90 Commits

Author	SHA1	Message	Date
sinohqb	c956da7686	feat(v1.3.1): Phase 2 让成本/放弃率/Go-No-Go 基础设施真正生效 ... - token 用量接入：ModelGateway 经 adapter.parse_usage 累计评测侧 LLM 调用的 token 消耗，引擎写入 run.summary.eval_token_usage，报告透出 - 放弃率落地：CaseOutcome 新增 abandoned 标记（对话中途发送/接收失败）， build_run_summary 统计 abandoned_cases / abandonment_rate - Go/No-Go 可配置：Scenario 新增 acceptance_criteria 字段（DB 列 + 幂等迁移）， 报告按场景标准出 verdict，缺省回退全局默认；标准变更不触发考纲升版	2026-08-25 18:38:18 +08:00
sinohqb	c1a3cdbaa9	fix(rules): 修复代码审查发现的三处规则层缺陷 ... - response_time: 仅配置 max_ms 时恢复 v0.3 评分语义（最后一轮评分 + 超限线性惩罚），扩展指标共存时才用均值评分 - safety: 移除 moderation API 的黑名单命中跳过守卫，两层安全检查独立执行、发现均上报 - llm_score: 多维度评分添加 Semaphore 并发上限（5），防止维度数多时无限扇出模型请求	2026-08-25 18:13:11 +08:00
solahqb	e7e3716325	Merge pull request 'feat: 用户体验指标（放弃率+流畅度评估）' (#32) from feat/user-experience-metrics into main	2026-08-25 08:40:45 +00:00
sinohqb	21cc6ed407	feat: 用户体验指标（放弃率+流畅度评估） ... 新增用户体验跟踪能力。 - RunSummary 新增 abandoned_cases 和 abandonment_rate 字段 - 新增 fluency 规则：LLM 评估对话流畅度和自然性（0-10 分） - 流畅度评估考虑：自然性、重复性、连贯性、响应质量 - 新增 10 项单元测试（676 tests passed） 注：放弃率的实际计算逻辑需要在引擎中集成，本 PR 提供数据模型和规则基础设施。 Closes #26	2026-08-25 16:36:28 +08:00
sinohqb	56c56a7b4a	feat: 成本效率跟踪基础设施 ... 新增成本跟踪模块，为对话级和任务级成本计算提供基础。 - Turn 模型新增 prompt_tokens、completion_tokens、total_tokens 字段 - OpenAI 协议适配器新增 parse_usage() 提取 token 使用量 - 新增 evaluation/cost_tracking.py 模块： - ModelPricing：模型定价配置 - TokenUsage：token 使用量聚合 - CostBreakdown：成本明细 - calculate_cost()：根据 token 使用量和定价计算费用 - calculate_turn_cost()、calculate_case_cost()、calculate_run_cost() - 内置常见模型定价（GPT-4o、GPT-4o-mini、Claude 等） - 新增 11 项单元测试（677 tests passed） 注：引擎集成（实际捕获 API 调用的 token 使用量）留待后续实现。 Closes #25	2026-08-25 16:07:08 +08:00
solahqb	2c79abf1de	Merge pull request 'feat(safety): 扩展规则覆盖幻觉、越权和合规检查' (#30) from feat/safety-extended into main	2026-08-25 08:02:05 +00:00
sinohqb	192fe0fc5f	feat(safety): 扩展规则覆盖幻觉、越权和合规检查 ... 扩展 safety 规则，新增三个安全检查维度。 - 幻觉检测（check_hallucination）：LLM 判断回答是否编造事实 - 越权操作检测（unauthorized_actions）：模式匹配检测越权行为 - 合规性检查（required_disclaimers）：检查必需声明是否存在 - 保持原有 blacklist + moderation API 向后兼容 - RuleResult.details 包含所有问题列表 - 新增 10 项单元测试（656 tests passed） Closes #22	2026-08-25 15:30:00 +08:00
sinohqb	737c9ab80e	feat(response_time): 支持平均延迟和吞吐量指标 ... 扩展 response_time 规则，支持多维度延迟和吞吐量测量。 - 新增 avg_latency_max_ms：多轮对话平均延迟阈值 - 新增 throughput_min：最低吞吐量（turns/min） - 保持 max_ms 向后兼容（单轮延迟阈值） - RuleResult.details 包含延迟统计（avg/min/max/latencies） - 新增 10 项单元测试（656 tests passed） 注：首字延迟（first token latency）需要流式数据支持，当前 Turn 模型未提供，留待后续增强。 Closes #21	2026-08-25 15:03:54 +08:00
solahqb	2f08e7bf06	Merge pull request 'feat(report): 上线验收报告 go/no-go 结论' (#28) from feat/go-no-go-verdict into main	2026-08-25 06:31:42 +00:00
sinohqb	2314ebe3bc	feat(report): 上线验收报告 go/no-go 结论 ... 新增纯函数模块 evaluation/go_no_go.py，基于 RunSummary 指标自动生成 go/no-go/conditional 三级结论。 - AcceptanceCriteria 模型：judged_pass_rate_min、pass_rate_min、avg_latency_max_ms - GoNoGoVerdict 模型：decision、summary、criteria_results - evaluate_go_no_go() 纯函数：接收 summary dict + criteria -> 返回 verdict - 集成到 generate_report()，报告 dict 自动附带 go_no_go 字段 - 三级结论：go（全部达标）、no_go（核心未达标）、conditional（有风险） - 新增 9 项单元测试（642 tests passed） Closes #20	2026-08-25 14:28:55 +08:00
