Ev3rGan · Ev3rGan · Sep 8, 2026 · Sep 8, 2026 · Sep 8, 2026
@@ -0,0 +1,5 @@
+**/*.patch whitespace=-blank-at-eol
+**/patch.diff whitespace=-blank-at-eol
+**/eval.sh whitespace=-blank-at-eol
+**/*.log whitespace=-blank-at-eol
+**/test_output.txt whitespace=-blank-at-eol
@@ -0,0 +1,98 @@
+# Issue #33：真实 SWE-bench 上下文压缩验收
+
+本目录保存 Issue [#33](https://github.com/Ev3rGan/coding-agent-kernel/issues/33) 在 PR [#35](https://github.com/Ev3rGan/coding-agent-kernel/pull/35) 合并后的真实验收记录。它同时保留成功样本、配置失败样本与改造前的 Django 历史样本，供后续分析压缩质量、代理重复探索和失败模式时复用。
+
+## 结论
+
+两个彼此独立、且不同于历史 Django 样本的 SWE-bench Verified 实例均满足关闭 Issue 前约定的运行门禁：
+
+| 实例与运行 | 字符窗口 | v2 checkpoints | FAIL_TO_PASS | PASS_TO_PASS | 官方 Harness | 结论 |
+| --- | ---: | ---: | ---: | ---: | --- | --- |
+| `pallets__flask-5014` / `attempt-1-c5000-agent-failed` | 5,000 | 8 | 未运行 | 未运行 | 未运行 | 保留的失败证据；第 9 次摘要超过 2,500 字符预算 |
+| `pallets__flask-5014` / `attempt-2-c20000-resolved` | 20,000 | 3 | 1/1 | 59/59 | resolved | 通过 |
+| `scikit-learn__scikit-learn-14141` / `attempt-1-c20000-resolved` | 20,000 | 1 | 1/1 | 2/2 | resolved | 通过 |
+
+成功运行均使用公开入口 `python -m coding_agent swebench run`、真实 `deepseek-v4-pro` Adapter 和官方 SWE-bench Harness，不使用 fake provider，也不以仓库内 pytest 代替外部验收。
+
+本 PR 的后续产品改动把 20,000 设为 Kernel 与 SWE-bench CLI 共用的默认字符窗口；`--context-max-characters` 仍可显式覆盖。由于真实运行先于该默认值改动完成，两个成功样本都显式传入了同一个 20,000 值：真实运行验证这个窗口下会发生压缩并通过双门，公开 CLI 回归测试则验证省略参数后 `config.json` 与 `manifest.json` 也会记录 20,000。
+
+## 被验收的候选版本
+
+- `main` / PR #35 merge commit：`815b166f45627a17f5c5f7641e508497648ddba3`
+- 验收时远端 `main`：同一 commit
+- 从该 merge commit 构建并隔离安装的 wheel：`coding_agent_kernel-0.1.0-py3-none-any.whl`
+- wheel SHA-256：`3fc99aa73f6626e035cb6507bf5b2190cc5fdf98f8f47e13354d33c35bc798ba`
+- Python：3.12.10
+- SWE-bench：5.0.2
+- Verified dataset revision：`78f471bf655a3137b2e8a75af1501690ec009ec3`
+- 仓库内固定的 official contract commit：`7a21e05772954cc81471ae19d56f436cecf43c54`
+- 本证据 PR 的后续改动：将产品默认字符窗口从 100,000 调整为经上述真实运行验证的 20,000
+
+PR #35 合并前的单元、类型、格式和 wheel 门禁另见 [development-gates/pr-35.md](development-gates/pr-35.md)。这些门禁用于证明构建质量，但不替代本目录的真实 SWE-bench 验收。
+
+## 压缩与连续性证据
+
+### Flask 成功运行
+
+checkpoint 位于 Session sequence 52、87、124，压缩深度依次为 1、2、3：
+
+| sequence | covered messages | summary chars | request chars before | request chars after |
+| ---: | ---: | ---: | ---: | ---: |
+| 52 | 33 | 3,739 | 97,798 | 6,262 |
+| 87 | 53 | 4,673 | 45,627 | 7,232 |
+| 124 | 75 | 3,558 | 34,054 | 6,117 |
+
+三条 checkpoint 均为独立 `kind=compaction`、`version=2` 节点。后一条的 `previous_checkpoint_id` 指向前一条，coverage 严格扩展前一条 coverage，且所有 covered ID 都能在 Session 中找到对应 message。摘要标题结构完整，未出现递归 `summary:summary:` 包装。
