@ckanner/flywheel 0.31.0 → 0.32.0

package/docs/validation/2026-11-07-adaptive-workflow.md

@@ -0,0 +1,79 @@
+# Auto／Quick／Full 第一阶段实施与验收
+
+日期：2026-11-07。对应 [PR #29](https://github.com/ckanner/flywheel/pull/29)，基线为
+`f6272907a5e9fdc891bec0394a593636a5bb8214`。原方案的文档提交为
+`a9e8f9763b9d9bfb81f19fb903f1b336a6944737`；本轮在同一 PR 追加实现。
+最终提交、完整门禁结果和六包候选的源码快照标识记录在 PR 的验收表中。
+
+## 已实施范围
+
+统一入口为 `flywheel-task`：当前宿主研究代码，准备任务集成 worktree、Spec、
+packets 与真实检查依据，再通过 `flywheel_launch` 或 `control launch` 启动。
+CLI 消费已准备的契约，不另行调用分类模型，不接管自然语言需求研究。
+
+Auto／Quick／Full 是流程选择，不是模型或权限预设。旧任务继续 Full；新任务的
+Go 选择器检查结构、需求映射、资格事实、证据、风险，以及 L1/L2/L3 的适用性。
+首版 Quick 限一个里程碑和一个可独立验收的 packet，没有任意文件数阈值。
+
+Quick 保留 Execute、L1、适用缺陷注入、实际候选上的 L2/L3、一次独立最终
+Review，以及同一候选的本地 Git 交付。正常首次成功有两次阶段 Agent 调用；
+宿主准备、内部工具轮次、重试和升级不计入这两个阶段。Plan／Judge 不适用时
+分别记录理由，没有伪造通过裁决。
+
+策略版本、请求模式、生效策略、阶段适用性与升级事件由引擎持久化。Quick 发现
+新风险、验证缺口或有界修复失败时只向 Full 升级，保留任务身份、预算、已有
+工作区、尝试和历史。手动最终 Review 也立即保存必要的升级 checkpoint，但
+不在这个单步内调用 Plan 或继续交付。未知策略版本和不一致状态在加载期拒绝。
+
+DSH 使用公开 session projection 折叠原有 command/native tool/PTC 事件，恢复
+确切的 taskDir/cwd。没有增加自定义 Session 事件，没有扫描或猜测任务目录，
+也没有第二份引擎状态。重放、checkpoint、fork、会话切换和迟到响应保持隔离。
+未确认的变更必须先查询原任务；没有已记录会话目录时，省略 cwd 的变更请求在
+Go 派发前拒绝，显式绝对路径仍可使用。
+
+新增的第 11 个 skill 及其契约参考文件进入二进制内嵌、快照安装与真实 npm
+安装检查。旧的准备、运行、执行、评审、验证、状态按钮及中英文指南同步更新。
+
+## 验收覆盖
+
+| 层面 | 命令或测试入口 | 验证的事实 |
+|---|---|---|
+| Go 全部包 | `make quality-gate` | vet、gofmt、全部测试与逐函数 100% statement coverage；不降低旧门禁 |
+| Quick 行为与恢复 | `internal/machine/workflow_*_test.go` | 两次调用正常完成、候选 L2/L3、独立最终裁决、退回修复、资格变化与单向升级、预算和工作区保留 |
+| 完成与故障 | 同上及已有 Git／进程测试 | unit 已交付、milestone 已关闭、task 已完成三个 checkpoint 的恢复；外部提交改变候选不能复用旧绿灯；读失败、CAS、取消、Git hook／提交失败保留现场 |
+| 契约和状态 | contract/state/diagnostic/cli 的 workflow 测试 | 合法选择、旧账本 Full、未知版本、阶段矛盾、只读预检、字面 argv、活动任务防重复启动和模式冲突 |
+| DSH 插件 | `npm --prefix plugins/dsh run check` | 两个受支持版本的真实发布包，包括 Session、SessionProjectionRegistry、renderer、native/PTC dispatcher，及控制协议／视图行为 |
+| Go／Node 边界 | `FLYWHEEL_TEST_NODE_BRIDGE=1 go test ./internal/drivers -run '^Test(DSH\|CodexPro)NodeWorkerOfflineBridge$' -count=1 -v` | 两类 worker 的真实跨进程协议、权限、取消、清理回执与错误语义 |
+| 并发行为 | CI 中相同的七个核心包 `go test -race ... -count=1` | machine、verify、watchdog、drivers、cli、modules、diagnostic |
+| npm 协议 | `npm test` | 启动器、安装器、配置保护及发行契约 |
+| 六包安装 | `npm run build:npm` 后 `FLYWHEEL_NPM_PACKAGES_DIR=dist-npm npm run test:install` | 隔离源码快照构建、真实本地 registry 安装、11 个 skills 与引用文件、实际 host 入口导入、配置保护、离线 worker 与取消 |
+
+六包安装夹具提供真实锁定的 `dsh-subagent-codex-pro@0.8.0` 与 `zod@4.3.6`
+发布 tarball，核对源码锁文件的 SHA-512、包名、版本与依赖图。不会用伪造 schema
+依赖或只检查工作区源文件来代替安装后的入口。
+
+## 审查中修复的问题
+
+- Quick 的手动 Review 不能漏掉适用缺陷注入；缺失、不可注入或未完成结果不能交付。
+- milestone 已关闭后恢复也重新核对最终候选，防止收尾前崩溃后错误认可另一份已提交代码。
+- Quick 及其升级任务的缺陷注入配置进入证据和契约身份，原生 Full 的旧身份保持兼容。
+- 手动评审发现必须 Full 时立即持久化；不能在重启后重新取得一次 Quick 裁决来抹掉风险。
+- 初始 CAS 保存失败时不创建 Git 契约 checkpoint，也不启动模型。
+- 控制诊断取消后不再为了填充响应 cwd 额外运行 Git，保留正常清理和退出行为。
+- 修正新 skill 文案的 YAML 解析问题，避免安装时漏装；真正安装的新 skill 数量为 11。
+- 同一任务再次启动后刷新实际状态，避免视图只保留旧状态；无法证明会话 cwd 时提前拒绝变更。
+- 独立审查复现了宿主测试共用 100ms 超时导致正常 status 偶发失败；改为真实进程启动后显式取消挂起请求，正常恢复使用原有控制期限，生产超时与断言不变。
+- 明确 `flywheel-run` 同时收到 `pause=review` 与 mode 时在同一前台命令中透传，防止遗漏用户显式 Full 选择。
+
+## 验证边界
+
+本轮使用 Linux、Go 1.27、Node 24.22.1 和 npm 12.2.1。真实发布的 DSH
+0.2.1-rc.5／0.2.2-rc.1 包参与离线测试；模型结果由明确的测试驱动提供。
+这不等同于用户 Mac 的原生桌面视觉验收、Seatbelt／钥匙串行为或真实账号推理。
+没有声称所有实际任务都只需两次调用，也没有用阶段减少推导耗时或费用减半。
+
+六包为开发候选，源码版本沿用 0.28.5，并明确标记不可发布；不覆盖已有 npm
+发行或 tag，不提升 latest，不修改用户安装。正式发行须另选新版本并遵守现有
+精确 tag、同一候选、完整性和安装门禁。模型、账号、完全权限选择、串行 packet
+调度与独立 Execute／Review 会话保持现有约定。多任务团队、依赖图并行、附件协议
+以及引擎内自动 GitHub 交付仍属于后续范围。

package/docs/validation/2026-11-07-claude-code-pro.md

@@ -0,0 +1,144 @@
+# Claude Code Pro 接入、设计复核与验收
+
+本记录对应 2026-11-07 的增量任务：复核近期 PR、会话设计与实现，接入
+`dsh-subagent-claude-code-pro`，先提供可配置能力，不预先决定使用哪个 loop。
+源码实现、离线验证、PR 合并、npm 发布和用户安装是独立状态。
+
+## 1. 设计与基线
+
+本次读取并核对的实际 GitHub 状态：
+
+| PR | 状态 | 与本次工作的关系 |
+|---|---|---|
+| [#29](https://github.com/ckanner/flywheel/pull/29) | closed、已合并 | Auto／Quick／Full 与统一任务入口，保留已有实现 |
+| [#30](https://github.com/ckanner/flywheel/pull/30) | open | scoped 会话、角色隔离与分期恢复的设计方案 |
