iomgaa
43971573b7
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>
PolyLoop
实验室共用的 Agent 执行内核。治理单位是一次运行：围绕一个目标的有界多轮 「模型决策 → 动作 → 观察」循环，含预算、停止语义、取消、逐步轨迹与 Skill 注入。
它和 PolyGateway 是叠起来的两层。PolyGateway 治理一次模型调用（多源、限流、重试、熔断、 缓存、遥测），PolyLoop 治理一次运行，并用 PolyGateway 的顶层公共 API 拿模型。 任务编排、批量调度、评分、检索、Skill 的生成与进化都留在下游项目。
安装
发布在实验室自建的 Gitea PyPI registry 上，公网 PyPI 查它是 404，所以装它必须自己带索引地址：
pip install --extra-index-url https://gitea.iomgaa.online/api/packages/iomgaa/pypi/simple/ \
"polyloop==1.0.*"
模型调用要经 PolyGateway，那部分是一个单独的 extra——不用它的人不该被迫装上网关：
pip install --extra-index-url https://gitea.iomgaa.online/api/packages/iomgaa/pypi/simple/ \
"polyloop[gateway]==1.0.*"
写进 requirements.txt 的话，那一行 --extra-index-url 必须排在 polyloop 之前。
这台开发机上的注意事项：它设了 http_proxy 指向一个到不了外面的本地代理，走代理会失败，
装的时候加 NO_PROXY=gitea.iomgaa.online。
现状
十个模块全部落地，四层测试都在跑。还没有任何下游项目真的用过它——这是它现在最大的未验证项， 下面的阶段清单是唯一的进度权威。
消费者与验收标准
| 项目 | 现状 | 本库对它的验收标准 |
|---|---|---|
| dissect | 已有跑着的 harness/agent/（loop / context / memory / parser） |
能把那套循环搬到本库上，dissect 原有测试全绿。 一手需求证据最强 |
| GovDoc-SaaS | 仓库 2026-08-03 起整体重建，实现全部清空，自己的清单停在「构建文档框架」 | 不做迁移验收，做设计级验收：它真实需要的东西逐条能不能被承载，见 research-wiki/migrations/govdoc-saas.md。它将来写 agent 层时是直接长在本库上，不是迁过来 |
| CHSAnalyzer | 还没写到 agent 那一步，只有设计方案 | 远期可以兼容使用。 它的 agent 需求要么本库能满足，要么明确写进「不属于本库」清单并说明为什么 |
三者的证据强度不同，能进本库的语义也就分档：dissect 和 GovDoc-SaaS 的真实代码是一手证据， 两边都需要的机制才有资格做成稳定内核；CHSAnalyzer 只用来检验边界画得对不对，不能凭它的 设计方案单独长出一个组件——一个没有真实调用方的抽象，等到有调用方那天多半是错的。
阶段清单
这份清单是「当前处在哪个阶段」的唯一权威。 CLAUDE.md 不重复这里的内容，只有一条常青规则
（§1.11）要求动手前先看这里——这样阶段推进时不需要改 CLAUDE.md，开发结束后把本节删掉即可，
不会在别处留下过期条文。
- ① 协作规范 —— 见 CLAUDE.md 与 research-wiki/README.md（文档体系）
- ② 需求对齐 —— 从 dissect 的
harness/agent/与 GovDoc-SaaS 的packages/docagent-core/提取真实需求，产出research-wiki/migrations/下两份迁移文档（删除清单 + 组件映射 + 验收口径）， 并检查 CHSAnalyzer 的 agent 方案落在边界内还是边界外。这一阶段的产物决定库的边界， 所以它排在架构前面：边界画错，后面每一份架构文档都要重写 - ③ 架构 ——
research-wiki/explanation/architecture.md与pyproject.toml的 import-linter 契约。 架构文档先于代码存在，此期间它是一份规格而不是描述，文档开头须写明这一点 - ④ 测试框架 —— 四层都在跑（划分判据是「依赖什么」，见 CLAUDE.md §1.9）。
e2e 打真实模型网关、会产生真实费用，所以默认不跑：要
POLYLOOP_E2E=1加显式pytest -m e2e，配置见 .env.example。tests/contract/那套公共行为 一致性用例接上了自带的存储实现，解释器与执行器那几条仍等下游把实现接进来 - ⑤ 实现 —— 十个模块全部落地，五个接缝都有调用点。一处已知欠账：
stores只有逐行 追加那一种形态，关系数据库那种由下游自己实现，契约套件是它的准入标准 - ⑥ 验收 —— 两件事。一是自己造负载压：照三个消费者将来的用法造约一百个任务，用真实
数据真的打模型跑完，看这个内核在这个量级上扛不扛得住。这一步之所以必须自己做，是因为
三个消费者一个都还没到能用它的时候，而「从没被任何人用过」是它现在最大的未验证项，
等下游是等不来的。二是把 dissect 的迁移方案交出去：不在 dissect 仓库里写代码，
出一份方案提到它的 issue 上，由那边自己排期。GovDoc-SaaS 那半是设计级验收（理由见上面
那张表），口径在
research-wiki/migrations/govdoc-saas.md
本地检查
make check # ruff format --check + ruff check + lint-imports
make test # pytest（e2e 默认不跑，它打真实网关要花钱）
make ci # 上面两条
还没有 CI workflow，make ci 就是当前的全部机器闸，和 PolyGateway 一样。发布怎么做见
research-wiki/guides/releasing.md。
文档质量不走机器检查，走 CLAUDE.md §3 的「硕士生阅读」评审。
参考资料
reference/ 下的六个仓库与 agent-core.md 都只是参考，不是本项目的设计，也不是任何事实的权威
（理由见 CLAUDE.md §0）。它们只读、不改、不入库。
| 位置 | 是什么 |
|---|---|
reference/agent-core.md |
别人为本项目写的一份架构提案。其中任何一条在被我们自己的 design doc 采纳前都不作数 |
reference/dissect/ |
消费者，已有 ReAct 循环实现 |
reference/GovDoc-SaaS/（background 分支） |
消费者的旧代码，第一次抽库尝试 packages/docagent-core/。它那边的活仓库已经把这份降级成「只作研究输入，不是当前事实来源」 |
reference/GovDoc-Editor/ |
GovDoc-SaaS 重构之前的那一版，今天跑在生产上。需求来源，不是迁移对象 |
reference/CHSAnalyzer/ |
远期消费者；同时是本仓库协作规范的蓝本 |
reference/PolyGateway/ |
本库的依赖，也是「实验室共用库该怎么做」的蓝本 |
reference/pi/ |
外部参考实现 |
其余约定见 CLAUDE.md，那里是协作规则的唯一来源。