PolyGateway/research-wiki/findings/2026-09-09-134-thinking-contracts-validation.md

type, node_id, title, date

type	node_id	title	date
finding	finding:2026-09-09-134-thinking-contracts-validation	1.3.4 T0–T4 与 T7 确定性验证	2026-09-09

1.3.4 T0–T4／T7 实施验证

状态：本轮限定的生产契约与确定性测试已实现；不是整个版本验收。原T0–T4/T7记录保留；T5/T6和T8文档续作见文末，独立验证/live/发布未执行。所有原始输出在 tests/outputs/134/，不提交。

基线与修改边界

项目	实际证据
起点	6a09054，保留既有两个本地测试提交，工作区仅原 .pi/ 与待提交设计／计划
T0 静态	t0-check.log／.exit：make check，退出 0，import-linter 1 kept
T0 指定测试	t0-baseline.log／.exit：660 passed，退出 0
生产范围	只修改 thinking／providers／client／openai_compat 四文件；端口、类型、缓存指纹、遥测 schema、embedding／OCR 循环未改
文档回滚	2553fc7／dda5556；wiki 工具 add_entity 会覆盖无 frontmatter 的同名文件，故先补原文 frontmatter，再以节点存在性保护调用工具，显式登记图节点／implements 边

红绿证据

任务	红证据	绿证据
T1 AUTO 成员／MiniMax／未知告警	t1-red.log：9 failed，103 passed；都是未拒绝／旧 medium／缺不保证文案	t1-green.log：112 passed
T1 可执行迁移文案	t1-guidance-red.log：1 failed，旧错误无配置例	t13-followup-green.log：220 passed（含探针收尾）
T2 on_base 不偷带档	t2-wire-red.log：12 failed，旧解析接受非法开启片段	t2-green.log：137 passed
T2 raw 纯守卫	隔离 raw-guard 变异：28 failed，含嵌套根与所有档位	还原退出 0；详见 mutation-summary.json
T3 标准 raw 实际 HTTP	t3-raw-red-valid.log：21 failed，旧 transport 发出了冲突请求	t3-green.log：526 passed（工厂／配置／transport／retry／纯解析）
T3 前置／准入	t3-entry-red.log：4 failed，旧工厂构造后端／请求进入洋葱／冲突未拒绝	同上；额外半开探针测试证明可再次取得探针且 inflight=0
T3 自定义根	隔离 custom-guard 变异：3 failed，丢 wire 后私有根绕过	t3-custom-green.log：3 passed
T4 迁移	cache-isolation 变异：去掉显式身份后能力／fallback／wire 各节点红	t4-final-green.log：190 passed（缓存与遥测）；新旧身份回滚、租户、多源和 per-call 覆盖均有断言
T4 命中遥测	cache-row 变异：1 failed，历史 low 不应替代本次 medium	还原退出 0
T7 客户端 NULL	embed False→True：6 failed；OCR False→True：12 failed（text／layout 独立红）	t7-final-green.log：328 passed
T7 阳性／emitter	chat True→False：并发实际档断言失败；去 applies 短路：6 failed	各还原退出 0；chat 糖失败 auto、nearest 失败 medium／成功 low 另有真实链路断言

隔离副本来源由 mutation-import.log 验证，路径为 /tmp/pgw134-mutation-*；无 .env、reference、.pi/。脚本 mutate.py、汇总 mutation-summary.json、逐例 mutation-*-red.log/.exit 和 mutation-*-restored.log/.exit 均留存。11 个变异全部退出 1，逐例还原全部退出 0，恢复后校验文件散列。factory 三个变异分别抓到 Authorization 缺失、timeout 退回 5 秒、trust_env 写死 True。