sinohqb	a29f78ff4b	feat(llm_score): 支持多维度独立评分 ... 扩展 llm_score 规则，支持通过 dimensions 参数配置多个评分维度， 每个维度独立评分 0-10 分。 - RuleResult 新增 details 字段存储结构化多维度分数 - 向后兼容：原有 criteria 单维度模式继续有效 - 多维度模式下各维度并行调用 LLM，返回平均分和明细 - 新增 4 项单元测试 Closes #19	2026-08-25 14:17:49 +08:00
sinohqb	90ebbd5ff4	test(scheduler): 补全触发失败落账与错误路径测试（+9 用例） ... 覆盖 scheduler.py 中等难度边缘分支： - _trigger_openclaw_agent 非零退出码 → on_failure 回调 - _trigger_openclaw_agent subprocess 异常 → on_failure 回调 - _record_worker_trigger_failure 成功/跳过/DB 异常兜底 - _record_planner_trigger_failure 成功/跳过/DB 异常兜底 - _fire_and_forget cancelled task 不记录异常 scheduler.py 覆盖率 75% → 81% 后端总计 963 passed	2026-08-24 17:18:52 +08:00
sinohqb	3705945a7d	test: 完整测试覆盖补全（+163 用例） ... 架构重构（候选 1-6）： - storage/repository.py 按域拆分为包（target/scenario/run/campaign/result） - storage/db.py 按域拆分为包（eval/campaign/file/model_config/intelligent_eval） - intelligent_eval/lifecycle.py 按状态机阶段拆分为包 - services/runs.py 编排逻辑下沉 - Campaigns.tsx 拆分为 campaigns/ 子组件 测试补全（候选 7）： 前端（+125 用例，107→232）： - utils/ 纯函数：date/campaignTime/ruleLabels/fileTree/fileFormat/colors - stores/tabStore 状态管理 - 核心组件：FormDrawer/PageWrapper/ChatBubble/GeneratedMessages/SectionHeader/StatCard/TurnList - 业务组件：CaseBlock/CaseDetail/RuleOverview/WindowTimeline/RunList/TabBar/CampaignRunTimeline - 文件管理：FileCategoryTree/FileTable - hooks：sessionReducer/useFiles/useRunSession 后端（+38 用例，916→954）： - targets API CRUD + 404 路径 - WebSocket 连接管理器 - proxy 头部重写（CSP/X-Frame-Options） - target 仓储 update 方法 - app 健康检查 + SPA 404 - scenarios 模板端点 + 404 - files API 边缘分支（404 场景 + 500 兜底） - files service update_category - 智能评估状态机迁移测试 门禁状态： - 前端：tsc 干净 + 232 passed - 后端：954 passed + ruff 全绿	2026-08-24 15:56:09 +08:00
sinohqb	7eae6de52d	refactor(evaluation/storage): 结算统一与 repository 拆分（Phase 2 + 3） ... 合并两个不可分割的深化： Phase 2 — 智能作业结算统一（ADR-0012） - intelligence_jobs.execute(job_kind, campaign_id, ...) 作为结算的 唯一实现：建行 → 认领 → 校验 → generating → 落账，一处编排、 一处截断（500 字符）。两个 executor 退化为 ensure_queued / validate / work_fn 三个小 adapter。 - analysis.validate_analysis_request() 共享校验入口（活动终态 → 模型），路由捕获映射 400、executor 捕获落 failed 行，与 validate_comparison_request 先例同构。 - campaign_runner._auto_start_analysis 的跳过守卫收敛至 auto_intelligence_eligible 单一判断点。 - comparison.py 删除零调用的 build_comparison_payload； load_comparison_view 投影归位至 campaign_read_model。 - 新增 characterization 测试（认领竞争、重复触发、截断、恢复上限）。 Phase 3 — storage/repository.py 拆分 - AsyncJobRepository 及两个子类迁至 storage/async_job_repository.py（Phase 2 的 intelligence_jobs 与 comparison 必须 import 自该路径，故与 Phase 2 同 commit）。 - ExplorationSession / ExplorationMessage 迁至 storage/exploration_repository.py；repository.py 由 1180 行降至 约 814 行，grep 确认无残留符号。 - exploration 子模块与路由 import 全部更新；测试 import 跟随。 刻意不做：CAS 共享原语、app.py 五 registry 关停顺序归一 （ADR-0006 精神，等真实需求出现再议）。	2026-08-24 05:50:27 +08:00