+| [#31](https://github.com/ckanner/flywheel/pull/31) | open | P1/P2 角色账本、正常续接及已保存回执恢复的实现基线 |
+
+Flywheel 基线为 #31 的 `56bfda287587fec64d0d812de2726695e0d2d727`，
+tree 为 `3145b47e12c2f65d2aebf60200c69aa7831b05af`。新增改动堆叠在该实现上，
+不将仍然打开的 PR 描述为已经合并。
+
+复核重点包括 `docs/design.md` 的设计不变量、会话方案、真实调用链、状态 CAS／回执
+消费、角色保护、计量、配置诊断、技能入口、npm 安装和 CI／发布验证。Go 仍是唯一
+编排与状态所有者；skills 只执行校验、调用和结果翻译。
+
+## 2. 本次实现
+
+- 新增独立 `harness:claude-code-pro`，通过受管 Node worker 调用公开 machine API。
+  不把 DSH 工具名 `subagent_claude_code` 冒充原生 LLM provider，也不增加父模型委派。
+- 配置入口覆盖 Plan、Execute routes、Review、Judge／第二意见、Intake、Garden。
+  模型与 effort 明确传递；模板只增加未绑定的 `claude-sonnet` profile，现有默认绑定不变。
+- 接通 fresh／scoped、显式 session resume、请求／run／session 身份与原始回执。
+  主任务沿用已有角色账本和回执恢复；Intake／Garden 保持独立建议调用。
+- 完整模型 ID 要求实际观察值一致；sonnet／opus／haiku 别名核对对应 family。
+  CLI 未证明的实际 effort 不会被写成已验证。
+- 首版只接受显式 full-access，映射原生 bypassPermissions；原生审批模式不等于
+  read-only／workspace-write 的 OS 沙箱。不支持的权限在派发前拒绝。
+- 新增 worker 包装器、npm 路径解析、安装报告、doctor／inspect、双语使用说明和技能
+  前提。Claude 插件是精确 optional peer 0.3.2；缺少它不影响未选择 Claude 的流程。
+- 未知派发、结果或清理不能进入成功路径，也不能通过 fresh、重试或换渠道绕过。
+  原始 partial／unknown usage 继续保留；CLI 的 API 等价成本不是订阅账单。
+
+完整配置和能力边界见[中文指南](../zh-CN/claude-code-pro.md)与
+[English guide](../en/claude-code-pro.md)。
+
+## 3. 独立审查发现及修复
+
+| 确认问题 | 修复及实际回归 |
+|---|---|
+| 本地 harness 拒绝丢失 Session 事实 | 原基线 fresh／scoped／保留检查点三个反例均失败；修复后明确 not-dispatched、已清理和零消耗，修正配置后可继续 |
+| Kimi／DSH 派发前取消误记 unknown | 只有 watchdog 已证明未启动才记录未派发；实际启动后的取消不冒充可复用终态 |
+| 超长 Claude 请求尚未解析 ID 就被 worker 拒绝 | Go 对实际发送的同一 JSONL 字节预检 1 MiB；包括转义和换行，精确上限及多 1 byte 均有回归 |
+| 矛盾 Claude 回执可能留下可继续状态 | 核验配置、退出、终态、清理、usage 和输出组合后再赋予可信状态；坏尾帧、重复终态、错 session、错模型等全部拒绝 |
+| Intake／Garden 在结果未知时仍可能选择后续候选 | 保存已知计量后停止 retry／fallback，记录 invocation 原因；不以进程已清理推断业务结果 |
+| 包含缓存的输入被重复计价 | DSH／Codex Pro／Claude Code Pro 先拆出未缓存输入，再各计一次；保留原始 token 口径及 legacy pi 语义 |
+| 强杀 worker 后原生 Claude 仍存活 | 上游先建立独立 guardian 的 IPC lifeline，再派发 CLI；父进程消失仍能清理 native group |
+
+缓存数值反例：100 个未缓存输入、900 个 cache read、10 个输出，输入／输出每百万
+$1、cache read 每百万 $0.1，正确估算是 $0.0002，旧实现会算为 $0.0011。
+非法缓存子集、负数与溢出式输入返回未知，不生成负成本或重复费用。
+
+guardian 原始反例在 worker SIGKILL 后 300 ms 仍观察到 native 存活。修复后的
+独立探针使用最终真实 npm 安装（非 symlink）：对整个 worker PGID 强杀，普通挂起的
+native／guardian 均退出，忽略 SIGTERM 的 native／guardian 也在强制清理后退出。
+另验证单独强杀 guardian 时，仍存活的父 API 清理已登记 native，并返回 unknown。
+这些测试没有将清理成功解释为业务完成；所有测试进程已回收。
+
+## 4. 上游交付与真实依赖
+
+配套 [Claude Code Pro PR #1](https://github.com/ckanner/dsh-subagent-claude-code-pro/pull/1)
+新增公开 machine v1、类型、双语契约、严格流校验及进程监督。保留原有 51 项桌面测试，
+总计 80／80 本地测试通过。公共 machine.js 的 line／function coverage 为 100%，
+branch coverage 为 94.64%；不声称上游全仓 100%。
+
+| 身份 | 值 |
+|---|---|
+| 最终上游 source commit | `28483f8aafc15463c6d365100b64c04480cb56b5` |
+| 最终 source tree | `573e322a7596845d16d84ddf9c2140f967b20fae` |
+| package / machine protocol | `dsh-subagent-claude-code-pro@0.3.2` / `1` |
+| tarball SHA-256 | `d55b3a52d7b0d350556f65da572194bfe3db89550f4b7ea4cbdbab7997fbf125` |
+| npm integrity | `sha512-ly9kmxP+n3+GxhYgiKLrJTdWBxcGf9gRcb5lF5G27Ikk8wiq1cdr5iiTxsOVeK3s72JEeuLOLIqDWjCj1voX9w==` |
+
+npm 12.2.1 生成真实 tarball，60,585 bytes、37 files、零运行时依赖。它被实际安装到
+Flywheel 的 Node 依赖树，并核对 machine／guardian／runner／类型的文件字节；
+全局隔离安装测试再次安装同一个 tarball。未编辑版本伪装 0.3.1 兼容，也未虚构 npm
+registry 的 0.3.2 发行或 lock integrity。
+
+上游[最终 CI run 42393984627](https://github.com/ckanner/dsh-subagent-claude-code-pro/actions/runs/42393984627)
+中，Ubuntu／macOS × Node 22／24 四个 job 均成功。远端首先暴露两处测试假设：macOS
+临时目录要比较 realpath，孤儿 guardian 的 EPERM 探针应继续等待且只以 ESRCH 认定消失。
+两个后续提交只修改测试，保留原截止时间及断言；运行时代码、打包文件和 tarball hash
+均未改变。这个结果不代表真实账号或用户 Mac 桌面 live 已通过。
+
+## 5. Flywheel 完整本地验收
+
+环境：Linux amd64、Go 1.27.0、Node 24.22.1、npm 12.2.1。测试使用真实公开插件／SDK
+与真实子进程；原生模型服务由离线 CLI／app-server fixture 代替，没有发出账号推理请求。
+
+| 检查 | 最终结果 | 原始记录 |
+|---|---|---|
+| `make quality-gate` | vet、gofmt、全部 Go 包、每个被测函数 100% statement coverage | [Go 门禁](evidence/claude-quality-gate.txt) |
+| 七个核心包 `go test -race` | 全部通过 | [race](evidence/claude-race.txt) |
+| `npm --prefix plugins/dsh run check` | 168 个主测试 + 8 个隔离 rc.5 宿主测试通过；0 skipped | [插件测试](evidence/claude-plugin-tests.txt) |
