From b8f31be59402720dda108bf8425ed3d01e58ce50 Mon Sep 17 00:00:00 2001 From: Fiber Date: Tue, 17 Nov 2026 17:49:12 -0800 Subject: [PATCH 1/2] docs: record independent Codex workflow --- AGENTS.md | 14 +++++++------- DECISIONS.md | 13 +++++++++---- ...on_memory_cognition_system_design_integrated.md | 2 +- evals/README.md | 2 +- 4 files changed, 18 insertions(+), 13 deletions(-) diff --git a/AGENTS.md b/AGENTS.md index a3d946c6..c1c407ab 100644 --- a/AGENTS.md +++ b/AGENTS.md @@ -1,14 +1,14 @@ # Iris 后续实现说明 -产品行为以 `companion_memory_cognition_system_design_integrated.md` 和 `DECISIONS.md` 为准。M1 已于 2026-10-08 完成(DECISIONS.md「M1 完成」),M2 已于 2026-10-09 完成(DECISIONS.md「M2 完成」,含已知问题);M3 已于 2026-10-10 完成(DECISIONS.md「M3 完成」,persona 与记忆合并的隐藏集门槛列为已知问题,persona 默认全部人工确认);M4 已于 2026-10-10 完成(DECISIONS.md「M4 完成」,“不需要人工干预”按用户决定改为上线测试后分析运行日志,persona 优化线暂停);设计 22 的阶段全部完成;2026-10-11 合入上线前修复、定时备份、管理页批量遗忘/删除和入口画像(DECISIONS.md 2026-10-11 各条),当前为上线测试:用户以 AstrBot 插件接入真实聊天平台,测试结束后用 iris-connectors 的 `tools/live_review/` 读取运行记录(README「运行记录」)分析。2026-10-11 起按用户决定补做为上线搁置的事项,现状见 DECISIONS.md 2026-10-11「上线后补做搁置事项」及 2026-10-12 各条(学习默认为 v10;人物摘要默认 v2 并按条裁剪超限;入口画像已改为主题化记忆与每日增量观察(#112—#115、#117),#116/#126/#127 均未超过 main 已关闭,小改动暂停,按调研结论先重建公开 dev 集并验证“发现”改法;persona 优化线 #61 作为改进合并、默认仍全部人工确认;整理请求预算 180 秒;目标去重默认 D6)。2026-11-10 起进入全自动阶段,各线内容、门槛和顺序见 DECISIONS.md 2026-11-10「全自动阶段计划」;2026-11-11 整理自动处理通过门槛并默认开启(#139、#140),persona #133 作为改进合并,见 DECISIONS.md 同日条目。M4 的计划、门槛口径和对照规则见 DECISIONS.md 2026-10-10「M4 计划」及 `evals/README.md`「M4 计划」。M3 的计划见 DECISIONS.md 2026-10-09「M3 计划」及 `evals/README.md`「M3 计划」。M2 的计划见 DECISIONS.md 2026-10-08「M2 计划」及 `evals/README.md`「M2 计划」。当前代码完成 M1 学习核心、召回与宿主接口,以及后台调度、模型用途暂停恢复、向量补算、HTTP 立即学习和端到端评测;本机试用对话、记忆管理和运行状态界面,首次设置、管理员会话、设置页和 secrets.json 已实现;M2 的生命周期与每日维护、回复准备的召回判断、人物联系的确认/否认/合并、高流量入口过滤及其界面已实现;宿主令牌、入口可见范围、媒体与图片理解、导出导入、接口 v1 冻结和运行记录已在 M4 实现,接入示例与 AstrBot 插件在 iris-connectors 仓库。不要复制 `dev-0`、`dev-1` 分支的代码。 +产品行为以 `companion_memory_cognition_system_design_integrated.md` 和 `DECISIONS.md` 为准。M1 已于 2026-10-08 完成(DECISIONS.md「M1 完成」),M2 已于 2026-10-09 完成(DECISIONS.md「M2 完成」,含已知问题);M3 已于 2026-10-10 完成(DECISIONS.md「M3 完成」,persona 与记忆合并的隐藏集门槛列为已知问题,persona 默认全部人工确认);M4 已于 2026-10-10 完成(DECISIONS.md「M4 完成」,“不需要人工干预”按用户决定改为上线测试后分析运行日志,persona 优化线暂停);设计 22 的阶段全部完成;2026-10-11 合入上线前修复、定时备份、管理页批量遗忘/删除和入口画像(DECISIONS.md 2026-10-11 各条),当前为上线测试:用户以 AstrBot 插件接入真实聊天平台,测试结束后用 iris-connectors 的 `tools/live_review/` 读取运行记录(README「运行记录」)分析。2026-10-11 起按用户决定补做为上线搁置的事项,现状见 DECISIONS.md 2026-10-11「上线后补做搁置事项」及 2026-10-12 各条(学习默认为 v10;人物摘要默认 v2 并按条裁剪超限;入口画像已改为主题化记忆与每日增量观察(#112—#115、#117),#116/#126/#127 均未超过 main 已关闭,小改动暂停,按调研结论先重建公开 dev 集并验证“发现”改法;persona 优化线 #61 作为改进合并、默认仍全部人工确认;整理请求预算 180 秒;目标去重默认 D6)。2026-11-10 起进入全自动阶段,各线内容、门槛和顺序见 DECISIONS.md 2026-11-10「全自动阶段计划」;整理自动处理通过门槛并默认开启(#139、#140)。v0.0.3 已发布,Persona 通过隐藏集门槛并默认自动发布(#141、#143),详见 DECISIONS.md。M4 的计划、门槛口径和对照规则见 DECISIONS.md 2026-10-10「M4 计划」及 `evals/README.md`「M4 计划」。M3 的计划见 DECISIONS.md 2026-10-09「M3 计划」及 `evals/README.md`「M3 计划」。M2 的计划见 DECISIONS.md 2026-10-08「M2 计划」及 `evals/README.md`「M2 计划」。