AgentLab

api

合入 nr6/b：评测「期望没有数据」只认数值格和叙述里的数、逐题 E1 比产出答案的那条查询、判错时给配对上的那一格、估不出金额时不写 0、没做完的模型调用也计一次、助手只给思考不给操作时自动重来一次（问数据与评测同一个决定）、目录两种计数照实说、自由形应用入口与岗位显示名；评分规则升到第 2 版

2026-10-17 12:28:04 +08:00

apps

自由形应用的两处小问题：入口按钮「发起」后英文名空一格，岗位显示名不再拿岗位名充数

2026-10-17 12:00:58 +08:00

auth

W3-d 分享链接（后端）：只读、不用登录、必设到期、只显示定时出数的视图

2026-10-16 16:30:42 +08:00

blueprints

自由形应用的两处小问题：入口按钮「发起」后英文名空一格，岗位显示名不再拿岗位名充数

2026-10-17 12:00:58 +08:00

bundle

召回复核修正（后端）：人工节点不再挡召回、读不出召回卡记失败、旧版不再接着算、团队渠道一次召回只推一条、目录核对按数据源合并排队；账本接口带上召回标记，对账结果可以反馈

2026-10-16 22:16:58 +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

合入 nr6/b：评测「期望没有数据」只认数值格和叙述里的数、逐题 E1 比产出答案的那条查询、判错时给配对上的那一格、估不出金额时不写 0、没做完的模型调用也计一次、助手只给思考不给操作时自动重来一次（问数据与评测同一个决定）、目录两种计数照实说、自由形应用入口与岗位显示名；评分规则升到第 2 版

2026-10-17 12:28:04 +08:00

core

评测停止、中断、到了上限后的计数照实分开：没跑的题单独计 not_run，stop_reason 写停下的原因

2026-10-17 09:10:52 +08:00

data

合入 nr6/b：评测「期望没有数据」只认数值格和叙述里的数、逐题 E1 比产出答案的那条查询、判错时给配对上的那一格、估不出金额时不写 0、没做完的模型调用也计一次、助手只给思考不给操作时自动重来一次（问数据与评测同一个决定）、目录两种计数照实说、自由形应用入口与岗位显示名；评分规则升到第 2 版

2026-10-17 12:28:04 +08:00

db

口径召回后端（W4-a）：发布新版本后反查用过旧版的答案、按参数分组在同一份数据上重算两版之差，数真变了才开 recall 待办

2026-10-16 19:52:03 +08:00

engine

给评测留一个按引用的列投影的入口（referenced_of），顺手折行、补模块说明

2026-10-17 12:22:48 +08:00

eval

评测页检查守住估不出金额时的写法；估算说明去掉重复的半句

2026-10-17 12:11:55 +08:00

files

普通用户建应用集成收尾：

2026-10-15 13:55:19 +08:00

ledger

给评测留一个按引用的列投影的入口（referenced_of），顺手折行、补模块说明

2026-10-17 12:22:48 +08:00

look

use_caliber 的协议写清 card 填什么，写错了交回的原因能一次改对

2026-10-17 12:17:21 +08:00

memory

普通用户建应用（后端）：

2026-10-15 12:09:29 +08:00

notify

口径召回的通知按种类分开写答案的条数

2026-10-17 09:15:07 +08:00

process

口径召回后端（W4-a）：发布新版本后反查用过旧版的答案、按参数分组在同一份数据上重算两版之差，数真变了才开 recall 待办

2026-10-16 19:52:03 +08:00

providers

评测估算和每题平均花费：有估不出金额的调用时不再写成 0 美元

2026-10-17 11:40:27 +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

合入 W3-d 邮件、待办汇总、分享链接：邮件渠道（SMTP 可选、口令加密、退信不追踪）；每天的待办汇总与访问密钥到期提醒；分享链接（只存哈希、必设到期、只显示定时出数的视图、/s 页不进外壳、下载报告）；「最近一次封存」按来源白名单认；使用者拿不到邮件渠道的收件地址；同站门户嵌整站的配置说明

2026-10-16 18:48:07 +08:00

tools

运行时 db_schema 按需加入探查范围的留痕记上运行的发起人

2026-10-17 09:12:29 +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

端到端验收修复与指标出具：

2026-10-15 07:15:37 +08:00

web_security.py

W3-d 分享链接（后端）：只读、不用登录、必设到期、只显示定时出数的视图

2026-10-16 16:30:42 +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