Skip to content

PROJECT_STATUS.md

Latest commit

 

History

History
160 lines (129 loc) · 31.2 KB

PROJECT_STATUS.md

File metadata and controls

160 lines (129 loc) · 31.2 KB
Raw

项目状态

更新时间：2026-08-30（Asia/Shanghai）

当前阶段

  • Phase 0 — 项目治理和架构：completed（2026-08-24）
  • Phase 1 — MVP 垂直链路：completed（2026-08-25）
  • Phase 2 — 可靠性与任务执行：in_progress（可靠基础、治理/审计、P2-01 单机资格与 P2-06 已完整交付；P2-07 工作包已建立，状态为 planned，功能尚未实现）
  • Phase 3 — 标准 Benchmark 与代码评测：in_progress（仅可信本地 MMLU-Pro/GPQA-Diamond 客观题提前切片）
  • Phase 4–6：planned

当前版本与远程边界

0.1.0 development baseline，REST API 为 /api/v1，评测协议为 llmbenchlab-protocol-v1；尚未发布正式 Release。

公开仓库：CWNU-Open-Source-Community/LLMBenchLab，当前开发分支为 codex/complete-evaluation-workflow。P2-06 实现 SHA 9a20676dcf545040782f04c166205d0043345753 已普通 push 并进入 PR #3，其精确 SHA 的 GitHub Actions run 33164609388 四个必需 job 全部成功；绑定该 clean SHA 的 capacity 与 9/9 acceptance 也已通过。Evidence closeout 文档 commit ec2959680459a14aa308bd4d9ebcc6bb7bfcf3a6 已 push，其精确 SHA 的 GitHub Actions run 33165775037 四个必需 job 全部成功，因此 P2-06 已完成仓库级收尾并标记为 completed。ADR-0017 / 20260829_0006 数据库兼容修复实现 SHA 8fb51b690ae6335b8ef93b3cbe54e039781fb173 已普通 push，其精确 SHA 的 GitHub Actions run 33263405214 四个必需 job 全部成功，因此该维护任务为 completed。ADR-0018 / data-only 20260830_0007 已修复 observational input estimate 误触发 overdraw；本地完整门禁、当前个人 SQLite 数据验真与最终 SHA cb00924ea3ba3d01ce5bc322b7eabdae1345baf3 的 run 33271095910 4/4 全部通过，该维护为 completed。Phase 2 仍为 in_progress；P2-07 已建立 ADR-0016、独立计划和工作日志，状态为 planned，功能实现尚未开始。历史 P2-01 位于 PR #2：实现 SHA b6a35fef1dd069ebb54b69955058915c722aa34d 的 run 33146681285 4/4 成功，证据文档 commit 875f13a253c40b7573d45c6287385e60f2bb8f04 的 run 33150080341 也已 4/4 成功。

已交付基线

  • Phase 0/1 的治理、架构、协议、数据格式、ADR、FastAPI/SQLAlchemy/Alembic、React/TypeScript、Mock 垂直链路、三类 Evaluator、Demo 数据、API/UI、离线测试和开源流程。
  • PostgreSQL/Redis 可靠执行基础：数据库事实来源、Redis at-least-once 通知、独立 Worker、DB scan、租约/heartbeat/fencing、逐题幂等、有限 retry/backoff、取消、租约接管、dead-letter 和终态 Response 重算。
  • OpenAI-compatible SSE、严格 [DONE]、JSON fallback、identity-only、wire/event/content/error 上限、idle read timeout、bounded error 与精确当前-Key 脱敏。
  • Web write-only api_key、AES-256-GCM model_credentials、数据库外 API/Worker 共享 keyring、legacy api_key_env、origin/active-Run 门禁和 fail-closed repair/remove 路径。
  • MMLU-Pro test 与 GPQA-Diamond 固定 revision/SHA 转换、可信本地 llmbenchlab-evaluate prepare/run/resume/report、请求上界确认和原子终态报告。该 CLI 仍要求独占数据库，未受 Phase 2 managed budget 保护。
  • React 中文界面覆盖 Dashboard、Models、Benchmarks、Evaluation Runs、New Run、Run Detail、Leaderboard；Run 列表全状态筛选/分页/活动轮询，详情逐题分页，关键桌面/平板/移动布局已修复。

