支。

2026-10-13追加A01复验与会话恢复

用户明确批准的一次追加A01已执行：Backend31efafa（生产逻辑与6a2d85c相同，追加仅改变受控测试入口），两个付费run、四次provider调用，共42203 reported tokens。后台两次候选因非法字段及非原文拼接引用被严格拒绝，零接受的检查点/发现；达到run额度后失败。原件/tmp/fast-slow-u2-u3-20261013/model-output/candidate-extra-a01.json、approved-extra-a01-data/provider-records.json及独立review/model-assessment-extra-a01.md完整保留。原七个素材任务累计254177 reported tokens；U3质量出口仍FAIL，未自动重试、未合入、未部署。

零成果的失败提示已整改：明确尚无可用发现，剩余工作及下一步不再暗示保存了成果或仍自动处理；真实RED→GREEN收据zero-findings-red/green。合并上游系统设置/SSE会话检查后，测试夹具只在自身启动配置注入系统层，保持原有效模型配置，不修改任何既有服务。原模型失败不因这次整改追溯改为PASS。

用户看到的Codex会话错误经当前chat元数据确认：上一轮回答流中途断开（request ID10e3777f-9b5e-4fc5-9dd2-132405d8c669）；当前chat恢复为active，源码及证据保留。该会话传输错误与应用模型验收失败分别记录。

下一步建议先缩小单次检查点的复杂度，并依据实际输入开销调整每run预算分配，形成可评审的修订方案和有限复验预算；来源合法性保持严格，不能通过接受省略/拼接引用降低门禁。新的付费样本及原验收条件调整需明确授权。

最新组合真实HTTP浏览器：Backende69865e/Corebeafd75/FE0bbccbe，两项来源预览和后台不抢焦点用例均PASS，SELF收据fast-slow-browser-current-upstream.json。首次组合检查遇到已自行消失的短暂Git索引锁，串行重跑后通过；未删除锁。

合并后的隔离PostgreSQL后端完整套件PASS（SELF fast-slow-current-backend-pg.json）。当前Backend0bc4b0f实际HTTP/browser两项PASS（SELF fast-slow-browser-aa-final.json）。独立REPLAY核对账户加固合并与任务来源/通知/恢复/SSE共存，见更新后的代码审阅归档。

后续代码候选仅把模型侧单次检查点声明收敛至1–3条和连续短引文，并将材料配方递增至v7；host来源校验、原JSON失败原件不变。该v7后续试验已另行获批并执行，质量结果见下节；它没有复用先前已耗尽的授权。

另行批准的v7后续A01：两次落盘，质量仍FAIL

Backend7f8674f、Dev c1c1942 的隔离试验只执行一次A01：两个付费run，五次provider调用，共57997 returned Usage token；通知run零调用，所有单次输出上限4000，实际每run预算30000/8轮/12工具。原始结果为model-output/candidate-followup-a01.json，逐调用原件为followup-a01-v7-live-data/provider-records.json，命令原始SELF收据为followup-a01-run-receipt.json，均在/tmp/fast-slow-u2-u3-20261013/，旧额外A01结果保持原哈希。

数据库事件独立重放确认两次检查点确以running态提交：第一批3项，第二批累计6项；10处已接受引用均与来源原文及版本匹配。第二次提交只比失败终态早1.076毫秒，250毫秒轮询客户端漏读，原评测exit1所称“少于两个落盘成果”是观测假阴性。评测入口已增加对持久事件的只读核验并用夹具RED→GREEN验证；独立覆盖测试确认不会把其他会话或终态计入。没有再次调用真实模型或追溯改写原始exit1。详见/tmp/fast-slow-u2-u3-20261013/review/model-assessment-followup-a01.md及persistence-counter-replay.log。

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与实施计划 r0.2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。