sinohqb	84627a3c6a	refactor(intelligent-eval): 消除 lifecycle.py 和 scheduler.py 中的重复延迟导入 ... - 将延迟导入移至模块顶部，消除 Shotgun Surgery 气味 - lifecycle.py: 移除 41 行重复导入 - scheduler.py: 移除 14 行重复导入 - 修复测试：更新 monkeypatch 以补丁 scheduler 模块的引用而非原始模块 - 符合代码规范：避免函数内重复导入 Closes code-review finding: repeated deferred imports (Shotgun Surgery)	2026-08-24 01:47:47 +08:00
sinohqb	2a0bcdd185	refactor(intelligent-eval): drop ADR-0008 transitional wrappers, callers use domain ... 架构审查候选④：ADR-0008 收敛调度域时为保测试兼容留下的过渡 wrapper 使命结束。 删除 8 个浅封装：task_queue 的 _is_slot_due / _calculate_session_deficit （零调用死函数）+ _calculate_priority / _get_attention_reason，decision 的 _parse_time_slot（零调用死函数）+ _get_current_slot / _count_sessions_in_slot / _has_high_severity_issues。调用方直接使用 domain 模块。 5 个隔着 wrapper 测 domain 行为的测试迁到新文件 test_intelligent_eval_domain.py，直接锁定 domain，覆盖零丢失。 删除测试通过：复杂度直接消失，时段/欠账/优先级知识只剩 domain 一处。 870 tests passed，零行为变化。	2026-08-21 03:50:44 +08:00
sinohqb	58c2ad0227	refactor(intelligent-eval): unify watchdog failures behind fail_eval seam ... 架构审查候选③（状态机归一）：_TRANSITIONS 成为评估状态机的唯一真相。 三个 watchdog（planning 双闸 / executing 兜底 / 触发失败闸门）原先直接 row.status = FAILED 绕过转换表、手工重复写字段。收编到新的公开接缝 fail_eval(session, eval_id, reason, decision_type, context)：表校验 → repo CAS 条件写（status/plan_feedback/updated_at/completed_at 一条 SQL） → append_decision_log 留痕。 CAS 冲突（如用户在扫描间隙抢先取消）跳过并留日志，不当故障。API 路径 本已在表内，不动。新增 4 个契约测试，870 tests passed，零行为变化。	2026-08-21 03:35:05 +08:00
sinohqb	182b0e59cb	refactor(intelligent-eval): extract scheduler runtime + internalize decision-log dedup ... 架构深化两则（架构审查候选①②）： ① scheduler 抽取：web/app.py 约 400 行触发式执行编排（60s 扫描循环、 docker exec 触发、失败落账）沉入 intelligent_eval/scheduler.py，runtime 单例 start()/stop()/scan_once() 与 campaign_runtime 惯例一致；worker/planner 两处重复触发代码合并为一个触发原语；_supplement_decision_logs 归入 decision_logs.py。测试改为直接驱动 scan_once（interface 即测试面）。 ② 决策日志去重内化：create_decision_log 的去重只服务 agent 上报路径； 新增 append_decision_log（平台落账纯追加）与 count_decisions（计数原语）， lifecycle/task_queue 全部平台落账切换，调用方不再需要塞 attempt 骗去重。 零行为变化：提示词、60s 节拍、编排顺序、闸门语义原样保留，866 tests passed。	2026-08-21 03:20:14 +08:00
sinohqb	d0487b54b4	fix(intelligent-eval): respect time-window slots before nudging analyst ... 冒烟发现 analyst_nudge 不考虑时间窗口：首会话完成后 10 分钟即催促， 但后续时段尚未到期，导致报告提前收敛、漏掉计划内会话。催促闸门新增 "窗口未结束且会话数未达计划则跳过"；worker 触发指令同步明确仅当所有 时段会话都达终态才转 analyst。	2026-08-20 16:27:05 +08:00
sinohqb	eb4944a8bd	feat(intelligent-eval): terminal-state discipline watchdogs (ADR-0011) ... 常见故障自愈有上限，超限收敛终态且可见：任务 attempts 上限、会话过期、 planning 双闸、executing 超窗兜底、触发失败计数判死、孤儿 agent 双管、 fire-and-forget 触发；open_session 预算硬闸门、settle 按终态区分、报告 scores 归一化；cron 池遗留面全删。	2026-08-20 14:34:17 +08:00
sinohqb	71d38ebef6	fix(intelligent-eval): settle stale tasks of finished evals ... 任务队列出现'评估已 completed 却有待认领/执行中任务'的残留：评估离开 executing 后，其 pending/assigned 任务无人清理（requeue_stale_assigned_tasks 只处理 executing 评估的 assigned，评估结束被跳过）。 - 新增 task_queue.settle_tasks_for_finished_evals：评估非 executing 时， 其 pending/assigned 任务回收为 completed；executing 评估的任务保留 - scan loop 每 60s 在 requeue+scan 后调用清理 测试：+1（已结束评估的 pending/assigned 回收、executing 保留、幂等），901 passed	2026-08-18 16:04:46 +08:00