已通过候选门禁的 Phase 2 切片

  • Alembic 链已扩展到 20260827_0004。新增六类治理/审计表：governance_policies、governance_scopes、governance_minute_buckets、question_executions、provider_call_reservations、audit_events；加上既有业务/凭据表，SQLite→PostgreSQL importer 现按依赖顺序复制和对账全部 12 表。
  • active policy 在 SQLite/PostgreSQL 都由 partial unique index 保证唯一；policy 有 canonical hash。managed API Run 创建时冻结 policy ID/hash 与 input reservation、lifetime request/Token/USD overrides，旧 Run 和可信本地 CLI 保持 legacy_unmanaged。
  • global/provider/model/run 四层数据库权威治理已实现：concurrency、固定 UTC 分钟 RPM/TPM、global/run lifetime request/Token/cost；Redis 和进程内存不参与裁决。
  • Adapter 的每个实际 HTTP retry attempt 都进入 reserve→send-started→actual/conservative settlement 或 confirmed pre-send release ledger。未知 usage、失租或 commit 不确定不按零释放。
  • materialized scope/minute counter 只是 ledger 投影；高报/低报、policy/hash 或 Run override 漂移在 admission/mutation/reconcile/import 边界 fail closed，并只尝试记录固定非秘密完整性事件。
  • ADR-0011 已修复零 HTTP 的 pre-send release 消耗 retry：旧 ledger row 保持终态，下一 generation 从未发送 ordinal 恢复，包括 max_retries=0。
  • backlog local admission、typed 429、database not-before、有限 question quantum、dispatch/failure 分离和跨 Model due ordering已接入；Run 不因 Redis 故障丢失。
  • typed append-only 应用 audit、分页 Run audit、task history counters、数据库 Run 时间戳 queue/execution/end-to-end latency、严格规范化 Provider request/model/fingerprint/finish metadata 和固定非秘密 credential audit 已实现。
  • 前端 Run Detail 已显示 managed/delayed/exhausted、治理原因和明确 UTC not-before；它不把治理延迟冒充 Worker 正在执行。
  • enhanced capacity 脚本已加入有限 policy、显式 Token/费用边界、sub-15 question quantum、并发 backlog 202/429、跨 Model 公平、双 Worker、Worker/Redis fault 与 ledger/audit 对账；真实 PostgreSQL 测试代码已加入四层 RPM/TPM/lifetime budget、backlog、settlement/reconcile race 和 audit replay。
  • acceptance harness 已加入三条确定性数据库 seam injection：reserved→send-start、send_started→settlement、Response commit→最终恢复。它们明确不是“精确时刻 SIGKILL”声明；精确候选 SHA 的完整 Compose acceptance 已 9/9 通过。
  • 精确 SHA 665244e… 的增强 capacity 使用有限 policy、PostgreSQL 16、Redis 7 与两个 Worker 完成：并发 backlog 精确为 4 个 202 + 2 个 typed 429，cooperative yield 与跨 Model 公平顺序均有 durable audit 证据，最终 18 Runs/270 Responses/271 ledger/1229 audit 对账且无 active/reserved/overdrawn 漂移。
  • P2-01 的 P2-local-control-plane-v2 已在干净 SHA b6a35fe… 从零执行 1 次 warm-up + 恰好 5 次 measured trial，本次 invocation 的 discarded_trials=0；四个 cell、23/23 SLO 与每轮 hard invariant 全部通过，容量模型为 qualified。aggregate SHA-256 为 a76d167b…d0d9，六轮均精确完成 22 Runs/330 Responses/330 QuestionExecutions/331 reservations，并清理本项目容器、卷、网络和唯一 build image。历史 v1 aggregate f993c11f…e3b2 继续保持 failed/not_qualified。