主干同步时四个组件 gitlink 冲突，Dev 首次 make task-sync 的 exit2 收据已在任务卡原样保留。Core、Frontend、UI、Backend 分别合入当时的 origin/main，Backend 内嵌 Core 同步至合并 SHA；合并后的 Core go test ./...、Backend go test ./...、UI 165 测试与类型检查、Frontend 224 测试与构建均通过。Dev 后续 make task-sync exit0 的 SELF 收据也已导入任务卡。当前浏览器固定对象为 Dev 85bed4d、Core c55ebbc、Backend 627b6e4、Frontend 329bdf5、UI cbbef50、Documents 72e11c5；正式组合测试仍待记录。

第一轮 HTTP 浏览器回归有一项失败：受控机制夹具将 maxOutputTokens 与 llmRetries 写成 Go 整数，EffectiveSettings.GetNumber 只接受 float64，预算预留误判并在一项检查点后结束。Backend 627b6e4 将隔离评测配置改为有效数值类型，新增测试先 RED 后 GREEN，完整 Backend Go 套件通过；原失败实例与 trace 未覆盖。第二轮用全新数据目录与二进制 manifest 在 Dev 85bed4d 运行，SELF 收据 /tmp/fast-slow-u2-u3-r02c/browser-receipt.json 经 make evidence 导入任务卡，真实 HTTP Playwright 两项均 PASS：刷新后来源导航、文件版本变化提示，以及后台不抢文件、焦点和视口。此结果证明机制链路，不证明模型语义质量；新付费 A01 仍 NOT_RUN。

正式组合在 Dev 8c1fc39、Core c55ebbc、Backend 627b6e4、Frontend 329bdf5、UI cbbef50、Documents 2fdda63 上执行 make test && make build exit0；完整 SELF 收据 /tmp/fast-slow-u2-u3-r02-combination-20261013.json 已经 make evidence 导入任务卡。另在全新、任务自有 PostgreSQL 数据目录与数据库上运行 Backend internal/runmgr、internal/cardsvc、internal/store 三包，均通过并停止测试实例；SELF 收据 /tmp/fast-slow-u2-u3-r02c/postgres-receipt.json 已导入。文档增补将形成新 Documents/Dev SHA，最终精确组合测试、独立代码复审与平台 CI 仍须对新 HEAD 核验。新真实模型对照仍 NOT_RUN，不合入。

Documents 4a70ba8 固定后，Dev 1fa58cb 又完成一轮 make test && make build exit0（任务卡 SELF 收据 /tmp/fast-slow-u2-u3-r02-final-combination-20261013.json）。最新主干 d5428c5 仅增 RDM 验收脚本与任务卡，Dev 同步无组件冲突；该合并后准确 HEAD 尚需新组合测试。

独立只读复审 /root/u3_r02_final_review 对 Dev 1fa58cb、Backend 627b6e4、UI cbbef50 判出三项 Important、无 Critical/Minor：否定及疑问审批表达误拒、同 ID 幂等检查点被重复计数、最终答复提醒改变受控评测 run 指纹。Backend 9126dae 逐项添加失败回归再修复：TestMaterialApprovalClaims、TestMaterialFinalReserveCountsDistinctPersistedCheckpointIDs、TestMaterialFinalReserveAfterTwoCheckpoints 均 RED→GREEN；完整 Backend Go、定向 race 与 live-tag 夹具通过。复审未评判真实模型质量或现有实例部署；前者仍 NOT_RUN 且阻止合入，后者不在本轮范围。

修复后 Dev 2b72f19、Backend 9126dae 的任务自有新 HTTP 实例通过二进制/PID/组件 SHA manifest 检查；两项 Playwright 再次 PASS，SELF 收据 /tmp/fast-slow-u2-u3-r02d/browser-receipt.json 已导入任务卡。全新隔离 PostgreSQL 实例上的 runmgr/cardsvc/store 也再次 PASS 并停止，SELF 收据 /tmp/fast-slow-u2-u3-r02d/postgres-receipt.json 已导入。最终 Documents/Dev SHA、组合测试与当前 HEAD 平台 CI 尚待固定；新付费 A01 样本依旧 NOT_RUN。

