docs: v1.1.1 release notes + ADR-0010 + context/CLAUDE updates

更新本次智能评估全链路修复与 UI/UX 优化的必要文档：
- ADR-0010 新增：方案③触发采用独立 OpenClaw session（main 持久 session 上下文
  缓存污染导致 worker 幻觉不执行）+ 时段分布约束
- CONTEXT.md：触发式执行词条补充时段约束与独立会话语义
- release-notes-v1.1.1.md 新增：智能评估全链路稳定化、任务队列监控、UI/UX 一致性
- docs/README.md：补 v1.1.0/v1.1.1 发布说明索引，版本升 v1.2
- CLAUDE.md：补智能评估执行机制（方案③）章节（scan loop 职责 + 独立 session/
  时段分布/状态一致性关键约束）

CLAUDE.md

@@ -111,6 +111,21 @@ SQLite Storage（Repository 模式）
 
 后端通过 `routers/proxy.py` 提供 HTTP + WebSocket 反向代理（路径前缀 `/openclaw`），将请求转发到 OpenClaw 服务（docker-compose 中 `openclaw-eval` 容器）。WS 桥接会自动注入认证 token 到 `connect.authenticate` 消息并重写 `Origin` 头。前端 `/openclaw` 路由以全屏 iframe 嵌入代理地址。
 
+### 智能评估执行机制（方案③触发式执行）
+
+智能评估的 Worker 自动化（取代旧 Cron 池，见 ADR-0009/0010）由 `app.py::_intelligent_eval_scan_loop` 驱动（lifespan 后台任务，每 60s）：
+
+1. **requeue_stale_assigned_tasks**：assigned 超时（>10min）且评估 executing → 回 pending（卡死恢复）
+2. **scan_and_enqueue_tasks**：扫描 executing 评估，时段到期/欠账 → 入队（任务队列）
+3. **settle_tasks_for_finished_evals**：评估离开 executing 后，其 pending/assigned 任务回收为 completed
+4. **_supplement_decision_logs**：agent 未上报决策日志时按状态兜底补录
+5. **触发**：有 planning 评估 → 触发 planner skill；有 pending 任务 → 触发 worker skill
+
+关键约束：
+- **独立 session**：触发命令必须带 `--session-id`（`agenteval-worker-<ts>` / `agenteval-planner-<ts>`），**禁止复用 `--agent main` 的持久 session**——main session 多次触发累积上下文缓存后 worker 会幻觉不执行（见 ADR-0010）
+- **时段分布**：触发指令明确"仅执行当前到期时段内欠账的会话"，平台每 60s 持续触发推进后续时段，保证 1h 窗口按时段分批
+- **状态一致性**：`submit_report` 要求会话全部 close 才允许 completed；worker 触发 timeout 600s
+
 ### 文件管理模块
 
 `/api/files` 端点提供分类树 + 文件上传/下载功能。`FileCategoryDB` 自引用（`parent_id`）实现树形结构，`FileRecordDB` 关联分类。文件物理存储在 `data/uploads/`，按分类子目录组织。删除分类会级联删除子分类 + 文件记录 + 物理文件。

CONTEXT.md

@@ -139,7 +139,7 @@ _Avoid_: 岗位（与模型用途的"岗位"概念冲突）
 _Avoid_: 窗口（与静态评估的"服务周期窗口"混淆时需加前缀）
 
 **触发式执行（Trigger-driven Execution）**:
-智能评估的执行机制：**平台掌控节奏**——每 60s 扫描 executing 评估，判断时段到期/欠账后入队；**有任务时触发一个无状态 OpenClaw agent**（headless，执行 worker skill 后即退）从任务队列取任务执行。执行单元自主决策（执行会话/等待/开始分析），平台负责节奏与兜底（assigned 超时重入队、决策日志补录）。取代旧"常驻 cron 每分钟自唤醒"机制（见 Cron 池，已废弃）。（决策见 ADR-0009）
+智能评估的执行机制：**平台掌控节奏**——每 60s 扫描 executing 评估，判断时段到期/欠账后入队；**有任务时触发一个无状态 OpenClaw agent**（headless，执行 worker skill 后即退）从任务队列取任务执行。执行单元自主决策（执行会话/等待/开始分析），平台负责节奏与兜底（assigned 超时重入队、决策日志补录）。**时段约束**：每次触发只执行当前到期时段（time_distribution 中当前 offset 所在时段）内欠账的会话，绝不创建未来时段会话——由平台每 60s 持续触发推进后续时段，保证时间窗口内的交互按时段分布而非一次建完。**独立会话**：每次触发用独立 OpenClaw session（避免复用 main 持久会话导致上下文缓存污染、agent 幻觉不执行）。取代旧"常驻 cron 每分钟自唤醒"机制（见 Cron 池，已废弃）。（决策见 ADR-0009、ADR-0010）
 _Avoid_: 轮询、调度（与静态评估活动调度混淆）
 
