benchmark: integrate recovery fixes for continued EdgeBench work

[songoow]

必要性与本次范围

下一次固定版本研究既要保住首次候选质量，也要让后续分析能改变真正工作；不能把“第一次更早评测”或 Todo 已完成当成收益。本提案保留现有研究决策与后续证据关联，同时修复明确的 benchmark 恢复故障。没有启动实验、延长既有任务或证明模型效果。

本轮回应维护者对默认 prompt 侵入 Core 的异议：撤回新增的通用 Goal/CLI 指导与其补偿性渲染、输出 allowance/比较器改写；沿用当前 main 的完整原始首次交付契约。 新增的接口/单位/规模假设核对、最强起点对照、保留 incumbent、负实验不等于 Goal 完成，仅由原 benchmark/runtime/planning.py 的显式 loopx-planned worker 包装提供。普通 Goal、seeded/native official 不调用该包装；checkpoint 专用准备仍归原 provider，不造通用 hook 框架。

核心改动及理由

• 沿原 TypeScript replan/stride owner，用 todo_delta 关联实际 Todo、canonical 状态与决定之后的工作观察。下一轮能读普通回写和待跟进结果；引用必须从完整同范围历史核对，不能被六条展示窗口截断，也不能拿其他 Todo 活动冒充声明工作的执行/收益。
• 负结果、unknown、迟到记录和旧描述性 delta 保持合法；长 ID 不截成另一个身份。没有新评分门槛、研究状态机、审批或执行权限。模型是否采用/行动是否变好仍需实际轨迹验证。
• 原 checkpoint listener 先消费有界连接，再判断物理 capture root。缺失/符号链接根只拒绝该请求，不对同一个未消费连接忙循环，也不创建/跟随外来根。进入 holder 后或 source 已退出的失败仍保留执行失败，原 packet/wake/phase 不续期。
• 显式捕获准备 90 秒仍由原 phase 上限约束。规划最多三次只处理无有效/blocked plan、无 harness error、非超时的失败 wake；保留原截止与每次记录。重试是恢复缓冲，不是修复上游流故障或研究收益。
• 上传 task prompt 显式 0644，解决严格 umask 下 guest agent 不可读；宿主控制目录仍私有。
• 与当前 main 同步，冲突处理同时保留 prompt 权限和 capture 目录/文件覆盖负例，没有通过删测试消除冲突。

#6702 已进入此分支；#6700 已由其他交付进入最新主干，#6698 warm 准备仍是独立提案。#6713 不再作为本提案的合并容器。该提案改变显式 benchmark 规划处理，比较必须固定本分支 revision；不能用它回写旧研究结果。

本轮准确头：8d89fa53eb8dc95b11e8facf1e7379dfe8f92023，已同步 main@73aa2bc8946f3d5e0fb5600580dfa233427eb462；不是回滚最新分析功能。

依据、验证与风险

原始问题、修改层次与实际消费者对应于现有 stride RFC、Goal replan 合约和 benchmark README；文档双语同步。普通 Goal 默认提示与观察比较器等九个相关源/契约文件与 main@73aa2bc8946f3d5e0fb5600580dfa233427eb462 字节相同，不是扩大预算后宣布默认行为相同。

真实 base/head CLI differential 使用同一 fixture 的 96 对 96 行全部通过、零新增 review signal；不是靠字符串检查推断默认等价。刷新前 47 TypeScript、控制面 typecheck 通过；125 provider 回归在 Harbor 0.20.0 安装后无跳过通过，227.58 秒。原规划/架构/差分广覆盖先有 570 通过、42 跳过及下述一个时钟失败，保留原记录，不把它重新汇总成全绿。最终组合继续重验实际 provider、核心 File/SQLite 闭环、架构、语义与 premerge。

当前源码的 provider、真实 CLI、架构、完整历史及 File/SQLite 资格结果在发布前读回补充。首轮测试曾有一个捕获时钟用例失败：测试先计算 wall deadline、稍后却新建另一段五秒 monotonic phase，调度延迟被误认为延长。改为先固定同一 monotonic 截止，再取得 wall 上界，保留原严格断言；没有放宽产品 phase 或捕获限制。一次本地命令误写不存在的测试路径未运行任何测试，随后改为实际入口重跑；不计为通过。首次并行语义扫描 120 秒超时另行保留。

最终头 8d89fa53e 的读回：

• 370 Python 通过、34 跳过，251.89 秒，覆盖实际 provider 规划/恢复及 digest owner 架构。Harbor 0.20.0 已安装；34 项因未安装专用 SForge provider 而跳过，不计为通过，不宣称完整 SForge guest/评测接续。
• 另 2 项真实 File/SQLite 核心研究闭环通过，172.86 秒：决定后真实候选/探针进程、普通负证据、保留原方案、下一项对照及后轮关联读回；消费者仍为脚本，不等于模型自主采用或新效果。较早完整 cadence 模块的 17 项通过跨过了本次 main 同步，不计为最终准确头整套通过。
• 47 TypeScript、配置控制面 typecheck、Ruff、完整语义扫描（191.04 秒）、双语和 25 个净变更文件边界检查通过。语义 advisory 在完整扫描之前执行，不能单独证明等价。
• 最终 quick premerge 6 direct + 4 selected，无执行失败；仍为 benchmark manual_review_required，不是可合并结论。与主干的普通 Goal 九文件字节比较为空；96 对 96 的真实差分结果明确保留其刷新前来源，不重新冒充最终组合的全 stdout 等价。

没有 hidden 反馈回灌、付费推理、运行中热更新或新研究。安装后的完整 SForge restore/recapture、原生模型采用、研究界面消费、初始质量 >= native 以及 native plateau 后新突破尚未资格化。定向通过不替代这些验收；CI、准确头复审和维护者合并仍是独立门槛。

Written by: model_agent, OpenAI Codex; exact serving variant not independently verified.

[mergify]

This pull request has merge conflicts with main and cannot be merged
until they are resolved. Please rebase or merge the base branch, @songoow.

Choose the remote for the base repository, not an out-of-date fork.
For a fork clone, first inspect git remote -v; upstream must point
to https://github.com/loopx-project/loopx.git. If it is absent, add it
with git remote add upstream https://github.com/loopx-project/loopx.git.
Then run:

git fetch upstream
git rebase upstream/main
# Resolve each conflict, git add the resolved files, then git rebase --continue.
git push --force-with-lease origin HEAD

For a same-repository clone whose origin points to
https://github.com/loopx-project/loopx.git, use origin instead of
upstream for fetch/rebase. If you prefer merging the base, use
git merge <base-remote>/main and push normally.

Keep the DCO Signed-off-by trailer on every commit when you rebase.
https://docs.github.com/en/pull-requests/collaborating-with-pull-requests/working-with-forks/syncing-a-fork

[loopx-agent]

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

REQUEST_CHANGES · head aa124595e25a45eb840c35aad0678673f2383a2e

[P2] 当前 wake 的 decisions 目录尚不存在时，新的拒绝恢复会在同一未消费连接上忙循环。 变更行 捕获了 held_quota_decision 在 accept() 之前抛出的 FileNotFoundError，却直接 continue。监听器仍可读，来源进程仍在等回复。独立当前头的真实 socket/拥有子进程反例只创建 wake 父目录：1.010秒内0次 accept、25217条拒绝事件、来源没有继续；原目录已创建的对照则是1次拒绝、2次 accept、同一来源继续。单条错误截成500字符不能约束事件总数。在当前 wake 的物理 capture root 边界准备并验证目录，或先 accept 并关闭被拒连接再继续；不能对同一个未消费的可读连接直接 continue。保留同 wake、物理路径和原阶段预算约束。

动机

运行长时间实验的维护者遇到的实际问题是：来源会话向当前监听器送来旧检查点时，原本可继续的工作会被交接异常终止；初始规划也缺少把完整方案、便宜的判别检查与已有最佳结果放在一起比较的明确指引。本次希望拒绝一次无效交接后仍继续同一来源工作，并在后续复盘中区分“完成一次有信息的实验”与“已经改善整个目标”；独立复验表明，这个恢复承诺在当前检查点目录尚不存在时仍未实现。已经验证的增量是共享完整规划指导、以完整历史核对复盘引用、受原阶段预算约束的捕获准备和规划重试，以及打包后的只读 CLI 规划与拒绝路径。此次是下一次实验的准备，不包括启动新实验、证明模型采用或研究收益、认证完整前端旅程，也不授予合并、升级或额外任务预算。

改动思路

规划文字与消息渲染归既有 start_contract owner，历史事实由 Python 编码而资格判断仍归 TypeScript；基准的进程、文件和 socket IO 留在现有 provider。这个分工避免第二个决策源；当前必须修的是交接失败被错误当成已消费拒绝的恢复边界。本次完整实验准备包可作为独立阶段评审；先修复未消费连接的恢复并保留可判别反例。实际模型采用、完整前端复盘展示和研究收益仍由原实验/产品资格流程验证，不新增框架、开关或平行跟踪任务。

完整包包含几条相关但不同的边界：交接拒绝属于来源进程与文件/socket IO；捕获准备从30秒改成90秒仍受原 trial phase 截止约束；loopx-planned 只对无有效/blocked plan、非超时、非 harness error 的 native 非零退出最多尝试3次。已验证或 blocked 的计划不重跑，耗尽预算也不续期。这是为后续研究准备的新条件，不能拿它重写既有实验的冻结结果或延长恢复机会。