2026-10-13 r0.2 已授权 A01：两次阶段成果和最终正文，语义仍 FAIL

用户针对一次性资源提案 /tmp/fast-slow-u2-u3-r02d/A01-resource-proposal.md 明确答复“授权／批准这一次受控复验”。在 Dev 501ae35、Backend d89c72e、Core c55ebbc、Frontend 329bdf5、UI cbbef50、Documents 1a1c888 上，仅运行同一 A01 一次；启动前任务自有 manifest 验证 PID、二进制 SHA、路由文件 0600/哈希、零既有 run，旧结果文件未覆盖。三份合成材料与 v7 A01 哈希一致。完整 SELF 原始收据经 make evidence 导入 Dev 任务卡：/tmp/fast-slow-u2-u3-r02-model-20261013/{preflight-receipt,manifest-receipt,run-receipt,mechanism-receipt}.json。测试入口 exit0 仅表示程序和机械条件通过，不表示语义质量通过。

只读重放核对实际两个非零 Usage run：前台 run_f1a48f781f87 两次 provider 调用、21,651 tokens；材料子 run run_a666011bf941 三次调用、24,503 tokens；总计五次、46,154 reported tokens，全部有 Usage、单次输出上限4,000。另有一个零 token 通知 run，不是第三个付费 run。provider-records.json 的 modelRuns=3 是三个提示指纹组，其中前台同一 run 被分成两组；不能当作三个付费 run。两次检查点工具结果均为 ok，未触发“拒绝后停止”场景；最终正文为2,135字符的非过程文本。

持久事件证实第一批三条材料记录在 UTC 14:21:03.473（conversation seq374）提交，第二批新增三条分析在14:21:16.504（seq385）提交，终态在14:21:37.987（seq413）；两段可见窗口分别约13.031秒和21.483秒，API观察也捕捉到两次 running 态。11处已接受来源引用均为对应文件原文连续片段。这些机制结果比 v7 样本进步，但不能替代逐条语义审查。

独立只读审阅智能体 /root/u3_r02_model_assessment 重新读取 SQLite（mode=ro）、逐调用记录、最终卡和三份原文，判定质量 FAIL：第二批 phase-list-gap 分析称“12−8＝剩余4项，其中包含3项依赖外部接口”，而原文只说总12项中有3项依赖接口、第一期8项，没有说明这3项的分期归属。该错误仍是最终卡的 active finding；同条末尾说“不能断言3项必属二期”并不能撤销前面的肯定句。最终摘要虽未重复错误，也不能使已展示的错误阶段成果合格。另有“六月已决定”的措辞比原文“上线六月”更强，应在下一轮方案中处理。旧样本和本次原始结果均保留，六个 PR 保持草稿，不合入或部署，不自动再跑。

观察到两处零付费诊断缺口：评测 provider 以首条系统消息和首条用户消息作 run 指纹，前台第二次调用的用户消息变化，使同一实际 run 拆成两个组；实际调用数均未越过8，但这个分组不足以可靠证明未来每 run 的8次/300秒控制。子 run 的持久 Usage toolCalls:0 与两个成功检查点事件不一致，实际工具次数应按持久事件核对。修复这些记账/评测缺口不追溯改变本次 A01 的 FAIL 或授权用量。

原始对象 SHA-256：SQLite 8a824bee36991c7fdbdbcee04d6daaca1b4d1824b92b5d1eb47080f3ed5c5f06；provider 逐调用 fa35bc9dcd3458f7f37ce7ae3e111b1521b52f8740de096d61d0ef4c23ff546f；A01 结果 95aab04b25a3cebb71bbd55ae3f662dda6e3979eea2428e1bf262fd7dfdd6bf1；SELF run 收据 68da77d2ecf32a7f51e0b85277a062695f63b70ff142c20e3897ddd681145e8b。原件位于 /tmp/fast-slow-u2-u3-r02-model-20261013/ 与 /tmp/fast-slow-u2-u3-20261013/model-output/candidate-r02-a01.json。

