Skip to content
Merged
Show file tree
Hide file tree
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
59 changes: 59 additions & 0 deletions myspec/changes/sim2gse-rolling-scoring/gate1.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,59 @@
# 门禁一——开始开发

状态:用户在完整展示后回复“确认”,门禁一通过。以下为当时展示的执行安排;现已据此在原工作树创建功能分支并实施。

## 固定起点与执行安排

- 工作树:`D:\My Project\Wow Addons`,沿用当前工作树。
- 当前分支:`main`。
- 固定基线:`284a52e6b3d64b4d320c685839bc5e7377750662`;本机 `origin/main` 指向同一提交,本轮没有联网刷新远端。
- 入口前工作区干净、仅一个工作树;整理后仅本变更目录内的需求产物未跟踪。
- 拟新建功能分支:`codex/sim2gse-rolling-scoring`;只在本门禁确认后创建。
- 流程等级:Full(完整)。尚未通过失败测试证明性能根因,且触及并发、取消和恢复边界,不满足快速路径前提。
- 推荐:一张票据,主代理串行开发;全部完成后由独立审查子代理审查。独立审查按开发流程加载代码审查入口。

## 范围与成功结果

目标产品为角色按键序列优化器。只修改内存方式下的粗评派发:初代、每代和恢复核对中,同一代完成一个就补一个,最多同时运行本任务配置数量,默认五个。整代评分全部完成后才换代。正常完成时完整请求、分数、随机状态、候选与最终结果等价。

最终复测、旧磁盘方式、编译锁、兼容缓存、变异与交叉、停止阈值、评分次数和保存格式不在本票范围;不新增设置、不做完整训练、不修改主工作区用户配置。

致命错误、预算终止或取消被观察到后停止补派,按原进程管理收尾所属任务。错误被发现之前可能比旧分窗多启动请求,不承诺失败启动集合一致。允许剔除的正式粗评失败继续按原规则处理。恢复沿用原可靠状态、失败额度与有限恢复点。

## 真实用户入口、测试与验证

- 训练公开入口:`seed_training.run_training`;正式搜索公开入口:`task.run_task`,页面仍通过既有任务接口触发。
- 共用修改位置:`population_training._evolution.execute.scores`,仅 `store.memory_execution` 且 `stage == 'search'` 的分支。
- 已有高层测试:`tests/sim2gse/test_seed_training.py:316`、`tests/sim2gse/test_search.py:73`;已有共用优化样例在 `tests/sim2gse/test_population_training.py`。
- 新行为用同步信号控制至少十三个不同行为的完成顺序;先证明旧实现不能及时补位,再实施并确认同时运行数量、输入返回位置与完整代约束。
- 注意现有名为 `memory_ga` 的样例默认没有开启产品内存运行开关。新测试必须明确开启,不能因为用了内存数据库就冒称覆盖新分支。
- 成功对照按候选身份核对档案内容、请求、随机状态、成绩和最终选拔;原档案本就按工作线程完成顺序加入,不要求插入顺序一致。
- 用已有入口的最少必要代表覆盖乱序、致命失败、允许剔除的粗评失败、取消及恢复;不恢复已删历史大矩阵。
- 正式差异验证使用当前加载的构建验证随包入口,固定 `--base 284a52e6b3d64b4d320c685839bc5e7377750662`;先提交保持干净工作树。默认快速模式,不申请全量模式,不修改验证配置。实际检查与缓存范围分别报告。
- 真实入口冒烟沿既有训练与页面正式搜索路径,不把普通内存样例当成原生或物理保存验收。
- 一次性短吞吐对照的旧新两侧共用相同候选、角色、场景、种子和每批三十二次评分。新增真实评分总上限一百二十八批、累计一百八十秒,任一上限达到即停止补派并收尾;收尾和统一验证耗时另行实报。只保留必要对照结果,不新增固定计时功能,不发布这次观察为生产训练成果。
- 不预设最低提速,不因结果无改善而扩大预算;短对照不能推断完整四组或所有角色收益。

## 需求产物与票据

1. `spec.md`:可观察行为、失败边界、测试与范围。
2. `issues/01-rolling-scoring.md`:唯一纵向票据,无前置票据;实施包含训练与正式搜索共同生效、测试、短对照、验证和审查。