sinohqb	60c54a67e4	fix(intelligent-eval): parse minute-level time slots (1h windows) ... planner 对短窗口（1h）产出分钟级时段（如 0-20min/20-40min/40-60min）， 但 parse_time_slot 只支持小时级（8-10h），分钟格式解析失败返回 None → is_slot_due=False → 审批后评估永不入队、不触发 worker。 - parse_time_slot 支持 h/min 后缀，统一换算成小时（float）返回 - is_slot_due/get_current_slot/count_sessions_in_slot 用 timedelta(hours=float) 兼容两种格式；decision._parse_time_slot 类型标注同步 float 测试：+1（分钟格式时段解析与到期判断），898 passed	2026-08-18 13:15:46 +08:00
sinohqb	71c7cd3d39	fix(intelligent-eval): requeue stale assigned tasks (worker crash recovery) ... 方案③ worker 由平台触发 openclaw agent（cron=manual-run，非真实 cron）， fault_tolerance 的 stuck 检测不适用——agent 中断/失败时任务永久卡 assigned， scan 只查 pending 不再入队（死锁）。 requeue_stale_assigned_tasks：assigned 超过 10 分钟且评估仍 executing 的 任务重置为 pending（清空认领），平台 scan 循环随后重新触发 worker 重试。 接入 scan loop，每轮先 requeue 再 scan。	2026-08-17 03:30:42 +08:00
sinohqb	f85eca11ca	fix(alerts): webhook retry + dedupe (resolves §6.2) ... _send_webhook: - Dedupe: skip if alert.webhook_sent is already True (guards against repeated check_alerts ticks re-sending the same alert). - Retry: up to 3 attempts with exponential backoff (1s, 2s) before giving up. webhook_sent=True is persisted only on success. Two xfail guards in test_openclaw_client_and_webhook now pass (876/4 xfail).	2026-08-14 14:54:57 +08:00
sinohqb	a03067720b	test(intelligent-eval): add openclaw_client + webhook tests (#5) ... T5 OpenClawClient subprocess args: docker exec cmd + token-last placement, cron add/rm/list params, JSON parse success + failure paths. T6 webhook: marked sent on 2xx, failure does not raise; xfail guards expose missing retry and missing dedupe (.scratch/v111-architecture-scan.md §6.2).	2026-08-13 02:56:32 +08:00
sinohqb	4c45dba95d	test(intelligent-eval): add cron_pool boundary tests (#4) ... T4 auto-scale boundary: busy/total == 0.8 (exact threshold) must not fire T4 auto-scale oscillation: repeated flips across 0.8 must respect MIN/MAX bounds T9 stuck-detection critical edge: strict '<' semantics at 10min threshold T9 detect_stuck_crons ignores non-busy: idle/stuck crons excluded even if stale	2026-08-13 02:54:21 +08:00
sinohqb	2e7d419f05	feat(intelligent-eval): implement monitoring and alerting (ticket 07) ... - Add metrics.py with pool utilization, task backlog, stuck rate, avg processing time, eval completion rate - Add alerts.py with alert rules (pool utilization > 90%, task backlog > 50, stuck rate > 10%) - Implement alert history and webhook notifications - Add metrics and alerts APIs - Add database migration for alert history table - Add 11 unit tests for metrics, 10 unit tests for alerts, 8 integration tests - Update migration tests to include new alert history table All 853 tests passing.	2026-08-12 10:41:15 +08:00
sinohqb	1d9228fd86	feat(intelligent-eval): implement fault tolerance and recovery (ticket 06) ... - Add fault_tolerance.py with stuck cron detection and handling - Implement state reconciliation (platform DB vs OpenClaw state) - Implement platform restart recovery (requeue inactive tasks) - Implement OpenClaw restart recovery (sync cron states) - Add 6 unit tests and 5 integration tests All 824 tests passing.	2026-08-12 10:30:05 +08:00
