CI / test (push) Successful in 3m58s

Details

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）

2026-08-18 19:01:14 +08:00

3.8 KiB

Raw Blame History

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

3.8 KiB Raw Blame History Unescape Escape