+| Go → Node → DSH／Codex Pro／Claude | 三后端及全部子场景通过；Claude 15 个子场景，缺 peer 会失败而非跳过 | [桥接测试](evidence/claude-node-bridges.txt) |
+| 根目录 `npm test` | 127／127 通过 | [npm 契约](evidence/claude-npm-tests.txt) |
+| 六包隔离构建 | 四平台二进制、DSH 插件、meta 同版本候选成功，源码 clean | [构建](evidence/claude-npm-build.txt) |
+| 实际 npm 安装 | 9／9 通过，0 skipped；包含缺 peer 与显式安装 peer 两条路径 | [安装](evidence/claude-npm-install.txt) |
+| 原生 CLI | build、version、control／doctor help、JSON inspect 与内嵌 profile 通过 | 实际 8 个默认 binding，未自动选择 Claude |
+| 独立审查 | 所有确认问题关闭，最终安装字节上的 worker 整组强杀反例通过 | 本记录 §3 |
+
+安装测试使用隔离 registry、HOME、global prefix 和 DSH 协议桩；确认用户配置、已修改
+skills 与重复 setup 行为。安装后的 worker 导入真实 machine API，执行离线 Claude，
+确认配置、持久会话、22-token 用量、unknown 订阅成本和进程组消失。
+
+CI 与正式 publish 的 verify 阶段均固定上述上游 commit，单次打包并核对 SHA-256，
+两种 OS 消费相同 artifact，三后端 bridge 与真实可选安装都启用。npm 12 的
+`--no-save` 不会单独放入该 optional peer；验证环境临时用 `--save-dev` 安装真实包，
+构建／测试前恢复两个源 manifest，退出 trap 再恢复。正式六包发布、tag、registry、
+promotion 门禁没有改变；本次没有触发发布。
+
+## 6. 已测源码与候选身份
+
+| 项目 | 值 |
+|---|---|
+| 已测本地代码提交 | `2e2c20bfbfe68981259bcbbd32eb3f2941d9d5a1` |
+| 相同代码的 GitHub 提交 | `4234ca9d2de224e09a9751654711b2b902cfe6ab` |
+| 两端一致的代码 tree | `f71e267e3a774867fd0b2d6fdac92982ba2f46a9` |
+| 六包源码快照 SHA-256 | `57a9c5afdfc129bc9a88abe79a15a47c3e4a3163c3c0af5ee849a1efc63b03cd` |
+| candidate.json SHA-256 | `a5544e2dfe94827e89dcefa857662a3c335b68e68bec92f01d4faa6866f56971` |
+
+完整六包身份见实际保存的 [candidate.json](evidence/claude-npm-candidate.json)。
+后续验收提交只增加本记录／原始日志、设计链接，并将两个工作流的上游 source pin
+推进到只修测试的最终上游提交；没有修改已测运行时代码、测试、技能或打包文件。
+PR 上分别记录 Flywheel 远端 Actions 状态，不用本地通过替代远端执行证据。
+
+## 7. 仍然明确保留的边界
+
+- 0.3.2 是配套源码候选，不等于已发布 npm。Flywheel 源码版本仍为 0.28.5，本次不覆盖
+  已存在的 registry 版本，不移动 tag／latest，不修改用户现有 Mac 安装。
+- P1/P2 的正常终态续接、角色隔离及已保存回执恢复继续成立；P3 的 early durable ack、
+  在途只读查询与任意崩溃点恢复没有实现。guardian 解决物理监督，不恢复未知业务效果。
+- 同时失去父进程和 guardian，或 guardian 在报告原生身份前被强杀，仍可能缺少完整
+  清理证明。未知结果保持阻断，不能凭可能已结束的进程推断成功。
+- P4 的真实账号、模型质量、缓存收益和性能对照尚未运行。上游 macOS 离线 CI 通过，
+  不等同于 Flywheel 在用户 Mac 桌面、实际 CLI／账号或 Seatbelt 的 live 验收。

package/docs/validation/2026-11-07-session-lifecycle.md

@@ -0,0 +1,136 @@
+# 角色会话续接与回执恢复：实现验收记录
+
+日期：2026-11-07。实现 PR：[flywheel #31](https://github.com/ckanner/flywheel/pull/31)。
+
+## 来源与交付边界
+
+本实现基于已合并的 [#29](https://github.com/ckanner/flywheel/pull/29)（Auto／Quick／Full）
+和仍开放的设计 [#30](https://github.com/ckanner/flywheel/pull/30)。恢复源码时逐一核验了
+#30 的 344 个 Git blob，基线提交为 `e56e8b62e48b1f938df2b54e94bfbede50ecc1e0`，
+基线 tree 为 `e30631033405f6465c7650a61e0f4cafea5c2b43`。
+
+按[方案](../plans/2026-11-07-session-lifecycle.md)的分期，本 PR 实现 P1／P2：
+Codex Pro、默认 DSH 路径与 Kimi 的角色续接，以及正常终态回执落盘后的恢复。
+它没有把“阻止未知结果重放”描述成已经实现 P3 的早期确认与只读恢复 API，也没有将
+未进行的 P4 真实质量、缓存、性能实验标为完成。Intake／Garden 不属于本轮主任务角色。
+
+所有测试均在本轮恢复后的源码上重新执行。此前已失效工作环境的测试结果不作为本次
+候选的通过依据。提交按阶段保存到独立实现分支，未修改 main、发行 tag 或 npm latest。
+
+## 实际行为
+
+- 新任务模板选择 `"sessions": {"mode": "scoped", "policy-version": 1}`；旧配置省略该项时
+  仍按 fresh 读取，不隐式迁移。Plan 明确的 `resident-session:false` 保留其含义。
+- 会话属于任务、物理工作目录、角色及 packet／里程碑。Quick 最终 Review 与 Full 单元
+  Review 分开，Judge 与第二意见分开；普通修复分别续接 Executor 和 Reviewer 自己的历史。
+- Spec、packet、里程碑的目标身份采用明确的字段集合。兼容的验收／版本修订可以续接已
+  消费的历史；目标、正文、边界、需求归属、模型、渠道或权限发生不兼容变化时重建。
+- fresh 和 scoped 都记录支持后端的主任务调用。切换模式、换后端、换角色或重新启动，
+  都不能越过未核对的派发、结果或清理事实。历史存在也不能重置预算、尝试次数和停止意图。
+- Go 在派发前保存 intent；结果先写入有摘要的原子回执，再以 state CAS 应用。每个作用域
+  只保留一个最新回执槽，计量按 invocation ID 与 receipt digest 去重。
+- 收到的回执与是否可以继续推进分开判断：可信调用的消耗应记账；过期候选、无效保护证据
+  或未知执行事实仍阻止继续运行。取消不丢掉已发生的消耗，Go 证明未调用适配器的本地取消
+  则记录零消耗，避免制造未知账单。
+- Plan／Review／Judge 原始前后保护证据一起持久化。重启不能用被修改后的候选重新定义
+  “调用前”基线，也不能用新的 L1、集成检查或缺陷抽检替代原回执所见证据。
+- 不更换既有模型或付费渠道。默认 Flash Execute、DSH GPT Review、Kimi 订阅及 Codex Pro
+  路径分别按自己的适配器能力处理；没有增加默认第二意见或 Quick 模型阶段。
+
+## 后端验证与限制
+
+| 后端 | 本轮可验证的行为 | 尚不能据此声称的能力 |
+|---|---|---|
+| Codex Pro | 精确公开插件 0.8.0；outer v1 fresh／v2 persistent；显式 threadId；跨进程恢复；独立 request/run/turn；仅本次 run 增量记账 | 任意崩溃点恢复、早期持久化 ack、后端 exactly-once、真实账号授权与费用 |
+| DSH | 实际公开 SDK、AgentLoop 与 JSONL persistence；新进程 `session/resume`；保留原历史且只新增一个 turn；当前调用输出和用量；私有策略回执 | 把自造事件写进原生历史、根据错误文本猜测缺失历史、未知 turn 的安全重放 |
+| Kimi | 配置和 argv、显式会话 ID、当前调用 resume hint 与 cwd 校验、清理和未知用量分离 | 由 CLI 未提供的 run/turn ID 或 usage；把进程退出当成任意远端结果已知 |