上述两个诊断缺口随后在 Backend 062b6f5 作零付费整改：provider 请求经宿主上下文携带真实 run ID，评测在缺 ID 时拒绝而非按可变提示分组；同一 run 的多次请求共用调用数/300秒起点，逐调用记录也写入 run ID。直连与子 run 的 ToolCalls 经用量累加进入持久 run.Usage。分组与记账测试均先 RED 后 GREEN，Backend 完整Go、定向 race 与 live-tag fake-provider 测试通过。此提交晚于并且未参与上面唯一一次付费 A01；原始 modelRuns=3、toolCalls:0 与质量FAIL不追溯更改。该新代码的真实模型质量出口仍 NOT_RUN，不能直接合入。

为防临时目录清理导致原始证据丢失，任务自有受限归档另存于 /home/weichen/.local/share/agent-system-evidence/fast-slow-u3-r02-a01-20261013/：18个文件逐项哈希验证、目录0700、文件0600，包含旧版本的测试二进制、SQLite、provider逐调用、结果、收据及三份合成材料；未复制受保护路由或API key。archive-manifest.json 记录来源路径、大小和SHA256。归档不提升SELF或REPLAY的可信等级，也不代替原始任务现场。

r0.3 有依据的阶段判断：零付费候选

用户批准书面设计 r0.3与实施计划 r0.3，仅授权零付费代码和验证。Core 候选增加可选结构化依据；Backend 对短引核验总量／首期／接口依赖数量，重新计算差额及交集可能范围。来源有效但归属不能确定时，宿主在同批一次 CAS 提交 needs_user，工具成功结果说明已转待确认；伪造来源、原件或任务固定输入的 hash／解析版本不一致仍整批拒绝。候选之外的 TaskSnapshot 持久字段、三栏布局和模型调用次数不变。有限语法识别不到的真实表达也会保守降级，不能宣称通用语义正确。

零付费 RED→GREEN 覆盖 r0.2 A01 错误归属、12−8＝4仅为推算、原文明确关系、0–3 的未定交集、预算条目误作需求、旁路状态字段、同批原子提交、幂等与任务输入版本。Core b474394、Backend 62ad895、Frontend 9d7681c、UI ac5b617、Documents f64fe11 固定的 Dev f7e55c3 上，make test && make build exit0；完整 SELF 收据 /tmp/fast-slow-u3-r03-20261013/combo-fixed-receipt.json 已由 Dev make evidence 导入任务卡。此前 Dev 6734665 的组合 exit2，因生成 TS helper 被导出使 Frontend knip 53 超过基线52；失败收据同样保留，修复后 Frontend knip 51≤52、UI 61≤61。任务自有 PostgreSQL 上 Backend runmgr/cardsvc/store 三包通过并已停止，SELF 收据 /tmp/fast-slow-u3-r03-20261013/postgres-receipt.json；材料工具说明及 schema 总增量为 877 UTF-8 字节，token 只是离线粗估，须以将来真实返回 Usage 判断预算。

为验证默认阅读，Backend 756679d 的零付费机制夹具在第二批同时给出原文记录和无依据的接口分期肯定句，并附三个真实数量前提；浏览器断言先在旧夹具失败，再在 Dev b10a218／Frontend 006c815 的全新任务自有 HTTP 实例两项 PASS：待确认问题可见、刷新与来源跳转/变更版本提示可用、后台重放不抢当前文件和输入焦点。SELF 收据 /tmp/fast-slow-u3-r03-20261013/browser-c-receipt.json 已导入 Dev 任务卡；测试实例和预览进程按记录 PID 停止，截图与 trace 保留。此项是假流机制验证，不等于付费真实模型 A01 的阶段、最终正文或 Usage 质量通过。新精确 Dev HEAD 的组合、独立代码复审和平台 GATE 仍待核验；六个 PR 保持草稿，未合入。r0.2 的真实语义 FAIL 不追溯改变，r0.3 新模型样本 NOT_RUN，资源仍须单独批准。

