交付物

验收

禁止

• 不新增工具 / 画板 / MCP 工具 / 端点;不碰 design/;不改前端(规则 7 / 8)。
• 不为「grounding 是否真的发生」做二次判定或加信号字段:网关不透出,猜就是编。
• 不维护模型名白名单:哪个 modelId 配 google_search 由所有者经 MCP 决定;配错的表现是「拿到离线答案」而不是报错(已写进 docs/mcp.md)。
• 不改进度上报的阶段集合与文案(request 文案外显 hostname / model 是 BACKLOG 已记的跨轮次问题,不当场顺手改)。
• 不给 google 线单独加超时 / 限额字段:两条线共用 websearch_config 那几列。

代码审查

• 审查方式:codex /codex:review(全量 branch diff against main;PowerShell Start-Process 脱离启动 + Monitor 盯 .out, 记忆 codex-review-detached-launch 的做法)
• 第 1 轮(审 5715e8a,约 6 分钟):1 条 P2 —— extractLinkCitations 把 URL 里的括号当分隔符, …/wiki/Agent_(computing) 这类来源会被截断成不可用的链接。采纳(改判断,不是新机制):两个正则的 URL 字符集改成 「非分隔字符 | 一组配对 (…)」,只认一层(CommonMark 对链接目标的口径),落单的 ) 仍是分隔符,markdown 链接的收尾括号与 散文里 (见 https://x) 的包法都照常断开。补用例时又撞到同一函数的另一处边界:裸 URL 紧跟全角逗号会粘上 (…(computing),以及),一并把全角标点列进裸 URL 的终止集(CJK 字母不列 —— 模型偶尔写未编码的中文路径,截掉比粘上一个词更糟)。 websearch.test.ts 59 用例全过。
• 第 2 轮(全量,审 506b196,约 6 分钟):2 条 P2,都采纳(都是改判断)。 ①裸 URL 的终止集里混进了 ASCII 的 ? : ,,查询串 / 端口会被截掉(…/story?id=42 → …/story)。根因是源码里的「全角标点」实际是半角 (od 实测 U+2C / U+3F / U+3A;是我输入时就打成了半角还是经手的工具折的,无法回溯),第 1 轮整改时就已发生而没察觉 —— 测试没抓到,是因为当时的用例里没有一条 URL 带查询串或端口。整改:两个正则里的全角标点改写成显式的 ，。；：！？、 转义(用 node 脚本按字符码写入,不再经手打),ASCII 标点只在末尾剥; 测试字符串里的全角逗号同样按字符码写入。补 3 组用例(查询串 / 端口 / 参数逗号;英文句末标点;markdown 目标里的查询串)。 ②chat 流被干净关闭却没有 finish_reason 也没有 [DONE] 时,半截正文会被当成功返回。整改:记一个收尾信号 (finish_reason 或 [DONE] 任一即算,网关实测两个都发),缺了就报 upstream_failed;刻意不动 Responses 线的 「没有 completed 回落到累积 delta」—— 那是 R-WEBSEARCH 明确测过的取舍,而 chat.completion 的收尾信号是稳定的。补 2 组用例 (中途关闭 → 失败;只发 [DONE] 的网关也算收尾)。websearch.test.ts 62 用例全过,tsc --noEmit 无新增错误。
• 第 3 轮(只审整改 diff,--base 506b196,审 d7e0570,约 5 分钟):1 条 P2 —— 裸 URL 后紧跟 ASCII 逗号 + 中文 (…Agent_(computing),以及)时,逗号与后面的散文一起被吞进 URL;并指出第 2 轮把那条用例改成全角逗号掩盖了这个回归(属实)。 三轮各一条、全落在裸 URL 的边界判据上(括号 / ASCII 标点 / ASCII 标点紧贴 CJK)—— 这正是记忆 review-loop-is-not-design 与 CLAUDE.md「审查边界」说的那种模式:散文里的裸 URL 在中英混排下没有确定的边界,再补一条「ASCII 标点后紧贴 CJK 即止」 只是第四条判据。处置:不补判据,删掉裸 URL 扫描,只认 markdown 链接(删代码;边界由 ( ) 确定)。所有者不在线, 这是自行裁定并已写进方案 3 与 docs/security.md 补记,可推翻。用例改写为:markdown 链接(去重 / http(s) / 封顶 / 查询串端口完整 / 一层括号)+ 「裸 URL 一律不抽」的反向断言。
• 第 4 轮(只审整改 diff,--base d7e0570,审 47363a7,约 4 分钟):零 findings —— 「实现 / 测试 / 安全文档 / 轮次文档一致地去掉了裸 URL 抽取,未发现新的正确性、安全或兼容性缺陷」。
• 结论:整改后 PASS(4 轮 / 4 条 / 全 P2、零 high;3 条采纳整改 + 1 条按「审查循环不是设计」收缩方案)。 收口状态的全量门禁:dev.ps1 check 过,dev.ps1 test api 26 文件 553 用例 + web 21 用例全绿; 真实网关 E2E 在最终代码上复跑:gemini-3.8-flash-high 16.6 s / 3 条签名重定向来源,gemini-pro-agent 37.6 s / 3 条媒体链接。