+
+DSH 策略证明使用与请求、session、nonce 绑定的私有文件，不再写入破坏公开 SDK 重放的
+自定义历史事件。worker 禁用自主调度／委派及未纳入当前计量的辅助模型调用。测试中的
+模型适配器与命令响应是离线桩，SDK、会话持久化、worker 和进程边界使用实际代码。
+
+`.sessions` 是 Go 的恢复证据，不是第二份状态机；文件最大 32 MiB，读取拒绝符号链接、
+FIFO 和非法身份。该有界槽不代替后端历史的保留策略。本版本不自动删除 Codex／DSH／Kimi
+的原生历史，也不宣称子进程退出会删除历史。运行配置路径引用的身份不证明同路径内容或
+账号从未改变；这种没有公开可核验身份的变化仍是明确限制。
+
+## Review 中复现并修复的问题
+
+| 问题 | 修复与回归证据 |
+|---|---|
+| 恢复请求在启动前失败，被错判成未知执行 | 对相关联且确认未发送／已清理的失败保留原检查点；空 ID 和精确回显 ID 均覆盖，错误非空 ID 仍拒绝 |
+| 收到回执后 CAS 失败导致再调用或再扣预算 | 故障注入覆盖 Plan、Execute、Review、Judge、panel 及报告收集后窗口；恢复时不重新发模型请求 |
+| 报告已从 worktree 收走，再恢复时误报缺失 | 以原回执报告为准；仅在恢复已确认结果时容许已收集的临时报告不在原位置 |
+| 已完成回执恢复仍依赖当前 secret | 缺失 secret 不改变已声明的凭据名称引用；不修改实际 child env；四个角色的真实步骤恢复回归覆盖 |
+| 原始保护证据被重启后的状态替代 | 原始 before／after guard 和完整候选、契约、验证输入绑定；非法 Plan／Review／Judge 写入不能变成有效通过 |
+| Full 抽检或 Quick final gate 在恢复时重新生成 | 保留原始检查与时间身份；Full 两单元抽检只执行原有四次检查，原 Review 不重复派发 |
+| 里程碑历史忽略其 packet 的目标变化 | Plan／Judge／panel 的 goal identity 纳入里程碑及所属 packet 的明确目标字段；15 个目标变化子用例先红后绿，验收修订对照仍可续接 |
+| DSH 损坏／截断结果流保留不可信用量 | 无效 stream、关联身份和截断清除 usage／cost；完整相关回执的用量与不安全的外层退出分别记录 |
+| DSH 成功回执加异常 exit 仍保持可恢复 | 使用协议结果与物理退出分别校验，异常组合阻断重放 |
+| 取消、CAS 或缺失候选证明使已发生调用漏账 | 在恢复入口独立处理可信回执的可归属计量；保持未知执行阻断和原始 guard 校验；本地未派发取消不虚增未知用量 |
+| 非法回执哈希被写回状态后破坏 schema | 读取时拒绝非规范的非空 candidate／guard 哈希；缺失证明与损坏证明分开，9 个非法形状子用例先红后绿 |
+
+主要回归在 [sessions_test.go](https://github.com/ckanner/flywheel/blob/main/internal/machine/sessions_test.go)、
+[session_workflow_test.go](https://github.com/ckanner/flywheel/blob/main/internal/machine/session_workflow_test.go)、
+[session_fault_test.go](https://github.com/ckanner/flywheel/blob/main/internal/machine/session_fault_test.go)、
+[session_guard_test.go](https://github.com/ckanner/flywheel/blob/main/internal/machine/session_guard_test.go) 与
+[session_audit_test.go](https://github.com/ckanner/flywheel/blob/main/internal/machine/session_audit_test.go)。状态、schema、配置、
+诊断、CLI、各后端和 Node worker 另有各自的行为与故障测试。
+
+## 最终本地验证
+
+执行环境：Linux amd64，Go **1.27.0**，Node **24.22.1**，npm **12.2.1**。
+
+| 检查 | 本轮结果 |
+|---|---|
+| Go 定向行为与故障测试 | 全部通过；独立 guard、协议、账务和 CAS 审查均未发现剩余确认阻断项 |
+| `make quality-gate` | 通过；vet、gofmt、所有被测包与每个被测函数均为 100% statement coverage；cmd 单行入口按现有门禁排除 |
+| CI 相同的七个核心包 `go test -race` | 全部通过：machine、verify、watchdog、drivers、cli、modules、diagnostic；machine 86.850 秒 |
+| DSH `npm run check` | 145 个主套件测试及 8 个隔离旧宿主测试通过 |
+| Go → Node → DSH／Codex Pro | 合并桥接命令通过，含公开 SDK 的真实持久化续接 |
+| 根目录 `npm test` | 126／126 通过 |
+| 六包构建与同一候选真实安装 | 构建 6 个同版本包成功；安装测试 7／7 通过、0 skipped，21.026 秒 |
+| 原生 CLI | `make build`、version、control／doctor help、JSON config inspect 均通过；内嵌默认策略为 scoped／1 |
+| 文档、差异与远端 tree | 20 份改动 Markdown 的 151 个本地链接、32 个锚点及围栏通过；`git diff --check` 通过；远端 tree 与本地已检查暂存 tree 一致 |
+
+最终代码验证与六包构建固定在提交
+`2ca8afc50bb858459d9b66755ccd3e1457914c92`，tree 为
+`faa53b698ff186fa248c8ebb42d7f42118609092`，构建时 `dirty:false`。
+本文件的后续提交仅补全验收记录，不更改已测运行时代码、测试、技能或发行文件。
+
+六包源码快照 SHA-256：
+`4bd35144a14574fe69b4f79261393c91a762045cf93b0d8f21b39f67dd841fea`。
+`candidate.json` SHA-256：
+`47d3a1a9e4d97971067df78821d5e1466a8b43ea488c04d14ed7d3c2611d0f71`。
+候选清单记录六个 tarball 的尺寸和 SHA-512 integrity；真实安装使用这些同一份字节。
+包包含 meta launcher、DSH plugin、Darwin／Linux × arm64／amd64 四个原生二进制。
+跨平台构建成功不等于四个平台都已运行：实际安装和可执行检查是在 Linux amd64 完成。
+
+版本仍为 0.28.5；这些包用于开发验收，不是新发行，正式发行必须选择新版本并执行发行门禁。
+完整命令使用固定工具链，包括：
+
+```bash
+make quality-gate
+go test -race ./internal/machine ./internal/verify ./internal/watchdog ./internal/drivers ./internal/cli ./internal/modules ./internal/diagnostic -count=1
+npm --prefix plugins/dsh run check
+FLYWHEEL_TEST_NODE_BRIDGE=1 go test ./internal/drivers -run '^Test(DSH|CodexPro)NodeWorkerOfflineBridge$' -count=1 -v
+npm test
+npm run build:npm
+FLYWHEEL_NPM_PACKAGES_DIR=dist-npm npm run test:install
+```
+
+## 远端与未验证项
+
+中间检查点 `dbb5a455fedf7aac25790a01ef3e3895e0221fc8` 的
+[GitHub Actions run 42388417156](https://github.com/ckanner/flywheel/actions/runs/42388417156)
+在约三秒内失败：npm-candidate 没有 runner 名称、steps 为空，后续 test skipped；
+日志读取为 404 BlobNotFound。不能据此声称代码测试失败的具体原因，也不能声称远端
+Linux／macOS CI 已通过。最终代码提交 `2ca8afc` 的
