Agent 运行时与评测证据增量设计（2026-09-26）
本次按 main@a231bc79df9661ea2fbcbbb9e806661b54299113 核对代码和 Git 记录。本文补充系统主设计、模块 110 的发行边界和模块 112 的评测证据设计；历史验收只适用于其记录的提交。
发行与源码身份
| 组件 | 2026-09-26 回读状态 | 精确源码 |
|---|---|---|
| npm CLI | 0.166.76，latest，标签 v-npm-0-166-76 | b9d64ffd92106681d6e71451d87bbf13eacc9b28 |
| Open VSX | 0.37.117 已公开，推荐 CLI 0.166.76 | f88fb58fc3 |
| JetBrains Marketplace | 公开列表为 0.4.137，内置推荐 CLI 0.166.74 | 0bc6186742 |
| JetBrains 新版 | 0.4.138 已完成发布工作流，尚未在公开列表回读到 | f88fb58fc3 |
| Desktop / Android / iOS | 独立产品发行 v5.0.3.138 | eb48ffa311 |
CLI 精确提交的 CLI CI、Strict Sandbox 已通过全部配置的 Linux、Windows、macOS 任务；npm OIDC 发行与独立公开安装回读成功。Open VSX 发布及 JetBrains 发布工作流成功，但后者的上传成功不能替代公开 listing。Microsoft Marketplace 仍无公开发行。
PM 效果证据与保守统计
6019e9f95f 引入的 PM effect 工作流先冻结 v2 计划、seed、任务族群、baseline/candidate 预算和 cohort slot manifest，再对收集结果复算。packages/cli/scripts/pm-exploration-effect.mjs 提供 plan、inspect、report、verify、slots、verify-slots 六个离线入口；输入只读、输出为 JSON，不执行模型调用。
pm-exploration-benchmark.js 与 evolution-eval-gate.js 将逐项签名报告、准备阶段 settlement 归因和 Eval 执行用量绑定到计划与槽位。缺失、拒绝、失败或尚未解析的运行不能从冻结分母中删除。签名零执行预检拒绝可以记录零执行用量，但不代表整个实验没有准备成本。已认证执行小计不能宣称覆盖全部 provider/tool 账单。
摘要一致只能证明字节绑定；事前登记时间、签名信任根、外部回执和实际启动全集仍需独立认证。离线统计过门不会授予 Pilot、Skill 发布或 active promotion 权限。
Eval 启动准入与 cohort 登记
99cac45a06 在 EvolutionEvalGate 的 run、runWithEvidence、runWithFailureEvidence 共用路径中加入可选的 launchAdmission。每次生成独立 runId/runNonce 后，必须先完成计划摘要核对、Ed25519 签名、Ledger CAS 占槽和 artifact 耐久精确回读，才可调用 suite resolver。重复启动、跨截止时间、存储不一致或签名错误均在 suite 执行前拒绝。
084941234b 进一步提供 evolution-eval-cohort-enrollment.js。Skill Target Matrix 在 launchAdmissionMode: "enrolled-cohort" 模式下检查各目标的 tenant、登记摘要与启动绑定，拒绝混用登记或缺失绑定；恢复只回读已提交证据，不重新授权启动。
flowchart LR
P[冻结计划与槽位] --> E[可信宿主 cohort 登记]
E --> A[签名启动准入与 Ledger CAS]
A --> R[artifact 精确回读]
R --> S[suite resolver 与评测]
S --> V[签名结果与保守汇总]上述入口是宿主集成能力，尚无目标部署强制接管全部实际启动的证据。cohortCompletenessAuthenticated 与 promotionAuthority 不能由单槽准入推导为真。真实 PM 对照、完整准备成本、真实 provider 账单和 Pilot 验收仍待完成；G08 保持部分完成，automatic active promotion 保持 HOLD。
运行时可靠性修复
| 提交 | 问题与处理 | 保持的边界 |
|---|---|---|
3083393523 | 调查循环将 Git/CI 查询、日志解析和仓库检查统一计入进度，压缩后保留已有证据；Windows Bash 经 stdin 传入源码，避免临时路径解释错误 | 命令审批和沙箱不变 |
f51ed9d776 | 抽取无依赖的 evolution-eval-contracts.js，消除循环导入在初始化前读取 attestation purpose 的错误 | Gate 原有导出和合同不变 |
e8fd51d10c、b9d64ffd92 | 文件锁交接记录已完成 release；原 owner 清理不得删除新 owner 的锁，也不得在事务已提交后误报 lost ownership | 身份校验和竞争串行化仍生效 |
2e7266d76b、f88fb58fc3 | JetBrains UI 测试按 dialog 所属窗口关闭，并保留标题字符串类型 | 属于测试可靠性修复，无新增用户权限 |
验证与部署验收
定向回归覆盖 fresh-process 导入次序、真实文件锁并发交接、cohort 绑定、签名篡改、CAS 冲突、丢失应答恢复和离线报告复算。当前公开 CLI 的完整三系统门禁见本文发行记录；源码测试使用的 authority 与存储替身不代替生产密钥、独立 witness/grader、断电耐久或跨主机灾备验收。