请求代码复审前 make task-sync 将权威 main 415f9ac 纳入任务分支；Dev 1ce3c68 的 make test && make build exit0，原始 SELF 收据 /tmp/fast-slow-u3-r03-20261013/review-combo-receipt.json 已导入任务卡。但独立只读审阅者 /root/u3_r03_final_review 找到三项 P1，该版代码语义安全复审未通过：只引“已批准”可截去原文“不等于”，A项目总数与B项目首期数字可被相减，无数字的“接口依赖工作均安排在后续批次”可从自由字段或任务状态原样展示。代码绿色、来源字面匹配和浏览器通过都不能放行这些错误。

Backend 9019f90 为三项分别加入失败用例后作零付费修复：恢复短引所属完整可见句子并在否定/重复/过长语境保守处理；显式项目范围不一致时转待确认，未明确共同范围的差额改用条件句；无结构依据的普通分析只保留审慎表达，未知状态文案替换为中性进度。额外覆盖句尾标点后的相邻句不能混入直接关系。Backend 全量 Go 与 live-tag 假流停止测试通过；全新任务自有 PostgreSQL runmgr/cardsvc/store 三包 PASS（SELF /tmp/fast-slow-u3-r03-20261013/postgres-review-receipt.json），Dev 884dcd8 的全新 HTTP 机制实例两项 Playwright PASS（SELF /tmp/fast-slow-u3-r03-20261013/browser-d-receipt.json）；测试进程已停止。修复版的独立复审、最终精确HEAD组合和GATE仍待核验，真实模型质量仍 NOT_RUN；旧 r0.2 FAIL 不变。

随后独立审阅持续用否定词截断、项目A/项目B、同句撤销/改数、无数字分期措辞和状态字段构造反例；每项按影响先RED再修复，旧版未通过的判断均保留在 Dev 任务卡。最终零付费机制候选 Backend 5f53f80：材料记录展示经重新验证的完整可见句，截断且无句界转待确认；直接关系只允许一个完整来源；有限正向数量句拒绝未知数值/修订片段，唯一集合关系要求同名显式范围；任务进度文案全由宿主按阶段生成；无依据普通分析仅允许少数完整审慎句式，模型自填的影响与前提不照搬，其余待确认。新增提示不增加模型调用，处理配方从 v9 调至 v10，避免旧完成结果按新规则复用。这是计划内保守回退，代价是陌生自然语言更常进入待确认。

独立只读审阅者 /root/u3_r03_final_review 在 Backend 5f53f80 重跑全量 Go 和无付费 live-tag 机制测试，复核上述反例后，结论为代码机制 PASS，在批准的有限语义范围内未发现剩余 Critical/Important；没有运行真实模型。Dev 24058c0 固定该 Backend 的新隔离 PostgreSQL 三包通过（SELF /tmp/fast-slow-u3-r03-20261013/postgres-v10-receipt.json），任务自有 HTTP/Playwright 两项通过（SELF /tmp/fast-slow-u3-r03-20261013/browser-e-receipt.json），实例和预览均按 PID 停止。当前精确 Dev HEAD 的 make test && make build、Gitea CI 和 r0.3 真实模型质量仍待验证；即便机械门禁转绿，旧 r0.2 语义 FAIL 也不改判，六 PR 继续草稿，新的付费样本只在另行资源审批后运行。

验收前再次 make task-sync 将权威 main 57bcb17 合入，五组件指针未变。Dev 6f91ca9 的 make test && make build exit0，完整 SELF 收据 /tmp/fast-slow-u3-r03-20261013/acceptance-combo-receipt.json 已导入任务卡；结果仅证明该 SHA 的测试和构建。随后 Backend 5f83454 只为未来试验增加独立 approved-r03-20261013 标签、candidate-r03-a01 输出名及既有30,000-token/单run守卫，标签回归先RED后GREEN；标签存在不代表用户已批准付费调用。此新增 Backend SHA 的 Dev组合/GATE仍待固定，r0.3 模型质量继续 NOT_RUN。

