| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
fix(m2/eval): q4 允许零工具调用；全链路单题试跑通过 试跑（docs/eval/dryrun/）把调度→两侧探针→落盘→打分整条链验了一遍： - AtomCode 侧 2 轮 10.5s，调 kronos_health 拿到 missing_api_key，如实说拿不到 - 基线侧 1 轮 5.9s，0 次工具调用，直接说本部署未接入预测组件 据此改评分表：q4 标 no_tool_ok —— 某一边根本没有预测工具时，如实说"没有" 就是正确答案，不该按"没调工具"把 B2 判 0。那测的是工具清单，不是 agent 行为。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com> | 1 个月前 | |
fix(m4): .gitignore 的裸 atomcode 把 M3 整个适配层吞掉了 —— 从零 clone 构建不出来 **从零安装测试撞出来的真缺陷**（M4 任务书第 3 条的价值就在这）： 在测试机上用 install.sh 从 GitHub clone feat/m4 装一遍，web 镜像构建直接失败： ./app/api/opencode/[...path]/route.ts Module not found: Can't resolve '../../../lib/atomcode' 根因：.gitignore 里有一行裸 atomcode（本意是别把下载的 AtomCode 二进制提交进来）， 而 gitignore 的裸名字**匹配任意层级的同名文件或目录** —— 于是 apps/web/app/lib/atomcode/（M3 写的整个转发适配层，daemon/events/history/live-hub/index 共 5 个文件 1400+ 行）从来没有进过仓库。开发机与测试机上是靠 rsync 有这份代码， 所以 M3 的 Playwright 10/10 是真过的，但**任何人 clone 这个仓库都构建不出来**。 修： · 改成 /atomcode（只忽略仓库根目录那一个文件；二进制只存在于 daemon 镜像里）； · 把适配层 5 个文件补进仓库； · 顺带修 *.log 把报告引用的**原始证据**也吞掉的问题：docs/evidence/ 与 docs/eval/ 下的 .log 是「数字能回溯到一次真实调用」的凭证（总控红线 1、5），必须在仓库里。 提交前逐个扫过明文密钥（hunt_tools_* / sk-* / Bearer …），零命中。 同时落地两条已拍板决策（总控规则 9、10，M3 U-10/U-11 的答复），都在适配层做、前端零改动： · 决策 9：agent 选择器保留但要让人看懂切的是**审批档**不是换助手 —— 适配层把它的 name 改成「投研助手 · 审批档 build」、description 说明全局生效与 guard 兜底； · 决策 10：接受同一时刻只跑一个回合，但**忙时必须有明确提示** —— 入队那一刻就把用户消息和一条排队说明推给他（共用同一个 assistant 消息 id， 否则界面上会出现两条助手消息），并把超时计时改成从真正开跑算起。 tsc 0 错，适配层单测 25 条全过。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com> | 1 个月前 | |
fix(m2/eval): q4 允许零工具调用；全链路单题试跑通过 试跑（docs/eval/dryrun/）把调度→两侧探针→落盘→打分整条链验了一遍： - AtomCode 侧 2 轮 10.5s，调 kronos_health 拿到 missing_api_key，如实说拿不到 - 基线侧 1 轮 5.9s，0 次工具调用，直接说本部署未接入预测组件 据此改评分表：q4 标 no_tool_ok —— 某一边根本没有预测工具时，如实说"没有" 就是正确答案，不该按"没调工具"把 B2 判 0。那测的是工具清单，不是 agent 行为。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com> | 1 个月前 | |
fix(m2/eval): q4 允许零工具调用；全链路单题试跑通过 试跑（docs/eval/dryrun/）把调度→两侧探针→落盘→打分整条链验了一遍： - AtomCode 侧 2 轮 10.5s，调 kronos_health 拿到 missing_api_key，如实说拿不到 - 基线侧 1 轮 5.9s，0 次工具调用，直接说本部署未接入预测组件 据此改评分表：q4 标 no_tool_ok —— 某一边根本没有预测工具时，如实说"没有" 就是正确答案，不该按"没调工具"把 B2 判 0。那测的是工具清单，不是 agent 行为。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com> | 1 个月前 | |
fix(m4): .gitignore 的裸 atomcode 把 M3 整个适配层吞掉了 —— 从零 clone 构建不出来 **从零安装测试撞出来的真缺陷**（M4 任务书第 3 条的价值就在这）： 在测试机上用 install.sh 从 GitHub clone feat/m4 装一遍，web 镜像构建直接失败： ./app/api/opencode/[...path]/route.ts Module not found: Can't resolve '../../../lib/atomcode' 根因：.gitignore 里有一行裸 atomcode（本意是别把下载的 AtomCode 二进制提交进来）， 而 gitignore 的裸名字**匹配任意层级的同名文件或目录** —— 于是 apps/web/app/lib/atomcode/（M3 写的整个转发适配层，daemon/events/history/live-hub/index 共 5 个文件 1400+ 行）从来没有进过仓库。开发机与测试机上是靠 rsync 有这份代码， 所以 M3 的 Playwright 10/10 是真过的，但**任何人 clone 这个仓库都构建不出来**。 修： · 改成 /atomcode（只忽略仓库根目录那一个文件；二进制只存在于 daemon 镜像里）； · 把适配层 5 个文件补进仓库； · 顺带修 *.log 把报告引用的**原始证据**也吞掉的问题：docs/evidence/ 与 docs/eval/ 下的 .log 是「数字能回溯到一次真实调用」的凭证（总控红线 1、5），必须在仓库里。 提交前逐个扫过明文密钥（hunt_tools_* / sk-* / Bearer …），零命中。 同时落地两条已拍板决策（总控规则 9、10，M3 U-10/U-11 的答复），都在适配层做、前端零改动： · 决策 9：agent 选择器保留但要让人看懂切的是**审批档**不是换助手 —— 适配层把它的 name 改成「投研助手 · 审批档 build」、description 说明全局生效与 guard 兜底； · 决策 10：接受同一时刻只跑一个回合，但**忙时必须有明确提示** —— 入队那一刻就把用户消息和一条排队说明推给他（共用同一个 assistant 消息 id， 否则界面上会出现两条助手消息），并把超时计时改成从真正开跑算起。 tsc 0 错，适配层单测 25 条全过。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com> | 1 个月前 | |
fix(m2/eval): q4 允许零工具调用；全链路单题试跑通过 试跑（docs/eval/dryrun/）把调度→两侧探针→落盘→打分整条链验了一遍： - AtomCode 侧 2 轮 10.5s，调 kronos_health 拿到 missing_api_key，如实说拿不到 - 基线侧 1 轮 5.9s，0 次工具调用，直接说本部署未接入预测组件 据此改评分表：q4 标 no_tool_ok —— 某一边根本没有预测工具时，如实说"没有" 就是正确答案，不该按"没调工具"把 B2 判 0。那测的是工具清单，不是 agent 行为。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com> | 1 个月前 | |
fix(m2/eval): q4 允许零工具调用；全链路单题试跑通过 试跑（docs/eval/dryrun/）把调度→两侧探针→落盘→打分整条链验了一遍： - AtomCode 侧 2 轮 10.5s，调 kronos_health 拿到 missing_api_key，如实说拿不到 - 基线侧 1 轮 5.9s，0 次工具调用，直接说本部署未接入预测组件 据此改评分表：q4 标 no_tool_ok —— 某一边根本没有预测工具时，如实说"没有" 就是正确答案，不该按"没调工具"把 B2 判 0。那测的是工具清单，不是 agent 行为。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com> | 1 个月前 |