调试记录（不把无效红当证据）

现象	根因与处理
初始 raw 红测试反而 21 passed	测试选 qwen 纯开关形态却请求 HIGH，旧实现先因形态拒绝；改用可表达 HIGH 的 openai 后全部因目标未拒绝而红。t3-raw-red.log 不计红证据，使用 t3-raw-red-valid.log
默认 HTTP factory 新测试 5 failed	开发机 socks:// 代理被 httpx 构造拒绝；测试 autouse 删除代理环境，仅隔离外部条件，不改生产 factory，仍分别验证 trust_env True／False。t3-isolated-green.log：207 passed
factory 失败随 T3 提交进入历史	8e61a66 当时附带上述未隔离测试；随后 71f1bdf 独立修复。最终工作区全绿；不声称每个历史提交均全绿
per-call 迁移工厂测试缺缓存参数	合成 env 仍为 cache_backend=none，loader 正确清空 namespace／ttl；改为 memory＋显式 TTL，新测试 9 passed，不改生产配置默认
conda run 默认捕获模式下 stdin 脚本未执行	T0 第一次文档提交只有原始两文件；通过 --no-capture-output 重跑安全登记并单独提交，未将第一次零输出当登记成功
pi-lens LSP 报缺 pytest／loguru、旧 StrEnum Literal 噪音、Python 3.12 语法不支持	非 conda 解释器限制；父监督明确批准记录并继续既定 conda pytest／ruff／import-linter，不改枚举／不加 ignore。后续异步 stale 测试报告已标 superseded，最终实际全量单测输出为准

当前检查与后续门

检查	结果
conda run --no-capture-output -n PolyGateway pytest tests/unit/ -q	last-unit.log/.exit：1241 passed，3.95 秒，退出 0
make check	last-check.log/.exit：格式／ruff／import-linter通过，退出 0
git diff --check	通过
本轮网络／slow	未执行；所有 HTTP 为 MockTransport，SQLite 为临时文件，无付费调用
独立 verifier／集成／slow／下游迁移	由父会话后续执行，本轮不声明通过；设计所列真实缺测和下游缺失仍有效

日志方案沿已批设计：未知能力沿既有 loguru warning，实际调用仍经 TelemetryEmitter 单点出口，四类行来源和 NULL 契约用既有 schema 验证，不新增运行时数据面。

T5／T6 与 T8 文档续作（起点 16fa0ca）

本续作禁止发布／slow／付费调用，未改任何生产文件。已读完整批准设计、计划及 TDD／structured-logging／commit 技能。独立验证与全量集成／live 仍由父会话负责，本节不表示整个版本验收完成。

门／节点	本会话实际结果／原始日志（tests/outputs/134/）
受影响基线	t56-baseline.log：client/config/openai_compat 338 passed
T5 新模块首次	t5-first.log：98 passed；首次无行为红不计TDD，红证据来自下述隔离变异
当前受影响	t56-current-diagnostics-proof.log：client/live_evidence/config 325 passed；旧异步2/131通知已被当前结果取代
日常全单元	t56-accepted-unit.log/.exit：1357 passed，exit 0（其后仅取证关联/报告字段收尾，受影响325再通过，最终门见提交日志）
静态	t56-accepted-check.log：make check 通过；compileall 测试支持模块通过；生产43模块123依赖、1契约通过
live 采集	t56-accepted-collect.log/.exit：e2e 90 tests collected，exit 0；仅采集，不是真实通过

隔离语义红→还原绿

仓库外临时副本只复制 src/tests/必要工程文件，不复制 .env、reference、.pi；PYTHONPATH及 cwd 指向副本，import来源见 t56-mutation-import.log／t56-consumer-mutation-import.log。每个变异均目标 AssertionError、退出1，恢复散列一致后节点退出0，不靠 import error 当红。

变异	目标节点（tests/unit/test_live_evidence.py）	红／还原
整类 skip	test_whole_exception_class_skip_is_forbidden	1／0
正文子串 model_not_found	test_incomplete_or_ambiguous_error_body_fails	1／0
UNKNOWN 安静→PASS	test_coverage_is_proposition_specific	1／0
缺轮缩分母	test_missing_round_never_reduces_denominator	1／0
身份无证据→skip	test_identity_requires_independent_raw_evidence	1／0
丢第一轮	test_round_consumer_keeps_first_success_when_second_assertion_fails	1／0
部分档未覆盖→模型PASS	test_partial_uncovered_and_failed_rounds_never_become_model_pass	1／0
不交付独立raw快照	test_raw_identity_snapshot_reaches_round_consumer	1／0