## 必需技能实际使用记录

- 开发流程及需求参考:核对起点、选择完整路径、准备当前门禁,未越过门禁创建分支。
- 子代理策略:使用具名 Architect(架构师),指定配置 `gpt-6-sol`、`xhigh`;只读边界回退为“宿主可写但本任务明确禁止写入”。子代理任务为 `/root/rolling_scoring_architecture`。
- 代码架构:架构子代理实际读取技能并核对现有评分调用位置、最高公开入口、并发边界及测试接缝;不新增公共调度层。
- 带文档拷问及拷问:按现有讨论逐项核对决策树——目标仅派发效率;范围仅内存粗评;并发沿当前配置;完整代仍等待;最终复测保持;失败发现后停止补派;观察预算有界;分支、实施和审查选择集中由本门禁确认。除本门禁所列执行选择外,无需再向用户询问可从源码查明的事实。
- 领域建模:沿用可按动作、按键动作块、候选和完整代等已有定义;评分请求不等于有效样本,窗口不等于代。没有新业务术语,不创建新词汇表或架构文档目录;实施取舍记在本变更需求中。
- 转为规格:从已讨论结论写入本地 `spec.md`,使用现有最高公开接缝;接缝与范围由本门禁确认。
- 转为票据:单个可独立观察的纵向切片,生成唯一票据,状态、阻塞关系和验收写全;拆分粒度由本门禁确认。
- 构建与验证:读取当前技能,选固定基线差异验证,不运行未授权的完整模式。

## 架构核对与未解决项

独立只读核对支持上述单票设计;特别修正了失败启动集合、历史档案顺序和内存样例开关三处表述。主代理已读源码对应位置复核。暂无开发阻塞项;实际收益未知,留给短对照回答。

## 确认后进入的下一步

用户确认完整分支名称、主代理串行开发、全部完成后独立审查及本票范围和测试接缝后:同工作树创建功能分支,先失败测试,再最小实施、验证和短对照,最后独立审查并准备门禁二。正式规格应用、拉取请求交付及合并清理由门禁二单独确认。
37 changes: 37 additions & 0 deletions myspec/changes/sim2gse-rolling-scoring/gate2.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,37 @@
# 门禁二——规格与交付

状态:用户要求“执行完第二门禁之后,继续给我下一个优化的门禁一”,本次门禁二已获明确交付授权,开始按下述动作交付。

## 当前交付

- 同一工作树:`D:\My Project\Wow Addons`。
- 功能分支:`codex/sim2gse-rolling-scoring`;基线为 `284a52e6b3d64b4d320c685839bc5e7377750662`。
- 训练与正式搜索的内存粗评改为连续补位,仍限制配置内的编译至评分在途数量,默认五个;整代完成后才换代。
- 旧磁盘路径、最终复测、编译校验、繁殖概率、评分次数及保存格式保持;无新配置或新依赖。
- 正式规格无需增改:这是内部派发实现优化,已有并发、完整代、取消恢复和证据契约适用。官方规格校验通过,正式规格差异及未跟踪正式规格为空,没有空预览会话和预览锁。

## 验证与审查

- 第十三个请求及时补位的失败到通过证据已取得,训练和正式搜索均覆盖;结果、随机状态、失败、取消继续及无效粗评处理通过。
- 最终代码提交 `b2bde085` 固定基线快速验证:17.770秒,四项登记检查全部通过;609普通及184子项、46真实及2子项、文档和测试登记均通过。没有运行整仓全量模式。
- 真实页面双场原生、复测、编译、存取与复制沿既有统一真实冒烟覆盖;训练公开编排由既有高层用例覆盖,真实吞吐由共用评分路径短对照覆盖,不冒称新增完整训练验收。
- 独立规范与需求两轴审查无阻塞;一项空保存调用简化已采纳并复核通过。
- 短真实对照128批、4096请求、18.328秒:单目标4.047→3.156秒,减少22.02%;五目标4.906→4.156秒,减少15.29%。每组两侧请求、分数、样本、方差、技能统计、种群和随机状态一致。

## 已知边界

- 只测两个材料各一对初代粗评,未做完整训练或完整正式搜索前后对照,不能把上述比例外推整轮。
- 短对照为隔离派发收益而关闭观察调用中的变异和交叉,不改变产品设置;最终复测开始前主动结束,不发布新训练代表或冠军。
- 错误被发现之前,新旧方式启动的后续请求数量可能不同;发现致命失败或取消后停止补派并收尾。
- 新的失败继续用例使用同一对象,物理恢复沿既有真实检查覆盖;不声称全面故障交叉验证。未做游戏验收。
- 短性能计时先于最后两行空调用删除;没有追加性能实验。