P2-06 实现（completed）

  • ADR-0015 已接受；实现 SHA 9a20676dcf545040782f04c166205d0043345753 将 Alembic head 扩展到 20260828_0005。worker_processes 保存 generation 级 DB UTC started/seen/scan/claim/progress/lease-heartbeat/stop，主循环只在真实事件后合并刷新；JSON metrics 公开 expected/registered/live/stalled/shortfall 与最近时间，不公开 Worker/generation ID。dependency probe 固定声明 main_loop_progress=not_checked。
  • GET /api/v1/metrics/prometheus 已实现固定 Prometheus text 0.0.4 gauge：一个 DB-time 读快照、15 分钟 typed-audit 窗口、1 小时 Run latency、硬读取上限、固定 enum label、整次 fail-closed 与每 API 进程 single-flight。deploy/observability/ 提供固定八条规则和安全抓取示例；仓库不部署 Prometheus、Alertmanager 或通知发送器。
  • llmbenchlab-audit-retention archive|verify|reconcile|restore|delete 已实现 canonical JSONL v1、严格权限/大小/行/schema/hash/rollup 校验、离线 verify、精确 digest 绑定、默认不删除、双方言事务与 commit outcome 分类。Archive 是敏感运维文件，hash 只用于完整性/绑定，不是签名或 WORM，也不替代 P2-07 的数据库+keyring 备份。
  • P2-06 的 0005 将 importer 逻辑合同扩展为 13 表精确 count/PK/content digest；source/target 必须位于唯一 current head，现为 data-only 0007，13 表 schema/内容合同不变。live generation 在源 preflight 被拒绝，stopped/stale facts 可复制，终审又补强 committed target canonical integrity postverify。0005 -> 0004 在 worker_processes 非空时于 DDL 前拒绝，原有 0004 governance/audit downgrade guard 继续保留。
  • 生产日志源已统一治理：应用日志消息必须是无格式参数字面量，结构化字段按白名单和有限数值输出，第三方动态消息固定化且不能通过 allowlisted extra 注入，raw Uvicorn access handler 关闭。Archive 终审补充了 FIFO/非普通文件拒绝及 decode 前行数上限；retention 零行 mutation 仍须 postverify，PostgreSQL mutation 保持 advisory/row lock。
  • 上述实现的全部实现门禁已完成：合并定向套件、make lint（Ruff 152 files、ESLint、TypeScript）、make test（后端 916 passed, 33 skipped、前端 38 passed）、Mock smoke（1 passed, 7 deselected）、临时 PostgreSQL 16/Redis 7 migration/check 与真实 integration（33 passed, 0 skipped）、隔离 SQLite migration/check、frontend build、Compose config、八规则 promtool 和修复后 76-file staged 技术/安全终审均通过；实现 SHA 已 push，精确 SHA run 33164609388 4/4 成功。Clean acceptance .pytest_cache/artifacts/phase2-acceptance/llmbenchlab-p2-92e173eeee28/evidence.json 的 SHA-256 为 e4ffb8668fd3fa62d59b5d83f5c29eede35b327d88e6099345acd5950670fc47，9/9 通过，Worker expected/registered/live/stalled/shortfall=2/2/2/0/0，cleanup C/V/N 全空。Clean capacity .pytest_cache/artifacts/phase2-capacity/llmbenchlab-p2-ca5673061b0f/evidence.json 的 SHA-256 为 2382f9138f09028f269d76c341b236dd4089d678c8a2323582045fac2b4f5039；1W/2W/burst QPS=7.267474/12.962228/9.333604、wall=8.255963/4.628834/6.428385s，最终 18 Runs/270 Responses/270 question executions/271 reservations/1230 audit，0 question error/drift/duplicate/PEL/lag，Worker expected=2、shortfall=0，cleanup C/V/N/image 全零且 image counters=1/1/0/0。两份 evidence 均为 dirty=false 并绑定 9a20676…；这是 Mock-only、非 SLO。此前 dirty acceptance/capacity 继续作为历史证据保留。Evidence closeout 文档 commit ec2959680459a14aa308bd4d9ebcc6bb7bfcf3a6 已 push，精确 SHA run 33165775037 4/4 成功，P2-06 仓库级收尾完成。P2-06 当时默认用户 SQLite 尚未在 head，直接 alembic check 失败后按保护原则未擅自迁移。