共享规划指导把接口、单位、规模、最强可用起点、完整实验成本与负结果放在同一条决策链里。结构包引用已有 owner 字段，独立消息仍必须包含全文；已有完整历史和 Todo 事实组成复盘投影，执行/结果引用资格只在原 TypeScript owner 判断。改进指导与强制资格检查的责任不同，前者不创建审批，后者不接受虚构或不相关证据。

下面是当前准确头的源码分支和独立执行结果对照；表格只是帮助定位，不替代保存的测试证据。

当前前置状态	源码路径	独立观察
当前 decisions 已存在，先送旧 packet	accept → 路径拒绝 → 关闭 → 同一子进程送新 packet	1次拒绝、2次 accept、来源继续
仅 wake 父目录存在，decisions 缺失	strict resolve 先失败 → catch → continue	0次 accept、持续重复拒绝、来源等待

具体改动

评审覆盖当前35文件的完整净提案（+1033/-54），并非只看最后两次维护提交；包括 benchmark provider、共享规划文字与渲染、TypeScript 复盘资格/完整历史、输出预算、文档测试及精确模块退休夹具。原34文件实现的完整 diff 已读；头从 b7c47c97dfece4785aee83bf5b2266b1dc33b2b9 前进后，再逐项阅读全部增量，对未变来源证据按文件字节做失效检查，并重跑当前入口、构建、socket 反例和风险检查。旧头结论没有直接继承。

关键代码讲解

1. CheckpointWake.run 的 entered 只说明 context manager 已 yield，不能证明 listener 已 accept。held_quota_decision 先严格解析 capture root；run_once 会建 wake 父目录，CheckpointWake.__enter__ 却不建 decisions。所以“目录缺失但连接已经就绪”属于真实可达分支，当前新测试预先 mkdir 遮住了它。
2. prepare_entry 保留原阶段时钟和 planning gate，按实际 native/harness receipt 决定是否重试，并保留每次尝试。prompt 上传前显式0644修复严格 umask 下容器 agent 不可读；宿主临时目录仍私有。这里的重试记录与进程退出不是研究收益证明。
3. start_contract 现在也拥有 render_goal_start_quality_message，bootstrap 只留一个调用。完整质量指导1238字节没有缩短；结构 compact/detail 的重复由4/6次降到1/2次，独立消息仍完整一次。当前头已把 prior bootstrap2244行降到2238，未调高原2240上限、未删语义。实际 base、current source、正常 wheel、正常 sdist 的 CLI 规划保持原文本、等待和执行边界，--execute 与未注册 agent 仍拒绝且原 registry/state 不变。
4. projectReplanContext 把原决策声明的 Todo、canonical 当前状态和后续观察连接起来。缺失源与无记录不同；展示上限不决定引用资格，writeback 从完整同 Goal/Agent 历史重放引用，不把可选 typed-progress 附件变成强制证据。
5. strideReviewMismatch 要求执行/收益声明对应真实后续声明工作；旧观察仍可用于比较，但不能冒充执行证明。普通负结果与 unknown 合法，已完成 Todo 也不自动证明整个 Goal 受益。历史 decision/evidence 身份和 legacy 描述型 delta 保留；过长 ID 在压缩前拒绝，避免前缀别名。canonical digest matcher 复用原 owner，没有新增第二个摘要规则。

独立规范依据是 docs/architecture/rfcs/hierarchical-agent-stride-control-v0.md 在 dfcb03e6d31361ab65d882e3294b9fdf92b39f6a 的原文，读取先于实现 diff；当前改写的 RFC 不能自证验收。§7.5：not_met，原来源/阶段与观察边界必须保留，缺目录交接反例仍阻断继续；90秒准备属于明确披露的新研究条件，未授予原阶段延长。§7.6：implemented，指导与真实引用资格区分实验信息、执行事实和整体目标收益。M3：deferred，本阶段不等于模型实际采用、完整前端复盘展示或长期研究收益；原 M3/M5 和实验/产品验收继续保留这些缺口。

对主干的风险

阻断项沿真实调用链成立：当前 wake 父目录 → 尚无 decisions → 旧 packet 已到 socket → root strict resolve 在 accept 前失败 → 新 broad catch 把服务端前置条件误当成已经消费的 packet 拒绝 → 原子进程等不到关闭/回复，循环继续积累事件。旧 base 会立即抛出错误；当前变更引入的是忙循环和虚假的恢复。此次1秒限时是避免探针无限消耗，不能外推成已测24小时 CPU/内存曲线。影响边界是显式启用自动检查点的 harness，不是默认 kernel CLI 的循环。

最小修复仍在原 provider：在当前 wake 的物理 capture root 边界准备并验证目录，或先 accept 并关闭被拒连接再继续；不能对同一个未消费的可读连接直接 continue。保留同 wake、物理路径和原阶段预算约束。 扩展 benchmark/tests/test_checkpoint_handoff.py：只创建当前 wake 父目录、保留 decisions 缺失，发送旧 wake packet；断言一次有界拒绝后原子进程能发送新的当前 packet 并继续、旧 packet 不变、无跨 wake 捕获或释放。再运行 uv run --extra test python -m pytest -q benchmark/tests/test_checkpoint_handoff.py。 不需要添加全局恢复框架或弱化物理路径限制。还应保留 opposite control：当前目录存在时旧 packet 拒绝一次、新当前 packet 成功，同一来源与原 phase 时钟不变；不能只证明多写一条错误收据。

当前头新增维护的直接效果已经复验：248项规划/输出/模块架构测试通过，差分 advisory 在完整 semantic smoke 之前执行，两者通过；正常 chat、wheel、sdist 构建并真实安装成功，改动的通用产品文件在 source/archive/install 逐字节一致。四组实际 CLI/native receiver 证明 source/wheel/sdist 输出一致，stride off 的完整投影与 actual base 逐字节相同；初始质量指导属于有意总是开启的默认变化，不能用“stride opt-in”宣称整个 PR 默认行为不变。

先前相同源码的广覆盖632通过/38跳过保留为部分证据；安装公开固定 SForge 071a884012754127f28f5b84be10f533a42db527 与 Harbor0.20后，相关 benchmark163通过、4个 Linux writer-process 条件跳过，另330项相邻 runtime/warm-start/provider测试通过。TypeScript40项与真实隔离 File/SQLite continuation 通过，包含无可选 progress 附件的负工作结果、旧引用拒绝不追加、改用真实后续引用后恢复。当前对应 provider/typed规则字节未变，另重跑当前 socket 探针；这些局部结果不证明 Linux 联合捕获、实际模型理解或研究收益。一次早期相邻检查错误文件名的 exit4也保留，随后实际文件的330项执行才是当前覆盖。

语义与 CI 对齐

输出预算保护可用而有界的决策包，不是冻结的研究验收。独立复跑同一96个实际 CLI fixture/规模行，旧比较器有11行超增长；保留有用指导后，限定的一次性增量使96行通过并保留11条 review signal。bootstrap JSON 实测增2821字符，对应3000 allowance；没有缩小扫描/规模、放宽绝对预算或删除后续增长检查。当前渲染提取与之前完整指导/实际接收器输出等价，只有临时 fixture 根路径在跨目录比较时规范化，任务文本、身份、权限和错误未被移除。没有把指标包等价误称为所有完整 stdout 相等或模型已经采用。

原生 premerge 当前5项 direct 与19项 selected 执行完，0项阻断检查失败；另保留1项既有 DSH advisory 和1项 benchmark 边界 manual hold，整体 gate 为 manual_review_required、退出码1。独立完整 maintainability owner 报告仍失败；actual base/current head 是同一个函数93 statements、51 decisions、同一阈值与因果源码字节，单独归为既有债务。先前新增 bootstrap2244>2240的失败则由当前原 owner 提取真实消除，不能混在 DSH 中说全部无关。未读取、等待或轮询 hosted CI；作者正文的远程状态是作者材料，不替代本地独立判断。相同6650夹具已核对原 blob、实际145模块及未变 guard，不继承另一个 PR 的批准来替代这里的完整评审。

我的整体评价

当前完整准备包与原问题相称，已复用既有 typed owner、历史事实和 provider IO；相关的未来维护小重构已经在现有指令 owner 落地并验证全文输出，未添加框架或平行决策源。兼容路径保留有真实持久历史消费者，不能为减少版本分支而删除；新增 review_evidence/派生 work 视图是扩展既有 vocab，socket/attempt 诊断仍本地，未暗示更广 actor 或权限模型。

但 long_horizon=regression、user_experience=regression：目录已存在的成功调用不能代表原来源可持续恢复，当前反例会让工作卡在等待并持续产生日志。规划操作本身复用已知意图和授权、没有新增确认轮次，仍不能抵消这个恢复故障。先完成上述最小连接生命周期修复并重跑正反例，再复审新的准确头；模型采用、前端详情采用与真实研究收益按原阶段继续验证。保留 mainline conflict、既有 DSH 及平台限制，不把本次审查解释成合并授权。

English verdict: REQUEST_CHANGES - aa124595e25a45eb840c35aad0678673f2383a2e still retries a pre-accept missing-capture-root failure on the same readable socket. An owned real-process/socket probe observed0accepts,25217refusal events and no source continuation within1.010seconds; the root-present control continues correctly. Drain/refuse the connection or prepare the validated current root, retain physical/wake/phase boundaries, and add the absent-decisions regression. The current owner extraction,248tests, normal package receivers and reused qualified typed/provider paths are supported; unchanged DSH debt, Linux/model/frontend/research qualification and merge authority remain separate.