+[run 42389676602](https://github.com/ckanner/flywheel/actions/runs/42389676602) 也在两秒左右
+出现同样的无 runner、无步骤失败，后续 test skipped。本地门禁与远端 CI 状态分别记录；
+没有将已完成的本地 Linux 验证冒充远端或 Mac 通过。
+
+没有运行真实 ChatGPT／Kimi／DeepSeek 账号推理、Mac 桌面／Seatbelt 验收或成对缓存效果
+实验；不报告虚构的节省比例。没有发布 npm、提升 latest、修改用户已有安装或登录账号。
+P3 仍需要上游新增公开、可等待的 typed lifecycle、派发前持久化确认和只读 recovery
+契约；现有文本 progress 和 run 回执不能替代它们。P4 需要真实任务与账号测量。

package/docs/validation/2026-11-08-session-p3-p4.md

@@ -0,0 +1,99 @@
+# 会话 P3 / P4 实现与验收
+
+日期：2026-11-08 UTC。承接原设计 PR #30、P1/P2 实现 #31 和 Claude 接入 #32。本文只记录本轮已经观察到的结果；旧验收记录保留历史身份，不替代当前检查。
+
+**实现结论：**P3 的公开生命周期、持久化确认与只读回执恢复，以及 P4 的角色策略、有界上下文重建和可执行配对评估系统已完成源码与离线验证。真实账号 admission 在当前环境的 `thread/start` 阶段超时，未取得真实模型质量／缓存／性能对照结果；默认质量阈值维持关闭。本文不宣称任意崩溃点 exactly-once、跨机器自动恢复或真实收益。
+
+机器可读证据：[2026-11-08-session-p3-p4.json](evidence/2026-11-08-session-p3-p4.json)。其中 fixture token 数据明确为合成协议输入，live 质量字段保持 null；没有保存账号凭证。
+
+## 1. 配套来源
+
+| 依赖 | 源码与 PR | 精确源码 tree | 真实 tarball SHA-256 |
+|---|---|---|---|
+| Codex Pro 0.9.0 | [PR #5](https://github.com/ckanner/dsh-subagent-codex-pro/pull/5)，`37da3d75de32b809c4fb1a631ccc15191f3d87f9` | `00df1042b0010dc37ce8ab6048f75a434325962c` | `4a86380fdde0d7f2673c4b1f2d5c8682cf61d6a4b83deb65eab8fe76f6032198` |
+| Claude Code Pro 0.4.0 | [PR #1](https://github.com/ckanner/dsh-subagent-claude-code-pro/pull/1)，`ec0b99176b67512f3ca1838ec2a349dcb0189214` | `13c6a3f7e3f332eee98f4e5cde77ba8806c608c1` | `125951f39d27a87072a9dc20c622a19089ad7ba84b69ba6228e1fbb03f46f581` |
+
+两份远端 tree 与实际测试、打包源码一致。Codex 的实际 npm 包按真实 lock integrity bundle 到 Flywheel；Claude 保持可选 peer。来源与 MIT 许可见 [vendor](https://github.com/ckanner/flywheel/blob/main/plugins/dsh/vendor/README.md)。未发布任何 npm 包、移动 latest 或创建发行 tag；Flywheel 保持原有源码版本，正式发行必须选新的统一版本。
+
+上游本轮 CI 均为准确提交，Ubuntu/macOS × Node 22/24 四格通过，包含真实 pack/install：
+
+- [Codex run 42432776034](https://github.com/ckanner/dsh-subagent-codex-pro/actions/runs/42432776034)：本地 196 tests，190 passed，6 项既有 live/CLI 环境 skip；新增 P3 测试全部执行。
+- [Claude run 42432722680](https://github.com/ckanner/dsh-subagent-claude-code-pro/actions/runs/42432722680)：91/91，本地与四格 CI 通过；strict TypeScript consumer 及安装入口通过。
+
+## 2. P3 的实际边界
+
+worker v3 传递 lifecycle v1，原始 machine 请求/回执保持 protocol 1。Go 先保存 intent，并在 ACK 前 fsync 检查点、状态和必要候选证据；上游 supervisor 在发送 terminal/cleanup-confirmed 前先持久化完整原始回执。terminal ACK 丢失不改写已发生结果。
+
+Codex 能在 turn/start 前交出实际 thread/configuration，由 Go 完整检查 sandboxPolicy 后确认。Claude init 在 prompt 之后出现，因此显式不具备预派发 thread-ready，也不发明 native turn ID；它仍等待派发前 intent/possible ACK。DSH/Kimi 维持各自既有能力，不冒充这些新接口。
+
+只读恢复只读取原 request/run/journal，不发 prompt、不启动 CLI、不查全局历史。成功回执必须同时具有原 Go cleanup 检查点中的候选／guard／report，才可继续业务；缺少原候选证明时可对账可信用量，但仍阻断。pending 不证明进程存活，supervisor 也丢失时不重放。
+
+usage 从 unknown 转为 known 通过同调用 correction，保留原 provider、日期和 lifetime；不重复 call 或 token，不复活已淘汰日桶。metrics 的新行与已有行重试都验证文件/目录同步，CAS 失败不重复追加。
+
+实际故障测试包括：拒绝 intent/possible ACK、坏或抢先 ACK、pending ACK 期间 SIGINT/TERM/HUP、worker 整个进程组 SIGKILL、supervisor 本身 SIGKILL、终态通知丢失、重复只读查询、坏摘要/错身份/路径所有权、状态与 metrics 持久化失败。所有执行/清理未知仍阻断。
+
+## 3. P4 实现与完整离线对照
+
+可按 Plan、Execute、Review、Judge、judge-panel 覆盖 fresh/scoped。三种质量阈值分别基于已确认 turn、Execute 候选不变、完整单次 input；默认均关闭。重建交接当前权威材料，不引入未计量的模型压缩，不继承另一角色私有 transcript，不清空任务预算或 attempts。
+
+固定 corpus 实现纯函数 `compactRanges`，有独立冻结 oracle 验证输出与输入不变性。评估器隔离 clone、固定模型/effort/权限/配置身份，轮换三种策略的次序并重复。场景根据实际状态和用量判断，不凭标签算成功。
+
+最终链路：真实 Go → worker v3 → 实际 final Codex 0.9.0 包 → 明确标记的 native CLI fixture。
+
+| 检查 | 结果 |
+|---|---:|
+| 场景 | first-pass、L1 repair、Review return、long context、stop/resume、configuration change |
+| 策略 | fresh、executor-scoped、role-scoped |
+| 重复 | 每场景每策略 2 次 |
+| trial / 完整配对 | 36 / 12 |
+| Go 调用记录 | 96（Execute 54、Review 42） |
+| 独立 oracle | 36/36 通过 |
+| 各场景 observed / unobserved / unknown | 6 / 0 / 0 |
+| 每策略 trial / 调用 | 12 / 32 |
+| 各策略 resume | fresh 0、executor-scoped 4、role-scoped 6 |
+
+该结果验证真实引擎、协议、策略选择、Git 交付与实验工具；fixture token 不可用于模型收益分析。停止恢复场景是 Review 前语义暂停，P3 活跃调用强杀另有故障测试。
+
+评估二进制 SHA-256：`b1361dbe5bb84bf3f5b80e4ffba7c54770a178cd791c9e1c38c88bf37cdb69e8`。Corpus commit `4b86f5e4bf548b4e71af9134d9bced60d07609d0`、tree `e69bf877d80396f902c7a6ee69a584b4aa051cf3`。报告 hash、每 trial 状态、oracle 与缺失用量语义见证据 JSON。复现入口见[配对评估指南](../zh-CN/session-evaluation.md)。
