jesse-uxandClaude Code
aa46da1016
Add date-isolated caches and regression coverage, align scoring identity, and freeze full research reruns while preserving historical artifacts. Record unresolved cache/receipt identity and end-to-end acceptance gaps for branch review only. Co-Authored-By: Claude Code <noreply@anthropic.com>
138 lines
16 KiB
Markdown
138 lines
16 KiB
Markdown
# PROGRESS · 跨午夜候选 Dasha 日期修复（2026-09-20）
|
||
|
||
## 基线、授权与边界
|
||
|
||
- 用户要求执行远端 `dacd4044` 的任务；fetch 时远端已追加产品决策补充 `03cba4780a220b132cf4f06d22e14608aaf9ad3c`，本轮以该后代为基线。
|
||
- 任务：`TASK-rectification-cross-midnight-dasha-20260920.md`。产品决策 A/B/C 已放行：修复候选级日期、重新冻结重跑、通过 V9 `engine_version` 区分结果。
|
||
- 工作树 `.worktrees/rectification-cross-midnight-20260920`；分支 `codex/rectification-cross-midnight-20260920`。上一轮已提交的独立工作树只作基线读取与测试，不更改其源码。
|
||
- 开工核对 Bug 最大号为 980；本单使用 BUG-981。已与任务书会话确认其未修改相关生产文件、未占用编号。本会话各实现任务文件所有权分开。
|
||
- 不改打分权重、确认门、Skill 版本、V4 `INPUT_CONTRACT_VERSION`、数据库结构、workflow、依赖、DNS 或 main。
|
||
- 可选回执实现哈希增强不做；采用默认 `engine_version` 与既有后端 `ALGORITHM_VERSION` 同步 bump，保留原环境覆盖语义。线上环境是否覆盖另行验收，不借用凭据。
|
||
|
||
## 执行中纠正的任务书事实
|
||
|
||
任务书 §1.4 的 `BUG-3315` 实为历史文档行号，对应记录是 BUG-198；相关开窗记录另有 BUG-114 / BUG-353，不新增不存在的编号。候选枚举与时段映射回归仍在，未覆盖后来加入的日期辅助项。
|
||
|
||
T4 追踪发现：`v9EngineVersion()` 默认值主要用于 started/failed 回执；成功 compare / diagnostics 回执使用实际 `algorithmVersion`。`liveEngineScoringIdentityFromEnv()` 还会把非粗版本的环境覆盖视为算法身份，`cachedEngineScoreIsReusable()` 已有算法身份相等比较，`score-persist.ts` 在身份与输入相同时可直接复用旧分数。因而任务书“全仓只写不比”并不准确，只改默认串不足以落实产品 C，甚至可能继续使用错误的缓存分数。
|
||
|
||
最小实现选择：在本单允许的 `scoring_service.py` 将既有 `ALGORITHM_VERSION` 从 `rectification-v5-matrix-scoring-7` 提升为 `rectification-v5-matrix-scoring-8`，前端默认标记同步；复用既有失效逻辑，不新增按版本拒绝打开历史会话的门，不修改 Skill、V4 input contract、SQL 或旧回执。成功结果保留实际来源身份，不能把旧缓存强行重新标成新版。环境若覆盖旧算法身份，部署验收仍需核实；没有受控访问时列为缺口。
|
||
|
||
## 必读与预检
|
||
|
||
已读错误台账、分钟分辨率研究结论、前轮偏差报告、任务书和 BUG-098 / 427 / 428 / 621 / 978 / 979 / 980。旧 BUG-098 的跨午夜保护针对候选枚举，不足以覆盖后来加入的 transition-proximity 日期参数；BUG-427/428 的实现归属与曝光边界继续有效。
|