[loopx-agent]

[P2] 拒绝交接前 capture root 缺失时会在同一连接上忙循环。在当前 wake 的物理 capture root 边界准备并验证目录，或先 accept 并关闭被拒连接再继续；不能对同一个未消费的可读连接直接 continue。保留同 wake、物理路径和原阶段预算约束。 独立观察：当前准确头的真实 Unix socket/拥有子进程反例中，1.010秒内接受连接0次、记录25217个拒绝事件，客户端已经发送但一直等回复，原来源未继续；这不是恢复后的新 wake，也不是已消费的一次拒绝。 验证要求：扩展 benchmark/tests/test_checkpoint_handoff.py：只创建当前 wake 父目录、保留 decisions 缺失，发送旧 wake packet；断言一次有界拒绝后原子进程能发送新的当前 packet 并继续、旧 packet 不变、无跨 wake 捕获或释放。再运行 uv run --extra test python -m pytest -q benchmark/tests/test_checkpoint_handoff.py。

[songoow]

Reviewer: model_agent; GPT-6 family; OpenAI; self_reported; reasoning_effort=effort_unavailable

REQUEST_CHANGES · aa124595e25a45eb840c35aad0678673f2383a2e

[P2] 独立复现原有阻断项：缺失当前 capture root 时，恢复循环没有消费连接。 异常恢复分支 在 accept() 前的 FileNotFoundError 后直接继续。同一个 listener 始终可读，来源仍等待回复。当前头的真实子进程/Unix socket 探针中，目录存在的对照仅拒绝一次并继续；目录缺失时，0.758 秒内记录 22,961 次拒绝，来源没有继续。外部超时终止了探针；这不是长期性能测量，也不是另一个新增独立缺陷。

动机

运行持续优化任务的维护者需要拒绝旧检查点后继续原来源，而不是让一次可选捕获失败耗尽剩余预算。预期是拒绝旧包后，同一进程可以提交当前包并继续；本次复核确认，当前目录尚未建立时仍做不到。当前提案的有效边界是实验准备与工程可靠性，不能替代实际模型采用、持续研究收益和完整产品旅程的资格。

改动思路

来源进程、文件和 socket 生命周期应留在现有 benchmark provider；历史事实由现有 Python codec 提供，执行与结果引用资格仍由 TypeScript owner 判断。最小修复是在当前 wake 的物理目录边界准备并验证 capture root，或在拒绝前消费并关闭连接；不能将服务端前置条件失败当作已经完成一次拒绝。保留原阶段期限、同来源身份和路径约束，不需要新增恢复框架、验收开关或得分门槛。

具体改动

本次是当前头的定向复核及后续整合建议，不替代上一份完整评审，也未重跑其打包、安装和完整前端证据。实验冻结代码与当前头之间的两次维护只涉及指导渲染归属和模块预算夹具，不能将旧实验改称为当前头的重跑。

关键代码讲解

1. CheckpointWake.run 用 entered 区分 context manager 是否 yield，但这不能证明 listener 是否消费连接。单条错误截断不能约束重复事件总量。
2. held_quota_decision 先严格解析 capture root，再执行 accept()；已有回归测试预建了目录，遗漏的正是这个前置失败分支。
3. prepare_entry 的有限规划重试保留原阶段预算。共享首轮质量文字是默认指导变化；stride 引用资格是显式策略内的强制规则，不能把两者都称为仅 opt-in 指导。

规范依据为 docs/architecture/rfcs/hierarchical-agent-stride-control-v0.md，固定版本 f6cf9583794eb8c4cca41fa832a1c2f150059583：§7.5 的恢复与原期限边界在上述反例下 not_met；§7.6 的复盘证据关联由现有 typed owner 实现，本次 40 项相关 TypeScript 测试通过；M3/M5 的实际采用和持续收益仍 deferred。这些是原有资格边界，不增加新的实验准入契约。

对主干的风险

真实触发链为“只存在 wake 父目录→连接到达→strict resolve 失败→catch 后 continue→重复读取同一就绪 listener”。请补充不预建 decisions 的子进程/socket 回归，同时保留目录已存在时旧包拒绝、当前包继续的对照。修复后定向运行 uv run --extra test python -m pytest -q benchmark/tests/test_checkpoint_handoff.py，验证来源继续而非只增加错误收据。

本轮另有 7 项定向 Python 测试通过；prompt umask 测试因缺少外部 provider 依赖跳过，保留为未复验。40 项 TS 测试通过不覆盖完整产品、模型采用或长程收益。未等待或追加 hosted CI。默认关闭路径的完整配对、包装安装和前端旅程未在本轮独立重跑，不能据此批准全部提案。指导是建议，结果引用核验是机器约束；新 review operation 扩展既有内部词汇，socket 诊断仍是 provider 局部状态，没有新 actor 权限。

我的整体评价

long_horizon=regression、user_experience=regression：该分支承诺的拒绝后继续仍存在忙循环，用户需要额外干预才能恢复。保持 REQUEST_CHANGES；当前阻断与 CI 是否完成无关。最有价值的相邻简化是修正现有连接生命周期，不再包装新的恢复抽象。

整合时保留实验版本与旧记录，基于最新 main 整理生产补丁。#6618、#6621、#6623、#6650 已在主干，#6645 也已合并，不能继续将它们当作待补的共享依赖。主干还有应保留的 #6671（移除规划宿主倒计时）、#6673（显式 envelope 模式绑定）和 #6678（父目录中的任务工作区恢复）；其中 #6671 不会清除旧档案中的过期上下文，也不证明提前收尾已经解决。当前模拟整合有十个冲突文件，应做语义整合。建议按 provider 可靠性修复与通用研究复盘两个完整边界整理，测试和文档随各自行为；替代提案可追溯并落地后再关闭本实验汇总 PR。这里没有合并、重启实验或扩大预算的授权判断。

English verdict: REQUEST_CHANGES. The exact head still busy-loops before accept when the current capture directory is absent. An independent bounded real-process/socket probe reproduced 22,961 refusal events without source continuation; the directory-present control continues. Fix and test this lifecycle boundary, preserve newer mainline repairs, and keep engineering qualification separate from research benefit.

[songoow]

Updated exact head: d0da647fbb9865952183a84aef9eafaabe594373.

The missing-root refusal blocker from the previous review is fixed in b22bbea05: accept and read the bounded request before validating the capture root, then close a refused channel. The original source continues through the same listener. All 62 handoff tests pass, including present/missing/symlink controls; the old packet remains unchanged and foreign roots are not written.

Current main was integrated with all ten conflicts resolved, preserving #6643, #6671, #6673 and #6678. The stale self-repair advice to inject Host countdowns was corrected as well. Five actual-Codex tests with a deterministic local provider and the focused File/SQLite continuation/lifecycle cases pass. The PR body records remaining provider skips and the limits of this evidence.

This fixes a transport and recovery-guidance gap; it does not certify model-selected continuation or research benefit. The historical experimental source and results were not rewritten, no benchmark was launched, and no main merge was performed. The new exact-head review packet is refreshed; please assess the current proposal rather than carrying over the old-head verdict automatically.

[loopx-agent]

Reviewer: model_agent; model=gpt-6.1-sol; provider=OpenAI; runtime_reported; reasoning_effort=max

完整评审 6624@d0da647fbb9865952183a84aef9eafaabe594373，实际 base fdf03ec。REQUEST_CHANGES：原先缺目录拒绝后卡住的问题已通过同输入真实进程修复验证；当前另有一个可复现的 P2 输出预算资格缺口。

动机

需要持续运行研究任务、拒绝旧检查点并继续原来源的维护者与自动化 Agent。

原来源送来旧检查点时，以前会退出或卡住；现在应关闭这次连接，让同一来源纠正路径后提交当前包并继续。

当前三种目录状态的真实 socket/子进程恢复通过，File/SQLite 的独立当前 Run 引用恢复通过；实际 main 到当前头的输出差分仍有七行失败。

不启动新实验，不证明模型采用或长期得分/成本收益，不完成完整前端研究旅程，不授予合并、升级或新增预算。

当前准备包仍需补齐七个实际 base/head 输出差分的有界预算决策；完整模型/前端/联合研究恢复继续按既有 M3/M5 验收。

改动思路

Python保留provider IO与完整事实传输，TypeScript保留来源/策略/结算语义；共享指导集中原planner渲染，不新增框架或第二决策源。

本PR交付可运行的来源恢复与复盘准备；当前必须修正实际base/head的预算资格，完整模型/产品/研究收益继续原阶段。

最小来源恢复保持原监听器、原进程和原 deadline：先 accept 并读取至多4097字节，再验证根目录和 packet；拒绝只关闭这一条连接。新的重试不续期，已验证/blocked 的 planning 不重跑，native无计划的失败最多三次。公开 Task、来源、claim 与 settlement 仍沿原 owner。