## 确认后准确动作

1. 复核当前工作树与分支、需求票据、正式规格无差异及验证审查状态;不应用空规格差异。
2. 通过官方拉取请求流程推送本功能分支,创建面向 `main` 的拉取请求,说明本次范围和有限性能证据。
3. 等待远端检查与审查门禁;失败则在原授权内修复并复验,不绕过。
4. 按仓库合并策略合并,更新本机主分支,安全删除本功能分支的本地与远端引用。
5. 使用官方主工作树保留规则收尾:主工作区保留并回到主分支,不删除主工作区或既有训练证据。最终分别报告本机验证、远端检查、合并与清理结果。

本门禁确认不包含后续编译锁、缓存或其他提速改造;完整差异和证据见本变更需求、票据、验证及审查记录。
Original file line number Diff line number Diff line change
@@ -0,0 +1,26 @@
# 01:训练与正式搜索同代评分连续补位

Status(状态):ready-for-agent;实施、统一验证和独立审查完成,待门禁二交付确认。
Blocked by(阻塞任务):无前置票据;本次门禁一已确认。

## 交付

在现有内存粗评路径中,空出一个计算位置就补入本代下一个请求;保持配置并发上限、评分前完整编译校验、完整代换代、结果选择及最终保存。训练和正式搜索共同受益,不新增用户设置;最终复测派发仍沿用原实现。

## 验收条件

- [x] 先写高层行为测试证明第十三个请求无需等前十二个全部结束,旧实现失败后再实施。
- [x] 已提交未结束请求和完整编译至模拟工作不超过任务配置;不无限排队、不跨代派发。
- [x] 正常完成时,完整请求身份集合及次数、重复候选位置、成绩、档案内容、随机状态、代数和最终结果一致。
- [x] 完成顺序变化不改变选拔;实际进度时间如实变化,不要求档案原始插入顺序或耗时一致。
- [x] 发现致命失败、预算终止或取消后不再补派,收尾本任务已启动工作;保留原失败额度与恢复规则。允许发现失败之前启动数量与旧窗口不同,并记录这一边界。
- [x] 原有允许剔除的正式粗评失败继续处理;旧磁盘窗口、报告保存和最终复测边界不改变。
- [x] 通过现有训练、正式搜索高层接缝与统一验证;不另造调度框架或固定测速功能。
- [x] 在规格限定的一百八十秒、一百二十八评分批和每批三十二次请求范围内进行一次短真实对照,记录等价性和实际吞吐;不足或无收益如实报告,不启动完整训练。
- [x] 独立审查完成,修复有效发现后整理门禁二;未获交付门禁确认不应用正式规格、不合并。

## Comments(讨论)

用户已同意提速计划。本票仅包含首个切入点;编译锁与缓存等后续优化不一起实施,便于单独判断投入与收益。

验收证据见同目录 `validation.md` 与 `review.md`。范围外的全量训练、完整质量对照与游戏验收未执行;不把本票完成等同于这些检查通过。
21 changes: 21 additions & 0 deletions myspec/changes/sim2gse-rolling-scoring/review.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,21 @@
# 独立审查

固定基线:`284a52e6b3d64b4d320c685839bc5e7377750662`;初审终点:`6b800ebd`。两个具名审查子代理均按子代理策略执行,只读,没有修改文件、分支或运行新模拟。

## Standards(规范审查)

未发现阻塞项,也未发现违反已列仓库约定的改动。

低优先级可选简化:内存粗评分支中的 `if rejected: store.checkpoint()` 没有实际作用,因为没有指定保存边界,调用直接返回。建议删除,避免误以为已保存。主代理已采纳。

已核对并发上限、致命失败停止补派、已启动工作收尾、整代等待、旧磁盘和最终复测分窗,以及普通/真实测试分层。

## Spec(需求审查)

未发现阻塞项;未发现缺失需求、越界改动或明显错误行为。

已核对补位仅限内存粗评,返回位置及重复候选保留,评分完成后才更新种群和代数,原可剔除粗评失败、失败额度和恢复计划保留。

验证边界:审查没有重新运行测试。新增正常对照关闭变异,不能单独证明所有开启变异的组合;失败继续使用同一任务对象,不单独证明重新打开程序后的恢复。短对照不能推断完整训练收益。

两轴阻塞发现均为零;规范轴有一项可选简化,已修正。规范审查代理已复核 `6b800ebd...b2bde085`,确认该两行删除及文档记录正确,没有新增问题;未重新运行模拟。
49 changes: 49 additions & 0 deletions myspec/changes/sim2gse-rolling-scoring/spec.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,49 @@
# 同一代评分连续补位