2026-08-29 数据库兼容修复（completed）

  • 旧库失败不是 SQLite 损坏，而是 revision=20260827_0004 的早期结构变体精确缺少三个后来加入 canonical 0004 的索引；严格 preflight 因 revision/schema 不一致，在 0005 执行前按设计拒绝。
  • ADR-0017 已接受；该任务完成时的 head 为 schema-equivalent 20260829_0006，现作为 0007 的历史下游 revision。preflight 只接受 canonical 0004/0005，或仅缺一至三个已知 repair 索引的 fingerprint，以支持 SQLite repair 中断重入；PostgreSQL 0005 的额外 metadata drift 同样拒绝。完整 schema/integrity/FK、索引定义、single-active policy 数据门禁仍 fail closed。0006 首条 DDL 前再次拒绝多条 active policy，并条件补建索引；0006 -> 0005 保留 canonical 对象。
  • 真实失败备份副本已无损升级到 0006 并通过 integrity/FK/Alembic check；当前重建库由标准 preflight 自动备份后从 canonical 0005 到 0006，startup gate、quick check、FK 和 metadata check 全部通过，业务计数与 Worker facts 保持。
  • 本地 migration 52 passed；最终完整 make test 为后端 927 passed, 33 skipped、前端 38 passed，make lint、Mock smoke 和 Compose config 均通过。实现 SHA 8fb51b690ae6335b8ef93b3cbe54e039781fb173 已 push，run 33263405214 的 backend、真实 PostgreSQL/Redis、完整 Compose 与 frontend 四个 job 全部成功；本维护任务完成，不改变 Phase 2/P2-07 状态。

2026-08-30 本地数据恢复与静默启动（completed）

  • 默认本地 SQLite 重建库逻辑为空；多份约 96 MiB 候选也因 freelist 较大但业务表全空，不能恢复数据。最新且 revision 最高的非空一致性备份为 backend/data/llmbenchlab.db.pre-alembic-20260827T073137431634Z.bak（SHA-256 7e046c1e7cd4ec39c5fe6f57b34f130670e0d249a70bf052a84a23e085a59a53），含 1 个 Mock Model、1 个 Demo Benchmark、15 Questions、1 个 completed Run 和 15 Responses；与更早两份非空备份在全部共有列的内容摘要一致。
  • 停止 API/Worker/Vite 并确认默认库无占用/sidecar 后，只在该备份的一致性 staging 副本上执行 0002→0006。迁移前后五张旧表共有列摘要都为 d1b3b74b7726f9e7903fbd3f445ad258d5f5aa4b885c976582f2d53e1d30302f；恢复后的默认库 quick_check=ok、外键错误 0、Alembic current=head，API/Web 实际读取到 1/1/1 个 Model/Benchmark/Run。原始恢复源未修改；重建空库另存为 backend/data/llmbenchlab.db.pre-original-data-restore-20260829T170121Z.bak（SHA-256 ec2ef8b2d5c9a338ce3e5f94c68a3c5742d288a798df2b7a6096960a48610c90）。
  • make dev 现在只在控制台显示地址和日志位置；API、Worker、Vite 详细输出分别 append 到私有的 Git 忽略日志，单服务 Make 入口仍保留前台诊断。离线启动器 3 passed，真实本地启动/live/health/ready/API/Web 探针通过；完整 make test 为后端 930 passed, 33 skipped、前端 38 passed，lint/build/smoke/Compose config 也已通过。实现 commit 5075bdb5e9b53f527a43e5aff7b7d2c7b48c5c9b 已 push，run 33265171953 四个必需 job 全部成功，因此本维护为 completed。
  • 该维护只恢复个人本地 SQLite Demo 数据并改进开发入口，不是 P2-07 的 PostgreSQL+keyring backup/restore、Redis 重建或灾难恢复认证；Phase 2/P2-07 状态不变。

