2 Commits

Author	SHA1	Message	Date
iomgaa	fe33faa3ec	fix(soak): 崩溃改成子进程内部的确定性自杀，外部 SIGKILL 抢不到那个窗口 ... 第一次实跑的结果：时机 A（一步完整落地之后崩）三次都没命中，每次都是「发信号与子进程停笔 之间又写进了记录」。原因是库写完步记录之后紧接着就写下一条意图，中间只有内存计算，窗口 窄到外部信号挤不进去。这个观察本身留在模块 docstring 里——它说明自然崩溃几乎总是落在 「有意图没结果」那一态上。 改成在子进程里包一层存储，在写入落盘返回之后按条件调 os._exit(137)。os._exit 不跑 finally、不跑 atexit、不 flush，对磁盘的效果与 SIGKILL 等价，而 JsonlRunStore 本来就 写完即 fsync，没有未刷缓冲要指望退出时替它写。外部 SIGKILL 那条路降级成兜底，没有删。 自杀条件都要求工作区审计账已经非空，即那个声明绝不重放的写入真的执行过。上一次实跑里 最硬的那条判据（绝不重放的动作没被执行两次）报的是无法判定，就是因为崩得太早、审计账 是空的，去重比对真空成立——判定器诚实地报了无法判定而不是绿，现在给它补上实料。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>	2026-08-11 09:20:01 -04:00
iomgaa	43971573b7	feat(soak): 故障注入——崩溃续跑、取消、撞预算、解析失败连击 ... 这七类是压测真正要看的东西：一百个任务顺利跑完什么都证明不了，能证明东西的是这些没有 失败现场的路径上库有没有守住承诺。 判据一条都不依赖模型的确定性，全是结构不变量。最硬的那条是「声明绝不重放的动作没有被 执行两次」——证据取自环境侧自己记的账（工作区的审计文件），不取库报的步数或动作数， 后者是库对自己行为的陈述，拿它验库的行为就是我们和我们自己对账。 崩溃是真 SIGKILL 子进程，不是模拟的注入点，而且分两种时机：一步完整落地之后崩（续跑应 该真的接着跑），以及意图落盘、结果还没落盘时崩（那条意图声明绝不重放，库应该判定状态 未知、干净停下）。第二种的命中条件是「最后一条意图的重放策略是 never」而不是「最后一条 是意图」——只读工具声明的是 safe，悬在那种意图上续跑会重放接着走，判据会时对时错，而错 的那几次看起来只像模型走了别的路。 判定和记分板一样分三档，「无法判定」不折算成通过：审计账为空时「去重前后条数相等」是真 空成立的，报成通过等于把「什么都没验到」显示成绿。命中不了时机也报无法判定，不降级成 另一种时机假装验过。 调用数护栏按每类故障的边界拦，不在模型客户端里抛异常——在那里抛的话库会把它记成模型调用 失败、合成观察接着跑，护栏本身就成了一次注入进来的故障，把要验的停止原因搅乱了。 Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>	2026-08-11 09:05:05 -04:00