+
+最后一条 checkpoint 后仍保存 12 条原始 message，代理随后完成源代码与回归测试修改、自测 `60 passed`、生成 patch，并由官方 Harness 判定 resolved。这证明恢复的工作状态不是只够生成一句结束语，而是支持了后续编辑、测试与交付。
+
+### scikit-learn 成功运行
+
+checkpoint 位于 sequence 61，覆盖 37 条 message，将约 46,146 字符压到 5,383 字符；摘要为 2,868 字符。checkpoint 后保留一条原始 assistant message，准确报告已经完成的两个文件修改和 `3 passed` 自测结果，随后生成 patch 并通过官方 Harness。
+
+该样本的 coverage、唯一性、八段摘要结构与递归包装检查同样全部通过。
+
+### 5k 失败与 20k 产品默认值热修复
+
+Flask 首次运行用 5,000 字符窗口强制高频压缩。它先成功持久化 8 条合法 v2 checkpoint，随后第 9 次模型摘要超过 2,500 字符的实际摘要预算，被契约校验以 `compaction_summary_invalid` 拒绝；Run 以 exit 4 停在 agent 阶段，没有伪造 Harness 结果。
+
+保留该失败而不是覆盖后，验收通过公开 CLI 的显式参数将窗口提高到 20,000。按照当前算法，有效摘要预算为 `min(max_summary_characters, max_characters / 2)`，因此从 2,500 提高到 10,000。两个成功样本仍实际触发压缩，说明 20k 没有绕过验收目标。随后，本 PR 将同一个 20k 值提升为产品默认值，同时保留显式覆盖能力。
+
+这次结果支持把 20k 作为当前产品默认值；它不证明任意更小窗口都应成功。未来可单独评估“模型摘要偶发超预算时有限重试或确定性收缩”是否值得实现。
+
+## 证据文件说明
+
+每个新运行目录包含：
+
+- `config.json`、`kernel_configuration.json`、`provenance.json`：运行配置、Kernel 投影设置与官方实例来源；
+- `manifest.json`：唯一的运行终态；
+- `session.jsonl`：完整持久化 Session，包括 raw message、权限决策和 compaction checkpoint；
+- `tool_results.jsonl`：工具结果审计记录；
+- `events.lifecycle.jsonl`：移除逐 token 的 `message_update` 与重复的 `tool_execution_update` 后的生命周期事件；
+- `audit.json`：从上述记录派生的 checkpoint、lineage、coverage、连续性与 Harness 门禁检查；
+- `prediction.jsonl`、`workspace.patch` 和 `official-harness/`：成功运行的预测、补丁和扁平化官方 Harness 报告；
+- `source-manifest.json`：外部不可变源 artifact 的文件大小与 SHA-256，以及归档时的去标识化/过滤规则；
+- `files.sha256`：仓库内归档文件的 SHA-256。
+
+目录根部的 `archive.sha256` 进一步固定除它自身外的全部归档文件。
+
+`workspace/` 没有复制进 Git：成功运行已保留完整 patch、prediction、Session、ToolResults 和官方报告；工作树副本体积大且可由官方实例与 patch 重建。原始 `events.jsonl` 主要由逐 token/update 事件构成，仓库中保存精简生命周期流，同时在 `source-manifest.json` 中固定原始字节数、行数和 SHA-256。
+
+统一 diff 的空 context 行按格式必须包含一个前导空格；Harness 的 `eval.sh` 内也嵌有同一 diff，生成的日志和测试输出还保留进度条回车及原始空白行。目录内 `.gitattributes` 仅对这些证据文件关闭 `blank-at-eol` 误报，不改变其内容或其他 whitespace 检查。
+
+归档前用实际运行凭据执行了精确值扫描，全部记录为 0 命中；API key 未写入本目录。主机专属路径已替换为 `<external-artifact-root>` 与 `<user-profile>`，不会把开发者机器路径固化进仓库。
+
+## 目录索引
+
+- [机器可读的总验收结论](acceptance.json)
+- [20k 产品默认值补充门禁](development-gates/pr-36-default-window.md)
+- [Flask 5k 失败运行](runs/pallets__flask-5014/attempt-1-c5000-agent-failed/audit.json)
+- [Flask 20k 成功运行](runs/pallets__flask-5014/attempt-2-c20000-resolved/audit.json)
+- [scikit-learn 20k 成功运行](runs/scikit-learn__scikit-learn-14141/attempt-1-c20000-resolved/audit.json)
+- [改造前 Django 六次运行](historical/django__django-11133/README.md)