2026-08-30 已下载标准评测集本地加载（completed）

  • artifacts/benchmarks/ 中三个 Git 忽略 dataset-v1 ZIP 均由当前 Loader 校验通过：GPQA-Diamond 198 题、MMLU-Pro Direct 12,032 题、MMLU-Pro Official-CoT 12,032 题。原始 dataset-cache 仍只作为固定来源缓存，没有被当作导入包。
  • 在现有 make dev 服务无活动 Run 时，先用 SQLite 在线 backup 创建 0600 的 backend/data/llmbenchlab.db.pre-benchmark-import-20260829T173032Z.bak（SHA-256 d8c71c44b0ee364030d0053788f34bd985a443ba30a9cd17f1069a9737d10206），再通过正式 /api/v1/benchmarks/import 逐个导入，三个请求均为 201。
  • 该次导入完成时，默认个人 SQLite 有 4 个 Benchmark、24,277 道题；逐集持久化题数与 manifest 一致。当时原有 1 个 Model、1 个 completed Run 和 15 条 Response 不变，active Run 为 0；quick_check=ok、外键错误 0、Alembic head=20260829_0006，API 列表/逐集 total 也已对账。后续 Run 与 0007 维护事实见下节，不回写本条历史快照。
  • 目标 Loader/标准转换器离线测试 40 passed；未调用真实 Provider，未修改 Schema/API/协议或产品代码。仓库记录 commit 0163b67c00eb59ae59db5f3adb679ad85c799142 已 push，其精确 SHA 的 run 33266167547 四个必需 job 全部成功；本地加载维护为 completed，不改变 Phase 3/P2-07 状态。

2026-08-30 observational Token overdraw 修复（completed）

  • 只读核查 Run 2181503c-eab2-4699-bede-db48bd078f95 发现：15 题完成 7 题后以 failed/exhausted、governance_global_overdrawn 终止；7 个 Provider attempt 均为 settled_actual/succeeded，没有 conservative settlement、429 或 HTTP retry。第七次非 hard 输入估算/reservation 为 59，而 Provider actual 为 75；冻结 policy 与 Run override 的 request/Token/cost hard limit 全为 null，因此这是本地语义缺陷，不是 OpenCode Go 套餐额度结算。
  • ADR-0018 已接受：只有显式 evaluation_runs.input_token_reservation 才构成 input/cost hard reservation；没有显式值时不再写入新的 attempt input reservation/reserved cost，但 Provider actual usage 仍完整保存。显式 input、显式 max_tokens output，以及由完整上界和冻结价格派生的 reserved cost 超额仍 fail closed。
  • 应用 Alembic head 已前进到 data-only 20260830_0007。该 migration 不改 schema、ledger、actual usage、Response、audit 或 Run 终态，只重算 governance_scopes.overdrawn；upgrade/downgrade 在任何更新前拒绝 active reservation。前端 overdrawn 文案改为“实际用量曾被判定超过预留”，既适用于新 hard overdraw，也不会误述升级前保留的历史终态。
  • 本地验证已完成：backend 946 passed, 33 skipped，真实 PostgreSQL+Redis integration 33 passed，双方言 migration upgrade/downgrade/upgrade/check、make lint、frontend 39 passed/build、Mock smoke 1 passed、real-Compose 9/9 与 Compose config 均通过。当前个人 SQLite 已到 0007；四层 scope overdrawn 从 4 降为 0，7 Responses/7 ledger、407 input/599 output、13 张业务表行数均保留，quick_check=ok、FK=0。未调用真实 Provider。首次实现 SHA 的 acceptance-only float(None) 失败已保留，最终修正 SHA cb00924… 的 run 33271095910 4/4 成功，因此本维护为 completed。

