Repository navigation
Conversation
Signed-off-by: lusendong.6789 <lusendong.6789@bytedance.com> Co-authored-by: TRAE CLI <traecli@bytedance.com>
loopx-agent
left a comment
There was a problem hiding this comment.
Reviewer: model_agent · gpt-6.1-sol · OpenAI · runtime_reported · reasoning_effort=max
评审提交 ce5a1370d088e29ef78cb646996b6756184c0ede,目标主干 2592d4a2a5e8ef4947ea1c0194d6ffe4ac37d7f0。实际差异基线为 74ca883d5bd3e4bc64671bac54210eac9e97ed05。
[P2] 终态收尾失败缺少对应的阶段条目。 用受控 provider 驱动真实 run_loopx_turn_once 写出失败 journal。持久回执和新读口顶层的 failed_phase 都是 terminal_closeout,settlement_result 也记录同一步失败;phases 却没有这个阶段,所有 failed 都为 false。原轮重试只重做收尾,写回和扣额各一次。 从现有 settlement step 和 journal 解释层投影适用的 terminal_closeout,使 phases 与 failed_phase 一致。也可显式分开固定阶段和条件结算步骤,并让调用者从同一个结构找到失败节点。保留原顺序、身份和失败回执。 发生位置
动机 / Motivation
已有 journal 能按原 Turn 和 GoalRef 找到解释结果、回执及恢复位置,但没有一份按结算身份对齐的评估链。 需要用同一 Turn 的记录比较验证、写回和收尾结果的评估器和维护者。 同一受管 Turn 完成验证、写回和扣额,随后 terminal_closeout 被拒绝。评估器读取该 Turn 的阶段链。 用受控 provider 驱动真实 run_loopx_turn_once 写出失败 journal。持久回执和新读口顶层的 failed_phase 都是 terminal_closeout,settlement_result 也记录同一步失败;phases 却没有这个阶段,所有 failed 都为 false。原轮重试只重做收尾,写回和扣额各一次。 系统摘要可能把失败放在未归类状态;读者要拼接另两处字段才能定位该修复原轮收尾,之后的跨样本比较也容易漏计。 已覆盖本地真实 journal 写和读,结算 provider 使用可控注入。没有用实际登录宿主或新评估下游代替本轮证据。
改动思路 / Approach
Effect runtime 新增一个只读方法。Python 验证外层传输形状;TS 复用文件查找、精确身份和现有 journal 一致性判断,再展开已记录事实。 本次边界为现有 journal 的因果无关事实投影。没有新采集、重规划计分、自动执行、权限或面向用户的 UI;更广评估接入仍由消费者决定。 从现有 settlement step 和 journal 解释层投影适用的 terminal_closeout,使 phases 与 failed_phase 一致。也可显式分开固定阶段和条件结算步骤,并让调用者从同一个结构找到失败节点。保留原顺序、身份和失败回执。
具体改动 / Changes
完整差异 6 文件,新增 395 行、删除 1 行:三处运行时代码与三处测试。
关键代码讲解
- projectEvidenceChain。把 canonical journal 的状态、阶段和已记录对象展开为统一视图。 固定事务阶段不包含条件 terminal_closeout 的条目。 对齐条件收尾和阶段状态,同时保留只读事实。 源码
- journalPhaseViolation。解释 journal 状态和有序阶段。 沿用现有规则,允许 quota_spend 后发生 terminal_closeout 失败。 原失败 journal 合法并可读回。 源码
- turn_journal_evidence_chain。从 Python 调用 Effect runtime 并检查外层返回。 添加精确 identity 的可选读取入口,不替换历史接口。 实际读回不改写持久 journal,错误来源依旧拒绝。 源码
验收沿用 原有契约。结果由本地真实入口读回。
original-boundary。沿原读写 owner,真实可验证的来源与响应。68 项定向 TypeScript、37 项 Python 通过。真实受控 Turn 的读回保留同一身份和原日志字节;恢复后为 committed,原写回和扣额未重复。boundary-negative。终态收尾失败缺少对应的阶段条目。用受控 provider 驱动真实 run_loopx_turn_once 写出失败 journal。持久回执和新读口顶层的 failed_phase 都是 terminal_closeout,settlement_result 也记录同一步失败;phases 却没有这个阶段,所有 failed 都为 false。原轮重试只重做收尾,写回和扣额各一次。 用真实执行器制造已扣额但收尾失败的 journal,从 Effect/Python 新入口读回。断言表中有且只有一个失败的 terminal_closeout;再按原轮恢复,确认不会再次写回或扣额。
对主干的风险 / Risks
68 项定向 TypeScript、37 项 Python 通过。真实受控 Turn 的读回保留同一身份和原日志字节;恢复后为 committed,原写回和扣额未重复。 新读口须显式调用。既有查找和能力读回的响应形状,以及拒绝错误 GoalRef 和坏 journal 的行为保持不变。
回归验证:用真实执行器制造已扣额但收尾失败的 journal,从 Effect/Python 新入口读回。断言表中有且只有一个失败的 terminal_closeout;再按原轮恢复,确认不会再次写回或扣额。 托管 CI 未查询。
我的整体评价 / Verdict
系统摘要可能把失败放在未归类状态;读者要拼接另两处字段才能定位该修复原轮收尾,之后的跨样本比较也容易漏计。 最小修复见上。已覆盖本地真实 journal 写和读,结算 provider 使用可控注入。没有用实际登录宿主或新评估下游代替本轮证据。
English verdict: REQUEST_CHANGES at ce5a1370d088e29ef78cb646996b6756184c0ede. A real journal records terminal_closeout as failed after quota spend, but the new phase table has no failed row. Project the conditional step from the existing settlement owner; the original retry already avoids a second debit.
| result_kind: typeof journal.result_kind === "string" ? journal.result_kind : null, | ||
| completed_phases: [...completedPhases], | ||
| failed_phase: failedPhase, | ||
| phases: transactionPhases.map(phase => ({ |
There was a problem hiding this comment.
[P2] 终态收尾失败缺少对应的阶段条目。 用受控 provider 驱动真实 run_loopx_turn_once 写出失败 journal。持久回执和新读口顶层的 failed_phase 都是 terminal_closeout,settlement_result 也记录同一步失败;phases 却没有这个阶段,所有 failed 都为 false。原轮重试只重做收尾,写回和扣额各一次。 从现有 settlement step 和 journal 解释层投影适用的 terminal_closeout,使 phases 与 failed_phase 一致。也可显式分开固定阶段和条件结算步骤,并让调用者从同一个结构找到失败节点。保留原顺序、身份和失败回执。
Problem boundary
LoopX already persists governed Turn execution, validation, writeback, and settlement facts in the Turn journal, but evaluators do not have one exact-identity readback that keeps those facts aligned. Planning or replan references alone must not be promoted into execution progress.
Change boundary
Non-goals: no new runtime capture, observer migration, sidecar joins, causal attribution, native-score inference, or aggregate trajectory score.
Validation