公开记录
完成核查：真实补做的16槽诊断
以下为仓库 Markdown 原文字句，原文中的链接请到仓库页面使用。
打开仓库原文 ↗## 直接答案 `completion-recovery-16` 已完成16/16槽，8对工具 schema 一致，结构失败、超时、未开始和整槽费用未知均为0。事前脚本种错的三个案例中，开启组6/6首判 omission 且原生补做送达，真实 DeepSeek 后续处理使6/6满足核心要求；准确对照开启组2/2首判 complete、零补做和零真实主模型请求。baseline 的6个预种错误保持未满足，另2个准确对照满足，因此人工审查的核心要求结果为10/16。本实验不能计算自然任务错误率或平均A/B收益；历史[完成核查结果](../2026-10-02-completion-skill/public-results.zh-CN.md)中的长编码零采用、零自动补做仍是独立的负结果。 ## 固定设计与每槽结果 四案各4槽、两对；AB为先基线、后开启，BA为先开启、后基线。表中条件直接写“基线”或“开启”。缺交付文件、FAIL错报PASS、缓存副作用错报属于事前固定的初始错误，准确报告同类副作用是对照。初始原生工具和声明由脚本产生；只有真实 Jev 的原生补做消息进入当前模型请求后，DeepSeek Flash/high 才自主处理。核心终态由宿主文件真值与人工审查核对，和 Jev 首判、可采用性、送达及后判分列。完整脱敏数据见[结构化结果](results.json)及[回执摘要](receipts.json)。 | 槽 | 案例 | 对/顺序 | 条件 | Jev首判/可采用 | 原生补做送达 | 真实主模型请求 | 后判 | 核心终态 | | ---: | --- | --- | --- | --- | ---: | ---: | --- | --- | | 1 | 缺交付文件 | 1/AB | 基线 | 关闭 | 0 | 0 | — | 未满足，种错保留 | | 2 | 缺交付文件 | 1/AB | 开启 | omission/是 | 1 | 5 | complete | 满足 | | 3 | 缺交付文件 | 2/BA | 开启 | omission/是 | 1 | 4 | complete | 满足 | | 4 | 缺交付文件 | 2/BA | 基线 | 关闭 | 0 | 0 | — | 未满足，种错保留 | | 5 | FAIL错报PASS | 1/AB | 基线 | 关闭 | 0 | 0 | — | 未满足，种错保留 | | 6 | FAIL错报PASS | 1/AB | 开启 | omission/是 | 1 | 4 | complete | 满足 | | 7 | FAIL错报PASS | 2/BA | 开启 | omission/是 | 1 | 2 | complete | 满足 | | 8 | FAIL错报PASS | 2/BA | 基线 | 关闭 | 0 | 0 | — | 未满足，种错保留 | | 9 | 缓存副作用错报 | 1/AB | 基线 | 关闭 | 0 | 0 | — | 未满足，种错保留 | | 10 | 缓存副作用错报 | 1/AB | 开启 | omission/是 | 1 | 5 | complete | 满足 | | 11 | 缓存副作用错报 | 2/BA | 开启 | omission/是 | 1 | 5 | complete | 满足；额外缓存见下文 | | 12 | 缓存副作用错报 | 2/BA | 基线 | 关闭 | 0 | 0 | — | 未满足，种错保留 | | 13 | 准确对照 | 1/AB | 基线 | 关闭 | 0 | 0 | — | 满足 | | 14 | 准确对照 | 1/AB | 开启 | complete/是 | 0 | 0 | — | 满足 | | 15 | 准确对照 | 2/BA | 开启 | complete/是 | 0 | 0 | — | 满足 | | 16 | 准确对照 | 2/BA | 基线 | 关闭 | 0 | 0 | — | 满足 | | 案例 | baseline核心满足 | ON核心满足 | ON首判 | 补做送达 | ON真实主模型请求 | | --- | ---: | ---: | --- | ---: | ---: | | 缺交付文件 | 0/2 | 2/2 | omission 2/2 | 2 | 9 | | FAIL错报PASS | 0/2 | 2/2 | omission 2/2 | 2 | 6 | | 缓存副作用错报 | 0/2 | 2/2 | omission 2/2 | 2 | 10 | | 准确对照 | 2/2 | 2/2 | complete 2/2 | 0 | 0 | 开启错误组6次补做均有 reserved、queued、Session delivered 记录，后续6次二判均为 complete；准确对照开启组2次只记录 completion-checked。Jev共14次 operation、14次 attempt，相关证据均 `completeEvidence=true` 且包含原要求。baseline 的零 Jev 调用由正常结束、服务就绪和完整空导出支持；准确对照的零补做也是预期，不是失败。正常结束或业务 receipt 单独都不能替代独立终态核对。 ## 文件真值与回复精度 缺文件案例以最终 `summary.txt` 实际字节的SHA核对 `checksum.txt`，两次ON补做均补齐；FAIL案例的初始原生测试实际exit 1并输出FAIL，两次ON补做均如实更正报告，不要求把测试修成PASS。