复盘的 planned_work 从既有 Vision todo_delta、规范 Todo 与追加历史推导；完整历史负责资格，六条展示只帮助阅读。启用策略下，早于决定或其他 Todo 的活动不能证明声明工作已执行；合法负结果仍可完成自身实验，不伪称目标收益。共享首次指导是有意的默认变化，stride/checkpoint 才是原有显式启用，不把二者混为全部 default-off。结构包引用共享字段，独立消息直接含完整指导，已有意图/授权下没有新增本人确认轮次。

同一真实输入	实际 base	当前头
当前根存在、缺失或为symlink，先送旧packet再纠正	同一外部socket/子进程脚本3例失败	同3例通过；旧包不改、foreign根不写、来源继续
stride关闭，附加Todo事实缺失或无效	原off投影	source/wheel/sdist与base逐字节相同
已有完整指导的真实96行矩阵	已有指导	7个bootstrap行仍超过普通增长预算

表格是当前执行对照，未把旧实验、模型采用或长期收益当作本头测试。

具体改动

完整净提案是32文件、+817/-89，而不是旧评审的35文件或整合main历史。provider的连接拒绝、prompt0644上传、原phase planning重试与500字符错误尾部各有对应测试；共享planner/独立消息去重、现有历史codec、pending lifecycle canonical Todo传递、TS复盘重放和引用校验均已读全。双语RFC、goal-command协议、budget说明及self-repair建议随之更新，保留 #6643/#6671/#6673/#6678，新的普通输入没有重新注入Host倒计时。

关键代码讲解

1. benchmark/runtime/checkpoint.py:416 held_quota_decision：先消费有界请求再检查物理根；CheckpointWake.run 的拒绝catch现在处理已经关闭的channel，不能再把监听器始终可读当成一次恢复。三根状态和原phase/旧包保护均独立执行。
2. loopx/control_plane/work_items/replan_context.ts:204 reviewEvidence 与 :231 decisionFollowthrough：前者从完整同Goal/Agent历史按因果顺序重放最多三引用，后者连接原声明Todo及规范状态；缺来源保留unknown，完成不证明收益，展示省略不删除资格。
3. loopx/control_plane/work_items/stride_policy.ts strideReviewMismatch：执行/收益声明需要该声明工作的后续证据，早期对照仍可引用；更换真实当前证据可以通过原写回路径，不创建第二套审批。
4. loopx/control_plane/goals/start_contract.py:188 render_goal_start_quality_message：共享完整文字统一渲染，结构提示引用原字段，独立bootstrap消息完整展开。四臂实际CLI验证 head/wheel/sdist相同，非法execute与未知Agent仍与base字节相同。

规范在实现diff前固定为 docs/architecture/rfcs/hierarchical-agent-stride-control-v0.md，spec_revision: fdf03ec：§7.5 implemented（本次局部原deadline/真实来源恢复，不声称整个observer协议）；§7.6 implemented（同scope来源、完整历史及负结果）；§7.7 deferred（完整研究点与同等机会恢复仍归原provider资格）；M3/M5 deferred（真实模型采用、完整产品旅程和全成本长期收益）。没有拿本PR改写的RFC自证，也不新增整个路线图前置门。

对主干的风险

[P2] 实际 main 已有指导，新的首次引入余量不会触发

位置 loopx/control_plane/testing/cli_output_differential.py:757-773。当前新增的bootstrap JSON3000/Markdown1400余量只在 before.first_delivery_guidance=false、after=true 时应用，但本头真实base两边都为true。独立完整96行、相同fixture实测：三个bootstrap JSON各增481字符，超过178普通余量；三个bootstrap Markdown及message-only各增801字符/3行，超过相应64或128字符、1或2行。分别用base和head的comparator均为89通过/7失败。focused units和19个canary绿不能替代这份实际差分。

这些是呈现回归预算，并非不许大参数或必须删指导的硬限额。完整接口/单位/规模、incumbent、负结果与评测/采用区别有消费者价值。最小修复应在原预算owner中，以真实base/head同负载给这个有限转换补齐测量、完整义务对照、说明和适当余量，保留绝对限制及后续/无关增长检查。不要换成更老无指导base、删除意义或对所有未来文字变化放行。budget文档也应同步bootstrap独有的3000值；当前仅写2400/3600不完整。重跑原96行全部场景和无关转换反例。

初始七文件Python运行保留339通过/23失败/38跳过；22个是当前环境Harbor命名空间无agents的依赖问题。使用公开固定SForge071a与真实Harbor0.20的隔离overlay后，task-entry/prompts111项通过，包括严格umask上传及planning重试。剩余一次原File新增测试在ordinary_ref引用后被拒绝；原代码用秒级generated_at选择证据存在身份歧义风险，但本轮没有保留到足够证据证明那次瞬时因果，因此不把猜测当产品缺陷。另以实际不可变Run引用完成File/SQLite两条真实继续、旧引用无追加拒绝及修正，2项通过；这不宣称原失稳测试已修好。两次外部探针收集路径错误和一次错误CLI测试参数也已保留，修正后才有这两条实际结果。

语义与 CI 对齐

新 review_evidence/派生planned_work扩展原typed owner，provider局部诊断不变成通用kernel状态；没有新的actor权限或得分门。advisory在完整semantic smoke之前执行，两者、TS类型和maintainability均通过，但空advisory不证明无新语义，也不能豁免上述实际budget失败。源码包12个改动产品文件在normal wheel/sdist/安装中逐字节相同；首次构建被旧本地Chat产物正常拒绝，正常build:chat后重建安装与四臂receiver均通过，没有放松校验。

当前62项TS、62项handoff、真实provider111项及独立File/SQLite2项各有范围；不把重复测试数相加成全系统资格。native premerge为6direct+19selected、0失败，仍有1项benchmark manual hold，整体manual_review_required/exit1。未查询或等待hosted CI，未运行新benchmark或付费模型。

我的整体评价

完整准备包的owner和增量规模合理；相邻小重构已集中在原planner渲染，避免重复规则，持久历史兼容仍有真实消费者，不要求无关全量TS重写。long_horizon=improved、user_experience=preserved 限于本次实际来源恢复与原有操作旅程；CLI及测试不认证真实模型、前端采用或研究收益。

当前整体保持 REQUEST_CHANGES，原因是实际base/head七行输出预算尚未按现有合同资格化，而非继续沿用旧缺目录阻断或否定有用文字。保留完整指导，用有证据的有界预算修订完成此准备包后再复审新头；原benchmark人工hold、平台/产品/研究资格与merge授权继续分开。

English verdict: REQUEST_CHANGES - d0da647: the former missing-root refusal blocker now passes all three real process/socket controls, but the unchanged 96-row actual-base/head CLI matrix still fails seven bootstrap growth rows because the new allowance only handles absent-to-present guidance while this base already has it. Preserve useful guidance and qualify the bounded real transition in the existing budget contract/tests; current provider, typed, package and File/SQLite evidence is scoped, with earlier failures and the benchmark manual hold retained.

[loopx-agent]

[P2] 按实际 main 已有完整指导的转换资格化增长。当前 before/after 的 first_delivery_guidance 都是 true，所以下面新增的3000/1400余量不会生效。相同96行真实 base/head 矩阵仍7fail：bootstrap JSON +481超过178，Markdown +801/3行超过相应64或128/1或2行。保留有用完整指导，在原预算owner按当前有限转换补齐测量、语义对照、tests/docs和余量，保留绝对限制及后续增长拒绝；不要换更老无指导基线或删语义。

[songoow]

Reviewer: model_agent; GPT-6 family; OpenAI; self_reported; reasoning_effort=effort_unavailable

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

动机

需要拒绝旧检查点并继续同一来源、随后复盘实际实验的维护者与自动化 Agent。 原先旧包遇到尚未创建的当前目录会卡住来源，实际 main 已有指导时输出资格也会失败；现在三种目录状态均可拒绝后继续，accept 失败有界退出，完整指导的实际升级通过原输出预算 owner 验证。 当前真实进程/socket、实际 CLI 和确定性 Codex 路径已验证工程恢复；复盘仍从完整同 Goal/Agent 历史核对声明工作的后续证据。 不启动新实验，不证明模型采用、完整前端研究旅程或长期得分收益，不授予合并、额外预算或新的验收开关。 完整模型采用、联合研究点恢复和全成本长期收益继续由既有 M3/M5 验收，普通终态归档不升级为完整检查点。

本次评审固定 3c8ba61b5a039348c7d9e7536861fdb9be011799，真实 main 基线 fdf03ec6112aedf497b7ab1d6e5bc4db19c2ae5f。规范为 docs/architecture/rfcs/hierarchical-agent-stride-control-v0.md 在 fdf03ec6112aedf497b7ab1d6e5bc4db19c2ae5f 的原文：§7.5 验证本次原来源/原时限恢复；§7.6 验证研究证据归属；M3/M5 的模型采用与长期收益仍 deferred。不是以本 PR 改写的 RFC 自证。

改动思路

来源进程和文件/socket IO 留在 benchmark provider，历史事实由 Python 运输，资格与结算留在原 TypeScript owner，共享规划指导与渲染复用既有 planner。 本 PR 交付下一次实验所需的完整源码准备包；续跑准备就绪的独立补充由 #6698 沿既有完整检查点入口交付。 已重新检查完整32文件净提案和 main 的整合；最近两项修复分别处理 accept 层错误与已有完整指导的实际升级，而非扩大通用恢复权限。保留完整依赖和历史语义，展示数量不能成为证据资格边界；既有持续工作与停止规则不变。共享 first-delivery 指导是有意默认变化，stride/checkpoint 才是显式启用，不能宣称整个 PR default-off。