汇总与逐例日志：t56-mutation-summary.json、t56-consumer-mutation-summary.json、t56-mutation-*-{red,restored}.log；脚本 mutate-live.py／mutate-live-consumer.py。主工作区从未放回假绿策略。

实现与矩阵边界

取证按 session/parent→attempt→HTTP；零HTTP和多HTTP分开，404严格唯一完整证据，成功非流式原始JSON独立解析并拒重复键。成功SSE不预读、不捕获。真实RetryMW两并发逻辑轮次各503→成功验证精确成功call_id；取消ContextVar复位、资源关闭与逐轮报告写失败显式失败均有离线节点。报告不保存任何原始正文/异常，白名单字段含校验布尔、状态、身份资格与固定安全原因；假凭据/提示词sentinel逐文件无泄漏。

四live文件均迁入窄通道，装配拒绝/平铺键/合成Protocol移入日常；外部Protocol缺包单列未覆盖。M3真实开启改medium，M2 AUTO复用既有T10档；L4迁为退出受管的raw-only高档，双来源本地拒绝由已实现单测守卫。L8不可关闭装配拒绝不计live，未知wire仍显式全None离线验证。UNKNOWN不靠completion长度或prompt锚点升格；L2b仅保留指定历史prompt锚点命题，不是关闭能力。

默认轮数/并发未增加，删除额外UNKNOWN长度锚点调用；T10保留既有一次重试设置，去除60s stall缩小值。静态矩阵：L1–L7合计93逻辑调用，L8可关闭19型号×5=95，T10 NONE 26×5=130及条件长复核≤78，开启57档×5=285，默认基线15，其他chat6+embed1=7；总上界703，不含既有治理重试/结构化重问。没有执行这些调用。

调试与未验证项

项	实际处置
新RetryPolicy测试参数误写base_delay_s	当前工具实报TypeError，查源码后改backoff_base_s/backoff_max_s，239及后续242/325通过；该失败不计目标红
make check初报SIM117/B017	合并测试上下文，按真实解析异常指定类型，不加ignore；最终静态门通过
pi-lens解释器/StrEnum噪音	记录 t56-diagnostics.txt，conda内真实导入与ruff为门，不改任务外枚举；pytest wrapper generator的return report是协议必需，独立next/send/StopIteration.value测试通过
T10型号→400机器字段基线不存在	父会话明确确认：不编造白名单，实际400默认FAIL并逐轮留证。纯负向契约精确类型/状态/type单独测试；具体live预期拒绝未验证、需人工基线
结构化反馈重问（已被本次审查修复替代）	原固定摘要会误拒正常反馈重问，独立审查判 P1；不再保留为可接受限制，修复与真实 StructuredMW 离线两响应证据见下节
发布/集成/live/下游	本任务未执行，M2空wire、M3非流式UNKNOWN、身份不足、三项目实际配置缺失仍保留为证据门

文档已同步README M1–M9、CHANGELOG未发布段、env注释、ARCH D11/5.1/7.5/7.8、旧设计替代指针及既有schema/metric；无版本bump、无新生产字段/DDL。Wiki站已下线，不虚报线上页更新。

续作提交：73008ad test: apply evidence-based live checks without hiding regressions。最终提交前实际门：t56-precommit-unit.log/.exit 1357 passed/0，t56-precommit-affected.log 331 passed（包含生产默认factory节点），t56-precommit-check.log/.exit make check通过/0，t56-precommit-collect.log 90 collected，t56-precommit-compile.log通过；git diff --check通过，git diff --quiet -- src确认生产零差异。T8仅文档部分完成，不勾选完整验收门。