 **Cron 池（Cron Pool）**:

docs/README.md

@@ -1,8 +1,8 @@
 # AgentEvalTool 文档索引
 
-**文档版本**: v1.1
+**文档版本**: v1.2
-**项目版本**: v1.0.0
+**项目版本**: v1.1.1
-**日期**: 2026-08-11
+**日期**: 2026-08-18
 **状态**: 已发布
 **作者**: AgentEval Team
 
@@ -50,6 +50,8 @@ AgentEvalTool 是一个智能体质量评估工具集平台，用于评估 AI
 
 | 文档 | 说明 | 链接 |
 |------|------|------|
+| **V1.1.1 发布说明** | 智能评估全链路稳定化（方案③）、任务队列监控、UI/UX 一致性 | [release-notes-v1.1.1.md](release-notes-v1.1.1.md) |
+| **V1.1.0 发布说明** | Cron 池架构、智能评估可扩展性 | [release-notes-v1.1.0.md](release-notes-v1.1.0.md) |
 | **V1.0.0 发布说明** | 双评测体系、耐久 Campaign、架构深化与双线部署 | [release-notes-v1.0.md](release-notes-v1.0.md) |
 | **V0.8 发布说明** | Campaign 周期对比与正式线演进基线 | [release-notes-v0.8.md](release-notes-v0.8.md) |
 | **V0.2 发布说明** | async 引擎、安全基线、测试基线、部署规范化 | [release-notes-v0.2.md](release-notes-v0.2.md) |
@@ -142,4 +144,4 @@ AgentEvalTool 是一个智能体质量评估工具集平台，用于评估 AI
 
 ---
 
-**最后更新**: 2026-08-11
+**最后更新**: 2026-08-18

docs/adr/0010-isolated-openclaw-session-for-triggers.md

@@ -0,0 +1,42 @@
+# ADR-0010: 方案③触发采用独立 OpenClaw session
+
+**状态**: 已接受
+**日期**: 2026-08-18
+**决策者**: 架构团队
+**相关**: ADR-0009（触发式执行取代 Cron 池）、CONTEXT.md（触发式执行）
+
+## Context
+
+方案③（ADR-0009）以 `docker exec openclaw-eval openclaw agent --agent main -m "<worker/planner skill>" --json` 触发 OpenClaw headless agent 执行 worker / planner skill。t480 实测发现：评估进入 executing 后**一直卡"等待 OpenClaw 创建会话"**——任务入队（pending）但 worker 从不认领。
+
+排查（diagnosing-bugs 闭环）确认：
+- scan loop 每 60s 正常触发 worker（时间戳证实）
+- worker 被触发后 **0 次工具调用**，直接幻觉输出"评估 pending_approval"（实际 executing）
+- model usage 显示 **cacheRead ~12 万 token**：`--agent main` 复用 **main 持久 session**，多次触发累积了大量历史上下文缓存
+- **验证**：手动用独立 `--session-id` 触发 → worker 恢复正常（取任务、建会话、close）
+
+根因：OpenClaw main agent 的持久 session 在多次触发后上下文缓存膨胀，LLM 不再执行 worker skill 的 API 步骤，而是从旧上下文幻觉输出——复用 main session 的"缓存命中"收益在触发式执行（高频、长链工具调用）下不可靠。
+
+## Decision
+
+方案③的 worker / planner 触发命令**加 `--session-id`（每次唯一）**：
+
+```bash
+docker exec openclaw-eval openclaw agent --agent main \
+  --session-id agenteval-worker-<unix-ts> \
+  -m "<worker skill 指令>" --json
+```
+
+- worker 用 `agenteval-worker-<ts>`、planner 用 `agenteval-planner-<ts>`，每次触发独立 session
+- 触发 timeout 从 300s 调到 600s（独立 session 首次加载 skill + 执行更慢）
+
+**为什么独立 session 可行**：worker/planner 的决策完全基于平台状态（任务队列、评估/会话/决策日志 API），**不依赖跨触发记忆**——每次干净 session 无副作用。
+
+**时段分布约束**（同一决策）：触发指令明确"仅执行当前 offset 所在时段内欠账的会话，绝不创建未来时段会话"；worker 完成当前时段后 complete 任务，平台每 60s 再次触发推进后续时段——保证 1h 窗口的交互按时段（如 0-20/20-40/40-60min）分布，而非一次性建完。
+
+## Consequences
+
+- **每次触发新建 session**：无上下文缓存命中，首次加载 skill 更慢（触发一次约 1-5 分钟），但行为可靠（不再幻觉）
+- **无跨触发状态**：worker/planner 无记忆，全部状态在平台 DB（设计本如此）
+- **scan loop 节奏**：worker 执行当前时段（分钟级），完成后平台每 60s 触发推进；与 1h 窗口时段匹配
+- 旧 main session 的历史缓存不影响新触发（独立 session 隔离）