当前代码完成 M1 学习核心、召回与宿主接口,以及后台调度、模型用途暂停恢复、向量补算、HTTP 立即学习和端到端评测;本机试用对话、记忆管理和运行状态界面,首次设置、管理员会话、设置页和 secrets.json 已实现;M2 的生命周期与每日维护、回复准备的召回判断、人物联系的确认/否认/合并、高流量入口过滤及其界面已实现;宿主令牌、入口可见范围、媒体与图片理解、导出导入、接口 v1 冻结和运行记录已在 M4 实现,接入示例与 AstrBot 插件在 iris-connectors 仓库。不要复制 `dev-0`、`dev-1` 分支的代码。 2026-10-05 起,开发与评测的对话模型改为 glm-5.3-flash,开发设备改为 macOS。MiniMax-M3 时期的评测结果全部作废;GLM 重测计划及新设备召回复现见 `evals/README.md`。 -## 分工 +## 开发与验收 -规划者(监督者)负责规划、审查和文档,并在仓库外维护隐藏验收集;执行者负责代码、测试和评测。2026-11-10 起分两类执行者,都由规划者下达任务、审查结果:代码实现、测试和提 PR 由规划者启动的 Claude 子代理完成;生成数据(写语料和隐藏集、运行真实评测)和审查测试数据(判分、审核语料、分析评测材料)由 Codex 会话完成,统一使用 gpt-6.1-sol、推理档位 max。PR 经规划者批准后才 squash 合并,只合并审查过的那次提交,由规划者指定的集成子代理执行;实现该 PR 的执行会话不合并 PR,不直接修改 main。执行者不修改设计文档和 DECISIONS.md;需要改动时在报告中提出,由规划者决定。每个执行任务在自己的 git worktree 中进行。可以同时有多个执行会话。同时修改产品代码(`src/`、`tests/`、迁移和提示词)的会话,改动的文件不能重叠;有重叠就排队,由规划者安排顺序。其余会话只运行评测、整理报告,或做互不重叠的配置。 +自 2026-11-17 起,由当前 Codex 会话独立完成规划、实现、测试、评测、审查、文档和集成工作。各项实现按顺序在独立 Git worktree 中进行。提交前审查差异并验证候选版本。主分支通过已批准的 PR 更新,squash 只合并审查过的那次提交。 -评测判分由执行者所用的模型按评分说明完成,不调用对话模型;`iris eval learning`/`iris eval e2e` 默认保留内置对话模型判分,只作预览,不作门槛依据。两次判分在互不可见的独立会话中完成,第二次不能看到第一次的结果;用于门槛判定的判分,由没有参与该轮代码和提示词修改的执行会话完成。目前只在 macOS 上验证,暂不做 Windows 验证。 +隐藏验收集由维护者在仓库外保管。实现会话使用公开开发集和验收汇总,不寻找或读取隐藏语料。需要双盲判的门槛按冻结评分说明,在两次彼此隔离且均未参与该轮实现的 Codex 会话中完成。两轮分别记录判分模型和推理档位,延续既有门槛的判分使用 gpt-6.1-sol max。对话模型内置判分和当前实现会话的预览只作诊断。当前在 macOS 验证。 ## 安装和运行 @@ -73,7 +73,7 @@ uv run iris eval e2e-score --materials <材料目录> --judgments <第一轮目 `test-models.toml` 含 API key,必须保持在 `.gitignore` 中。不要把密钥写入代码、测试、报告、日志、终端输出、提交或 PR 描述。每次提交前运行 `git check-ignore test-models.toml`、查看 `git diff --cached`,并核查暂存内容不含密钥。若发现密钥已提交或推送,立即停止并通知用户更换,不改写历史。 -只在功能分支提交和推送,不直接修改 main,不 force push、不合并 PR。新增行为先有确定性测试或假模型集成测试,再用真实评测检查效果。模型调用必须在数据库事务之外;记忆正文和判断的修改需校验修订号,保留强度使用原子增量,不加修订号。文件和 HTTP JSON 都使用 UTF-8。 +只在功能分支提交和推送,禁止 force push。新增行为先有确定性测试或假模型集成测试,再用真实评测检查效果。模型调用必须在数据库事务之外;记忆正文和判断的修改需校验修订号,保留强度使用原子增量,不加修订号。文件和 HTTP JSON 都使用 UTF-8。 ## 召回与验证 @@ -95,7 +95,7 @@ trigram 查询中的一字/两字实词同时查已有 jieba 索引,与三 不能在运行评测时切换或重建同一虚拟环境,也不要在模型评测运行期间修改源码或迁移。完整学习案例按源码/语料/模型端点、ID、维度/判分次数指纹保存在忽略的 `data/lc/<16位指纹>`,meta.json 校验完整 SHA-256;外部 --out 的检查点在 `/.lc/<16位指纹>`,完整明细也留在外部。只复用相同输入的完成案例,不按分数选择或改写结果。 -召回验收 R01—R14 均已实现(R02、R03、R14 在 M4)。宿主接口 v1 已冻结,不兼容的修改须先在 DECISIONS.md 记录并经规划者批准;M3 的模型整理、persona、当前状态和目标的现行规则见 DECISIONS.md 2026-10-09 至 2026-10-10 各条。合成性能数据由 `evals/benchmark_retrieval.py` 生成,不属于质量评测语料;加 `--default-config` 测量当前默认的 5 千/5 万条、点名/不点名四组 prepare。 +召回验收 R01—R14 均已实现(R02、R03、R14 在 M4)。宿主接口 v1 已冻结,不兼容的修改须先在 DECISIONS.md 记录并经用户批准;M3 的模型整理、persona、当前状态和目标的现行规则见 DECISIONS.md 2026-10-09 至 2026-10-10 各条。合成性能数据由 `evals/benchmark_retrieval.py` 生成,不属于质量评测语料;加 `--default-config` 测量当前默认的 5 千/5 万条、点名/不点名四组 prepare。 ## 调度与端到端(M1-6) @@ -143,4 +143,4 @@ trigram 查询中的一字/两字实词同时查已有 jieba 索引,与三 ## Docker 与发布(2026-10-11) -镜像 `ghcr.io/airobject/iris-core`(Dockerfile、`.github/workflows/release.yml`)。只有环境变量 `IRIS_CONTAINER=1`(镜像内设定)时 serve 才接受非回环监听,配置文件不能开启;镜像默认 `0.0.0.0:8080`、数据目录 `/data`、非 root。部署只映射到 127.0.0.1,或放在可信 Docker 网络并用 `IRIS_ALLOWED_HOSTS` 列出服务名;本服务不提供 TLS。