+
+## 4. 真实账号 admission：有执行尝试，无效果结论
+
+使用官方 `codex 0.167.0`、既有 ChatGPT 登录、`gpt-6.1-sol/high`、role-based（Execute 请求 workspace-write），通过最终 Go、worker 与公开 0.9.0 API 运行实际 evaluator。未复制 token、改变 managed 权限、切换认证渠道或用 fixture 代替此次模型路径。
+
+仅运行 1 trial／1 Execute invocation，约 33.349 秒后 Go exit 3、任务 escalated。`thread/start` 没有在原生/Go 时限内返回，取消后 receipt 的 failure 为 thread-start/aborted；dispatch=not-dispatched、cleanup.confirmed=true。没有收到任何 lifecycle frame，所以没有虚构 early checkpoint。外层超时/取消使 outcome 保守保持 unknown，状态 blocked，评估器立即停止，不继续任何其他策略或场景。
+
+原生 usage unknown；Go 只能依据确认未派发归一化为零用量，这不构成模型成本测量。质量、遗漏与回归字段均 null，无法形成有效配对。已有原生登录和 model catalog 不证明成功推理；此环境没有产生可用于质量、缓存或耗时比较的模型结果。
+
+此前单独 admission 还观察到 full-access 被 managed requirements 拒绝，以及允许的 workspace-write thread/start 超时。未绕过环境约束。真实 P4 验收仍需可完成模型执行的原生环境；保持默认阈值关闭，不能声称模型节省比例或某策略优于其他策略。
+
+## 5. 本地门禁与独立审查
+
+环境：Linux amd64，Go 1.27.0、Node 24.22.1、npm 12.2.1。
+
+| 门禁 | 当前结果 |
+|---|---|
+| `make quality-gate` | vet/fmt/全部 Go 测试通过，逐函数 100% statement coverage |
+| 7 个核心包 `go test -race` | 全部通过 |
+| Go → Node → 实际公开包/SDK | DSH、Codex、Claude 完整桥接通过，新增 P3 8 场景全部执行 |
+| `npm --prefix plugins/dsh run check` | 194 主测试 + 8 个旧宿主测试，0 failed / 0 skipped |
+| 严格 transport | 20/20，含提前/重复/跨序列 ACK 与信号收尾 |
+| 真实 public lifecycle bridge | 6/6，含整进程组死亡和只读回执恢复 |
+| 根目录 `npm test` | 141/141，0 failed / 0 skipped |
+| P4 完整 native fixture | 36 trial 全通过，不作为 live 模型结果 |
+| skills / 文档 | 内嵌 skill YAML 校验通过；双语链接、围栏、JSON/YAML、diff whitespace 检查通过 |
+
+独立审查关闭了：过期日桶复活；Claude 不支持的 turn-accepted/turn ID；已知生命周期与未知底层 outcome 的保守用量对账；未派发 Claude proposal UUID 被误当历史；bundle 安装测试的互斥 registry 请求断言。均保留原有未知阻断和权限门禁。
+
+根 npm 测试还发现正向 fixture 从进程 spawn 起 250ms 发送 SIGTERM 的冷启动竞态。通过 600ms preload 稳定复现、保留失败证据，再将正向场景改为语义阶段暂停；新增冷启动负面回归继续要求未初始化的信号死亡停止实验。没有放宽生产 timeout 或让 unknown 自动重试。
+
+## 6. 六包候选与 Flywheel 远端 CI
+
+从干净的实现提交 `9796db37a2b86922cf11a87f33191315a7ca32eb` 构建一次六个同版本候选。源码 tree `460bfbfd05418f79a6d1c1d4644733f56e826e5d` 与 GitHub 一致，snapshot SHA-256 为 `b0c5c6293e0e69921a8ff7a081d6077e04772665b4684031dcbd10b3ddf6776b`，`source.dirty=false`。完整包名、大小和 SHA-512 记录在证据 JSON 的 npmCandidate。
+
+同一批 tarball 的真实 npm 安装测试 **9/9 通过、0 skipped**，覆盖缺少 optional Claude 和显式安装精确 0.4.0 peer、worker、CLI、控制接口、skills 与安装保护。Codex bundle 不向 registry 请求未发布的 0.9.0。包内上游的 **79 个文件内容摘要**与冻结 vendor tar 全部一致；唯一 mode 差异是 npm 将声明的 `lib/machine-cli.js` 从 0644 安装为 0755，内容未改变。不是用软链或伪版本替代公开插件。
+
+该安装验收实际运行于 Linux amd64；四个平台二进制均已交叉构建，但交叉构建不替代 macOS 生命周期／桌面真机验收。没有发布这些 0.28.5 开发候选；已存在的 registry 版本不可覆盖。
+
+实现提交的 [Flywheel CI run 42434356573](https://github.com/ckanner/flywheel/actions/runs/42434356573) 在约 3 秒后 failure：npm-candidate 的 runner_id=0、runner_name 为空、steps=[]；后续 test skipped、steps=[]。即没有执行构建或测试。当前连接器不支持读取 check-run annotations，不能核实具体启动原因，也不能推断为代码测试失败或宣称远端通过。两个上游的四格通过不替代 Flywheel 自身的 CI。
+
+最后的验收记录提交只更新本 Markdown 与证据 JSON，不改已测运行时代码、测试、skills、schema、workflow、lock 或包清单。保留这一次构建的候选与真实安装结果，不为文档补录生成另一批同版本字节。

package/docs/validation/2026-11-09-flow-console.md

@@ -0,0 +1,81 @@
+# 流程控制台实现与验收
+
+日期：2026-11-09。源码基线为 `1087b686fa308284b6b68f238129f6779e0ba113`（0.29.1）。0.30.0 六包已发布并完成 latest 复核；正式源码为 `c24cb0e62042dfe3378bc9c06b0e6951159a7b25`。源码检查、npm 发行、本机安装与原生桌面交互均已完成，证据与边界分别记录如下。
+
+## 已实现范围
+
+- DSH 原生会话视图内的横向画布：Plan／拆分、调度、任务分支、Execute、L1、Review、集成、终验、PR、Merge；按需展开、分页、定位和有界诊断。
+- 全局／项目配置编辑：默认模板、内容 CAS、备份、原子写入、Provider／Harness／模型／thinking、角色历史策略、逐绑定权限、预算和调度。
+- 节点级执行、失败后有理由地继续一次、已完成节点重开、独立 packet 提前执行、验证后 Git 交付和单独终验；最近控制操作的结束回执与失败原因持久化。
+- CLI 运行登记、多任务会话关联、项目／分支／HEAD／run 归属、调用绑定快照及按原 invocation 对账的指标。缺失／部分数据保留，不将调用失败率当作代码质量。
+- 受管 packet session 的原 thread 交互、回执核对、验证交回、保持暂停退出。配置 policy-version 1 与会话存储 v2 分离；冻结的 0.29.1 schema 验证旧引擎拒绝新账本。
+- 冻结依赖和写入范围下的独立 worktree 并行 Execute／L1；一个协调器串行 CAS／计费，hard 预算在计费确认前不释放调用槽；Review 与合成候选集成串行。
+- 按明确 repo／HEAD／base 授权的 PR 操作，检查 fetch/push 目标、不强推、不隐式推 tags/submodules，更新已有 Draft PR，精确 HEAD 合并，远端排队与最终回执分开。
+
+## 已完成的源码验证
+
+- `make quality-gate`：vet、fmt、全量 Go 测试和逐函数 100% 覆盖通过。记录：`/tmp/flywheel-console-quality-final2.log`。