状态与后续

  • P2-06：状态为 completed；实现、clean-SHA Compose evidence、实现 commit 与 evidence closeout 文档 commit 的 push 和精确 SHA CI 均已完成。
  • 0004 历史索引兼容修复：状态为 completed；实现 commit 8fb51b690ae6335b8ef93b3cbe54e039781fb173 已 push，精确 SHA run 33263405214 4/4 成功。
  • 本地数据恢复与静默启动：状态为 completed；实现 commit 5075bdb5e9b53f527a43e5aff7b7d2c7b48c5c9b 已 push，精确 SHA run 33265171953 4/4 成功。
  • 已下载标准评测集本地加载：状态为 completed；三个现有正式 ZIP 已导入并完成本地数据库/API/目标测试验证，0163b67… 的 run 33266167547 4/4 成功。
  • observational Token overdraw 修复：状态为 completed；目标 head 0007、本地完整验证、当前库迁移、最终修正 commit/push 与 exact-SHA CI 4/4 均完成。
  • P2-07：状态为 planned，已建立 ADR-0016、exact-head amendments ADR-0017 / ADR-0018、独立计划 和 工作日志。PostgreSQL backup/restore、数据库与 keyring 配对恢复、Redis 重建、Worker 扩缩/告警处置和剩余故障矩阵的功能实现尚未开始；P2-06 的 audit archive 自身 restore 不能替代整库恢复认证。P2-07 recovery-manifest-v1 的尚未实施 exact head 现为 20260830_0007。
  • Phase 3：IFEval、通用 Dataset Plugin SDK、代码题 schema/隔离沙箱、完整分组 UI 和安全红队；Phase 4–6 尚未开始。

已知边界与风险

  • SQLite 只用于个人本地单 Worker；多 Worker 证据必须来自 PostgreSQL。Compose 是本地开发/验收拓扑，不是生产 HA。
  • Provider 调用不是 exactly-once。Worker 在 Provider response 后本地 commit 前崩溃可能重复上游计算或费用；本地 ledger/Response 幂等只能保证数据库事实不 double-count。
  • 无显式 input reservation 的估算不是费用上界；0007 只防止该观测值被误解释为 hard overdraw，不会推断 Provider tokenizer、限制真实账单或替代显式 Token/cost policy。
  • fixed UTC minute window 允许边界 burst，不等同平滑 token bucket。Mock capacity 不能推断真实 Provider、生产 SLA 或无限横向扩展。
  • trusted-local CLI 按 ADR-0010 继续 legacy_unmanaged，没有全局 RPM/TPM/USD 硬保证；操作者必须停止常规 API/Worker 并独占数据库。
  • audit 是应用 append-only、event-key 幂等且 read 时校验 schema/hash，但数据库管理员仍可修改，不能宣称 WORM。
  • Provider metadata 不安全时归一化为 null；credential audit 不保存 origin。Key、Authorization、ciphertext、nonce、keyring、Provider URL、题目/prompt/response正文均不得进入 audit。
  • Worker probe 只检查数据库/head/Redis 能力，不证明主循环仍在推进；Worker 主循环事实现在由 DB-time progress 聚合公开。没有 exact generation handoff 前，probe/容器 healthcheck 仍不得冒充当前进程 event-loop liveness。
  • importer 会复制完整敏感评测内容和 credential ciphertext；只支持停写源→空目标单向导入。keyring 不随数据库复制，exit 3/4 禁止盲目重试。
  • 远程 Provider 只允许 HTTPS（HTTP 仅 loopback），但仍无 destination allowlist、DNS rebinding 防护、出站隔离、认证、TLS 终止、生产 KMS 或多租户安全；不得直接暴露公网。
  • 当前 Python 3.14 本地测试仍可能显示上游弃用 warning；CI 固定 Python 3.12。Vite build 仍有既有 Recharts 大 chunk warning。