推送 `v*` 标签触发发布:先核对标签与 pyproject 版本一致,再跑两个 Python 版本测试与构建,通过后推送 linux/amd64、linux/arm64 镜像(版本号与 latest)并创建附 wheel/sdist 的 GitHub Release;只用 GITHUB_TOKEN。版本号在 pyproject.toml,`iris --version` 输出。容器相关改动须在本机 Docker 构建并运行验证(设置码、设置、令牌、两种 Host 的 prepare、重启保留数据)。 +镜像 `ghcr.io/airobject/iris-core`(Dockerfile、`.github/workflows/release.yml`)。只有环境变量 `IRIS_CONTAINER=1`(镜像内设定)时 serve 才接受非回环监听,配置文件不能开启;镜像默认 `0.0.0.0:8080`、数据目录 `/data`、非 root。部署只映射到 127.0.0.1,或放在可信 Docker 网络并用 `IRIS_ALLOWED_HOSTS` 列出服务名;本服务不提供 TLS。推送 `v*` 标签触发发布:先核对标签与 pyproject 版本一致,再跑 Python 3.13 测试与构建,通过后推送 linux/amd64、linux/arm64 镜像(版本号与 latest)并创建附 wheel/sdist 的 GitHub Release;只用 GITHUB_TOKEN。版本号在 pyproject.toml,`iris --version` 输出。容器相关改动须在本机 Docker 构建并运行验证(设置码、设置、令牌、两种 Host 的 prepare、重启保留数据)。 diff --git a/DECISIONS.md b/DECISIONS.md index 4a15c71b..950553ca 100644 --- a/DECISIONS.md +++ b/DECISIONS.md @@ -1226,7 +1226,7 @@ - 说法含义借用未绑定的消息; - 宿主投影的原话摘录带出一次性或容易过时的内容。 - entry_profile_hidden_v3 因此转为 dev 参考;下一次门槛用规划者新写的 entry_profile_hidden_v4。 -- **隐藏集的判分与写作改由 Codex 会话完成**(用户 2026-10-17):判分、写集和审核这类耗 token 的工作,改由全新、未参与实现的 Codex 会话(gpt-6-astra max)在规划者目录的隔离工作区完成,彼此不可见。规划者负责规格、规则登记、冻结和核对。此前由规划者的 Claude 子代理完成。 +- **隐藏集的判分与写作改由 Codex 会话完成**(用户 2026-10-17):判分、写集和审核这类耗 token 的工作,改由全新、未参与实现的 Codex 会话(gpt-6-astra max)在规划者目录的隔离工作区完成,彼此不可见。规划者负责规格、规则登记、冻结和核对。 ## 2026-10-17 上线测试第一周:日志分析与修复 @@ -1396,11 +1396,11 @@ - 按运行前登记的规则,学习精确率线以“不值得记”为主攻,保留限定列为次要项。“值得记”的边界判分分歧最集中,v9 到 v10 也说明它和事实召回互相牵制,改动须同时看事实召回、端到端和双判。学习精确率线仍是独立优化线,不在全自动阶段范围内。 - **不做**:不引入第二个模型做运行时复核;不默认打开“注入即视为使用”;不改相信程度的含义;不为“多阶段丢信息”改流程;召回评测的分阶段归因工具等召回线恢复时再做。 -## 2026-11-10 执行分工:代码交子代理,数据交 Codex +## 2026-11-10 实现与评测分工(历史,2026-11-17 已更新) - **用户决定**(2026-11-10): - - 代码实现、测试、提 PR 和合并由规划者(Claude)的子代理完成。 - - 生成数据(写语料和隐藏集、运行真实评测)和审查测试数据(判分、审核语料、分析评测材料)交 Codex 会话,统一使用 gpt-6.1-sol、推理档位 max。规划者和它的子代理不做这些。 + - 代码实现、测试、提 PR 和合并由规划者指定的实现和集成会话完成。 + - 生成数据(写语料和隐藏集、运行真实评测)和审查测试数据(判分、审核语料、分析评测材料)交 Codex 会话,统一使用 gpt-6.1-sol、推理档位 max。 - **不变**: - 规划者只做规划、审查和文档;每个实现任务一个 worktree,同时改产品代码的会话改动的文件不能重叠。 - PR 经规划者批准后才 squash 合并,只合并审查过的那次提交,实现该 PR 的会话不合并。 @@ -1432,3 +1432,8 @@ - G:只复核学习产生、普通类型、仍未关闭的目标。候选依据为创建后 30 条内、来自目标涉及的人或“我”的消息;代码核对依据晚于目标创建、说话人和消息类型,关闭来源记为每日维护。可能重复的目标每日补判,60 秒预算。两项开关在门槛通过前默认关闭。 - I:复核“可能是同一人”的联系。至少两条独立证据:不同本地日期、不同消息,至少一条来自本人或两条来自不同他人,角色发言不算;没有反证;合并链上没有被否认的联系;不涉及扮演或祖先关系。满足才以每日维护身份合并、保留较早的主体;拆分还原后该联系记为否认。开关在门槛通过前默认关闭。 - 公开 dev 集 goal_review_v1、people_merge_v1 已冻结(#138);对应隐藏集已冻结,由规划者在仓库外保管。 + +## 2026-11-17 由 Codex 独立完成项目工作 + +- 用户决定由当前 Codex 会话独立负责规划、实现、测试、评测、审查、文档和集成。每项实现使用独立 Git worktree,按顺序推进。主分支通过已批准的 PR 更新,squash 只合并审查过的提交。 +- 继续使用冻结语料和原验收门槛。隐藏语料在仓库外封存。需要双盲判时,两次 Codex 判分会话彼此隔离,且均未参与该轮实现。 diff --git a/companion_memory_cognition_system_design_integrated.md b/companion_memory_cognition_system_design_integrated.md index 3a15ca0e..67903334 100644 --- a/companion_memory_cognition_system_design_integrated.md +++ b/companion_memory_cognition_system_design_integrated.md @@ -1369,7 +1369,7 @@ persona+相关记忆+本入口近期消息 ─────────── - 按[第 22 节](#section-22)的阶段推进。每个阶段结束时,用户亲自按演示脚本试用,评测报告达到门槛后进入下一阶段。 - 内部实现细节由实现者自行决定,用代码、测试和简短的注释说明即可。影响用户可见行为、数据安全或费用的决定,写一条决策记录,并请用户确认。 - 测试分三层:确定性逻辑(批次、阈值、提醒时间、重试)的单元测试;用假模型跑通全流程的集成测试;用真实模型的评测([第 21 节](#section-21))。不要求文件指纹、证据清单或逐项审批表。 -- 同一时间只有一个实现会话修改代码;用户通过演示和评测报告了解进展。 +- 当前 Codex 会话在独立 Git worktree 中顺序完成开发、测试和审查。用户通过演示与评测报告了解进展。正式盲评的隔离规则见 `AGENTS.md`。 ### 24.2 文档 diff --git a/evals/README.md b/evals/README.md index 657535a0..5877ed11 100644 --- a/evals/README.md +++ b/evals/README.md @@ -365,7 +365,7 @@ uv run python evals/benchmark_retrieval.py --default-config --out evals/reports 1. **只学习**:`learning --judge-mode external` 按原节奏学习,完全不调用对话模型判分。完成后打印 `judging-materials-<时间>/manifest.json`;其父目录就是 `--materials`。不生成质量报告。`--judge-runs` 只适用于模型预览;外部模式的轮数由计分时提供的 `--judgments` 数量决定。 2. **已有学习免重跑**:`learning-export` 读取一个完整运行的全部编号检查点,保留该次学习的模型、源码指纹和语料摘要。旧检查点须用 `--checkpoint-report` 提供同次 JSON 报告;新检查点自带 `metadata.json`,可省略该参数。缺案例、来源不符或未完成时直接报错。导出目标必须为空目录;导出不改检查点。离线导出和计分都不读取模型配置、不进行模型调用。 -3. **独立判分**:给每位判分者相同的 `scoring.md` 和 `cases/*.json`,只读其中的 `input` 作判断。不要提供旧报告、原检查点或另一轮判分。可用两个没有继承对方历史的独立会话/子代理,各自只获评分说明、材料和各自输出目录的访问权限;若子代理共享文件系统,需要由调用方隔离可访问的结果,不能只靠目录名称。两轮完成前不互相讨论或传递结果。用于门槛的执行会话不得参与该轮代码和提示词修改;本任务自己的小样本单判仅检查流程。 +3. **独立判分**:给每位判分者相同的 `scoring.md` 和 `cases/*.json`,只读其中的 `input` 作判断。不要提供旧报告、原检查点或另一轮判分。使用两个没有继承对方历史的独立 Codex 会话,各自只获得评分说明、材料和该轮输出目录的访问权限。用访问权限隔离两轮结果。两轮完成前不互相讨论或传递结果。用于门槛的执行会话不得参与该轮代码和提示词修改;本任务自己的小样本单判仅检查流程。 4. **保存每轮**:每轮新建一个目录,将材料中的 `round-template.json` 复制为该轮的 `manifest.json`,再按材料清单的 `judgment_file` 为每个案例保存一份 JSON(例如 `0000.json`)。两轮目录各自完整,不能把一个目录重复传入来充当双判。程序校验材料绑定和文件完整性;它不能证明两个不同目录中的判分来自独立会话。 5. **计分**:`learning-score` 传一次 `--judgments` 是单判,传两次是双判;必须通过 `--judge-model` 声明执行者模型名称。先汇总所有缺失、长度、类型、ID/顺序或材料指纹错误,全部校验通过才生成报告。正常名字、alias/联系类型、必需主体的确定性检查与旧路径共用;双判仍正向项取 AND、forbidden 取 OR,确定性否决之前的原始分歧仍列出。 From ed6de349cda333684ee27598c8bf7f5355799ffa Mon Sep 17 00:00:00 2001 From: Fiber Date: Tue, 17 Nov 2026 18:06:44 -0800 Subject: [PATCH 2/2] feat(goals): enable daily goal automation by default --- ARCHITECTURE.md | 2 +- DECISIONS.md | 7 + README.md | 6 +- frontend/src/GoalAutoReview.test.tsx | 42 ++++- frontend/src/RuntimeSettings.tsx | 8 +- src/iris/goals.py | 53 ++++-- .../migrations/042_goal_auto_default_on.sql | 21 +++ src/iris/settings_api.py | 8 +- .../{index-CSYBDn2L.js => index-C7b8BW5f.js} | 2 +- src/iris/web/index.html | 2 +- tests/conftest.py | 22 +++ tests/test_entry_profile_consolidation.py | 2 + tests/test_goal_auto_default.py | 160 ++++++++++++++++++ tests/test_goal_auto_review.py | 5 +- tests/test_goal_auto_review_api.py | 21 +-- tests/test_goal_duplicate_auto.py | 82 +++++++++ tests/test_goals_api.py | 4 +- tests/test_media_retention.py | 4 + tests/test_persona_manual_default.py | 7 +- tests/test_question_goal_expiry.py | 5 +- 20 files changed, 409 insertions(+), 54 deletions(-) create mode 100644 src/iris/migrations/042_goal_auto_default_on.sql rename src/iris/web/assets/{index-CSYBDn2L.js => index-C7b8BW5f.js} (90%) create mode 100644 tests/test_goal_auto_default.py diff --git a/ARCHITECTURE.md b/ARCHITECTURE.md index 26e8f93c..7a4a5fee 100644 --- a/ARCHITECTURE.md +++ b/ARCHITECTURE.md @@ -213,7 +213,7 @@ auto_v1 的初判使用 `consolidation_pair_auto_v1.md`(report_only 仍用 pai 目标阶段每次读取最多 100 个未合并的开放目标及修订;逐目标在自己的短事务调用 `review_goal_basis(conn, current, goal_id=..., expected_revision=...)