Skip to content

fix(testing): qualify complete model candidate context - #7583

Merged
loopx-agent merged 2 commits into
mainfrom
codex/release220-model-context-budget-20261028
Oct 28, 2026
Merged

loopx-agent merged 2 commits into
mainfrom
codex/release220-model-context-budget-20261028

Conversation

@loopx-agent

@loopx-agent loopx-agent commented Oct 28, 2026 •

Copy link
Copy Markdown
Collaborator

主线 #7557 已保留 capability 候选的完整正文,但真实模型组合门仍按旧的删减结果检查 40,000 字节上限,导致在任何模型调用前失败。同一组三个输入在改动前为 4,944 / 4,858 / 3,089 字节,当前为 86,172 / 86,086 / 84,276 字节;源输入及决策语义保持一致。

本 PR 仅把该合成 fixture 的 pretty-JSON UTF-8 预算校准为 90,000,并要求所有 runnable、blocked、resolution-binding 候选及完整字段与源输入相等。新增六个候选丢失/正文缩短负例,必须在任何 actor 调用前拒绝;保留选中工作、人工门禁、其余冷路径、22 场景、两次重复、六组对照和结算断言。生产传输硬边界、工具次数、执行权限和模型结果判据均未放宽。原 40,000 字节失败保留,这次修正本身不代表模型通过。

验证:基线完整组合门模块复现 26 failed / 18 passed。精确 head 993f692616e0187e0c1d09f69a41fe967e71c24b 的完整组合门及精确发布 reducer 共 61 项通过,零 skip;Ruff、RFC 双语 diff 和三路径公开边界扫描已通过。风险 premerge 已通过,零失败和零 manual hold;首稿的故障注入依赖已删除的展示标记,现改按可见候选触发,保留原两次失败/一组对照失败断言;60 passed / 1 failed 的原记录保留。当前 Goal 配置不等待 CI,未查询 CI。

复用现有组合门与数据构造,不引入新模块、状态 owner、付费调用或 UI。完整正文要求来自既有 docs/reference/protocols/turn-envelope-v0.md,原输入及失败记录不改写。

上下文边界:候选参与 Agent 的实际选择,完整正文保留属于正确性修复;这项预算校准不证明全量内联的成本合理或效率提升。完整同版本引用、原始 capture 和差分复用仍由现有 C1 / #7430 工作承接。

Signed-off-by: LoopX Agent <337587101+loopx-agent@users.noreply.github.com>
Signed-off-by: LoopX Agent <337587101+loopx-agent@users.noreply.github.com>

@loopx-agent loopx-agent left a comment

Copy link
Copy Markdown
Collaborator Author

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Reviewer: model_agent | gpt-6.1-sol | OpenAI | runtime_reported | reasoning_effort=max

Approval conclusion (author-owned PR; GitHub blocks formal self-approval)

动机 / Motivation

维护发布验证和上下文完整性的开发者。 同一噪声fixture保留完整候选后达到84–86KB,旧40KB断言在任何模型调用前终止;本头采用有实测依据的90KB合成预算,同时拒绝候选正文丢失。 组合门保留56个完整capability候选,并在模型调用前拒绝丢失或缩短的候选。 本PR不修改生产传输硬边界、工具次数、执行权限、22场景/两次重复/六组对照或模型结果判据;实际模型与整版发布仍须独立验收。

改动思路 / Approach

先按既有规范 docs/reference/protocols/turn-envelope-v0.md 的 revision 53dcb03082985bf894b1fca8813ab9f6e92503c5 判断交付边界,而非用本头新增说明替换原合同。三个原source的大小与决策语义保持一致。旧输出为4,944/4,858/3,089字节,当前typed projector保留24 runnable、16 blocked、16 resolution-binding后的输出为86,172/86,086/84,276字节,源为120,963/121,008/118,935字节。90KB是合成pretty-JSON UTF-8回归预算,留约3.8KB余量;不是token、生产transport、配额或冻结实验阈值。只增常量会遮蔽正文丢失,因此同时保留完整source相等校验。保留40KB或换小fixture都将改变已接受的完整上下文负载,未采用。

把已接受的完整上下文规范留在既有typed projector,用原source oracle和一个fixture预算对齐验证,避免新owner或丢失正文。 仅资格读取器、原测试与预算证据;真实provider和最终整版资格仍独立完成。

具体改动 / Changes

关键内容讲解

ACTUAL_DEFAULT_MODEL_BEHAVIOR_HOT_PATH_JSON_BUDGET仅调整同一组合门fixture;_validate_quota_hot_path_compaction_regression在原大小与选中工作检查之间要求整个capability_gate等于source,任何候选或字段不能悄悄消失。三组正例都核对完整candidate。test_portfolio_rejects_candidate_context_loss_before_actor_call在三个列表逐一执行drop/text六个反例,并用会失败的actor证明拒绝发生在调用前。test_portfolio_contrast_rejects_noisy_gate_semantic_collapse按实际可见候选触发人工门禁的错误决策,原两次场景失败、一组对照失败和错误码断言不变;不再依赖已经删除的payload_compaction展示标记。文档只记录实测及旧失败边界,没有重写Agent指令。

规范映射:complete-candidate-context,对应上述源码与验证。

对主干的风险 / Risks

预算增长掩盖candidate裁剪,或原对照的错误注入不再触发。 新whole-gate source equality与六负例;原错误注入改为已接受的可见候选条件。 PASS:完整组合门和发布资格 reducer 两模块61项通过,零skip;六个新候选丢失/缩短负例、原语义对照、身份/门禁及失败检测保留。Ruff、RFC、三路径公开扫描和固定base premerge六项直接/11项选中检查通过,零失败/hold。基线26failed/18passed与第一稿60passed/1failed保留;后者故障注入仍依赖已删除的展示标记,本头改按真实可见候选触发,同一错误仍产生两次场景失败及一组对照失败。CI未查询。 净diff为3文件+54/-5。没有页面、布局、首屏或产品指令变更,视觉检查不适用。公开diff无本地路径、凭证、私有Goal或原始模型对话;CI没有查询。普通revert即可恢复,无用户数据迁移。

我的整体评价 / Verdict

APPROVE仅覆盖 993f692616e0187e0c1d09f69a41fe967e71c24b。long_horizon为not_applicable,user_experience为preserved:本PR修复已有验证链的过期前提,产品工作和执行权威不变,不宣称Agent效益提升。采用现有source oracle/AST守卫是同域可逆的简化;没有必要新增模块、框架或旁路owner。当前PR只修资格读取器、原测试与预算证据;保留旧40KB失败和首次错误注入失败,后续真实模型必须在最终源码单独合格。

English verdict: APPROVE 993f692. All 61 focused tests and required local checks pass. Complete candidate context is now enforced; the measured 90 KB synthetic allowance changes no production or frozen performance limit. Actual-model and final release qualification remain separate.

@loopx-agent
loopx-agent merged commit f28c22d into main Oct 28, 2026
8 of 9 checks passed
@loopx-agent
loopx-agent deleted the codex/release220-model-context-budget-20261028 branch October 28, 2026 15:25
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

1 participant