测试状态

验证 实际结果 当前结论
P2-06 合并定向套件 全绿；随后完整 make test 也已通过 目标实现回归与全量门禁均通过
P2-06 make lint Ruff 152 files、format check、ESLint、TypeScript typecheck 全绿 实现 SHA 9a20676… 的本地门禁通过
P2-06 make test 后端 916 passed, 33 skipped；前端 38 passed 实现 SHA 9a20676… 的本地门禁通过；只用 Mock/Stub
P2-06 Mock smoke 1 passed, 7 deselected 完全离线通过
P2-06 真实 PostgreSQL/Redis integration 临时 PostgreSQL 16/Redis 7 migration/check 后 33 passed, 0 skipped retention advisory/row-lock 与既有 lease/governance/importer 路径通过；首次 cleanup 被安全策略拒绝且未启动容器，修正明确目标后通过；实现 SHA 的远程 integration job 也已成功
P2-06 migration 临时 SQLite/真实 PG 往返与 check 全绿；当时默认用户 SQLite 非 head 的 check 失败后未迁移 P2-06 当时 head 20260828_0005；历史证据保持原状
2026-08-29 DB compatibility repair migration 52 passed；最终完整 backend 927 passed, 33 skipped、frontend 38 passed；lint/smoke/config、真实失败备份副本与当时默认库 startup/check 全绿 该任务当时 head 20260829_0006；8fb51b6… 的 run 33263405214 4/4 成功
P2-06 build/config frontend build 成功（保留 662.39 kB chunk warning）；Compose config exit 0 从根目录误跑 npm 的失败已记录并用正确目录重跑通过
P2-06 Prometheus 规则 prom/prometheus:v3.5.0 中 promtool check rules 成功，八条规则全部通过 临时容器验证；仓库仍不部署 Prometheus/Alertmanager
P2-06 dirty acceptance 9/9；artifact llmbenchlab-p2-11554c25ec2d/evidence.json，SHA-256 d5f058457dbc29875cbac4bc38345b810b5ed556ea538862d309116ceb629fde，dirty=true Worker 2/2/2/0/0、0005/isolated 0004 populated refusal、两层空库往返、cleanup C/V/N empty
P2-06 dirty capacity 历史 artifact llmbenchlab-p2-c6de062ab77e/evidence.json，SHA-256 4aeb8271dd81e8671fc287942839f8d06862140ea9a6bf1d7ee5660265aa8453 通过 dirty=true；18/270/270/271/1229，0 error/drift/duplicate/PEL/lag，Worker expected=2、cleanup C/V/N/image=0；offline Mock、非 SLO
P2-06 clean acceptance 9/9；artifact llmbenchlab-p2-92e173eeee28/evidence.json，SHA-256 e4ffb8668fd3fa62d59b5d83f5c29eede35b327d88e6099345acd5950670fc47，dirty=false，commit 9a20676… Worker 2/2/2/0/0；cleanup C/V/N empty
P2-06 clean capacity artifact llmbenchlab-p2-ca5673061b0f/evidence.json，SHA-256 2382f9138f09028f269d76c341b236dd4089d678c8a2323582045fac2b4f5039，dirty=false，commit 9a20676… QPS 7.267474/12.962228/9.333604，wall 8.255963/4.628834/6.428385s；18/270/270/271/1230；0 question error/drift/duplicate/PEL/lag；expected=2、shortfall=0；cleanup C/V/N/image=0、image 1/1/0/0；Mock、非 SLO
P2-06 补充静态检查 过宽 scripts/ Ruff 命令暴露 93 条既有 modernization 告警；--select E,F,I 通过 如实保留首次结果，不把范围外历史告警归为本次回归
P2-06 staged 技术/安全终审 structured-extra High 与 Worker __main__ logger Medium 已修复；76-file index 为 0 Blocker/High/Medium；hydration/import integrity 目标集 67 passed 已进入实现 SHA 9a20676…