docs/release-notes-v1.1.1.md

@@ -0,0 +1,62 @@
+# AgentEvalTool v1.1.1 发布说明
+
+**版本**：v1.1.1
+**发布日期**：2026-08-18
+**状态**：已发布
+**作者**：AgentEval Team
+
+---
+
+## 一、版本概述
+
+v1.1.1 是 v1.1.0 的**收尾与稳定化版本**：将方案③（触发式执行，取代 Cron 池）在 t480 上完整跑通并修复全链路暴露的流程缺口，同时完成 UI/UX 全面盘点与一致性修复。核心成果：**智能评估从规划到报告的 1 小时窗口全自动闭环在 t480 上稳定可用**。
+
+## 二、智能评估全链路稳定化
+
+v1.1.0 引入 Cron 池后，实际部署暴露了执行机制的多个缺口，v1.1.1 逐一修复（t480 实测驱动）：
+
+### 2.1 规划阶段自动化（planner 触发）
+- **缺口**：方案③只自动化 executing（worker）与 completed（analyst），planning 阶段无机制唤醒 planner → 评估永远停 planning
+- **修复**：scan loop 每 60s 检测 planning 评估，触发 `agenteval-intelligent-planner` skill 产出粗计划并提交审批
+
+### 2.2 分钟级时段解析
+- **缺口**：planner 对短窗口（1h）产出分钟级时段（`0-20min`），`parse_time_slot` 只支持小时级（`8-10h`）→ 审批后永不入队
+- **修复**：时段解析支持 `h`/`min` 后缀统一换算小时
+
+### 2.3 时间窗口时段分布
+- **缺口**：触发指令"立即完成"让 worker 一次性创建所有会话 → 1h 窗口几分钟跑完，时段分布失效
+- **修复**：触发指令 + worker skill 明确"仅执行当前到期时段内欠账的会话"，平台每 60s 持续触发推进后续时段 → 1h 窗口严格按时段（0-20/20-40/40-60min）分批
+
+### 2.4 独立 OpenClaw session（ADR-0010）
+- **缺口**：`--agent main` 复用 main 持久 session，多次触发累积上下文缓存后 worker 幻觉输出（报 pending_approval）不执行 API → 评估卡"等待创建会话"
+- **修复**：worker/planner 触发加 `--session-id`（每次唯一），独立 session 执行
+
+### 2.5 状态一致性
+- **会话关闭校验**：`submit_report` 在会话未全部 close 时拒绝（409），杜绝"评估 completed 但进度 0%"
+- **任务回收**：评估离开 executing 后，其 pending/assigned 任务回收为 completed，杜绝队列残留
+
+## 三、任务队列监控与评估列表
+
+- **任务队列独立页**（`/intelligent-evals/tasks`）：状态统计条（点击筛选）+ 单行表格，5s 轮询，展示方案③的定时触发
+- **评估列表增强**：状态统计条（含 cancelled）、服务端分页（默认 10 条/页）、会话进度进度条、单行表格、"查看"按钮 + 整行点击
+- **详情抽屉回归**：详情/报告合一单层抽屉（Tabs：概览/决策过程/配置历史/报告），审批动作在抽屉头部
+
+## 四、UI/UX 盘点与一致性
+
+全面盘点（`.scratch/ui-ux-audit.md`）并修复：
+
+- **P0 功能缺陷**：决策过程/配置历史一次性加载 → useEffect + 刷新按钮；useRunSession 轮询统一 usePolling（后台暂停）；useFiles 接 tabPath（跳回自动刷新）
+- **P1 一致性**：收敛 3 处重复状态映射（统一走 `intelligent_eval/status.ts`）；硬编码颜色走 token（passRateColor/statusColors/colors）
+- **P2 + 清理**：抽 SectionHeader 组件消重复；删除废弃的 CronPoolMonitor 页面
+- **综合评分**：EvalReport 兼容扁平/嵌套两种 scores 结构（analyst 输出不可控）
+
+## 五、质量
+
+- **测试**：901 passed（含触发/时段/会话校验/任务回收等回归）
+- **前端**：tsc 0 错误、vitest 16 passed
+- **文档**：ADR-0009（触发式执行）、ADR-0010（独立 session）新增；CONTEXT.md 领域词汇更新
+
+## 六、已知事项
+
+- 智能评估**暂无 delete API**：completed 的历史测试评估无法通过平台删除（需后续开发 delete + 级联清理）
+- t480 上的 completed 验证评估（融侨城 1h* 系列）保留，不影响运行