2026-10-14 r0.3 唯一获批 A01：零阶段成果，质量 FAIL

用户明确批准一次性资源提案 /tmp/fast-slow-u3-r03-20261013/A01-resource-proposal.md 后，在固定 Dev e31443a8ff1f099f9b2ef320c295b0ddcdaf503d / Backend 5f834544b0b808cb16214a36725f2ae3cb90bfd4 上只运行一次 A01。启动前重新核验六个干净组件 SHA、准确 HEAD 的 Dev/Backend/UI 平台 CI、三份合成材料哈希、受保护路由、空结果路径与独立零既有 run 实例。预检 SELF 收据 /tmp/fast-slow-u2-u3-r03-model-20261013/preflight-launch-receipt.json exit0；实例 PID、二进制哈希与 Dev/Backend SHA 均在 manifest 验证。模型路由凭据没有入仓或归档。

唯一运行的前台快通道给出三份材料即时概览；后台先调用三次 knowledge_search，均无命中，首次 publish_work_checkpoint 的参数在 "findings": 截断，不是合法 JSON。检查点被拒后没有再发 provider 请求，后台任务和卡片失败，运行中保存的阶段发现为零、没有最终整理正文。评测 TestWorkCheckpoints exit1，原始 SELF 收据 /tmp/fast-slow-u2-u3-r03-model-20261013/a01-run-receipt.json 不改写。实际两个付费 run、四次调用，返回 Usage 按 run 为21,241/15,893，合计37,134 tokens；均有 Usage、单次输出上限4,000，资源在获批边界内。只读核对 SELF /tmp/fast-slow-u2-u3-r03-model-20261013/assessment-v2-receipt.json exit0；第一次评估脚本因 manifest JSON 字段大小写判断错误的 exit1 也保留，修正只重跑离线核对，没有重跑模型。

补充零付费调查确认三份上传材料确已入本次 SQLite 索引；实际“文件名＋关键词”查询在当前 FTS/LIKE 路径均零命中，单文件名各命中一条（SELF search-diagnosis-receipt.json）。Agent-Native SSE 的合成流在 finish_reason=tool_calls 且缺 [DONE] 时仍放行半截工具调用（SELF sse-repro-receipt.json）；没有本次服务商原始 SSE，不能把这一机制缺口断言为 A01 截断的原因。失败通知的系统文字在无可用结果时仍要求交付物选择；评测抑制了通知模型回合，不证明浏览器实际发卡。完整原始样本、SQLite、逐调用记录、工具脚本及受限报告在 /home/weichen/.local/share/agent-system-evidence/fast-slow-u3-r03-a01-20261014/，archive-manifest.json 校验每个副本；未复制受保护路由或 API key。

本次 U3 模型质量 FAIL，原有 r0.2 语义 FAIL 也不改判。六 PR 保持草稿，不进入阶段7验收、代码合入或部署；本次付费授权已耗尽，无自动补跑。用户先批准 r0.4 方向的书面设计撰写，随后批准 Documents 7b21e6d495e99e15c458d608db47c517b2fdc599 的书面设计进入详细实施计划；该计划待阶段5人工评审，尚未授权代码修订或新付费样本。设计将首条短事实、材料范围检索、流终态/Usage 安全与失败状态选择卡一并处理，不降低原 A01 两条有用阶段成果及完整正文的验收标准。

