yilunjiang/AgentLab
1
0
Fork 0
mirror of https://github.com/ThearchyHelios/AgentLab.git synced 2026-11-15 09:41:59 +00:00
Code Issues Packages Projects Releases Wiki Activity
Files
40daf37107cf167bb9cd409b6a599338ee80b223
AgentLab/backend/app
T
History
ThearchyHelios 40daf37107 评测发起后立刻交给后台再读回；补「复核要重来」的测试 
为什么：发起评测时提交之后、交给后台之前还 await 了几次读回，这中间别的请求读到「排队中、却没在这个进程里跑」会把它
当成服务重启留下的、标中断。改成提交之后立刻交给后台，再读回。

- test_eval_runner：复核给了 retry_instruction 时带着这次运行的图、照那句话重来一次，第二次复核（attempt=1）不再要重来，
  两次作答运行都记在这一题名下
2026-10-16 17:15:17 +08:00
..
api
定时页照实显示非工作流目标；评测停止时几臂一起收尾；工作流题的测试
2026-10-16 17:04:05 +08:00
apps
访问密钥与服务账号的后端（下一轮第 2 波 W2-d，细案 04 A1–A6、总方案 X8）
2026-10-16 13:48:09 +08:00
auth
访问密钥收尾：服务账号进授权不进岗位的测试、关停时写请求记录的测试，几处整理
2026-10-16 14:15:51 +08:00
blueprints
自由形蓝图（前端）：「谁来做」卡片按服务端的 derived_people 摆，只定每一步由谁做
2026-10-16 10:54:30 +08:00
bundle
口径账本内核：运行封存后在后台比对已发布口径、逐个数标口径、按运行读的账本接口、来源链和导出留痕、统计 E1–E4
2026-10-16 14:02:55 +08:00
capabilities
发布单的问题照实分清挡不挡发布：平台能力的治理默认在没人治理过时一直生效（在默认写好之前登记的 records_append 会停在「不许无人值守、没有查询能力」，填报登记出发布单时报写入不经确认、结果不明没人核实、要找管理员登记查询能力；管理员改过的同步不动）；发布摘要的三栏只列挡发布的问题，只是提醒的（视图要等第一次正式运行才有数之类）另列「提醒（不挡发布）」；确认按钮「每周一 09:00 自动出数」补上空格；检查脚本和测试跟上
2026-10-15 14:44:26 +08:00
chat
生成过程抽成 answer_ops、复核抽成 review_of_run，助手建图和复核的用量也记下（细案 01 做法 2、3）：评测和问数据页走同一条生成路径，这一轮的花费不再低报
2026-10-16 10:45:45 +08:00
core
评测执行的主干：后台评测、无头作答、评分、统计、对比与 A/B、清理（下一轮第 3 波 W3-c 第一段）
2026-10-16 16:38:09 +08:00
data
下一轮第 3 波的契约骨架：工作流版本加表的结构版本；定时的非工作流目标按种类交给各自的模块（评测题集 app/eval/scheduled、数据源维护 app/data/source_maintenance，先放照实记「还不能发起」的占位）、record_fire 共用；分享链接、数据源变化记录、口径账本按答案出具与对账的路由先登记好权限
2026-10-16 15:51:33 +08:00
db
下一轮第 3 波的契约骨架：工作流版本加表的结构版本；定时的非工作流目标按种类交给各自的模块（评测题集 app/eval/scheduled、数据源维护 app/data/source_maintenance，先放照实记「还不能发起」的占位）、record_fire 共用；分享链接、数据源变化记录、口径账本按答案出具与对账的路由先登记好权限
2026-10-16 15:51:33 +08:00
engine
评测执行的主干：后台评测、无头作答、评分、统计、对比与 A/B、清理（下一轮第 3 波 W3-c 第一段）
2026-10-16 16:38:09 +08:00
eval
评测发起后立刻交给后台再读回；补「复核要重来」的测试
2026-10-16 17:15:17 +08:00
files
普通用户建应用集成收尾：
2026-10-15 13:55:19 +08:00
ledger
合入 W2-c 评测题集与期望答案：题集、题目、评测、结果的数据模型；三种期望来源（SQL、口径、从运行认定），每次以评测来源的探索运行重算，遮罩列拒收；口径升版的三种处置；全站唯一的派生图生成器 ledger/derive.py；目录快照与影子起草（不碰线上目录、不查业务库）；题集导出导入；零售样例题集
2026-10-16 15:38:11 +08:00
look
look：交回给模型点名的预筛目录只对这一次查看的需求有效，每次查看开始时清掉
2026-10-16 14:50:26 +08:00
memory
普通用户建应用（后端）：
2026-10-15 12:09:29 +08:00
notify
评测执行的主干：后台评测、无头作答、评分、统计、对比与 A/B、清理（下一轮第 3 波 W3-c 第一段）
2026-10-16 16:38:09 +08:00
process
访问密钥与服务账号的后端（下一轮第 2 波 W2-d，细案 04 A1–A6、总方案 X8）
2026-10-16 13:48:09 +08:00
providers
生成过程抽成 answer_ops、复核抽成 review_of_run，助手建图和复核的用量也记下（细案 01 做法 2、3）：评测和问数据页走同一条生成路径，这一轮的花费不再低报
2026-10-16 10:45:45 +08:00
records
普通用户建应用集成收尾：
2026-10-15 13:55:19 +08:00
report_export
口径账本内核：运行封存后在后台比对已发布口径、逐个数标口径、按运行读的账本接口、来源链和导出留痕、统计 E1–E4
2026-10-16 14:02:55 +08:00
sandbox
…
scheduler
评测执行的主干：后台评测、无头作答、评分、统计、对比与 A/B、清理（下一轮第 3 波 W3-c 第一段）
2026-10-16 16:38:09 +08:00
tools
数据源不可用时的 db_schema 替身也收 keyword；重读范围内读不到结构的表不记成按需加入；起草、剖析排在探查后面的测试
2026-10-16 14:53:41 +08:00
__init__.py
…
main.py
评测执行的主干：后台评测、无头作答、评分、统计、对比与 A/B、清理（下一轮第 3 波 W3-c 第一段）
2026-10-16 16:38:09 +08:00
plain.py
驳回不再记成失败（后端）：人的驳回收成 cancelled + end_reason=rejected，消费方都读这一个字段
2026-10-16 10:14:27 +08:00
seed.py
…
web_security.py
安全响应头：所有 HTTP 响应补 nosniff、Referrer-Policy 和 CSP frame-ancestors，页面只上报严格的 script-src
2026-10-16 10:17:37 +08:00
web.py
安全响应头：所有 HTTP 响应补 nosniff、Referrer-Policy 和 CSP frame-ancestors，页面只上报严格的 script-src
2026-10-16 10:17:37 +08:00