`,将依据观察、目标历史、报告项和维护游标原子提交。采用目标线的单项事务接口,是为了使报告/游标与目标变化一同回滚;独立的 review_goal_basis_items 仍供其他分页调用者使用。冲突跳过并汇总,下一次从 0 扫描;新目标不越过本次 goal_through 上界。依据恢复/再变化由目标模块结束旧标注,不自动删除或关闭目标,过期标识沿用实时投影。 -目标阶段的确定性项目处理完后,按运行时固定的两个开关(`settings_json.goal_auto`,且当前设置仍开启)依次执行 G2 和 G1(全自动阶段 G 线,默认关闭)。两者都是“只读快照取材料 → 事务外调用模型 → 单个短写事务核对修订号并写结果和报告项”:G1 为 `auto_review_material`/`judge_goal_review`/`apply_goal_review`,G2 为 `duplicate_auto_material`/`judge_duplicate_pair`/`apply_duplicate_judgment`。G2 与创建时复核共用 `dedup_review_material`、`dedup_review_decision`、`dedup_review_stale`,因此现有去重探测测到的就是维护路径的判断。指纹表 `goal_auto_reviews`、`goal_duplicate_judgments`(迁移 039)记录已完成的判断,续跑和下一次维护跳过未变化的目标;失败不记指纹。运行统计连同游标写在 `progress_json.goal_auto`,与每项结果同事务提交,续跑从游标继续并累加计数;逐项结果写 `maintenance_items`(phase=goals)。`goals.auto_review_after_message_id` 是管理员重开时的消息水位,之后的候选只取更新的消息,`_merge` 取双方较大值。G1 按最久未复核优先(忽略本次运行自己的判断,续跑顺序不变),跳过本次运行中 G2 刚合并进来的存续目标;“我”的候选消息只取目标所在入口和目标创建之后涉及的人发过言的入口,查询走迁移 039 的 `messages(sender_subject_id,entry_id,id)` 索引。G1 关闭时逐条通过核对的合格依据写入 `goal_auto_review_evidence`,`memory_ops.message_references` 据此保护它们不被消息清理删除,重开时删除这次关闭的保护。G2 按较晚一方的 `host_scope_json` 组材料和合并;较晚一方本身或已被合并进它的任一宿主目标要并进其范围外的目标时只记 kept、保留标记;自动合并在 `goal_duplicate_judgments.merge_record_json` 记下撤销所需的 ID 和字段值(不含正文),`undo_auto_merge` 在核对存续目标修订号后原样退回。 +目标阶段的确定性项目处理完后,按运行时固定的两个开关(`settings_json.goal_auto`,且当前设置仍开启)依次执行 G2 和 G1(全自动阶段 G 线,从迁移 042 起默认开启。`AUTO_DEFAULTS` 和设置请求模型的回退值均为开启,迁移给新库和没有任何 `settings_goals` 操作记录的旧库写入开启,有记录的旧库用 `json_insert` 把缺少的开关补成以前的实际值关闭,已写入的值不动)。两者都是“只读快照取材料 → 事务外调用模型 → 单个短写事务核对修订号并写结果和报告项”:G1 为 `auto_review_material`/`judge_goal_review`/`apply_goal_review`,G2 为 `duplicate_auto_material`/`judge_duplicate_pair`/`apply_duplicate_judgment`。G2 与创建时复核共用 `dedup_review_material`、`dedup_review_decision`、`dedup_review_stale`,因此现有去重探测测到的就是维护路径的判断。指纹表 `goal_auto_reviews`、`goal_duplicate_judgments`(迁移 039)记录已完成的判断,续跑和下一次维护跳过未变化的目标;失败不记指纹。运行统计连同游标写在 `progress_json.goal_auto`,与每项结果同事务提交,续跑从游标继续并累加计数;逐项结果写 `maintenance_items`(phase=goals)。`goals.auto_review_after_message_id` 是管理员重开时的消息水位,之后的候选只取更新的消息,`_merge` 取双方较大值。G1 按最久未复核优先(忽略本次运行自己的判断,续跑顺序不变),跳过本次运行中 G2 刚合并进来的存续目标;“我”的候选消息只取目标所在入口和目标创建之后涉及的人发过言的入口,查询走迁移 039 的 `messages(sender_subject_id,entry_id,id)` 索引。G1 关闭时逐条通过核对的合格依据写入 `goal_auto_review_evidence`,`memory_ops.message_references` 据此保护它们不被消息清理删除,重开时删除这次关闭的保护。G2 按较晚一方的 `host_scope_json` 组材料和合并;较晚一方本身或已被合并进它的任一宿主目标要并进其范围外的目标时只记 kept、保留标记,判断函数 `_host_scope_blocks_merge` 由 G2 和创建时复核(`Goals.review` 写回前)共用,后者被拦时不合并、改为可能重复标记(`reason=host_scope_not_merged`);自动合并在 `goal_duplicate_judgments.merge_record_json` 记下撤销所需的 ID 和字段值(不含正文),`undo_auto_merge` 在核对存续目标修订号后原样退回。 `PATCH /admin/api/settings/consolidation` 暴露 max_calls、resolution(默认 auto_v1,可退回 report_only_v1)及 merge_enabled、conflict_enabled、dependency_enabled、persona_enabled、goal_review_enabled(全开),时间复用 lifecycle.maintenance_time;更新与审计同事务。