Files

T

iomgaa d4aa5e117e test(e2e): 补上打真实网关的那一层，四层测试到齐

两个用例：一次运行走通「模型→解释→工具→观察回填→再问模型→收尾」，以及取消能穿过真实的
HTTP 请求并留下已取消的结束记录。测试自带解释器、工具注册表与事件出口——库故意不带它们，
带了就等于替某一家定了动作语言。

断言只绑结构不变量，一条都不绑模型输出的文字：停止原因落在两个正常终态里、至少两步且至少
一步真的执行过动作、每步 call_id 非空（网关那边生成的，替身给不出来）、日志读回来与返回值
逐字段相等、事件条数等于步数。绑内容的测试会随机红，而随机红的测试很快没人看。

两道跳过闸：网关装没装，以及 POLYLOOP_E2E 是不是 1。分开是因为填好密钥不等于同意花钱。
实测跑一次三次真实模型调用、约 12 秒；开关关着时整层跳过；make ci 283 passed / 16 skipped。

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

2026-08-10 23:49:11 -04:00

5.3 KiB

Raw Blame History

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。

⚠️ 项目还没有可用的功能（2026-08-07 起）

src/polyloop/ 下是十个模块的空骨架——目录和依赖契约先于代码存在，模块里一个类一个函数都还没有。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	已有 `packages/docagent-core/`（第一次抽库尝试，含 agent / workflow / retrieval / taskrun）	能替代掉 `docagent-core/agent`，能替代更多更好。哪些子包能一并接管，在第 ② 阶段判断
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 迁移验收 —— 真的把 dissect 与 GovDoc-SaaS 迁过来，以两边测试全绿为准

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

仓库还没有 remote，所以没有 CI workflow。make ci 就是当前的全部机器闸，和 PolyGateway 一样。等仓库推上去之后按 research-wiki/guides/ 补 workflow（那份也还没写）。

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，已有第一次抽库尝试 `packages/docagent-core/`
`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。

5.3 KiB Raw Blame History Unescape Escape