||
|
||
本机运行 `python scripts/pre_work_check.py --remote-timeout 8 --command-timeout 45`：实际 Python 3.11.7，有 pytest；无本工作树 `.venv`。远端 verified、碎片与适配器检查成功；focused tests 因既有 `test_preflight_fragment_scan_reports_authority_layers_and_risk_buckets` 的 `.workbuddy` 镜像路径断言失败。与前轮台账一致，不冒写预检全绿。
|
||
|
||
## 执行与验收结论
|
||
|
||
核心日期修复、重新冻结及完整重跑完成；T4 缓存/回执身份仍未闭环，因此整单未通过完整验收。产品随后要求“按分支推送，我远程 review”，本轮仅向独立分支 `codex/rectification-cross-midnight-20260920` 交付供评审，推送结果以远端 SHA 核对为准；不合入 staging，不部署，不以其他会话的 staging 部署证明本轮已发布。保留原测试基线 `03cba478`，不混入同期其他任务的提交。
|
||
|
||
| 项目 | 状态 | 证据/下一步 |
|
||
| --- | --- | --- |
|
||
| T1 修复前红测 | 通过 | 原实现 4 failed / 4 passed，包含跨年、闰日、一般午夜日期/缓存及真实引擎回归；同日 golden 原来即通过 |
|
||
| T2 最小生产修复 | 核心日期修复通过；部署未验收 | 19 个同日窗口共 2299 候选分数与矩阵字节相同；真实跨日全 121 候选等于日期正确独立计算；性能中位 -0.87%；独立生产选择性测试 4 项通过 |
|
||
| T3 冻结及重跑 | 完成，独立校验通过 | 900 组合与 20 例均完整重跑，旧新逐例变化均为 0；独立复算真实源码身份、历史字节、汇总与 Markdown 45 格全部一致 |
|
||
| T4 回执版本 | 部分实现，整体验收未通过 | 默认与后端身份同步；minute正常版本探测失效旧cache、新Case成功回执/历史打开定向通过；旧block_scan缓存仍绕过版本检查，BUG-984另立补单 |
|
||
| T5 记录、独立验收 | 本地记录与独立复核完成 | BUG-981～984、BLOCKED、CHANGELOG、测试清单与验收补单已记录；Python 广域 300 项/4 个基线失败，新增失败 0；T4/构建/部署缺口不写通过 |
|
||
|
||
所有报告保留已曝光数据边界，官方独立有效试次仍为 0；修复后数字是否变化以逐例复算为准，不能从实现改动推断数值必变。
|
||
|
||
## 红测与同窗对照证据
|
||
|
||
修复前输出（去掉所有案例参数，只保留测试标识）：
|
||
|
||
```text
|
||
FFF....F [100%]
|
||
FAILED test_every_candidate_uses_own_date_and_caches_do_not_cross_dates[2000-01-01]
|
||
FAILED test_every_candidate_uses_own_date_and_caches_do_not_cross_dates[2000-02-29]
|
||
FAILED test_every_candidate_uses_own_date_and_caches_do_not_cross_dates[2000-12-31]
|
||
FAILED test_real_cross_midnight_all_candidates_match_independent_dated_calculation
|
||
4 failed, 4 passed in 7.32s
|
||
```
|
||
|
||
日期为纯合成测试日期，不是案例出生资料。同日真实引擎 golden 修复前即绿。
|
||
|
||
性能与分数比较口径：公开已曝光 v3，raman / mean，半径 ±60、步长 1；20 个窗口各 121 候选。历史 12 文件打分身份 `b15d9ea15227cd58` 不变；新扩展生产身份 `7fffd1db612af1f2`。性能从原生静态上下文到矩阵及得分，5 对交替执行，不能与任务书另一环境的 8.6 秒直接比。
|
||
|
||
| 项 | 基线 | 修复后 |
|
||
| --- | --- | --- |
|
||