通用 LoopX 修复与 benchmark 补充分别承担真实责任：planner、声明工作与复盘证据、pending lifecycle 的改变直接在 loopx/** 生效；Host 阶段期限的解释和 warm 准备编排只属于知道该阶段预算的 provider。不能将后者当成核心研究机制的替代，也不能让通用 kernel 推断某次 benchmark 的续时授权。

具体改动

关键代码讲解

• CheckpointWake.run 与 held_quota_decision：先 accept 并读取有界请求，再验证当前物理目录。旧包拒绝后同一来源纠正并继续；accept 自身失败在拒绝 catch 外传播并清理子进程。当前目录存在、缺失、symlink 三种状态均有真实来源控制，旧包和 foreign 根保持不变。
• projectReplanContext 与 strideReviewMismatch：原声明 Todo、当前规范事实与完整同 scope 追加顺序组成复盘来源；执行/收益引用必须落到后续声明工作。旧比较仍可引用，无可选 progress 附件的普通负工作也合法，缺数据不是未执行，完成实验也不证明目标获益。
• attach_receipt_replan_context：为 current/pending 两条路径传同一个 canonical Todo 输入，保持 #6643 的旧回执身份和 frontier 改变后的恢复，不增加 Python 判定源。
• render_goal_start_quality_message 与 _authoring_input_migration：统一共享文字/独立消息渲染；先检查接口、单位、规模、最强起点和完整成本，保留负结果与评测/替换的区别。完整旧文升级到完整新文的观察只存在于本地测试诊断，不变成运行时状态或文案关键词分类。

prompt 上传0644修复严格 umask 的 agent 读取，宿主目录仍私有；planning 最多三次的限定、原 phase 和既有 blocked/验证成功条件保留。合入 main 后保留 #6671/#6673/#6678 及 canonical evidence reader，普通规划没有重新注入 Host 倒计时。self-repair 旧建议也已校正，#6698 继续复用原准备 Todo 而非新归档服务。

独立当前源码证据：206 handoff/output 用例、96行实际 CLI 差分和 2个真实 Codex files/full handoff 通过。EMFILE 真实探针在修复前超时并记录24544次虚假拒绝，修复后传播 OSError、0次虚假拒绝；耐久测试验证一次 accept 和子进程清理。既有 62项 TS、4个 File/SQLite 入口、210项规划/输出、15项 repair lookup 保留各自来源和范围；相关 owner 字节在最近两次变更中未动，没有继承旧批准代替当前 accept/output 检查。

对主干的风险

已核对前两个阻断：缺目录拒绝后来源继续已通过三根状态；已有指导的实际升级资格现在按真实负载验证。相同96行中 JSON 实测增加481字符，Markdown增加801字符/3行，许可仅限两个 bootstrap 载体完整旧文→完整新文，分别512/832字符与字节、0/3行；missing observations、已扩展、无关载体及后续增长不豁免。绝对输出限制、协议和实验门限未放宽，有用指导未被压缩删除。

typed owner 的 source/off-on、声明工作、旧/无关引用和修正恢复，以及 current/pending lifecycle 已核对。对真实函数/文件未变的来源证据作失效检查；最近变化覆盖当前206、96和native2。早期较宽 provider 运行的依赖跳过、一次 ordinary-ref 用例失败但瞬时原因未证实，都仍保留；后续不可变 Run 引用的双后端检验提供受影响规则的独立证据，不声称旧瞬时失败已修复。完整安装、真实模型理解、前端研究细节和长期实验不在此次通过范围。没有查询或等待新一轮 hosted CI，没有以这些局部成功宣称父路线图完成。

我的整体评价

当前源码准备切片没有剩余阻断发现。来源进程和文件/socket IO 留在 benchmark provider，历史事实由 Python 运输，资格与结算留在原 TypeScript owner，共享规划指导与渲染复用既有 planner。 本 PR 交付下一次实验所需的完整源码准备包；续跑准备就绪的独立补充由 #6698 沿既有完整检查点入口交付。 未来维护复核已采用共享 planner 渲染、完整 canonical 事实和同一个 typed owner，没有新增恢复框架或重型 benchmark 契约。对已复现的问题，当前修复和反例具有对应性；对模型采用、研究收益与产品资格继续保留未验证区别。已有 REQUEST_CHANGES 仍需维护者按原讨论核销，本评审不删除异议，不授予合并或继续实验的权限。

English verdict: APPROVE - 3c8ba61; the demonstrated missing-root and actual-guidance-upgrade blockers are resolved, accept-level failure is bounded, and current206/96/native2 checks pass. Approval is limited to this source preparation slice; prior review reconciliation, installed/model/frontend/research qualification and merge authority remain separate.

[loopx-agent]

Reviewer: model_agent; model=gpt-6.1-sol; provider=OpenAI; runtime_reported; reasoning_effort=max

完整独立重审 6624@3c8ba61b5a039348c7d9e7536861fdb9be011799，实际 base fdf03ec。APPROVE，本头未发现新的可行动代码阻断。前头旧缺目录与输出增长意见已按当前源码和验证复核；作者自评不能替代本次独立结论。

动机

需要持续运行研究任务、拒绝旧检查点并继续原来源的维护者与自动化 Agent。

原来源送来旧检查点时，以前会退出或卡住；现在应关闭这次连接，让同一来源纠正路径后提交当前包并继续。

本头真实三根状态恢复与accept失败清理通过；相同96行实际base/head矩阵全部通过，七行有界增长仍显式提示review；原File/SQLite两例继续通过。

不启动新实验，不证明模型采用或长期得分/成本收益，不完成完整前端研究旅程，不授予合并、升级或新增预算。

完整模型/前端/Lark研究旅程、联合研究点及原M3/M5全成本长期效用仍由既有验收负责；本PR只闭合来源恢复与可运行复盘准备。

改动思路

Python保留provider IO与完整事实传输，TypeScript保留来源/策略/结算语义；共享指导集中原planner渲染，不新增框架或第二决策源。

本PR闭合可运行的来源恢复与复盘准备；完整模型/产品/研究收益继续原阶段，不把计数或包装成功当长期验收。

来源拒绝先取得并消费一个连接，拒绝只关闭它，同一个来源可纠正后重送。Host的accept本身失败则传播并回收拥有的子进程，不能把未取得的连接登记成一次packet拒绝。两个分支都保留原阶段截止，既有planning最多三次尝试、已验证或blocked计划不重跑，500字符错误尾部和上传0644权限各沿原provider。

同一真实输入	实际base或旧规则	当前头
根存在、缺失、symlink后旧packet再纠正	原同脚本三例失败	当前三例通过，原来源继续，旧包及foreign根受保护
accept注入EMFILE、真实拥有子进程	无此明确边界资格	一次accept失败，无虚假handoff，子进程回收
实际base/head完整96行，指导两边均已存在	旧comparator 7fail	当前0fail/7review，增长仍保留显式评估信号
stride off、非法execute、未知Agent	原只读/拒绝	base/source/normal wheel/sdist逐字节一致

表格说明当前头的执行观察及明确旧对照；不代表模型理解、研究收益或hosted CI。完整历史负责因果资格，六行展示不限制证据。规划指导默认扩展已披露，stride与checkpoint仍显式启用；现有授权无新增本人确认轮次。

具体改动

完整净提案32文件、+950/-91。相对已独立读过的d0提案，24path与实际base的blob未变，复核其消费者及已验证来源；8个新改路径全文重读。复用的是不变源码/依赖证据，不是前次结论。当前额外执行了typed、原File/SQLite、物理socket、实际96行与正常包装receiver。

关键代码讲解

1. benchmark/runtime/checkpoint_wake.py CheckpointWake.run 把 listener.accept() 放在packet拒绝catch之外；checkpoint.py held_quota_decision 接收局部 accepted_channel，独立caller仍可自己accept，关闭后不重复消费。这是同provider的资源归属小重构，不增加新恢复框架。三种物理根与新的accept失败反例使用真实socket/子进程。
2. replan_context.ts reviewEvidence/decisionFollowthrough、stride_policy.ts strideReviewMismatch 与Python codec沿既有owner：从完整同Goal/Agent历史按因果位置解析原声明Todo；其他/较早工作不能证明本次执行，缺来源明确unknown，合法负结果不等于科学失败。历史decoder与原once-only结算仍保留；源码未变、本头62TS及原真实File/SQLite两例继续通过。
3. start_contract.py render_goal_start_quality_message、bootstrap与goal-command协议统一原planner全文。结构包可引用共享字段，独立message直接带全文；强初始结果、接口/单位/规模、保留incumbent、负结果与评测/采用区别、全成本和原权界逐条保留。没有靠删义务消除增长。
4. cli_output_semantics.py 与 cli_output_differential.py 用精确owner完整指引观察，只对bootstrap两carrier的complete-old→expanded转换给JSON512字符/字节、Markdown832字符/字节及3行的有限余量。实际增长481、801/3行；三类fixture与message-only共7行，保留review提示。未知owner、错误surface、已expanded再次增长及超界仍失败，绝对预算不变。它是验证观察，未拿substring或文案作运行权限分类。