sinohqb	e6f98aaa6d	feat(intelligent-eval): implement config snapshot management (ticket 05) ... - Add config_snapshot.py with save/list/get/compare functions - Auto-save snapshots on eval creation and plan submission - Implement snapshot query APIs (list, get single) - Implement snapshot comparison API (diff two snapshots) - Add 8 unit tests and 7 integration tests Snapshots track config changes over time (created/plan_submitted/config_updated). All 813 tests passing.	2026-08-12 10:19:07 +08:00
sinohqb	fe3399297c	feat(intelligent-eval): implement decision logic and e2e flow (ticket 04) ... - Add decision.py with worker decision logic (execute_session/wait/start_analysis) - Implement time slot parsing and current slot detection - Implement session deficit calculation per time slot - Implement high severity issue detection - Implement eval completion detection - Add 12 unit tests for decision logic - Add 2 end-to-end tests for complete lifecycle All 798 tests passing.	2026-08-12 10:10:42 +08:00
sinohqb	2ff023a65b	feat(intelligent-eval): implement cron pool management (ticket 02) ... - Add OpenClawClient wrapping CLI commands (create/delete/list crons) - Implement pool initialization, scale up/down, auto-scaling logic - Implement cron state sync and stuck cron detection - Add pool status and manual scaling APIs - Add 13 unit tests and 5 integration tests Pool automatically scales between 5-20 crons based on load. All 778 tests passing.	2026-08-12 09:47:04 +08:00
sinohqb	1aa453ef0a	feat(intelligent-eval): add cron pool data model and task queue API ... Implement Ticket 01 of intelligent eval cron pool architecture (ADR-0007): - Add 4 new tables: task_queue, cron_pool, config_snapshots, decision_logs - Implement task enqueueing logic with priority calculation - Implement task assignment and completion APIs - Add unit tests (9) and integration tests (7) - Update CONTEXT.md with new vocabulary - Add ADR-0007 documenting cron pool architecture decision All 760 tests passing.	2026-08-12 02:13:21 +08:00
sinohqb	1782b245bf	refactor(architecture): deepen campaign runtime modules	2026-08-11 13:18:48 +08:00
sinohqb	864ae2b7fe	fix(review): address release correctness findings	2026-08-09 03:20:40 +08:00
sinohqb	62485684ca	fix(architecture): enforce lifecycle consistency	2026-08-07 10:59:27 +08:00
sinohqb	c896ab3f71	refactor(architecture): deepen evaluation lifecycle and read model	2026-08-07 03:11:37 +08:00
sinohqb	9cdbc41808	docs(intelligent-eval): commit v1.0 spec, tickets, and post-v1.0 improvements ... All 8 tickets' acceptance criteria checked off (incl. the real OpenClaw E2E verified on t480). Trivial import-sort fix from ruff included.	2026-08-05 14:01:24 +08:00
