feat(soak): 压测的环境层——AppWorld 容器池与薄 HTTP 客户端

⑥ 的验收要自己造负载压，环境用 AppWorld：733 个任务与 197M 数据都在本机、docker 镜像已
拉好、而且它自带评测端点做程序化判分——换成让另一个模型判对错，等于往验收里再塞一个非
确定源，验收本身就不可复现了。

**不 import dissect**（§1.2 禁止反向 import），照它那两个文件当协议文档自己写了一份。
副作用是这反而更强：证明一个不认识 dissect 的第三方只用公共 API 就能驱动真实环境。

复刻了 dissect 记下的几个坑：httpx 必须 trust_env=False，否则本机代理会把 127.0.0.1 的
请求也劫走、表现成 502；健康检查失败先抓容器日志再删；关闭失败按端口分开计数，用全局
计数器的话坏容器的失败会被别的容器的成功清零。

放在仓库根的 tools/ 下而不是 tests/ 下：打包只收 src/，所以它不进 wheel 也不进 sdist
（实测两个产物里 soak 命中数都是 0）；而 §1.9 的四层是按「依赖什么」分的，压测不属于其中
任何一层，塞进 tests/ 要么破坏分层要么和 e2e 共用同一道花钱的闸。Makefile 的检查目标
跟着加上 tools/。

冒烟真跑通：起容器、初始化真题、跨调用保持变量、错误代码返回 traceback 而不抛异常、
评测、无容器残留；另验 2 容器并发的租借与归还。

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

tools/soak/check_appworld.py

@@ -0,0 +1,134 @@
+"""AppWorld 环境层的离线冒烟：起 1 个容器，跑通一整条会话链路，**一次模型调用都不打**。
+
+跑法（在仓库根目录）::
+
+    PYTHONUNBUFFERED=1 conda run --live-stream -n PolyLoop \\
+        python -m tools.soak.check_appworld --data-root /path/to/appworld
+
+用 `-m` 而不是直接给文件路径：直接跑文件时 `tools` 不在 `sys.path` 上，
+`from tools.soak.appworld import ...` 会 ImportError。
+
+它验的是环境层自己：容器起得来、题实例化得了、代码执行得了、评测调得通、容器删得干净。
+执行的三段代码是写死的，其中一段故意写错——那一段验的是「代码报错不抛异常，错误文本原样
+回来」这条行为，因为它是上层循环最依赖的一条，而正常路径验不出来。
+
+退出码 0 表示全绿。任何一步失败都以非零退出并把原始报错打出来，**不做任何降级**。
+"""
+
+from __future__ import annotations
+
+import argparse
+import asyncio
+import logging
+import sys
+from pathlib import Path
+
+from tools.soak.appworld import AppWorldPool
+
+#: 冒烟用的题目。取 train 划分的第一条而不是写死一个 ID：题集换过一次（发布的 train 是
+#: 90 题，原论文写的是 105 题），写死的 ID 有一天会变成一句「找不到这道题」，而那时看起来
+#: 像是环境坏了。
+_SPLIT = "train"
+
+#: 三段写死的代码。顺序有意义：先确认 API 文档读得到（环境的数据挂载没问题），再确认
+#: 有状态执行器跨步保留变量（这是 AppWorld 与 docker-exec 型环境的关键区别），最后确认
+#: 报错不会被压成异常。
+_PROBES: tuple[tuple[str, str], ...] = (
+    ("列出可用的 app", "print(apis.api_docs.show_app_descriptions())"),
+    ("定义一个变量", "soak_marker = 6 * 7"),
+    ("读回上一步的变量（验有状态执行器）", "print(soak_marker)"),
+    ("故意写错（验错误不抛异常）", "print(this_name_does_not_exist)"),
+)
+
+
+def _line(title: str) -> None:
+    print(f"\n=== {title} ===", flush=True)
+
+
+async def _smoke(data_root: Path, port_base: int) -> int:
+    pool = AppWorldPool(data_root=data_root, size=1, port_base=port_base)
+    _line("池配置")
+    print(f"数据根目录：{data_root}（只读挂载）")
+    print(f"输出目录：  {pool.outputs_dir}")
+    print(f"宿主端口：  {pool.ports}")
+
+    async with pool:
+        task_ids = pool.list_task_ids(_SPLIT)
+        task_id = task_ids[0]
+        _line(f"划分 {_SPLIT}")
+        print(f"共 {len(task_ids)} 道题，取第一道：{task_id}")
+
+        async with pool.session(task_id) as session:
+            _line("初始化")
+            print(f"容器地址：{session.base_url}")
+            print(f"虚拟时间：{session.datetime}")
+            print(f"主管：    {session.supervisor}")
+            print(f"题面：    {session.instruction.strip()[:400]}")
+
+            for title, code in _PROBES:
+                _line(f"执行：{title}")
+                print(f"$ {code}")
+                output = await session.execute(code)
+                print(output.strip()[:1200] or "<无输出>")
+
+            _line("问一次完成没有")
+            print(f"is_done() = {await session.is_done()}（没做题，应为 False）")
+
+            _line("评测")
+            score = await session.evaluate()
+            print(f"success = {score.success}（没做题，应为 False）")
+            print(f"执行次数 = {score.n_executions}")
+            print(f"detail 的键 = {sorted(score.detail)}")
+
+    _line("容器残留检查")
+    return await _report_leftovers()
+
+
+async def _report_leftovers() -> int:
+    """确认压测的容器一个都没剩下。剩了就非零退出——它会占着端口让下一次跑直接失败。"""
+    process = await asyncio.create_subprocess_exec(
+        "docker",
+        "ps",
+        "-a",
+        "--filter",
+        "name=polyloop-soak-appworld",
+        "--format",
+        "{{.Names}} {{.Status}}",
+        stdout=asyncio.subprocess.PIPE,
+        stderr=asyncio.subprocess.PIPE,
+    )
+    stdout, stderr = await process.communicate()
+    if process.returncode != 0:
+        print(f"docker ps 失败（退出码 {process.returncode}）：{stderr.decode(errors='replace')}")
+        return 1
+    leftovers = stdout.decode(errors="replace").strip()
+    if leftovers:
+        print(f"仍有残留容器：\n{leftovers}")
+        return 1
+    print("docker ps -a 里没有 polyloop-soak-appworld 开头的容器，干净。")
+    return 0
+
+
+def main() -> int:
+    parser = argparse.ArgumentParser(description=__doc__)
+    parser.add_argument(
+        "--data-root",
+        type=Path,
+        required=True,
+        help="AppWorld 数据根目录，下面应有 data/datasets 与 data/tasks",
+    )
+    parser.add_argument(
+        "--port-base",
+        type=int,
+        default=8200,
+        help="容器池起始宿主端口（默认 8200，避开 dissect 的 8100）",
+    )
+    args = parser.parse_args()
+    # 容器池的告警走 logging，默认级别是 WARNING 且没有 handler，会被静默丢掉——而
+    # 「清理容器失败」正是这条路上唯一的线索。
+    logging.basicConfig(level=logging.INFO, format="%(levelname)s %(name)s: %(message)s")
+    return asyncio.run(_smoke(args.data_root.resolve(), args.port_base))
+
+
+if __name__ == "__main__":
+    sys.exit(main())