独立审查四项修复（起点 d332287）

按 receiving-code-review 对照实际调用链核验 verify134/live-contracts.md：四项均成立。此处沿用户限定仅更新既有 finding／plan，不新建图实体或扩写设计。生产／版本零差异；没有 live、付费请求或子代理。本节是实现者核验，不冒充新一轮独立复审。

审查项／核验依据	最小修复与守卫
P1 结构化重问：StructuredMW._with_feedback 追加两消息，旧 hook 固定完整摘要必错	仅结构化模型 smoke 启用原提示词前缀摘要、成对 assistant/user 字符串与已有预算；首个 attempt 仍精确原消息。薄委托保存本次摘要只校验 HTTP 保真，不从 wire 反填预期，不关闭重问。真实 GatewayClient＋StructuredMW＋MockTransport 缺字段→合法响应恰两 HTTP PASS；破坏前缀、角色、内容类型、配对、预算、wire 均 FAIL；首轮凭空反馈另有 FAIL 守卫
P1 未登记候选：旧 None 分支被置 cannot_disable，ABSENT 假失败	明确 observation-only，先全轮请求／身份资格，再 UNCOVERED；ABSENT／OBSERVED／UNKNOWN 与资格 FAIL 四组运行真实 T10 消费者（剔除 .env 读取语句），不调用模型、不改长复核条件或轮次
P1 结论重新 UUID，多个型号失去对应关系	每用例显式传同一 run/model；子运行用该 run 下唯一 matrix_id 关联，结论含完整计划／完成分母。L1–L8、T10短长／各档／默认全部复用；两型号一 PASS 一 UNCOVERED，在 NONE、tiers、L8 三组逐文件验证关联和轮数
P2 机器字段未落盘	仅精确 model_not_found 保留；其他字符串（含假凭据 sentinel）为 omitted；写入端再拒未知机器值，绝不输出任意上游 type

本轮先红后绿与验证

日志位于 tests/outputs/134/，各命令结果后立即保存 .exit，原命令不接管道。

命令／节点	红证据	绿证据
pytest tests/unit/test_live_evidence.py -k structured_reask -q	review-f1-red：1 failed／6 passed，合法两响应误判 FAIL，exit 1	review-f1-green：7 passed，exit 0
pytest tests/unit/test_live_evidence.py -k first_attempt_requires -q	review-f1-first-red：首轮多反馈被放行，1 failed，exit 1	review-final-affected：含该节点共129 passed，exit 0
pytest tests/unit/test_live_evidence.py -k unregistered_candidate -q	review-f2-red：ABSENT 被误判FAIL，1 failed／3 passed，exit 1	review-f2-green：4 passed，exit 0
pytest tests/unit/test_live_evidence.py -k capability_conclusions -q	review-f3-red：三组结论缺型号断言红，3 failed，exit 1	review-f3-green：三组＋未登记四组共7 passed，exit 0
pytest tests/unit/test_live_evidence.py -k safe_machine_type -q	review-f4-red：三组缺机器字段，3 failed，exit 1	review-f4-green：3 passed，exit 0
conda run --no-capture-output -n PolyGateway pytest tests/unit/ -q	—	review-final-unit：1375 passed，exit 0
make check	—	review-final-check：格式／ruff／import-linter 1 kept，exit 0
conda run --no-capture-output -n PolyGateway pytest tests/e2e/ -m slow --collect-only -q	—	review-final-collect：90 collected，exit 0；不是90通过

上表节点命令也均加 conda run --no-capture-output -n PolyGateway；未使用缺 import 的伪红。最终受影响文件129单测通过，相比111新增18节点。pi-lens仍提示非conda缺httpx/pytest/pydantic及StrEnum等旧噪音，按已批准方向记录后继续conda门；新增测试命名空间显式 Any 类型，不抑制真实错误。

尚未完成：修复后独立复审、集成／make test覆盖率、真实能力取证、下游迁移和发布；T8/T9保持未勾选。M2空wire、M3非流UNKNOWN、真实机器拒绝白名单及外部服务状态不因离线绿变成已覆盖。