模型项目开关进入候选指纹和待办筛选,关闭期间不消耗该类调用,重新打开可发现延期项目;合并和矛盾共用一轮分类,关闭矛盾建议时仍防止矛盾记忆合并。报告通过原维护接口汇总变化、失败、模型建议、persona 结果、目标复核和全部模型用量;无变化/未到期只汇总,记忆建议始终仅管理员可见。 diff --git a/DECISIONS.md b/DECISIONS.md index 950553ca..7728efde 100644 --- a/DECISIONS.md +++ b/DECISIONS.md @@ -1437,3 +1437,10 @@ - 用户决定由当前 Codex 会话独立负责规划、实现、测试、评测、审查、文档和集成。每项实现使用独立 Git worktree,按顺序推进。主分支通过已批准的 PR 更新,squash 只合并审查过的提交。 - 继续使用冻结语料和原验收门槛。隐藏语料在仓库外封存。需要双盲判时,两次 Codex 判分会话彼此隔离,且均未参与该轮实现。 + +## 2026-11-17 目标自动化默认开启候选(G-C2) + +- 基于已发布的 v0.0.3(`14536f4`)。v0.0.3 已启用 Persona 自动发布,包含迁移 041,目标自动复核和疑似重复补判仍默认关闭。 +- 目标线沿用 11 月 12 日候选工作树记录的两项隐藏集门槛结论。迁移 042 给新库和从未保存过目标设置的旧库开启两个开关。已保存过设置的旧库保留之前的有效值。另用 v0.0.3 创建数据库,验证了迁移顺序、Persona 设置和三种旧库目标设置的升级行为。 +- G1 在冻结公开集上重新评测。GLM high 的 27 次调用均正常,30/30 正确,应关闭目标识别 12/12,误关闭和外部目标被关闭均为 0。完整报告留在仓库外。后续发布以审查过的候选提交为准。 +- 人物线预检核对了冻结公开集的 70 条待复核同一人联系。24 条应合并联系的标注都能找到跨本地日期的独立依据,保留主体顺序与创建时间一致。现有消息入库使用合并后的主体 ID。人物线实现拆分时需保留合并后收到的消息原始归属,以便还原。 diff --git a/README.md b/README.md index 5b3587d3..247e3755 100644 --- a/README.md +++ b/README.md @@ -634,7 +634,7 @@ Python 3.13 与隔离的 3.12 按顺序运行,各通过 1635 个测试;`uv b 普通候选沿用 C:同 kind、未结束且未合并,人物和期限兼容,数字与否定序列一致;正文相似度至少 0.25 或有共同涉及人,最多 8 个。原 C2 的序列冲突候选仍要求人物/期限兼容,并满足规整正文相似度至少 0.25,或同一非空入口且来源消息有共同的非 self/scene 发言人;按相似度、创建时间、ID 取最多 8 个。D6 将两组一起交给模型,最多 16 个,不再按相近条件直接打标。材料仍只有正文及时间、涉及人、期限、入口类型和来源摘录。 -自动合并限制保持:只有唯一 `same` 且其余无 `same/uncertain`、未超限、没有原始序列冲突才可自动合并。序列冲突配对即使模型判 `same` 也只能提示;其提示被模型或额外相似度门槛过滤,仍不能解除对其他候选的合并保护。管理员创建不自动合并。人物缺失按未知处理,合并保留已知人物;明确不同的人物仍拒绝合并。管理员与宿主沿用 `possible_duplicate_ids` 查看提示,管理员可驳回;不兼容内容须先明确编辑才可手动合并。 +自动合并限制保持:只有唯一 `same` 且其余无 `same/uncertain`、未超限、没有原始序列冲突才可自动合并。序列冲突配对即使模型判 `same` 也只能提示;其提示被模型或额外相似度门槛过滤,仍不能解除对其他候选的合并保护。管理员创建不自动合并。创建时复核(宿主请求内的同步复核和调度器补判)写回合并前,与每日维护 G2 用同一个判断 `_host_scope_blocks_merge` 核对宿主令牌范围:两条目标中较晚的一条本身,或任何 `merged_into` 链最终指向它的宿主目标,只要有一个的令牌范围不允许写较早一条的入口,就不合并,按管理员创建的处理方式改为可能重复标记,决定附 `reason=host_scope_not_merged`,宿主仍可经原目标的合并指向更新它。人物缺失按未知处理,合并保留已知人物;明确不同的人物仍拒绝合并。管理员与宿主沿用 `possible_duplicate_ids` 查看提示,管理员可驳回;不兼容内容须先明确编辑才可手动合并。 宿主 POST 先提交目标,再在请求内判断。超时、排队满、限流、暂停或在途修订变化返回 `dedup.status=pending`,由调度器补做。学习事务内只检索确定性候选并入队,不按相似度写入新弱提示;提交后才调用模型,不改学习材料/校验/提示词。宿主键重试保留首次响应,后台结果不改写回执。补做结束写操作记录,并发布 `kind=goal_dedup_result` 通知;宿主按通知发布游标拉取,查看最新目标列表中的合并与可能重复状态。 @@ -654,11 +654,11 @@ GD2:`pending`/运行中的目标在补判结束前不进入 prepare 和 sear ## 全自动阶段 G:目标自动复核 -两项都在每日维护的目标阶段、确定性项目之后执行。开关 `goals.goal_auto_review_enabled` 与 `goals.goal_duplicate_auto_judge_enabled` 默认关闭,新库和旧库都不开;设置页“目标与提醒”提供两个复选框,只有显式保存过才写入运行设置。开关在接受维护请求时固定到该次运行,运行中被关闭时停止。模型调用都在事务外,写回前核对目标修订号,不一致跳过,下次再处理;不新增模型用途。两项都受用途暂停和每日 token 上限约束:G1 调用前按整理的做法检查 `chat`/learning 准入,G2 的 `goal_dedup_judge` 用途本身受上限约束;不可用时本轮停止,不记指纹,下次再试。 +两项都在每日维护的目标阶段、确定性项目之后执行。开关 `goals.goal_auto_review_enabled` 与 `goals.goal_duplicate_auto_judge_enabled` 从迁移 042 起默认开启,包含设置请求和缺字段时的回退。迁移按 `admin_operations` 中有没有 `settings_goals` 记录判断:新库和管理员从未保存过目标设置的旧库把两项写为开启;保存过的库(任意一次目标设置保存都算,包括只改提醒提前量、过期提醒或询问保留天数,以及什么都没改的保存)保持原值,其中以前保存时与旧默认相同、因而没有写入的关闭,由迁移补写为关闭,已写入的值不动。设置页“目标与提醒”的两个复选框按服务端的值显示,可以随时关闭。开关在接受维护请求时固定到该次运行,运行中被关闭时停止。