+- [机制设计](../../design/context-compaction-v2.md)
+- [系统调研与 Django 原始分析](../../research/context-compaction-systems.md)
+
+## Issue 状态边界
+
+本目录证明两个真实实例已经满足技术验收条件，但生成记录本身不自动关闭 Issue #33。只有本证据 PR 合并、对应 commit 与结果回写 Issue 后，才具备关闭条件。
@@ -0,0 +1,66 @@
+{
+  "version": 1,
+  "issue": 33,
+  "candidate": {
+    "merge_commit": "815b166f45627a17f5c5f7641e508497648ddba3",
+    "remote_main_at_validation": "815b166f45627a17f5c5f7641e508497648ddba3",
+    "package_version": "0.1.0",
+    "python_version": "3.12.10",
+    "wheel_sha256": "3fc99aa73f6626e035cb6507bf5b2190cc5fdf98f8f47e13354d33c35bc798ba"
+  },
+  "evaluation": {
+    "adapter": "deepseek-v4-pro",
+    "dataset": "SWE-bench/SWE-bench_Verified",
+    "dataset_revision": "78f471bf655a3137b2e8a75af1501690ec009ec3",
+    "harness_version": "5.0.2",
+    "official_contract_commit": "7a21e05772954cc81471ae19d56f436cecf43c54"
+  },
+  "product_default": {
+    "context_max_characters": 20000,
+    "authoritative_setting": "coding_agent.context.DEFAULT_CONTEXT_MAX_CHARACTERS",
+    "applies_to": [
+      "ContextSettings",
+      "SWEbenchRunConfig",
+      "python -m coding_agent swebench run"
+    ],
+    "explicit_override_supported": true,
+    "real_acceptance_runs_used_same_explicit_value": true
+  },
+  "runs": [
+    {
+      "artifact_id": "issue-33-815b166f-flask-5014-v1",
+      "audit": "runs/pallets__flask-5014/attempt-1-c5000-agent-failed/audit.json",
+      "context_max_characters": 5000,
+      "exit_code": 4,
+      "instance_id": "pallets__flask-5014",
+      "status": "agent_failed",
+      "v2_checkpoints": 8
+    },
+    {
+      "artifact_id": "issue-33-815b166f-flask-5014-v2-c20000",
+      "audit": "runs/pallets__flask-5014/attempt-2-c20000-resolved/audit.json",
+      "context_max_characters": 20000,
+      "exit_code": 0,
+      "fail_to_pass": "1/1",
+      "instance_id": "pallets__flask-5014",
+      "pass_to_pass": "59/59",
+      "resolved": true,
+      "status": "success",
+      "v2_checkpoints": 3
+    },
+    {
+      "artifact_id": "issue-33-815b166f-scikit-learn-14141-v1-c20000",
+      "audit": "runs/scikit-learn__scikit-learn-14141/attempt-1-c20000-resolved/audit.json",
+      "context_max_characters": 20000,
+      "exit_code": 0,
+      "fail_to_pass": "1/1",
+      "instance_id": "scikit-learn__scikit-learn-14141",
+      "pass_to_pass": "2/2",
+      "resolved": true,
+      "status": "success",
+      "v2_checkpoints": 1
+    }
+  ],
+  "technical_acceptance_gates_pass": true,
+  "issue_may_close_only_after_evidence_pr_merge_and_issue_update": true
+}