规范固定为实际base的 docs/architecture/rfcs/hierarchical-agent-stride-control-v0.md，spec_revision: fdf03ec。§7.5 implemented限本次原来源/原deadline局部；§7.6 implemented限来源事实与后继声明；§7.7 deferred完整研究点及同机会恢复；M3/M5 deferred真实采用、产品旅程和全成本长期效用。受影响规范在实现判断前读取并对既有完整章节作不可变源复核；没有用本PR改写的RFC自证，也不要求无关整张路线图先完成。

对主干的风险

前次输出预算P2现已复核修复：相同真实base/head、相同完整96行，旧comparator仍7fail，当前96pass/0fail/7review；测试负例保留后续/未知增长的拒绝。预算文档双语同步完整old→expanded转换及原首次引入限制。这是有消费者价值的文字增长资格化，不是给所有大输出无界放行，也不是新审批门。

当前 pytest checkpoint_handoff + cli_output_differential 为202pass/4skip，4项仅Linux writer-process-group在此Mac不适用；真实三根状态及注入accept错误均运行。没有声称执行作者的真实系统FD耗尽探针。原 test_effective_turn_replan -k due_stride_review_survives 当前File/SQLite为2pass/15deselected。先前一次File失败的瞬时根因仍未知，本头通过不把它改写为已修；前次不可变Run身份的独立恢复证据仍保留。前次339pass/23fail/38skip及22项Harbor依赖问题没有隐藏；固定SForge071a/Harbor0.20的111pass仅用于本头byte-identical的provider路径，非本头新运行。

本头native62TS、TypeScript typecheck通过。一次误用未安装tsx的启动失败未执行用例，已保留；改用仓库规定的Node native strip-types后62pass。semantic advisory先于完整canary语义检查；advisory为空的能力限制不当作无新语义证明。normal build:chat 与 uv build、独立wheel/sdist安装通过；12个通用产品源码在归档和安装中逐字节一致，四臂实际off/拒绝输出相同，head/source与两个正常安装的plan/message相同。benchmark provider仍是源码入口，未冒称在wheel内。

canary premerge --from-git-diff 的6direct及19selected均零失败，仍有1项benchmark人工hold，整体manual_review_required/exit1；这是明确保留的政策hold，不谎称merge ready。没有查询/等待hosted CI、启动新benchmark或付费推理。长期科学收益、完整frontend/Lark研究详情、Linux联合研究恢复未验；本准备阶段的CLI成功不关闭这些原验收。

语义与 CI 对齐

来源关系复用原typed历史/Todo/stride owner，局部channel参数不引入actor生命周期；Python只做IO与事实传输。planner为已披露默认建议，强制来源校验只在原启用策略，二者分开。off路径不读取附加Todo事实，原权限、quota、stop及deadline不变。通用错误保持领域中立，没有把研究得分当所有Goal义务，也没有将机器硬校验称作建议。

我的整体评价

同源纠正继续及后继声明工作来源已验证；限定工程继续，不认证科学收益。 现有 intent/authority 已足够，执行与评测没有新增本人确认；共享指导扩展已披露，CLI 仍只读规划。

long_horizon=improved、user_experience=preserved只描述本次工程继续及原旅程。future-facing检查已应用于同provider的连接资源归属和既有planner统一渲染；历史兼容有实际消费者，未扩成框架或新存储。整体规模与可逆准备包相称，当前无未解决代码finding。旧review/线程是否解除、最终required checks、maintainer授权与merge readiness仍各自为门，本评审不执行dismiss、resolve或merge。

English verdict: APPROVE - 3c8ba61: the prior refusal and actual-base growth findings are resolved within the existing owners. Current real socket/child recovery, bounded 96-row CLI comparison, typed and File/SQLite continuation, and normal installed-package receiver checks pass in their stated scope. Linux-only skips, earlier unexplained fixture failure, benchmark manual hold, and unqualified model/frontend/long-horizon utility remain explicit; this approval is not merge authority.

[songoow]

补充：为什么需要这组修复，以及与研究反馈修复的分工

针对源码头 3c8ba61b5a039348c7d9e7536861fdb9be011799 的背景说明，不是新的代码评审或合并结论。

产品目标是分别检查初次提交的质量，以及长程研究能否利用新证据改变路线。若规划尚未进入真实执行，或一次可选检查点拒绝使原进程等待、重复处理未消费的连接，实验就无法有效回答这两个问题。HTTP 成功、进程存在或正常退出也不能代替有效执行与研究收益证据。这是先修运行/来源可靠性的必要性，而不是增加运行时长本身就是优化。

为什么复用现有实现：文件、子进程和 socket 生命周期属于 benchmark provider，决定及来源资格仍属于现有 TypeScript owner。当前的 bounded request 消费、拒绝后关闭连接和 accept 级错误传播，针对的是具体生命周期缺陷；保留原阶段期限和来源身份，不需要增加通用强制续跑规则。初次交付指导强调有质量的起点，也不等于以尽早反馈鼓励弱候选。

还需区分“来源可用”与“下一轮能发现关联结果”：本 PR 已支持普通工作结果从完整历史通过引用资格校验；后续 #6702 补的是标准 followthrough 未投递这类结果与声明 Todo 的关联，不是否定这里已有的完整来源校验。#6702 直接以本分支为基线，不放宽证据资格，也不把普通结果算成 typed progress 或收益。

相关的 #6698 核验完整检查点恢复准备，#6700 提供显式分析入口；两者不因本 PR 的测试通过就自动获得恢复、模型采用或效果认证。现有真实 socket/子进程与 CLI 回归针对工程故障；固定响应的 native 测试不证明模型判断。首次质量是否达到原生、长程是否出现可归因的新突破，仍需要独立实验。本说明不改变当前代码头、评审线程、停止条件或合并权限。

[huangruiteng]

这里加了一些新的默认prompt，这块感觉还是得慎重点，有的感觉仅是在加载ckpt的场景下需要的？这种是不是应该放进benchmark，如果要侵入loopx kernel，maybe考虑以hook形式？

[mergify]

This pull request has merge conflicts with main and cannot be merged
until they are resolved. Please rebase or merge the base branch, @songoow.

Choose the remote for the base repository, not an out-of-date fork.
For a fork clone, first inspect git remote -v; upstream must point
to https://github.com/loopx-project/loopx.git. If it is absent, add it
with git remote add upstream https://github.com/loopx-project/loopx.git.
Then run:

git fetch upstream
git rebase upstream/main
# Resolve each conflict, git add the resolved files, then git rebase --continue.
git push --force-with-lease origin HEAD

For a same-repository clone whose origin points to
https://github.com/loopx-project/loopx.git, use origin instead of
upstream for fetch/rebase. If you prefer merging the base, use
git merge <base-remote>/main and push normally.

Keep the DCO Signed-off-by trailer on every commit when you rebase.
https://docs.github.com/en/pull-requests/collaborating-with-pull-requests/working-with-forks/syncing-a-fork

[songoow]

已按默认 prompt 归属意见修复，准确头 8d89fa53eb8dc95b11e8facf1e7379dfe8f92023，已同步当前 main：

• 普通 Goal/CLI 的新增规划文字、为其引入的渲染 helper 和差分增量 allowance 已撤回。九个相关源/契约文件与 main@73aa2bc 完全相同，保留主干本已有的强首次交付要求，而不是继续扩大默认提示。
• 新增假设检查、最强起点对照、保留 incumbent、负实验边界只由 benchmark 原显式 loopx-planned 规划入口包装；Core packet 不修改，普通 Goal/seeded/official 不采用。checkpoint 指令仍归原 provider，不增 kernel hook 框架。
• 原被额外 literal 改写破坏的 digest owner 架构用例已在恢复原 owner 后通过，没有删除例外/围栏断言来放松测试。保留真正的 stride 决定/后续工作证据及 source-bound 恢复修复。
• 最终组合 370 Python 通过/34 个专用 SForge 条件跳过，另 2 个真实 File/SQLite 核心闭环、47 TS、typecheck、完整语义与 quick premerge 执行项通过。benchmark 人工 gate、模型实际采用与效果仍未关闭；正文区分刷新前后来源和未覆盖项。

#6713 已按用户选择关闭；独立运行时/HTTP 生命周期修复拆至 #6720，不再把集成 PR 当成所有来源已采用的凭据。这是作者修复说明，请按新头重新判断；未 dismiss 原评审、未合并、未启动或更新实验。

[songoow]

Reviewer: model_agent; model=Codex; provider=OpenAI; declaration_source=self_reported; exact serving variant and reasoning effort unavailable.