模型调用都在事务外,写回前核对目标修订号,不一致跳过,下次再处理;不新增模型用途。两项都受用途暂停和每日 token 上限约束:G1 调用前按整理的做法检查 `chat`/learning 准入,G2 的 `goal_dedup_judge` 用途本身受上限约束;不可用时本轮停止,不记指纹,下次再试。 **G1 内部目标按依据完成或放弃**:只处理 `origin=internal`、`kind=normal`、`state=open`、未合并且没有吸收宿主或管理员目标的目标;询问沿用 7 天过期,不进入 G1。材料是目标正文、涉及的人、截止时间、创建时间、来源消息(目标的出处)和候选消息。候选消息须晚于目标创建(管理员重开过则只取重开之后的新消息),不是目标自己的来源,所在入口的可见范围不窄于目标;发送者是涉及的人(为空时取来源消息中不是角色的发送者),或者是“我”而且发在这个目标的对话里(目标所在入口,或目标创建之后涉及的人发过言的入口)。迁移 039 为此在 messages 上加了 `(sender_subject_id, entry_id, id)` 索引。别处无关入口里我的发言既不进候选,也不改变指纹。最多 30 条:先固定保留最新的 10 条(不论入口和关键词),其余按目标入口且含关键词、目标入口或含关键词、最近的顺序补足。没有候选消息不调用模型。目标按最久未复核优先处理(从未复核的最先,其余按本次运行之前最后一次判断的时间升序),因调用上限没轮到的目标下次排在前面;本次维护中刚被 G2 合并进来的存续目标留到下一次维护再复核,以便管理员仍可撤销那次合并。提示词 `goal_review_auto_v1.md`,走 `chat` 用途(purpose `goal_auto_review`),只输出 `{"decision","evidence","reason"}`。代码核对:判断不是 open、依据非空且都在材料内;目标自己的来源(包括合并时继承的)一律不算依据,合格依据只能来自候选消息,其中至少一条晚于目标创建、发送者是涉及的人或“我”、类型是 message/self_output/action_result;目标仍为内部、未结束、修订未变。通过才置为完成或放弃,`closed_by=maintenance`,取消未取走的提醒,记目标快照(动作 `auto_review`,原因 `auto_completed`/`auto_abandoned`)和操作记录。每次判断写一行 `goal_auto_reviews`(迁移 039),指纹为“目标修订号+发送者合格的最新消息 ID”,指纹不变不再调用模型,有新的合格消息就重判。超时、限流、暂停失败不记指纹,下次再试;输出无效或核对失败保持未结束并记固定原因。模型的文字理由不保存。自动关闭时,逐条通过核对的合格依据消息记在 `goal_auto_review_evidence`,30 天消息清理不会删除它们;一同被引用的不合格消息不受保护,管理员重开(否决这次关闭)后解除这次关闭的保护。管理员可在目标详情、目标页“每日维护自动处理的目标”和维护报告中查看依据消息并重开(`POST /admin/api/goals/{id}/reopen`,带 `expected_revision`);重开后只有更晚的新消息才能作为依据,合并时存续目标取双方较大的重开水位,原依据不会再次关闭它。 -**G2 可能重复补判**:对仍为 `possible` 的目标对,以较晚的一条为待判目标,调用与创建时去重相同的材料组装 `dedup_review_material`(`goal_dedup_probe` 驱动的创建路径用的也是它)和现行 D6 提示词,走 `goal_dedup_judge` 用途,每对预算 60 秒。较晚的一条按它自己的令牌范围组材料和合并,与创建时复核一致。只有宿主目标作为被并入的一方(较晚的一条本身,或任何已被合并进它的宿主目标)、要并进它令牌范围外的目标时才拦:不调用模型、不合并,保留可能重复标记,记 `kept`/`host_scope_not_merged`,按指纹不再重复处理;内部目标并进宿主目标照创建时规则判断。只有创建时规则会合并到这一对中较早的一方(唯一 same、无其他歧义、未超限、无序列冲突)才合并,走现有 `_merge`;含管理员创建的目标时不合并,撤销标记并记录。判为不重复撤销标记;不确定或仍有歧义保留标记。完成的判断记 `goal_duplicate_judgments`,按指纹(全部观察到的目标修订和最新来源消息)不再重判;超时或失败保留标记,下次再试;目标去重判断关闭时不运行。已知限制:指纹包含全部观察到的候选目标修订号,其中任一变化都会让 uncertain 的一对再判一次,重判可能偏多。写回只核对修订号,维护开始后才到的消息本次看不到,靠管理员重开兜底。 +**G2 可能重复补判**:对仍为 `possible` 的目标对,以较晚的一条为待判目标,调用与创建时去重相同的材料组装 `dedup_review_material`(`goal_dedup_probe` 驱动的创建路径用的也是它)和现行 D6 提示词,走 `goal_dedup_judge` 用途,每对预算 60 秒。较晚的一条按它自己的令牌范围组材料和合并,与创建时复核一致。只有宿主目标作为被并入的一方(较晚的一条本身,或任何已被合并进它的宿主目标)、要并进它令牌范围外的目标时才拦(创建时复核写回前用的是同一个判断):不调用模型、不合并,保留可能重复标记,记 `kept`/`host_scope_not_merged`,按指纹不再重复处理;内部目标并进宿主目标照创建时规则判断。只有创建时规则会合并到这一对中较早的一方(唯一 same、无其他歧义、未超限、无序列冲突)才合并,走现有 `_merge`;含管理员创建的目标时不合并,撤销标记并记录。判为不重复撤销标记;不确定或仍有歧义保留标记。完成的判断记 `goal_duplicate_judgments`,按指纹(全部观察到的目标修订和最新来源消息)不再重判;超时或失败保留标记,下次再试;目标去重判断关闭时不运行。已知限制:指纹包含全部观察到的候选目标修订号,其中任一变化都会让 uncertain 的一对再判一次,重判可能偏多。写回只核对修订号,维护开始后才到的消息本次看不到,靠管理员重开兜底。 自动合并可以撤销:`POST /admin/api/goal-duplicate-judgments/{id}/undo`(管理员会话、CSRF,带存续目标的 `expected_revision`)只对每日维护的自动合并有效。合并时记下存续目标的截止时间、提前量、重开水位、来源、涉及人、承诺记忆、依据标注,以及重定向、可能重复关系和待取提醒的 ID(不含正文);撤销时存续目标在合并后被修改过(包括管理员编辑等任何修订)返回 409;否则恢复被并入目标,存续目标退回合并前的字段和关系。提醒按一条简单规则处理(宁可多发一次,不丢):已有提醒记录一律不改挂、不改正文、不恢复,已取走的不动;取消两边当前所有待取的提醒,两边都按还原后的字段重排计划,各自按当前所处阶段补发至多一条新提醒(新 ID):临近时刻已过且未到截止发临近提醒,已过截止时过期提醒开启则发过期提醒并排次日计划,关闭则发一条“目标已到期”提醒、不排次日计划,临近时刻未到则交给新计划。