Status(状态):ready-for-agent;实施、验证及独立审查完成,待门禁二交付确认。

## 问题

原内存运行按最多十二个请求分窗,必须等本窗全部结束才派下一窗。个别请求较慢时,其他计算位置可能空闲。需求整理时只确认等待结构存在;本次实施后的有限对照结果见验证记录,不外推完整训练收益。

## 方案

只在现有训练和正式搜索共用的内存粗评路径中,同一代完成一个请求就补一个。初代、每代和恢复时的粗评核对使用这一方式;最终复测仍走原分窗方式。整条候选编译、模拟、核验占用一个计算位置,同时运行数量不超过本任务配置,默认五个。整代评分完成后才选拔和换代。

## 用户故事

1. 作为训练使用者,我希望评分位置空出后及时接续工作,减少等待。
2. 作为正式搜索使用者,我希望同样受益,无需增加配置。
3. 作为结果使用者,我希望同条件正常完成时,候选、完整评分请求、随机状态、成绩、代数和最终推荐保持一致。
4. 作为取消任务的使用者,我希望停止补派并收尾本任务已启动工作。
5. 作为恢复任务的使用者,我希望继续沿用原失败额度、完整代和有限恢复点规则。
6. 作为旧任务使用者,我希望旧运行方式和已有成果不被迁移或改写。

## 实施决定

- 复用现有线程执行器与评分回调,一次评分调用内复用执行器;限制已提交未结束的请求数量,不一次性排队整代,也不添加调度框架。
- 只改变内存路径粗评阶段的派发;旧磁盘路径及最终复测保持原十二报告窗口与保存规则。完整复测报告不因本票改变积累或发布边界。
- 保留既有行为去重、可靠评分复用、同代完整请求计划和返回顺序;不让完成先后影响同分排序、选拔、随机抽样或下一代生成。
- 当前候选档案本来就由工作线程按完成先后登记;不新增“原始档案插入顺序固定”的承诺。对照按行为身份核对档案内容、成绩及最终选拔。
- 正常完成时,所有去重请求仍按原规则执行或可靠复用,成功成绩只汇总一次,必要失败重试沿用原限额,重复候选仍按原输入位置返回。
- 发现致命错误、预算终止或取消后停止补派;按现有任务进程管理收尾已启动请求,不操作其他任务,不制造成功结果。取消或错误发生前可能比旧分窗方式多启动后续请求;此差异如实报告,不承诺失败路径启动集合一致。
- 原本允许剔除的正式粗评无效候选,继续按原规则处理,不把它误当成整组致命错误;失败额度与证据不重置。
- 整代屏障、最终复测的场景和批次边界、报告保存、内存上限及恢复格式保持现有规则。不跨场景或跨代提前派发。
- 基础进度与曲线按实际时间记录,时间和事件到达先后允许变化;不能以固定旧耗时作为等价要求。

## 测试决定

- 最高用户入口是现有训练运行入口与页面正式搜索入口;优先复用二者现有共用评分接缝及高层用例,不为测试另造生产接口。
- 先通过现有高层优化调用构造至少十三个不同行为,用可控完成顺序证明:旧方式会等待慢请求,新方式可补入第十三个,同时运行不越配置上限。使用同步信号验证,避免依赖易抖动的睡眠阈值。
- 正常对照核对请求身份与数量、去重、返回顺序、候选档案内容、随机状态、完整代数和最终结果;覆盖训练与正式搜索。
- 保留最少必要的乱序、致命失败、允许剔除的粗评失败、取消和恢复代表,复用既有测试与统一验证入口,不扩展全故障组合。
- 真实提速验证单独进行短时间同条件对照:旧分窗与连续补位使用相同冻结候选和评分条件。真实新增评分总上限一百二十八批、每批三十二次请求,累计不超过一百八十秒;任一额度达到后停止补派并收尾,不为凑收益延长。报告收尾及既有验证用时;这不是完整训练或最终质量收益证明。
- 保留原默认评分和复测配置。短对照只在一次性观察调用中使用已批准的样本范围,不增加固定测速功能或产品参数。测不到稳定收益也如实报告。

## 不在本次范围

最终复测调度、编译锁、兼容资料缓存、目标变异优化、跨组借用名额、常驻编译器或模拟器、评分次数和停止阈值调整、保存机制改造、完整四组训练、三方案对照及游戏验收。

## 备注

本次是提速机会验证,不预设最低提速目标。门禁二前不修改正式规格、不合并或清理历史证据。技术核对、入口证据及开发安排见同目录门禁记录;只有一张完整纵向票据。
Loading
Loading