| 5 次耗时（秒） | 27.479 / 21.570 / 20.713 / 21.362 / 21.438 | 21.151 / 21.252 / 20.739 / 21.429 / 21.526 |
|
||
| 耗时中位（秒） | 21.438497 | 21.252369（-0.8682%） |
|
||
| 非跨日分数字节比较 | 19 个窗口，2299 候选 | 全部相同，矩阵字节亦同 |
|
||
| 真实跨日窗口对日期正确独算 | 121 候选中 16 个跨日候选不同，同日 0 不同 | 全 rows / matrix 相同，差异 0 |
|
||
| 该跨日窗口最大绝对分差 | 0.0267 | 0 |
|
||
|
||
这里是该公开样本的实测，不把算术上界或这个幅度推广到所有真实会话。可提交脱敏证据见 `docs/testing/rectification-cross-midnight-scoring-evidence-20260920.json`。
|
||
|
||
## 独立验收：明确未通过与另行问题
|
||
|
||
1. **BUG-984 / T4 未完整通过**：独立 TS 探针在无环境覆盖的 `block_scan` 历史缓存上实测 `cached:true`、旧算法 -7、HTTP 调用 0；真实工具路径写 started -8 / completed -7。SQL `max(engine_version)` 的源码核验显示聚合可能取 -8，不能据此证明重新评分。未真跑 SQL，因此数据库部分只报源码证据。补单 `TASK-rectification-cross-midnight-dasha-fix-20260920.md` 待批准，不擅改缓存政策/迁移。
|
||
2. **BUG-982 / 既有聚类跨度**：纯虚构三分钟跨午夜簇沿 `build_candidate_decisions()` 输出 1440 分钟宽度；旧 BUG-624/639 的同日范围保护仍在，但不覆盖该跨日调用链。没有顺改候选淘汰或范围策略。
|
||
3. **BUG-983 / 既有凌晨锚点**：前端凌晨申报的跨日钟点窗仍配原申报日期，生产枚举将起点绑当天、中心移到次日。helper 本轮只修与 `candidate_at` 一致，不能声称上游候选日期也已正确。
|
||
|
||
因此本轮可以分别验收“候选级日期修复”与“指定条件下版本身份”，不能说所有跨午夜路径端到端已闭环。BUG-981 未有部署证据前仍 investigating；BUG-982～984均 investigating，不冒标 resolved。
|
||
|
||
## 重新冻结与完整重跑
|
||
|
||
两份正式 freeze 均先于各自评分开始；评分结束再次核对真实当前文件身份。旧 8 份产物归档逐字节保留并有 manifest，原路径的两份旧 JSON 与旧 freeze 也未改；准备阶段冻结/试跑另标 superseded，不充当最终证据。
|
||
|
||
| 项目 | 结果 |
|
||
| --- | --- |
|
||
| 历史 12 文件打分身份 | `b15d9ea15227cd58`（不变） |
|
||
| 新扩展生产 18 文件身份 | `7fffd1db612af1f2` |
|
||
| 最终研究 7 文件身份 | `2931d4661bf53dde` |
|
||
| 申报偏差重跑 | 900/900 组合完成、45 格、排除 0；旧新逐例所有保存字段 0 变化，耗时 399.902 秒 |
|
||
| 固定口径 shadow 重跑 | 20/20 例完成、排除 0；逐例 0 变化，耗时 3.158 秒 |
|
||
| T3 定向四文件 | 52/52 通过（包含 quick 桥接重复收集，不能算 52 个独立新增用例） |
|
||
|
||
数字未变不等于生产缺陷不存在：旧 T1 最终版已有离线按日期分组适配，新版矩阵走修复后的原生单调用；T2 的 shadow fact-ranker 本来按候选日期构事实，不走此次 helper。两者仍非完整生产问答/交付回放，也不是新的独立盲测。
|
||
|
||
独立只读审查已从真实文件复算 12/18/7 文件集及逐文件 SHA，核对历史 8 份归档与 Git 基线原字节、3 份 superseded 准备产物，以及两份正式冻结/报告/契约。900 组合完整、每格分母 20，summary 独立算术复算一致，Markdown 全部 45 格逐格吻合；20 例汇总与六项指标表亦同。独立审查另执行生产轻量 4 项、T3 选择性 5 项通过，未重复 900 评分；不把执行方的 52/52 冒称独立复跑。上表 399.902 秒为执行方外层耗时，JSON 内部 replay 区间为 399.819 秒，计时边界不同。