sinohqb	1317552701	feat(intelligent-eval): add backend for OpenClaw-driven intelligent evaluation (tickets 01-04) ... Introduce 智能评估 as an evaluation paradigm parallel to static evaluation, driven by OpenClaw. The platform supplies storage, lifecycle, and reporting; OpenClaw plans and executes. - Data model: IntelligentEval + Session + Message tables (new, not reusing exploration) - Lifecycle state machine: draft → planning → pending_approval → executing → completed/cancelled/failed - Session API: create/message (channel-forwarded)/close with turn accounting - Report API: pydantic-validated structured report, executing → completed, Markdown export (pure renderer) - Alembic migration for the three tables; domain glossary added to CONTEXT.md	2026-08-05 03:18:52 +08:00
sinohqb	c24998c762	refactor(metrics): extract dashboard aggregation to compute_dashboard ... 仪表盘聚合逻辑从 stats.py router 下沉到 metrics.py 的 compute_dashboard 纯函数。_settled 重命名为 settled_runs 并公开，_ts 重命名为 _sortable_ts。 router 从 40 行聚合逻辑缩到 5 行，只负责数据获取和序列化。 - 新增 compute_dashboard(runs, scenario_names, target_names) -> dict - 新增 settled_runs(runs) 公开接口（原 _settled） - trend 端点同步迁移到 settled_runs - 5 个新测试覆盖 dashboard 聚合逻辑	2026-08-04 11:36:55 +08:00
sinohqb	42be31dd1f	feat(report): add load_campaign_view as unified campaign read model ... 活动级读模型单一出口：一次取齐报告 / 探索 / 分析 / 对比四大数据源。 markdown handler 从 30 行拼装逻辑缩到 3 行；分析执行器同步迁移。 comparison.py 内部的 8 次 load_campaign_report 调用暂不动（跨请求冗余， 缓存收益有限，改动风险高）。 - 新增 load_campaign_view(session, campaign) -> dict[str, Any] - 返回 {report, exploration, analysis, comparison} 四键 - 迁移 markdown handler 和分析执行器两个调用点 - 4 个新测试覆盖 view 的组装逻辑	2026-08-04 11:33:45 +08:00
sinohqb	2fddce8c92	refactor(case-verdict): extract build_case_evidence as single evidence-construction seam ... 用例判定证据构建收敛到 case_verdict.py 的 build_case_evidence 纯函数， report.py 和 runs.py 各删 ~15 行重复逻辑，换一行调用。locality 回归： 证据构建改一处，全局生效。 - 新增 build_case_evidence(turns, results) -> dict[str, CaseEvidence] - report.py:76-83 证据构建替换为一行调用 - runs.py:175-201 证据构建替换为一行调用 - 5 个新测试覆盖 build_case_evidence（纯函数，无 DB 依赖）	2026-08-04 11:23:56 +08:00
sinohqb	2b6cab6cb2	feat(comparison): unify read model and validation for period comparison ... 周期对比读模型升位为单一出口（load_comparison_view），GET/POST/markdown 三处调用点统一走同一 view 投影，消除「取数三件套」重复。校验逻辑收敛到 validate_comparison_request，router 捕获映射 400，执行器捕获落 failed 行， 校验顺序权威不再漂移。 - 新增 load_comparison_view：无行返回 status=none + auto_baseline，有行 返回完整 comparison dict（含 model_name 标签）+ metric_diff - 新增 validate_comparison_request：活动终态 → 模型 → 基线 → 分析，违 规抛 ComparisonError - execute_campaign_comparison 内联校验替换为 validate_comparison_request 调用，catch ComparisonError 落 failed 行 - router 三处迁移：GET /comparison、POST /comparison、markdown 导出 - 删除 build_comparison_payload（已吸收进 load_comparison_view） - 8 个新测试覆盖读模型三态 + 校验五错	2026-08-04 10:49:14 +08:00
sinohqb	f3a528611e	refactor(tasks): route LLM background tasks through TaskRegistry ... 架构保养第二轮候选 1：分析 / 周期对比 / judge 复核三条 LLM 任务链 收进各自的模块级 TaskRegistry（强引用防 GC、按 id 幂等、shutdown 统一收敛），删除 judge 的 _BACKGROUND_TASKS 私货，start_* 不再返回 无人消费的 Task。启动清理块补两笔 orphan 清扫：滞留的 generating 分析与对比行标记为 failed，与僵尸运行清扫同构。新增 7 个单测。	2026-08-04 09:58:20 +08:00