P2-06 实现远程 CI PR #3；9a20676dcf545040782f04c166205d0043345753 的 run 33164609388 4/4 实现精确 SHA 门禁完成
P2-06 evidence 文档远程 CI ec2959680459a14aa308bd4d9ebcc6bb7bfcf3a6 的 run 33165775037 4/4 精确文档 SHA 门禁完成；P2-06 为 completed
P2-01 实现远程 CI b6a35fe… run 33146681285 4/4 精确实现 SHA 全绿；PR #2 已于 2026-08-28 合并
P2-01 证据文档收尾 CI 875f13a… run 33150080341 4/4 精确文档 SHA 全绿；P2-01 仓库级收尾完成
2026-08-30 本地恢复/静默启动 启动器 3 passed；完整 backend 930 passed, 33 skipped、frontend 38 passed；lint/build/smoke/config、恢复库 digest/quick/FK/head 与真实 API/Web 读取通过 默认库恢复 1/1/15/1/15；5075bdb… 的 run 33265171953 4/4 成功，不改变 P2-07
2026-08-30 标准评测集本地加载 三个 ZIP Loader 校验通过；API 导入 201/201/201；数据库/API 对账为 4 Benchmarks、24,277 Questions；quick_check=ok、FK 0、head 0006；目标测试 40 passed 本地加载完成，原 Model/Run/Response 保持；0163b67… 的 run 33266167547 4/4 成功，无 Provider 调用
2026-08-30 observational overdraw 修复 backend 946 passed, 33 skipped；真实 PG+Redis integration 33 passed；双方言 migration 往返/check、make lint、frontend 39 passed/build、Mock smoke 1 passed、real-Compose 9/9、Compose config 与当前库 backup/migrate/check 通过 当前 SQLite head=20260830_0007，scope 4→0，7 Responses/7 ledger/407 input/599 output、13 表行数、quick/FK 保持；无真实 Provider；cb00924… 的 run 33271095910 4/4 成功
最新本地 make lint Ruff/format、ESLint、TypeScript 通过 本地冻结树通过
P2-01 冻结树 make test 后端 829 passed, 29 skipped；前端 38 passed v2 实现历史冻结树通过；当前 P2-06 全量见上方独立行
P2-01 真实 PostgreSQL/Redis integration 29/29 passed v2 实现历史冻结树通过；当前 P2-06 integration 见上方独立行
最新本地 make smoke 1 passed, 7 deselected，仅 Mock 本地冻结树通过；没有调用真实 Provider
定向治理/API/Worker 目标套件零失败；早期独立审计 218 passed；完整性边界集合 18 passed 已被最终全量、真实 integration 与精确候选 evidence 补充
SQLite/PostgreSQL migration 隔离 SQLite 与真实 PostgreSQL prepare/upgrade/downgrade guard/upgrade/check 通过 候选与远程 integration 覆盖
增强 capacity 精确 665244e…，evidence SHA-256 40deadeb…0588 passed；Mock-only，cleanup 容器/卷/网络为空，不是生产 SLA
完整 acceptance 精确 665244e…，9/9，evidence SHA-256 ab311665…ddec passed；含三条 deterministic DB seam，cleanup 为空
正式 v2 单机资格 精确 b6a35fe…，1+5、23/23，aggregate SHA-256 a76d167b…d0d9 passed/qualified；Mock-only 单机控制面，不是生产或真实 Provider SLA
真实 Provider 未运行（有意） 所有自动化只使用 Mock/Stub/MockTransport

详细命令与限制见 当前 P2-06 工作日志 和 TESTING.md。

最近工作日志

当前任务入口

NEXT_TASK.md 提供后续任务入口。observational Token overdraw 修复已完成本地验证、个人 SQLite 受控迁移、commit/push 和 exact-SHA CI 4/4，仓库级闭环完成。后续入口恢复为 P2-07 最小只读 recovery verifier，但本次不继续实施。P2-06 已完成仓库级收尾，P2-07 仍为 planned；Phase 2 与 Phase 3 继续保持 in_progress。