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

完整复审准确头 8d89fa5，结论 APPROVE，未发现当前阻断项。旧头 review 不继承为本头批准；这是作者自审，不代替维护者判断或合并授权。

动机

使用显式研究策略和检查点的操作者，需要让下一次工作看到之前实验的真实结果，并在一次无效交接后继续原来源。

旧实现可能拒绝合法普通回写的结果引用，或者在捕获目录尚未存在时留下等待连接；仅有决定记录或更早评测不能解决这些问题。

当前实现把决定、声明的 Todo 和后续观察接到原读回链路，并在拒绝旧 packet 后允许同一进程纠正后继续；真实 CLI 和子进程恢复已验证。

剩余缺口是原生模型实际采用、完整研究产品旅程以及首次质量和长程净收益，脚本闭环不能替代这些证据。

本次不启动研究、延长原阶段或新增评分/执行权限，不认证完整研究状态恢复，也不要求为本提案继续改写通用 prompt。

改动思路

研究事实由现有 Python IO 编码，关联和引用资格归原 TypeScript replan owner；可选 benchmark 规划及 socket 生命周期留在 provider，不建立第二个证据账本。

当前 PR 交付可执行的研究读回与来源恢复准备，不宣称关闭完整 M3/M5；普通 Goal 默认提示沿用主干，额外指导仅进入显式 loopx-planned 入口。

最强反对理由是一次恢复故障不应变成通用研究框架。当前净提案已撤掉全局 prompt 扩张及为之补偿的渲染/预算改写，保留既有策略内的派生视图和真实来源校验；只提示“认真研究”则不能让遗漏的普通结果重新可读。Todo/历史仍是原 canonical owner，负结果不被自动转为目标收益。此前讨论的策略指导统一属于未来可选优化，不作为本头新阻断。

下表描述此准确头的调用关系，不是模型采用证据：

触发	原边界	当前结果
后续普通工作无 typed-progress 附件	可被引用但下一轮读回缺失	返回不可变引用，实际 history 可读取
引用决定前或其他 Todo 的记录声称执行	来源关联不完整	拒绝；改用真实后续声明工作证据可恢复
当前根缺失或 symlink，收到旧 packet	来源异常退出/无法继续	先消费并关闭该连接，原来源纠正后继续
listener.accept 本身失败	Host 执行故障	仍抛错并收尾，不冒充可恢复 packet 拒绝

具体改动

覆盖完整25文件、+1188/-57，不只看最新 prompt 提交：生产部分是 benchmark 文件/socket/规划适配与现有 replan codec/typed owner；另有回归、四份公共说明和原 self-repair 条目更新，无生成物、新调度框架或分数门槛。规范依据为 docs/architecture/rfcs/hierarchical-agent-stride-control-v0.md，spec_revision: 73aa2bc，先读原 §7.5/§7.6/§7.7/§11，不用本 PR 的 RFC 改写自证。

§7.5 implemented：原准入、停机和 phase 截止不被可选捕获或重试扩大。§7.6 implemented 限来源与提案边界，既有 Todo/普通历史供下一轮消费，负结果保持合法。§7.7 deferred：本切片不认证完整同点科研状态/机会恢复；已有 provider 资格边界继续适用。§11 deferred：真实 provider/Host 模型采用、完整产品读回和科学效用仍由原 M3/M5 验收负责，不另外造状态机或仪式性跟踪任务。

关键代码讲解

1. held_quota_decision / CheckpointWake.run：先 accept 并消费有界请求，再验证物理根。未进入 holder 的已消费拒绝可记录后继续；accept 故障、进入 holder 后失败及已退出来源仍由原执行失败 owner 处理。原 packet、wake 和 deadline 不续期。
2. decisionFollowthrough / workResultUse：从原追加顺序重建声明 Todo、当前 canonical 状态、普通/类型化后续记录及跨轮待跟进结果。一次引用或建任务不消费结果，后续工作关联也不认证候选适用性、执行真实性或收益。六条展示保留完整分母，不变成资格上限。
3. reviewEvidence / strideReviewMismatch：最多三条引用经完整同范围历史重放，执行/收益声明须有该声明工作的后续观察。unknown 和负结果仍合法，先前对照不能冒充后续执行；Python 只传原事实，history iterable 只消费一次。pending lifecycle 同样从原 canonical Todo 来源接续，不借新 frontier 改旧结算身份。
4. render_planning_prompt / prepare_entry：Core task packet 保持不变，额外研究指导仅在 provider 规划包装。最多三次初始失败 wake 仍受同一 phase；超时、harness error、有效/blocked plan 不重跑。上传 prompt 显式0644，严格 umask 的宿主控制目录仍私有。worker 错误尾部有界，仅是私有诊断。

legacy 描述型 Todo delta 仍读得回但不伪造关联，长 ID 不截成另一个身份；两种既有历史 decision 继续可读。保留兼容是为真实持久记录，不为假想多版本框架。文档/技能明确普通输入不重新注入 Host 倒计时，恢复意图和当前准入仍归原入口。

对主干的风险

本轮在同一 public fixture 完整执行冻结 base/head 的96行 CLI 差分：两份 receipt 的 SHA256 同为 774bf63e833c620dd92bd4c58a34c3c78b232d3fcd4affcccda6fc96642a4462，零 candidate-only/零 review signal；它验证该固定输出矩阵，不等于模型理解。九个通用规划/比较器相关文件与冻结 main 字节相同。启用策略的 Todo/普通结果、迟到纠正、foreign lane/旧 Goal 实例、展示 cap、历史重放与 off 行为由47项真实 typed-owner 测试覆盖，并与实际 File/SQLite CLI 链路连通。

本轮 2个 File/SQLite 核心案例通过 / 95.52秒：运行真实候选/探针子进程，读普通负结果，保留原方案，创建下一项对照，后轮读回关联；旧引用拒绝不追加，换真实后续引用后恢复，重复提交不重做。消费方是脚本，不借此宣称模型自主采取了建议。

真实 socket/拥有子进程的同一三例 oracle 在冻结 base 的 present/missing/symlink 全失败，当前三例都继续且不改旧包、不写外来根；63项 handoff 检查通过，其中 EMFILE accept 一次失败即退出、无虚假捕获。不能把捕获目录存在时的成功外推到目录缺失。捕获时钟测试固定同一 monotonic phase，不再另起一个稍晚的五秒窗口，未放宽原严格边界。

为消除条件跳过，本轮安装文档指定的 SForge 071a884012754127f28f5b84be10f533a42db527 与 Harbor0.20.0，任务入口/prompts 115 passed / 124.73秒，无跳过；此前34个依赖跳过不再当作本头受影响 seam 的未执行证据。只运行公开合成 fixture，没有启动 benchmark 或付费模型。Ruff、双语、差分 advisory 后的完整语义扫描75.22秒通过；同一准确头此前6 direct+4 selected premerge及25路径边界检查经 source/caller 不变核对后复用，不把旧370项重新报作本轮全套。

语义与 CI 对齐

既有状态、Todo 身份和结算资格仍由原 typed owner 决定；新增的是同一 replan contract 的派生字段和局部引用重放入口，不是新 actor 或第二权限源。原启用策略的 due review 是硬义务，指导本身不授予执行或强制换路；ordinary/off 路径不读取附加 Todo 规则。额外 benchmark 指导属于有意处理差异，比较须固定版本，不能把它的效果归因于 LoopX 核心机制。

CI 有同头两次流程：旧 39011463197 总体 cancelled，changes 被取消后 checks/pytest/merge-gate 因缺少分类结果失败，已实际读日志核实；新 39011500862 同头流程仍在执行。没有把这些汇总失败伪称测试断言回归，也没有把 pending 当通过；本地当前源码覆盖相关不变量，远程完整资格仍是独立合并 gate。

当前 main 已至 110893bcafeb23c166251f9aeec6fe3d829294d1，包括已合并 #6698 和 Chat/Lark 修复；已读其31文件影响和执行只读 merge-tree，组合干净，但没有把它称为已执行最终合并二进制。合并前仍需按真实 main 与准确 head 再核门槛。

我的整体评价

justified_increment；long_horizon=improved、user_experience=preserved，限原来源恢复与证据进入后续实际工作这一机械闭环，不证明 initial>=native、plateau 后突破或完整 M3/M5。当前不需要再修改 prompt 才能接受该准备切片。

完整包在既有 owner 内交付可独立验证/回滚的真实增量；只修 socket 不会补普通结果读回，只改指导不会补实际来源关联。代码规模有成本，但当前无须以“精简”为名删除持久兼容或另造框架。已单独重估 compatibility/architecture，而非随旧评审修复惯性批准；未来统一策略指引不是现有阻断。本轮不 dismiss 维护者意见，也不合并、部署或更新活跃研究。

English verdict: APPROVE - 8d89fa5: provider-scoped planning replaces global prompt expansion; complete scoped followthrough and consumed-channel refusal recovery are supported by96-row base/head parity,115 provider tests,63 handoff tests,2 real File/SQLite cases and47 TS checks. Model utility, hosted completion, final integration and maintainer approval remain separate.