+- 七个核心包 race 检查通过：machine、state、contract、config、metrics、drivers、watchdog。记录：`/tmp/flywheel-console-race-final.log`。
+- DSH／Codex Pro／Claude Code Pro 三个真实 Go↔Node 离线桥接通过。Claude 使用已核对的 0.4.0 源码 tarball，不宣称 registry 已提供该版本。记录：`/tmp/flywheel-console-bridge-final.log`。
+- 根目录 npm 141 项通过。真实引擎／公开适配器离线配对评估 36 条、96 次调用通过独立 oracle；这是 fixture 结果，不是模型质量、缓存或性能结论。记录：`/tmp/flywheel-console-sessions-final.log`。
+- 客户端检查涵盖已发布宿主插槽、工具回执、fork／迟到响应隔离、配置冲突、节点证据、Session 接管、明确 PR 授权及多个任务关联。最终插件与六包安装门禁应在冻结候选上再次运行，结果与 candidate.json 一起保留。
+
+## 关键故障检查
+
+| 场景 | 验证结果 |
+|---|---|
+| 两个独立 Execute 同时在飞 | 实际重叠；第二次 Review 能读到第一次集成成果；没有丢失计费 |
+| hard 预算／渠道并发限制 | 前一调用计费后再接纳下一调用，超额不派发 |
+| 并行停止 | 等待所有已启动执行器退出；未知回执保持阻断 |
+| 同一 thread 被分配给其他 packet | typed lifecycle 在 ACK 前拒绝 |
+| 合成候选失败／冲突 | 不使用旧绿灯；保留 worktree、失败证据及成果 |
+| 清理成功、最终 CAS 尚未持久化 | 仅在规范 checkout 仍匹配原验收候选时补齐交付状态 |
+| 人工调用中断后重启 | 原回执只消费／计费一次；不会重新发送 Prompt |
+| 配置／goal／权限或重建策略变化 | 精确接管请求拒绝换成另一个 session |
+| 旧引擎读取 v2 | 加载即失败，不能忽略接管标记 |
+| PR 预先存在或已合并 | 先核对实际结果；推送后不重复创建 Draft PR |
+| 远端未知／排队 | 不把命令退出成功当成最终合并 |
+| 200 个节点及大量历史 | 画布响应受限，完整节点按需读取，原始账本不变 |
+
+## 视觉与真实运行边界
+
+实际构建的客户端在隔离 HTTP 预览中接入真实 Go 控制接口，使用 mock drivers。检查亮暗主题、390px 容器、中文长路径、表单、展开、横移和节点操作。浏览器组名为“Flywheel 控制台验证”。预览不读取真实用户配置，也没有发送真实模型 Prompt。
+
+旧版实现曾把原任务概况挤在画布之前；本轮已将概况和启动选项折叠。普通表单操作采用 36px 控件，紧凑工具保留 28px，触摸区域至少 44px，节点字重不超过 500，主题使用 DSH 别名。
+
+真实 DSH 桌面版本已核对为 0.2.2-rc.1，源码验收时正式安装是 0.29.1。正式更新需在提交／发行授权及候选门禁后执行。真实账号模型质量／计费、完整 Provider 原生历史 UI 跳转和里程碑 session 的交互接管不由离线结果证明；当前交互通过控制台与受管 CLI 连接精确 packet session。
+
+## 开发候选与发行准备
+
+开发候选快照 `4d18b03eed0f2f5d304851df6cc7d3241594a81106f52a3863801658f133f1f6` 的同一组六包分别通过 macOS Node 24.22.1、Linux ARM64 Node 24.22.1 容器及用户 macOS Node 26.12.1 安装门禁，每次 10 项通过、零跳过。可选 Claude 使用真实 0.4.0 tarball，SHA-256 为 `125951f39d27a87072a9dc20c622a19089ad7ba84b69ba6228e1fbb03f46f581`。开发候选带 dirty 标志，不用于上传。
+
+2026-11-09 用户已批准本轮提交、推送 main、创建并推送 `v0.30.0`、正式发布及桌面安装。正式候选需在提交后从干净精确 tag 重新构建一次，核对同组六包安装后才发布；本记录不预先声称这些后续步骤成功。
+
+## 正式发行与本机安装回执
+
+- `main` 与 `v0.30.0` 已推送。annotated tag 对象为 `c013931cf4fe6b690421745f9603fa3ddf016f94`，提交为 `c24cb0e62042dfe3378bc9c06b0e6951159a7b25`，tree 为 `0c33f6a3b4c5bea6be9cd440c6a02380e23053e0`。
+- 正式候选从干净精确 tag 构建一次，快照为 `f943be278fe65d55014c5096acaf214635f6430c665a5e42264e25aaf3ee50dc`。同组六包在 macOS Node 24、Linux ARM64 Node 24 和用户 macOS Node 26 各通过 10 项安装检查、零跳过；发布重试一直复用这些 tarball。
+- Linux 工作流要求的 machine／verify／watchdog／drivers／cli／modules／diagnostic 七包 race 检查通过。首次 root 容器使权限拒绝夹具失效，并缺少 gh 与 init；保留该失败，改用普通用户、gh 和 init 后通过，未修改源码或用例时限。
+- [main CI](https://github.com/ckanner/flywheel/actions/runs/42601424905) 和 [publish](https://github.com/ckanner/flywheel/actions/runs/42601517516) 因账号付款／支出限制未启动 job。使用用户授权的手动发行，不将 Actions 记为通过。
+- 六包按平台 → 插件 → 入口发布到 `candidate-0-30-0`，逐包核对完整性，随后官方 registry 安装通过（真实 npm、native CLI、11 个 skills、零推理请求）。六包 latest 更新与完整性最终复核通过，记录为 `/tmp/flywheel-console-0300-final-registry-fresh.log`；精确来源和远端 tag 又作了核对。
+- 认证期间发生过超时及 npm 服务端拒绝旧 authId；仅重开对应官方认证，不重建包。最终只读 npm 查询也出现过超时，失败记录保留；使用独立查询缓存和更短的单次 fetch 等待后，同一 `verify-latest` 门禁通过，没有放宽完整性或版本判断。
+- 本机 CLI 与 DSH desktop profile 插件均确认 0.30.0，安装报告 `ok:true, ready:true`。源码目录内的首次 npx 调用命中旧全局入口，版本核对发现后改为精确全局安装和明确路径 setup，未将旧报告当作升级成功。
+- 用户要求的全局配置完整覆盖已通过 revision 检查、备份和原子写入完成，归一化值与 0.30.0 内嵌默认值完全一致。当前为 scoped／policy-version 1、full-access、serial／max-parallel 2。配置 SHA-256 为 `aff154c7f9d61afe3192f4f9b54bc32d50c7b84120d19756e350ca3fda8d6835`；旧配置另存备份。
+- 无推理 doctor 通过，四项 DSH SDK 探测通过。可选 Claude 0.4.0 使用上文记录的真实源码包安装到同一全局 prefix，worker doctor 确认接口可用；不宣称它已公开发布或真实模型已验证。
+- 桌面重载前确认当前显示的两个后台任务均已结束。Mac 锁屏导致的暂停已在用户解锁后解除。专用会话使用已发布的原生 AgentLoop／SDK 和本地固定响应适配器，真实模型请求为 0；该离线轮次只用于进入原生会话视图，不伪造真实模型效果。
+
+## 原生桌面交互验收
+
+- DSH 0.2.2-rc.1 的“统计”之后显示 Flywheel，实际进入“Flywheel 流程控制台”。会话为 `flywheel-console-desktop-d0634ce3-c14a-422d-a46d-28bf13c3c618`，名称明确标记“离线控制台验证”。空白新会话首页不显示这排会话视图，测试使用已有完整离线轮次的专用会话。
+- 通过原生面板读取隔离任务，横向主线和任务分支正常出现；展开 M01-T01 后可见 Execute、L1、Review 和 Git 交付，节点详情带目录、分支、HEAD、run、失败次数与证据入口。
+- 从桌面填写人工继续原因并点击“人工继续一次”，真实 Go 控制接口接纳后显示运行中并禁用重复操作；结束后恢复暂停，显示预设 mock 场景的 L1／spin 失败原因。尝试与累计失败均由 5 增至 6，最终 revision 为 45，run 为 `YANVY5DOODUCY356S6TXLQFYY3`。随后 CLI 独立只读核对 `running:false`、`status:paused` 和同一失败回执。失败是夹具预期，不表示编码任务已完成。