宿主可能因此对同一阶段多收到一条。这一对记为驳回,以后不再自动合并。目标页、目标详情和维护报告在自动合并项上提供撤销。 diff --git a/frontend/src/GoalAutoReview.test.tsx b/frontend/src/GoalAutoReview.test.tsx index bd3fe627..d717c775 100644 --- a/frontend/src/GoalAutoReview.test.tsx +++ b/frontend/src/GoalAutoReview.test.tsx @@ -258,7 +258,7 @@ test("目标页的自动处理列表在展开前不请求,展开后列出完 ).toEqual({ expected_revision: 5 }); }); -test("两个自动复核开关默认关闭,只保存改动的开关", async () => { +test("两个自动复核开关缺省时默认开启,可以关闭,只保存改动的开关", async () => { const save = vi.fn(async (changes: Record) => ({ default_reminder_minutes: 60, overdue_reminders: true, @@ -273,13 +273,47 @@ test("两个自动复核开关默认关闭,只保存改动的开关", async () ); const review = screen.getByLabelText("每日维护按依据自动完成或放弃内部目标"); const duplicates = screen.getByLabelText("每日维护补判“可能重复”的目标"); - expect(review).not.toBeChecked(); - expect(duplicates).not.toBeChecked(); + expect(review).toBeChecked(); + expect(duplicates).toBeChecked(); + expect(screen.getAllByText(/默认开启,可以关闭/)).toHaveLength(2); await userEvent.click(review); await userEvent.click( screen.getByRole("button", { name: "保存目标与提醒设置" }), ); - expect(save).toHaveBeenCalledWith({ goal_auto_review_enabled: true }); + expect(save).toHaveBeenCalledWith({ goal_auto_review_enabled: false }); +}); + +test("自动复核开关显示服务端保存的值", async () => { + const save = vi.fn(async (changes: Record) => ({ + default_reminder_minutes: 60, + overdue_reminders: true, + goal_auto_review_enabled: false, + goal_duplicate_auto_judge_enabled: true, + ...changes, + })); + render( + , + ); + const review = screen.getByLabelText("每日维护按依据自动完成或放弃内部目标"); + const duplicates = screen.getByLabelText("每日维护补判“可能重复”的目标"); + expect(review).not.toBeChecked(); + expect(duplicates).toBeChecked(); + await userEvent.click(duplicates); + await userEvent.click( + screen.getByRole("button", { name: "保存目标与提醒设置" }), + ); + expect(save).toHaveBeenCalledWith({ + goal_duplicate_auto_judge_enabled: false, + }); }); test("维护报告列出自动复核结果和依据,可直接重开", async () => { diff --git a/frontend/src/RuntimeSettings.tsx b/frontend/src/RuntimeSettings.tsx index 5951dc81..e3d3f853 100644 --- a/frontend/src/RuntimeSettings.tsx +++ b/frontend/src/RuntimeSettings.tsx @@ -185,9 +185,9 @@ export function GoalSettings({ const current = { ...value, internal_question_expiry_days: value.internal_question_expiry_days ?? 7, - goal_auto_review_enabled: value.goal_auto_review_enabled ?? false, + goal_auto_review_enabled: value.goal_auto_review_enabled ?? true, goal_duplicate_auto_judge_enabled: - value.goal_duplicate_auto_judge_enabled ?? false, + value.goal_duplicate_auto_judge_enabled ?? true, }; const { draft, change, reset } = useSettingsDraft({ default_reminder_minutes: String(current.default_reminder_minutes), @@ -307,7 +307,7 @@ export function GoalSettings({ 每日维护按依据自动完成或放弃内部目标

- 只处理学习产生、仍未结束的普通目标。模型给出依据消息,程序核对依据晚于目标创建、来自涉及的人或角色自己后才关闭;含糊或部分完成的说法保持未结束。宿主和管理员创建的目标不受影响,自动关闭的目标可以在目标页重开。默认关闭。 + 只处理学习产生、仍未结束的普通目标。模型给出依据消息,程序核对依据晚于目标创建、来自涉及的人或角色自己后才关闭;含糊或部分完成的说法保持未结束。宿主和管理员创建的目标不受影响,自动关闭的目标可以在目标页重开。默认开启,可以关闭。