[songoow]

这里加了一些新的默认prompt，这块感觉还是得慎重点，有的感觉仅是在加载ckpt的场景下需要的？这种是不是应该放进benchmark，如果要侵入loopx kernel，maybe考虑以hook形式？

看下了，当前的agent.md 和一些prompt 确实值得优化下，提个新的这方面的pr ,一起看下

[songoow]

本轮按维护者关于默认 prompt 归属的原意见，以及冻结 73aa2bc8946f3d5e0fb5600580dfa233427eb462 的 stride RFC §7.5/§7.6/§7.7/§11 完成复审。完整准确头审查已发布，远端正文/commit_id 读回与审查结果一致，正式结果校验通过。

当前 8d89fa53eb8dc95b11e8facf1e7379dfe8f92023 的普通 Goal 规划相关九文件与冻结主干相同，96行真实 CLI receipt 完全一致；额外指导仅在显式 benchmark 规划入口，未要求再扩写 prompt。源恢复和研究读回由真实子进程/socket、File/SQLite 及完整历史资格检查支撑，未认证模型采用或研究收益。

本结论为作者账号的 COMMENTED/APPROVE 自审，不等于维护者批准。closeout 仍读到原维护者 CHANGES_REQUESTED；意见完整保留，待维护者判断新头。未 dismiss、改代码、合并或启动研究，CI/最终合并资格独立保留。

[loopx-agent]

Reviewer: model_agent; model=gpt-6.1-sol; provider=OpenAI; runtime_reported; reasoning_effort=max

完整评审 6624@8d89fa53eb8dc95b11e8facf1e7379dfe8f92023，实际 base 73aa2bc。APPROVE：当前完整源码提案未发现剩余代码阻断。旧评审 reconciliation、benchmark 人工门和合并授权仍分开保留。

动机

使用显式研究检查点继续实验的操作者，需要保留原会话，并在下一次路径选择中读到已声明工作的真实结果。

以前捕获目录缺失会先于接收失败包而中止源会话，普通实验结果也可能在后续复盘中被遗漏；现在先消费该连接并让原工作纠正继续，结果按原工作身份保留到可归属的后续工作。

真实 File/SQLite CLI 已完成候选实验、保留负结果、声明下一项工作、再执行及读回复盘；传输三类实际base失败在head通过，默认Core规划的96例差分通过。

不认证真实模型采用、科研收益或完整安装恢复，不增加机会、预算或执行权限，不建立第二个结果账本、通用hook或新用户开关。

真实模型在完整研究恢复中使用这些信息、匹配实验净收益和完整frontend/Lark恢复旅程，仍归既有§7.7/M3/M5资格，不由源码演示宣称完成。

改动思路

复用既有TS决策与规范history，在benchmark provider处理socket/研究提示；不引入通用Core默认研究策略、第二账本或hook。

本PR交付可纠正的源会话继续和真实普通工作到下一决策的源码链路；完整安装恢复、模型采用和科研净益仍由既有§7.7/M3/M5承担。

最强反对理由是：一次恢复问题不应让所有普通Core任务承担新增研究提示，也不应另造“采用结果”账本。当前8d已撤销这条较宽路线。render_planning_prompt仅在worker的显式loopx-planned计划阶段使用；普通Core规划和plain native worker不走该包装。既有任务规划、CLI输出语义及其他八个规划owner的base/head blob逐字相同，原增长allowance也没有留在netdiff。无需为未来可能性新增通用hook。

对源恢复，只有接受连接后才能拒绝并关闭这一个请求，单纯catch而不消费会重读同一坏包。当前accept仍在可恢复catch之外；只在未进入handoff且源仍活着时记录拒绝并继续，原deadline不变。已经进入capture、源退出或accept本身失败则由原owner失败，不能借恢复路径重启或重复副作用。

对后续工作，规范Todo与完整按追加顺序的history是事实，TS投影是唯一派生owner。Python只传canonical事实，orderedDecisionRows同时服务展示和review_evidence重放；六行只是展示窗口。work_result_use表达“结果—决策—声明的后续Todo—后续记录”的可归属关系，引用一次结果不会自动消费它，也不证明实际模型采用、科研增益或新的执行许可。

情况	实际base/旧路径	当前精确头
目录缺失/符号链接且已有拒绝包	根检查先失败，中止源wake	消费并关闭该连接，原源可纠正继续
普通实验无typed progress，或引用落在六行之外	结果可能不展示/不能适当重放	普通证据单列，完整scoped源决定可引用性
复盘引用结果，尚未执行下一工作	引用与采用关系不清	仍pending；后续声明工作有记录才派生关联
stride关闭	原Core默认	八组完整JSON含identity/diagnostics/actions完全相等

表格是当前源码与注明探针的解释，不替代执行证据；真实模型理解未验证。

具体改动

完整25路径、+1188/-57已读，包含provider恢复/提示/重试、TS完整来源读模型和重放、对应Python事实桥、六个测试路径以及README/RFC/protocol/既有repair说明。按当前整包重新评估，不继承曾被dismiss的3c批准。28个贡献提交均有DCO；唯一无trailer的65f6是已由GitHub API验证web-flow、有效签名及精确双父的集成merge，符合现有DCO豁免。

1. CheckpointWake.drive先accept并有界读包，再验证真实捕获根；拒绝仍不capture、不release、不延长原时限。完整捕获准备窗口与原phase取小值，当前测试共用同一个deadline，未放松原严格上界。
2. planning.render_planning_prompt保留接口/单位/尺度、参考方法、判别实验、保留incumbent及评价与替换分离的研究提示，只交给显式provider。sforge_entry最多三次只重试原phase内无有效计划、无harness错误的native非零退出；timeout、有效ready/blocked计划及原预算耗尽不再执行。提示临时文件显式0644，而私有父目录边界不变，已实际安装匹配SForge依赖执行该case。
3. decisionFollowthrough（replan_context.ts:288）从原todo_delta读真实已声明Todo，回读当前状态并分别提供typed和ordinary证据。缺失当前行、done状态或历史描述均不能认证执行/Goal增益；普通结果不伪造成typed progress。
4. reviewEvidence（261行）及strideReviewMismatch（stride_policy.ts:261）对引用在完整scoped源重放。执行/目标增益声明需要后续声明工作的证据；较早比较、无关工作、accounting重复及异域身份不能替代。unknown、可解释负结果和既有合法历史仍可读。
5. workResultUse（205行）以同一追加顺序派生pending/recorded关系；新计划可以替换未执行proposal，不能抹掉其源结果。全局另有一个明确安全修复：大于120字符的无效Todo身份不再截断成另一个现存ID，实测base产生120字符alias、head不建链接，合法ID不变。这一项不能冒称stride-off逐字兼容。

规范 docs/architecture/rfcs/hierarchical-agent-stride-control-v0.md，spec_revision: 73aa2bc，连同该base的replan protocol及当前维护者5556333394意见先读后审。§7.5 implemented：原source/deadline和拒绝后继续；§7.6 implemented：决策、实际工作与结果的适用来源及后续普通工作读回；§7.7 deferred、M3/M5 deferred：完整安装恢复/再次捕获、模型采用和匹配科研净收益继续既有资格。新文档不能自行把后者改为已完成。

对主干的风险

当前头已处理旧aa124的未消费root拒绝问题；旧d0默认Core输出增长问题在8d由删除通用提示改为provider归属解决，未升高预算换绿。维护者在65f6要求研究建议不进入普通Core默认的方向也已落实。这里只给当前代码批准，不自动dismiss其评审或resolve讨论。

当前本地证据：六文件focused 217passed/4skipped（88.03s），实际File/SQLite完整继续 2passed/15deselected（53.91s），三个TS文件 65passed。实际immutablebase相同root输入有三项有意义失败、head对应通过；第四项base accept-failure尝试先撞到缺根前置条件，没有到accept，故不把它当第四个敏感性证明；head的accept-failure case仍在focused执行通过。四个未执行的原平台用例不能称通过；当前changed path已有真实POSIX socket及File/SQLite覆盖。

实际CLI矩阵 96base/96head，0fail/0review，这是原生语义/尺寸指标比较，未宣称所有stdout字节相同。另八组0/1/64/250 history行与可用/不可用Todo源，在stride off的完整context JSON上deepEqual，未丢弃identity、coverage、errors或read actions。源候选/后续probe进程确实执行并读取产物、保留负结果及incumbent，再进入正常Todo/history/refresh/settlement；脚本化调用者不能替代真实模型理解。

语义与 CI 对齐

内部review_evidence扩展既有操作词汇，决定权仍在TS；advisory先于完整semantic，8个受支持源0候选不能替代显式词汇审查。普通与owed lifecycle共用源事实，展示缺失不等于canonical缺失。通用文字保持Goal/work/evidence，研究建议限provider；指导与机器执行的证据一致性明确区分，没有新增must_attempt_work或自动执行许可。

标准canary 6direct+19selected，0check失败，双语、完整semantic、公私边界及diff hygiene通过；整体仍 exit1/manual_review_required，保留benchmark人工门。未查询、触发、等待CI，未启动benchmark、付费模型、安装共享CLI或激活新配置。源码机制通过不等于完整安装产品或科学收益通过。

我的整体评价

long_horizon=improved、user_experience=improved：同一源wake能纠正继续，负结果进入下一项实际工作且不会仅因新一次复盘而丢失；既有授权下新增本人交互为零。普通Core默认研究提示已退回原owner，剩余机制覆盖这次真实来源链，不把全套研究路线图当当前阻断。

future-facing检查已应用共享orderedDecisionRows与accepted-channel所有权，删除过宽Core策略，未再添框架或平行状态。整包虽跨provider和readmodel，却围绕“恢复后用真实结果继续工作”的同一可回退边界；当前没有要求额外拆分/简化的证据。剩余完整安装、模型采用/科研净益、旧review reconciliation、人工门和merge授权各自保留。

English verdict: APPROVE - 8d89fa5: the whole 25-file proposal now consumes refused checkpoint channels without killing the live source, keeps initial research advice inside the explicit benchmark provider, and derives/replays ordinary declared-work results through the existing typed history owner. Current217 focused,65TS,2 real File/SQLite continuations,96 paired CLI cases and8 full off-mode JSON pairs support this bounded source increment. The always-on invalid-ID non-alias repair is separately disclosed. Benchmark manual hold, effective prior reviews, installed/model research qualification and merge authority remain separate.