|
||
|
||
T2 数值口径：公开已曝光 v3、raman/mean、±10、步长 1、12文件打分身份 `b15d9ea15227cd58`，扩展生产上下文身份 `7fffd1db612af1f2`。竞争 top-1/top-3 0.45/0.50，哈希头名平均误差 6.45 分钟，三项仍未过原门槛；误确认 0、稀疏证据拒绝 1、确认覆盖 0；实际哈希头名命中 0.05。不得拿含并列 top-1 当唯一头名命中率，不因重新冻结增加官方盲测试次。
|
||
|
||
## 前端与确认门验收
|
||
|
||
基线测试工作树为已提交的 `932f2fff`；与开工 `03cba478` 之间只有两次任务文档提交，业务与测试代码相同。前端对照实际核对 1500 文件；没有安装/升级依赖或修改旧源码。以下最终轮覆盖报告路径更新，早期候选 77 失败只是阶段数据，不替代最终结果。
|
||
|
||
| 检查 | 基线 | 最终候选 |
|
||
| --- | --- | --- |
|
||
| TypeScript | 0 error | 0 error |
|
||
| lint | 0 error / 120 warning | 0 error / 120 warning |
|
||
| 全量前端 | 3486 总 / 3407 pass / 79 fail | 3493 总 / 3414 pass / 79 fail |
|
||
| 新增版本与确认门定向 | — | 14/14 通过 |
|
||
| BUG-621 + convergence + 新增版本 | 52 总 / 48 pass / 4 fail | 59 总 / 55 pass / 4 fail |
|
||
| build | 外部 node_modules junction 超出 Turbopack filesystem root | 同原因失败；Static/gzip 未验收 |
|
||
|
||
全量 79 个失败标题与基线集合完全一致，新增失败 0；BUG-621 组合的 4 个失败标题也完全一致，为 Windows symlink EPERM。真实历史绑定 Skill 打开用例通过，但不是线上登录/DB E2E。Docker可用，部分全量失败涉及网络地址池/环境，不能写成无Docker。详见 `docs/testing/rectification-cross-midnight-frontend-results-20260920.json`。
|
||
|
||
主会话独立运行新增日期回归、桥接与隐私守卫共 80 项通过；17 个受保护文件（12冻结评分文件及确认门、历史枚举/请求实现、主API）与基线逐字节相同。实际 `holdout_passed()` 仍 False，runtime 六键值及类型全部相同。最终文档阶段再跑真实冻结身份、确认门及三组隐私守卫，86 passed / 0 failed（13.17 秒）；14 份本轮 JSON 解析成功，`git diff --check` 通过。
|
||
|
||
## Python 广域回归收尾
|
||
|
||
基线三个校正 glob 共 284 项，280 passed / 4 failed。当前首轮共 300 项，294 passed / 6 failed；原四项失败标识及实际断言值均未改变，新增两项为版本身份相关断言：`test_score_candidates_matches_baseline_golden` 的决策代表候选 ID 不同，以及 `test_holdout_gate_keeps_proportional_default` 仍要求旧算法 -7。已保留该轮失败证据，不把它算作通过。真实引擎同进程旧/新身份 A/B 已确认仅两项身份变化，精确迁移后主会话核对所有其他 golden 叶与基线相同；未整份重写 golden、未改变分数或比较器。原进程出现的三个静态特征 hash 差异在另外两个新进程复测消失，旧身份独立复测与旧 golden 全字段相等，未覆盖这些历史 hash。修正后三文件定向（memoization、relative-support、freshness）25 passed / 0 failed（2.12 秒）；两个 final.freeze 所绑定的 12/18/7 文件集合均不含这三项测试/快照文件，真实字节身份验证仍绿。主会话独立复跑上述 25 项亦全部通过（2.04 秒）。广域全套另起日志重跑，不覆盖首轮失败证据，最终 4 failed / 296 passed / 300 total（609.52 秒、exit 1）；四个失败标识与实际断言值均同基线，新增失败 0，收集数增加 16（含桥接），但不宣称全套全绿。
