diff --git a/docs/plans/2026-06-28-002-feat-tier2-n5收敛环-go-no-go-plan.md b/docs/plans/2026-06-28-002-feat-tier2-n5收敛环-go-no-go-plan.md index 84d41264..b4eca9ae 100644 --- a/docs/plans/2026-06-28-002-feat-tier2-n5收敛环-go-no-go-plan.md +++ b/docs/plans/2026-06-28-002-feat-tier2-n5收敛环-go-no-go-plan.md @@ -402,9 +402,17 @@ flowchart TD - **做法**:暂停 live worker:9501/@8200 的窗口内,按本档 U5 runbook 照跑(`--prefix cv-clean-r{N}`);推荐顺序 F-1 → F-2(带上改进后的反馈更有信息量)。 - **验收**:无争用环境 ≥2 轮台账 + `decide_n5` 裁决 + 三件证据落盘;结果回写本档「执行发现」与 HANDOFF;**窗口结束必须恢复 live 进程并验证健康**。 -### F-3 · 强档对照(blocked · 待网关补档) +### F-3 · 强档对照(解锁:网关已补 glm-5.2) -网关补上 GLM-5.2 / Opus 强档后,跑中等 vs 强档对照,把 R3_conditional 判成真结论(天花板 or 换档)。前置 = new-api 补档(基建 / 人办),当前不可动。 +网关补上 GLM-5.2 / Opus 强档后,跑中等 vs 强档对照,把 R3_conditional 判成真结论(天花板 or 换档)。2026-07-04 前置已解:new-api `/v1/models` 实测在列名=`glm-5.2`。**执行口径(fable 定)**:强档批必须落**独立台账**(如 `results/tier2-f3-strong.jsonl`)——`decide_n5_from_jsonl` 按 run_id 里 `r{N}` 分轮,`f3-strong-r1` 前缀会被吸进 r1 轮、污染收敛判据,不许与收敛环共账。 + +### F-2 执行记录(2026-07-04 窗口 · fable 主持,创始人过程中两次落令) + +- **R1(cv-clean-r1,无争用干净环境)= 3/5**:水果/咖啡/面包过,美食/糖水店败。台账 fail_system 空 → `decide_n5` 判「失败分散」出 R3_conditional;**逐局对日志推翻「分散」**:两败局同构——设计团队 3/4 专家已产出、末段调用/leader 撞 240s 墙钟 → 降级单 agent 设计 → writer 40 轮不收敛 → step_cap 熔断;三过门局设计团队全部正常收敛,**超时↔失败 5/5 完美相关**(集中于编排层「设计超时降级路」,树看不见=台账归因盲区,工单 k 由此立)。咖啡局撞过 writer 40 轮墙被续修环救回 = 续修机制本身健康的同批对照。 +- **修一(KTD2 · `0a9504e4`)**:`design_team.timeout_s` 240→420(M3 thinking 慢尾单调用 120–180s,与 step_timeout_s 同刻度;YAML+builtin 双改)。 +- **R2(cv-clean-r2)首局即给出分层证据后中止**:美食局设计团队正常收敛(修一咬合、全轮 0 超时),但 writer 仍 40 轮不绿、resume 后快撞 60 步顶(502s/¥0.32 快败 vs R1 1464s churn)——**40/60 是预算墙不是能力墙**。创始人落令「提高轮数阈值、超时阈值」→ 中止 R2(其美食败局留账为史),**修二(`bfeaea2d`)**:writer_max_iters 40→60 / step_cap 60→100 / max_model_calls 80→120 / 墙钟 1800→2700s(¥ 两段式 50/75 与墙钟接管失控保护;cheap Service 显式传 150 不受影响)。 +- **R3(cv-clean-r3,新阈值)在跑**;收敛判据照 KTD1(末轮 ≤1 且 ≥2 轮——r1/r2 计入轮史,末轮=r3)。判定 CLI 同 U5;终判(go/KEEP/退路)与 F-3 对照结论由 fable 终审后回填本节。 +- **同窗并行(创始人「不空转」令)**:残余工单五路 opus 并行开工——(c) 软停 finish 逼近强化 /(h) Service 工具面 Planning/Team/Schedule 收窄调研 /(f+i) 收口打印幂等+bake_off fail-fast /(k) 台账 infra_flags 归因穿线(observe-only,治本节盲区)/(j) studio 透传集扩 1003(+1005/1006 调研)。 ### F-4 · 平衡门判法重审(设计问题 · 不在 opus 工单内)