失败处理

同一验收项针对性整改后连续 2 次验证仍不过 → 写 rounds/round-gsearch/BLOCKED.md,停下呼人。禁止放宽验收标准自我通过。

本轮实测

• 探针:9 个探针、3 个模型,结论与 A/B 表见 verify.md。核心说法成立;{type:"web_search"} 打 chat/completions 是静默忽略(200)而非失败;{type:"google_search"} 回 malformed_function_call;/responses 两种 tools 对 gemini 都拿不到 grounding。
• E2E(新代码直连真实网关):gemini-3.8-flash-high 11.2 s / 4 条签名重定向来源;gemini-pro-agent 28.3 s / 5 条媒体链接; Responses 线回归 gpt-5.6-terra 19.9 s / 9 个检索事件 / 2 条 url_citation。
• 门禁:dev.ps1 check 过;dev.ps1 test api 26 文件 549 用例 + web 21 用例全绿(首版);收口状态 553 + 21。
• 全角标点会落成半角:第 1 轮整改时手打进正则的「,;:!?」在源码里是 U+2C / U+3B / U+3A / U+21 / U+3F(od 实测), 第 2 轮才被 codex 抓到;是输入时就半角还是经手的工具折的无法回溯。此后凡是源码里要写全角字符,一律用 node 按字符码写入并 od 验证 (最终版删掉了裸 URL 扫描,源码里已不再有这类字符)。
• 发版后要用它:经 xray-admin-prod 的 websearch_provider_upsert{provider:"cliproxy-gemini", apiKey:<同一把>, baseUrl:同现行, modelId:"gemini-3.8-flash-high", toolType:"google_search", makeDefault:true};切回 websearch_set_default{provider:"cliproxy-dmit"} 即回滚, 不用发版。迁移 015 随发版跑(migrate.sh 14 → 15)。
• 发版当日(2026-09-07,d59407a)先按所有者要求配 gemini-pro-agent,量完耗时后当天换回 gemini-3.8-flash-high —— 其余字段照上面那条。生产端到端:一轮里 web_search 被调 2 次(durationMs 27673 / 15769),resultPreview 是 综述文本而不是结果列表(google 线的形态),回答带出 3 条 markdown 链接来源,done 回 modelRoundTrips:3 turnMs:51189。 代价是慢:一轮近一分钟(本轮预研直连网关时是 28.3 / 37.6 s,与此吻合),仍在双计时器内。所有者据此当天要求换成 gemini-3.8-flash-high,只发一次部分更新({provider, modelId})即可 —— 回 "status":"updated", toolType / baseUrl / key / 两个超时 / isDefault 逐项保留。换后实测:整轮 12.9 s / 14.1 s(单次搜索 8.0 / 10.9 s), 来源仍是 3 条 markdown 链接,耗时降到约 1/4 而来源质量不降。对比表与脱敏留证见 docs/releases.md。
• 验实时检索能力时别把「未来日期」写进 prompt(发版当日踩到):首轮端到端问「2026 年 9 月第一周有哪些 AI 新闻」, 模型按训练截止判定「该日期尚未发生」,把 grounding 回来的内容当「推演/虚构预测类综述」拒绝给来源 —— 链路其实是通的 (tool_start/tool_end 各一、37.3 s),是 prompt 把验收判据带偏了。换中性问法立刻拿到来源。
• 一次自己的失误:曾加一条「迁移 015 改了 tool_config.note」的用例,跑在别的用例清空 tool_config 之后就读不到行 —— 用例依赖执行顺序,删掉;CHECK 那条用例已足以证明迁移应用。
• tsc --noEmit 有 3 处既有错误(catalog.test.ts:214 socketPath、skill-runner.test.ts:368/369),不在本轮改动文件里、 不在门禁内(BACKLOG「门禁不做全量类型检查」条目),本轮不动。
• 开工时工作区里有一份未提交、不属于本轮的改动(runtime.ts / runtime.test.ts / agent/README.md,系统提示词通用三条), 本轮全程没碰它;它在本轮进行中由另一个会话提交成 40c246d(main 与本分支同时指向它),本分支对 main 的 diff 因此只含本轮文件。