2026-10-14 r0.4 一次性 A01：工具流终态失败，质量 FAIL

用户先批准 r0.4 书面设计、详细计划与零付费实施，随后确认 Dev aedcc7c 阶段 6 通过，再单独批准一次性资源提案（原件归档）：固定质量候选最多 2 个付费 run，每 run 配置 30,000 tokens／8 轮／12 工具／300 秒，单次输出最多 4,000 tokens，整批已返回 Usage 停止目标 60,000 tokens，不自动重试或换模型；本次不授权合入和部署。主干同步后，Dev d38dbdc396b7b8c6a9e34142ea8e6018abbed1fc 固定 Backend 37e2cb7adb6202902345d38bc591e12be7aa79c0、Agent-Native a5e3c7c817166865d75b764337b15ca7d505d131。Dev 准确 HEAD 的 test、test-pg、svc-realcombo 平台运行 3075 和 Backend 准确 HEAD 平台运行 3074 均由受信 runner 完成；启动前零付费预检、路由文件权限和哈希、三份合成材料、唯一输出路径与 0-run 数据目录核对通过。原提案没有被数据目录修订覆盖；等价路径修订另存 A01-resource-proposal-implementation-amendment.md，仅将目录名补足夹具要求的任务前缀。

仅启动一次模型模式任务并运行一次 TestWorkCheckpoints。测试 exit1，报“少于两个已持久化的运行中检查点”；随即停止本任务实例，没有补跑。独立只读复审 /tmp/fast-slow-u3-r04-20261014/A01-independent-assessment.md（SHA-256 2ac373ed66d47aaa9cdb699d3bf77eb8a515d46956ee0321b70cc0230d79b667）核对原始 SQLite、逐调用记录、结果、收据、材料与已提交源码：实际 2 个付费 run、3 次 provider 调用，返回 Usage 29,062 tokens，均有 Usage；最后一次子 run 返回 7,148 tokens，finishReason=tool_calls、streamComplete=false、非重试错误 tool call stream ended before [DONE]，没有可执行工具调用。toolArgumentsValid=true 只表示收到的 JSON 可解析；原始 SSE 未保存，无法判断 [DONE] 未被观察到的原因，也不能确认被拒工具的名称。数据库中没有 tool.call／tool.result 或检查点事件，运行中卡片 checkpointSeq=0、发现 0 项，材料任务失败、完整最终正文缺失。失败通知没有虚构交付物选择。

快通道澄清问题还出现独立语义错误：剩余 4 项（含 3 项依赖接口） 把总 12 项中 3 项依赖接口擅自归入第一期 8 项之外的剩余 4 项；原材料未给出交集归属。问句形式不消除其中的肯定关系。故本次真实质量 FAIL，不进入阶段 7，八个 PR 不合入。r0.2/r0.3 失败结果保持原判。

另有一项记账缺陷：逐调用记录正确合计 29,062，但原 SQLite 的父 run 记 21,914、失败子 run 记 0，结果 JSON reportedTokens=21,914，少计已返回的 7,148 与其 cache-read 128。Agent-Native 错误终态把 Usage 放入 Result.Usage，Backend 子 runner 却只从未发出的 message_end 累计持久化 Usage。此项零付费修复及独立验证另按 Backend/Dev 新 SHA 记录；不会改写本次已保存的结果，也不能使质量由 FAIL 转 PASS。

原始试验及复审材料已复制到受限归档 /home/weichen/.local/share/agent-system-evidence/fast-slow-u3-r04-a01-20261014/：20 个文件，逐个校验原件与副本 SHA-256，目录 0700、文件 0600，archive-manifest.json SHA-256 881991dcab17ad2539f8b24332f962e3505ab2f248662f58283fe08daa179077；未复制受保护路由或 API key。原始数据仍在 /tmp/fast-slow-u3-r04-model-20261014/，归档和本地收据均不提升证据等级。

下一步需对工具流未见 [DONE] 的真实边界和快通道数字归属分别修订书面设计；先用零付费可重放数据建立安全终态判据、诊断和语义反例，不降低工具执行或来源门禁。任何新的付费样本需新的候选固定、阶段评审和单独资源批准；本次授权已用尽，不能沿用运行 3075 的 GATE 或自动再试。