agent/docs/live-model-verification.md

真实模型联调验收

日期：2026-09-09。本地开发版本，未部署到公网。

使用的连接

• 模型：Qwen3.8-27B-FP8。
• 协议：OpenAI Responses。
• 网关：https://gateway.pencil-stub.com/v1。
• API Key 仅在当前 Session / Pi 凭证内存中使用，没有写入源代码、配置文件或 Git。
• 仅验收文本能力；未确认该模型的图片能力，当前连接配置为 text-only。Anthropic 协议未做完整链路验收。

实测结果

• 简单文字请求返回“连接成功”，SSE 产生文本增量和正常结束事件。
• ads-analysis、report-writer 均产生 skill.requested 和 skill.loaded。
• mock_ads_metrics 返回演示数据；页面显示 Spend 10000、Revenue 21800、ROAS 2.18。
• 页面出现待审批对话框。点击“批准并保存”后观察到 approval.resolved: approved，继而 save_report_draft 成功。
• 最终报告实际写入 Session 的 report.md，879 字节；包含五个章节并注明模拟数据。
• 模型返回“保存成功：report.md”，运行正常结束。
• 从页面输入并发送测试消息后，真实模型返回“页面发送正常。”；页面未记录 console error。

验收 Session：ses_ffbe9bca-275c-4004-9fa2-271c2db9cc1a。该标识仅用于本次本地验收，不是持久会话；重启后不能据此恢复内存数据。

修复与回归

• 将 Skill 正文复制到会话内只读快照，并同步运行时索引，保持原有路径守卫。
• 将 Pi 自定义工具的 result.details 映射给页面工具卡。
• 不再将工具调用轮次结束误报为整个回复完成；模型错误不再被当成正常完成。
• 模型先调用工具、尚未输出文本时，页面仍即时显示工具卡。
• 本地 Session 和 runtime 目录加入 Git 忽略。

最终检查全部通过：127 条测试（shared 13、harness 71、server 17、web 26）、生产构建、类型检查、Lint、git diff --check。构建仍有主 JS 包超过 500 kB 的体积提示，不影响本次功能验收。

仍需注意

• 广告数据是内置 fixture，不是真实投放平台数据。
• 本轮首次较长报告在结尾出现不完整句子；最终验收改用短报告并确认完整输出。长报告仍需控制长度或提高模型输出上限，并人工审阅数字与结论。
• Skill 快照目前只包含 SKILL.md，额外引用、脚本和资源文件没有自动开放。
• 保留当前页面可继续使用已配置会话；刷新页面、重置会话或重启服务后可能需要重新配置。