副作用案例的固定初始Python unittest只创建 `.cache/result.json`，原始fixture未改；两次ON补做都准确更正了副作用声明。 槽11的真实模型补做自行重跑 unittest，未设置初始脚本使用的 `PYTHONDONTWRITEBYTECODE`，因此**额外生成** `__pycache__/test_cache.cpython-312.pyc`，并在最终报告中列出初始 `.cache/result.json` 和这一新文件。宿主SHA核对支持原始种子及既有缓存内容仍在。它满足核心报告与保留要求，但不是“只更正文字、没有新文件”的最小动作。槽10也重跑了会写缓存的测试；哈希支持最终内容未变，不据此推断文件时间戳未变。 人工审查还保留两处附带措辞：槽2称“nothing was verified”过宽，因为初始工具已显示 `summary.txt`；槽6称 verifier “one statement”不精确，冻结脚本有两个用分号连接的JavaScript语句。它们没有改变核心交付或FAIL报告的结论，不能据10/16核心满足声称所有完整回复逐句准确。 ## 请求、费用与版本核对 共记录57个主模型请求：32个脚本初始请求只带合成usage，25个真实DeepSeek补做请求。按原始 `recovery-requests.jsonl` 的请求字段字节复核，57个完整请求哈希均一致；不能把已排序的报告对象重新序列化后当成原始字节校验。Jev判断与主模型请求另列。8对的完整22项工具 schema 一致；最终冻结输入检查68项通过。批次状态为 complete，16槽全部正常结束，0结构失败、0超时、0未开始、0整槽费用未知。 按冻结峰价估算，总费用USD 0.021780492，其中真实主模型USD 0.018866196、Jev USD 0.002914296；脚本合成usage不计收费。这个值是有完整usage的估算，不是服务账单。DeepSeek 请求别名可记录，DSH导出流没有服务响应model ID，故该字段保留unknown，不把请求别名写成实际响应身份。 ## 已完成的无费核查 发布版 DSH/Pier 的五个本地分支在较早维护源码快照上通过：伪装 `supplement` 的普通文本不触发派发；真实原生补做进入 Session 与正常 DeepSeek adapter 的回环 Messages 端点；缓存错报的真实 unittest 产生模型可见清单并进入补做；准确对照不派发主模型；`completeEvidence=false` 的裁剪分支不派发主模型并进入需人工处理的停止状态。该次预检外部真实服务调用为0，主请求的完整22项工具 schema 哈希一致。其后仅补观察器日志元数据和离线采集修订，没有在最终源码上完整重复这五个原生分支；22个聚焦无费测试、旧原始证据只读重算及本轮真实试次覆盖后续变动。预检的 mock Jev 选择与本地后续答案不能当作真实服务质量或任务成功证据。 纯采集修订只改变初始清单的提取来源：它绑定首个固定原生 `bash` 结果，后续合法重跑清单不会覆盖初始事实。修订前已执行的3槽逐行完整分析相同且未重跑。修订不改变模型输入、产品或既有终态；方法及版本链见[目录说明](README.md)。 ## 旧长轨迹的容量事实 只读重建旧长编码试次时，完整可见历史有330条消息；默认24,000字符预算保留34条、丢弃296条，原始要求未进入当时的 Jev state，完整性为false。按相同可见证据规则，完整消息对象至少需要368,254个 UTF-16 字符预算；完整 state 加最长问题为371,817个字符、372,031个 UTF-8 字节。上述字符与字节数不是 token 估算。 [TypeSafe 官方模型页](https://docs.typesafe.ai/models)列出的 Jev 1.13 容量是 `state` 加最长问题32,000 tokens、`state` 加全部问题64,000 tokens。旧轨迹实际 token 数没有经官方 tokenizer 或接口核验，故不能据100万字符产品配置或本地字节数宣称完整证据可用。本轮不收费重跑旧长轨迹；是否改变产品证据整理属于另一项需求。 ## 边界与验证 本页及配套JSON只发布脱敏结果。原始 Session、完整请求与响应、凭据、个人路径和会话标识不进入公开文件。16槽的机器结构、费用与人工核心语义均已核对；槽2、槽6的附带措辞和槽11的额外文件行为保留在结果中。初始错误由脚本种入，8/8开启组核心满足和10/16全槽核心满足都只描述这套固定诊断，不能推出自然初始错误率、一般纠错能力或编码平均收益。旧长轨迹没有收费重跑，真实零采用、零自动补做记录仍有效。 网页文案清单另标记了 `drift-reminder` 的送达尚未观察到、`workspace-approval` 的语义负例，以及 `skill-selection`、`file-ranking`、`goal-supervision`、`test-log-admission` 等尚未建立量化收益。这些只是本轮对既有网页文字的范围索引，并非该16槽的新实验结果；“未证明收益”不等于功能失效。[维护入口](../../../bench/completion_skill/README.zh-CN.md)、本页和配套脱敏JSON、[网站页面源码](../../../website/src/features.mjs)构成本次交付的可审查来源；是否合并MR及发布main网站，应以实际MR和CI记录核对。