sinohqb	df76edcf55	refactor(exploration): move ledger and state machine into domain modules ... 架构保养候选 3：探索生命周期的账本规则与状态机从 HTTP 层落入 exploration/lifecycle.py（open/conduct/close）与 patrol.py（巡检读模型）， 违规改用类型化领域异常（NotFound/Guardrail/Channel），router 瘦回纯 HTTP 翻译（404/409/502 映射），领域层不再依赖 fastapi，可脱离 TestClient 直测（新增 12 个单元测试）。	2026-08-04 03:46:51 +08:00
sinohqb	38849d46f1	refactor(repository): narrow atomic updates for patrol/cancel/scheduler writes ... 全行 update 逼着调用方承诺「持有最新完整快照」，巡检水位、活动取消、 调度循环三方并发写入会互相覆盖（后写者抹掉先写者的 summary/status）。 CampaignRepository 新增三个窄口径原子操作：touch_patrol_watermark、 mark_cancelled、save_scheduler_state，各自只写自己的列；三处调用点迁移。	2026-08-04 03:39:42 +08:00
sinohqb	f8d8450b1e	refactor(report): unify campaign report loading behind one read model ... 「活动报告取数三件套」此前在报告/markdown/分析/对比等 7 处手写重复， 唯一深化产物 build_campaign_report_dict 被锁在周期对比私有角落。 升位为 report.py 的 load_campaign_report(session, campaign) 单一出口 （探索线 summarize_campaign_exploration 同口径），并把 8 处 scenario_names 推导式收敛为 ScenarioRepository.name_map() 窄方法。 纯结构重排、零行为变更，572 项测试全绿。	2026-08-04 03:30:29 +08:00
sinohqb	936640fb36	fix(exploration): include all judge findings instead of poor-only ... Ticket 05 asks the judge review conclusions to flow into the report verbatim; the aggregation silently dropped good/acceptable dimensions. Collect every finding sorted poor-first and color drawer tags by rating.	2026-08-04 02:45:41 +08:00
sinohqb	2484c207af	feat(exploration): findings flow into report, analysis and export ... Exploration sessions aggregate into a single exploration summary (session counts, goal-achievement rate, issue lists from experience records, judge conclusions when reviewed) that feeds three exits: the campaign report gains an exploration dimension, the v0.7 analysis stage-two input gains the summary (stats only, never full dialogues), and the Markdown export appends a findings appendix after analysis and comparison. With no exploration data every output stays unchanged.	2026-08-03 19:16:33 +08:00
sinohqb	9cf64ab0e2	test(report): aggregation edge cases and output format validation ... Adds unit tests for the campaign report beyond value correctness: cancellation exclusion from denominators (ADR-0004), window clamping, naive/aware timestamp equivalence, plus schema validation of the report dict (key sets, types, rate bounds, contiguous buckets, capability sort, ISO-UTC timestamps) and consistency with the single aggregate_runs seam.	2026-08-03 19:03:44 +08:00
sinohqb	2285a25009	feat(exploration): judge sampling review after session close ... After an exploration session closes, the platform samples up to 3 conversation rounds and runs an independent judge-role review through the v0.7 ChatClient seam, persisting quality-dimension conclusions (attitude, professionalism, hallucination) into the session's judge_review. The review runs as a background task: failures are recorded without touching session state or the first-hand experience record, and a missing model config skips silently.	2026-08-03 18:59:40 +08:00