[xxxyxun]

目的

将 src/tandem 下平铺的模块按职责分类，方便后续开发和替换组件。本次只做结构整理，不引入新的执行策略。

改动内容

• 将模块整理到 runtime、planning、gui、models、verification，保留 protocol 原有结构。
• 根目录保留包入口、配置和组件装配。
• 将 Ranking、build_choice_requests、ranking_dict 提取到 models/ranking.py，供 JEV/Kev 共用。
• 同步更新 tandem_eval/entry.py、runner.py 及测试中的导入和 mock 路径。
• 新增 step/stage × JEV/Kev 四种组合的组件装配测试。
• 更新 pyproject.toml 中四个文件的 Ruff 路径配置，不新增豁免规则。
• 更新 README、AGENTS、DEVIATIONS，以及集群和阶段执行文档。
• 模块行数规范调整为尽量不超过 300 行，硬上限 500 行。

兼容性与范围

Python 导入路径发生变化，不保留旧路径兼容壳，例如：

• tandem.session → tandem.runtime.session
• tandem.providers → tandem.models.slow
• tandem.selector → tandem.models.jev
• Ranking 从 tandem.models.ranking 导入

CLI 命令、配置字段、消息协议、结果目录契约保持不变。
未修改 prompt、候选构造逻辑、排序策略、重试策略、环境执行或评分逻辑。
未新增运行时依赖，未修改共享 VM 或冻结环境。

验证

• Ruff：通过。
• pytest：259 个测试通过。
• 协议自检：16 个样例通过。

真实 GUI smoke：

测试	实际执行	官方分数	结论
OSWorld1 step，qz Kimi + JEV	2 个 GUI 动作、1 次中间 Verify	1.0	执行与评分链路通过
OSWorld2 step，MiniMax + JEV	2 个 GUI 动作、1 次中间 Verify	0.0	按步数上限正常结束并出分
OSWorld2 stage	0 个动作	0.0	同名菜单目标绑定失败，未通过

两个 step 测试均确认 JEV 收到截图，已核验的执行回执正常。
上述为短程 smoke，不是完整任务集的准确率或性能回归。

原始记录位于共享存储，需相应访问权限：
/mnt/shared-storage-gpfs2/evobox-share-gpfs2/xuyuanxun/tandem_refactor_smoke_20261027_2143/rjob_logs/smoke_summary.json

[two-tiger]

LGTM