0096c22e27
All checks were successful
CI / test (push) Successful in 3m58s
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）
63 lines
3.8 KiB
Markdown
63 lines
3.8 KiB
Markdown
# 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
|