|
||
|
||
| Python 广域失败项 | 基线与最终对照 |
|
||
| --- | --- |
|
||
| `test_long_real_conversation_reaches_vedastro_after_local_range_is_narrow` | 既有 winning_segment 不符，实际/期望字段值未变 |
|
||
| `test_selector_changes_do_not_change_legacy_or_v5_score_bytes` | 既有 V5 分数 hash 不符，最终实际仍 `e20199f79f4283da`，未改断言 |
|
||
| `test_v3_development_result_stays_shadow_only` | 两侧均 `v3_improved_case_count` 实际 1 / 期望 0 |
|
||
| `test_frozen_implementation_hash_matches_manifest` | 既有历史 v2 hash 不符，最终实际仍 `f642651ef4dec9b5`，未刷新历史冻结 |
|
||
|
||
脱敏计数、失败标识与中间轮证据见 `docs/testing/rectification-cross-midnight-20260920-results.json`。本机 quick 仍因缺 mcp 阻断；前端 build / Static / gzip、受控登录态、数据库回执聚合与部署验收仍缺，按补验清单处理。
|
||
|
||
## 既有断言调整三栏
|
||
|
||
| 原值 / 原断言 | 新值 / 新断言 | 原因 |
|
||
| --- | --- | --- |
|
||
| 研究跨日测试要求原生生产 rows 不等于日期正确结果 | 要求原生 rows 等于独立日期正确结果，并锁定单矩阵调用 | 原断言描述旧缺陷；本单修复后新增正确性保障，不再锁住已知错误 |
|
||
| 当前研究/确认测试引用旧 JSON / freeze | 引用新 cross_midnight JSON / final.freeze；旧文件保留字节验证 | 原报告留作历史，新实现重新预冻结；门禁值与独立性断言不变 |
|
||
| 当前树身份只包含历史 12 文件 | 保留原断言，新增 18 文件生产与 7 文件研究身份及漂移拒绝 | 本次修复在 12 文件之外，不能靠旧hash没变宣称当前身份一致 |
|
||
| 前端 currentTreeRerun 来源为旧同名 JSON | 新 `sealed_holdout_rerun_cross_midnight_2026_09_20.json` | 只迁来源；所有确认行为断言保留 |
|
||
| relative-support 测试要求算法身份 `rectification-v5-matrix-scoring-7` | 要求 `rectification-v5-matrix-scoring-8` | 本单已授权同步算法身份；同一测试的 proportional 默认与 policy-v3 断言保留 |
|
||
| memoization golden 代表候选 UUID `85ca5490-07ab-54b7-acf0-59385f705015`、snapshot 算法 -7 | 真实引擎输出 UUID `e8c11277-022c-519c-95e9-6a0a04e8bf23`、snapshot 算法 -8 | 版本身份参与确定性 UUID；同进程旧/新身份 A/B 仅这两叶变化。精确更新两叶，不整份刷新；主会话独立逐叶核对所有其他值与 Git 基线相同，数值、历史特征 hash、比较器均保留 |
|
||
|
||
## 报告保存与权限边界
|
||
|
||
原两份 JSON 的 shell 覆盖被拒后，没有换执行者覆盖它们；改用独占新建的正式报告 `reported_offset_cross_midnight_2026_09_20.json` 与 `sealed_holdout_rerun_cross_midnight_2026_09_20.json`。旧 JSON / 旧 freeze 原字节保留；准备阶段产物与最终身份分开，修改 evaluator 路径后重新冻结再重跑，不拿之前的冻结追认新脚本。当前契约与测试读取新正式路径，原数字留作历史，不因新实现自动判旧数字算错。
|