+- 原生“全局 / 项目配置”读取的目标是全局配置文件，显示 scoped、完全权限、串行与最大并发 2。资源菜单包含 DeepSeek Account · Flash、ChatGPT · DSH、Kimi Code · K3.1 Pro、ChatGPT · Codex Pro、Claude Code Pro；打开后取消，没有改变默认绑定。
+- 验证后全局配置摘要仍为上文记录值。桌面留在已暂停的离线测试画布，真实模型推理、账号计费、实际外部 PR／Merge 和完整 Provider 历史 UI 跳转不由此次检查证明。
+
+## 原始失败与处置
+
+- Codex 自带 Git shell 包装器叠加测试负载，触发三个既有 CLI 用例的时限失败。失败日志保留；随后定位工具链差异，使用系统 Git 与固定 Node 24 验证，原用例时限没有放宽。包级总等待窗口为 30 分钟，用于容纳增长后的套件。
+- 全量检查发现空节点详情的空值访问和提前取消的错误分类，已修复并回归。
+- 并行执行重试耗尽后保留原 Plan 升级路径，在集成之前完成失败单元的收尾／修订，避免把局部成功误当作整批完成。
+
+本轮没有通过测试夹具制造真实 PR、Merge、npm 发布或模型业务验收结果。发布候选的 SHA、tarball integrity 与安装记录由发行工具产出；源码门禁不能替代它们。

package/docs/validation/2026-11-10-jev-shadow.md

@@ -0,0 +1,50 @@
+# JEV 可选影子评估验收
+
+## 范围与身份
+
+基线 `5d682291e39c46c4e5e7c275f3d195ffce7e5d6c`，分支 `codex/jev-workflow-shadow`；本轮为未提交源码。尚未发布 npm，也没有改动用户已安装的 0.30.0 或本机全局配置。完整设计见 [方案](../plans/2026-11-10-jev-shadow.md)，用户说明见 [指南](../zh-CN/jev-shadow.md)。
+
+- 默认关闭、缺省关闭；Config schema、模板、全局／项目编辑器及只读 inspect 共用 `jev-shadow`。
+- 开启只观察首次普通 run 的新任务；先保存原工作流，再最多一个原生 System One 请求。不改变实际模式、任务预算、权限或 Session。硬预算跳过；实验用量单列。
+- 可选依赖的密钥、网络、模型版本、记录故障均不能阻断任务；用户取消仍停止原任务。旧任务恢复与手动单阶段不补发。
+- 独立 prepare/run/report 支持审阅摘要、显式实验、离线核对。schema 严格校验、重复键和错误 UTF-8 拒绝、私有目录、意图先落盘、不可覆盖终态、未知不重放；输入和原始响应不会被当成主引擎命令。
+
+## 本机确定性验证
+
+- Go 全量 `make quality-gate` 最终通过：vet、格式检查、全部包测试、每个实测函数 100% 覆盖率；门禁未调整。最终日志 `/tmp/flywheel-jev-quality-complete.log`。
+- `internal/shadow` 单独覆盖率 100%，`go test -race ./internal/shadow -count=1` 通过。
+- 开发二进制的真实 `control config-edit/config-save` 在隔离临时配置中完成默认关闭 → 开启 → 关闭；每步由 `config inspect --json` 核对，未改用户配置。
+- 新任务真实引擎 + loopback HTTP 测试：JEV 给 Full 建议时原 Quick 仍执行至 Review 前暂停；第二次启动无新增 JEV 请求。取消发生于影子 HTTP 时，引擎返回 ErrInterrupted，Execute 未运行。
+- 开关关闭与恢复任务：无凭据读取、无网络、无结果目录。开启测试覆盖缺少密钥、无效目标、401、超时、摘要拒绝、记录路径错误及硬预算跳过；原状态逐字一致。
+- JEV 回执覆盖完整成功、错误版本、坏 JSON、重复键、过大响应、重定向拒绝、未知 usage、并发争抢、残缺 intent、文件写入／fsync／发布故障、缓存身份不匹配及损坏记录；错误响应正文不入回执。
+- 根目录 `npm test`：141 项通过，零跳过。
+- `go test -race ./internal/machine -run 'TestOptionalShadow|TestAutomaticShadow' -count=1` 通过。
+- DSH `npm --prefix plugins/dsh run check`：206 项主测试和 8 项旧宿主检查通过，零跳过。新增实际渲染交互测试确认默认关闭并发送布尔配置值。
+- Go/Node DSH、Codex Pro、Claude Code Pro 三组离线桥接通过。Claude 测的是本地精确公开接口候选（0.4.0，本轮复核 tarball SHA-256 为 `125951f39d27a87072a9dc20c622a19089ad7ba84b69ba6228e1fbb03f46f581`；来源和身份见 [vendor 记录](https://github.com/ckanner/flywheel/blob/main/plugins/dsh/vendor/README.md)），不据此声称 registry 有新版本。未进行本轮原生桌面安装／UI 验收。
+
+首次全量 Go 测试发现既有 `TestRunClaudeCodeProPhysicalFailuresAndNonDispatch` 在关闭 stdin 的 fixture 中返回 watchdog timeout，未返回预期 request write failed。fixture 使用 shell + 额外 sleep 子进程，输出管道和 TERM 清理可拖到 3 秒 deadline。将该用例独立提取并改为 `exec sleep`，保持单进程、原错误与 unknown 断言，新增 `TimedOut=false`；没有修改驱动时限或生产清理逻辑。独立回归连续 30 次通过（8.946 秒）。首次失败保留在 `/tmp/flywheel-jev-quality.log`，不以重跑覆盖原记录。
+
+第二轮所有 Go 行为测试通过，但逐函数覆盖检查发现 `planUntilValid` 的保存失败出口未命中（98.4%）：新任务在更早的状态检查处退出，使旧的间接场景不再覆盖该边界。补充直接 CAS 冲突测试：在上下文快照后推进磁盘 revision，确认 Plan 保存失败、零模型派发、磁盘字节不变、内存进度为 failed。该测试已独立通过；没有删除防御分支或降低覆盖率门禁。第二轮日志保留在 `/tmp/flywheel-jev-quality-final.log`。
+
+## MeRouter 真实调用
+
+使用现有 `MEROUTER_API_KEY`，仅调用 `https://merouter.play.one2x.ai/v1/systemone`，模型 alias `jev`，响应固定 `jev-1.14.0`。未用 admin/service key，未改 MeRouter 服务配置。
+
+[数据集](../evaluation/jev-historical-provisional.json)是六个已完成工作项的有界回溯摘要，带 Git 提交来源。没有声称它们是历史 Auto 决策：实际基线均 unknown，标签 provisional。标签、基线和来源不发送给模型。[精简结果](../evaluation/jev-historical-result-2026-11-10.json)记录数据／问题／策略摘要及概率；原私有回执在 `/tmp/flywheel-jev-integration-20261110/`。
+
+| 项目 | 实测结果 |
+|---|---|
+| HTTP 调用 | 6 次，全部有效响应，未自动重试 |
+| 建议 | 3 Full、3 abstain、0 Quick |
+| Full 工作项 | 角色会话、lifecycle/recovery、交互式流程控制台 |
+| 弃权工作项 | 标签排序、安装指南、桌面指南；检查或具体修改依据不足 |
+| 已知 usage | input 7234、output 900；实际账单扣费未取证 |
+| 本次延迟 | p50 498 ms，p95 1072 ms；六条串行样本，不代表生产 SLO |
+| 无密钥同目录重读 | 6 个缓存结果，new-calls=0 |
+| 生产校准 | false；无已确认真实标签，误放率／Quick 覆盖率保持 null |
+
+初次数据文件把标签字段误写为 reviewer，schema 在网络调用前拒绝；改为 author 后开始六次调用。未把该校验错误算成模型请求。结果并不支持让 JEV 接管 Auto：小任务的摘要还会触发弃权，当前交付保持默认关闭、仅旁路观察。
+
+## 待验证边界
+
+正式发行和桌面安装不在本轮已完成项中。后续只有在用户选择开启后才会积累决策时样本；需要独立人工确认标签、评价漏判／误放／弃权与每完成任务的实际成本，再决定是否提议生产路由。不能从合成样本或本轮六条回溯材料推断成本、性能或质量收益。