codex-adaptive-effort 0.1.0-alpha.1 → 0.1.0-beta.1

package/docs/DESKTOP_ACCEPTANCE.zh-CN.md

@@ -0,0 +1,134 @@
+# 本机桌面启动检查 / 2026-09-28
+
+结论：当前 ChatGPT 桌面端的 Codex 编程入口已通过**独立实例启动、off 真实传输、纯文本 low/high 手动锁档、取消及同会话恢复**。首轮请求绕过 CAE 的 app-server 参数作用域问题已修复，155 项离线测试通过。实验已结束，相关进程与监听端口均已清理。这些结果不代表正式桌面插件或所有任务形态都能改档。
+
+这里不覆盖普通 ChatGPT 聊天，也不是官方桌面插件或稳定扩展 API。启动入口来自当前已安装应用代码的只读核对，升级后必须重新检查。
+
+## 来源与结果
+
+- 源码基线：`3c13aac2dcad333fae689b1273d3d4657bf90b8d`，`main`；最终验收还包含本报告同版本的 launcher 参数修复。采集时补丁未提交，下列源码 SHA-256 用于明确证据对应版本。
+- 基线 [GitHub CI](https://github.com/ppxu/codex-adaptive-effort/actions/runs/36371612189)：head SHA 完全匹配，success；Ubuntu/macOS/Windows × Node 22/24 六项通过。该结果仅覆盖基线，后续提交需核对自己的 CI。
+- 修复后 `src/codex.mjs` SHA-256：`8f9744e1e90072de3154717d7de7895db68737d602d785c45b76ec9e3388b86d`。
+- 修复后 `bin/cae.mjs` SHA-256：`4f4a26f7cc1e90db16f30ae7e5db7a3aaa37c09726820c5ca11fb74eef832022`。
+- 环境：macOS 27.0 / arm64，Node v24.16.0；ChatGPT 26.924.22138，build 11645；内置 `codex-cli 0.158.0-alpha.2.1`。
+- 启动与后续核对：2026-09-28 11:06 起，Asia/Shanghai。使用新建的临时 Electron 数据目录、独立 CAE 配置及 loopback 端口。原生 Codex home 沿用现有位置，**不是完整的账户或原生状态隔离**；独立窗口仍能发现已有项目。未复制凭证、未修改日常 config.toml。
+
+| 检查 | 结果 |
+|---|---|
+| 进程级 CLI 路径覆盖 | 桌面日志确认实际执行临时桥接脚本 |
+| 独立 app-server | transport=stdio；CLI 覆盖使共享 daemon 分支不适用 |
+| 初始化 | initialize_handshake_result：outcome=success，186 ms；随后 connected |
+| 原生版本 | 桌面报告 0.158.0-alpha.2.1，与直接 --version 一致 |
+| 既有登录 | 原生桌面报告 authMethod=chatgpt、authenticatedAccountPresent=true；没有读取或输出凭证值 |
+| 窗口启动 | 日志报告 window ready-to-show；没有自动化视觉验收 |
+| 模型元数据 | 桌面自身 model/list RPC 返回 errorCode=null；没有用模拟模型列表代替真实返回。能力集合见此前真实探针 |
+| 实际子进程参数 | 确认桌面所属原生 app-server 使用 model_provider=cae、gpt-6-astra、medium、实验 loopback 地址、ChatGPT 认证与 supports_websockets=false；没有审批/沙箱覆盖参数 |
+| 模型与锁档 | 启动阶段未验证；后续真实传输确认 gpt-6-astra、off 保持 medium、手动 low/high 生效，见下文 |
+| GUI 自动化 | 工具明确拒绝操作 com.openai.codex；未绕过限制使用其他 UI 控制方式 |
+| 启动告警 | 观察到推送注册与 Statsig 启动超时，尚未确认是否影响可操作界面；不把 app-server 初始化成功等同于全部桌面功能正常 |
+
+原计划关闭上游做启动预检，但现有 serve 会以 upstream_not_enabled 拒绝真实路线启动。因此实验服务按已有授权显式启用上游，保持 off + baseline；是否发生真实生成必须以代理 request_sent 记录为准，不能从 off 推断为零调用。启动检查时 request_sent=0，Jev=0。
+
+## 桥接方式与边界
+
+本机应用代码识别以下**仅作用于实验进程**的环境变量：
+
+- `CODEX_ELECTRON_USER_DATA_PATH`：独立 Electron 用户数据目录。
+- `CODEX_CLI_PATH`：指向临时 launcher；没有替换应用内二进制。
+- `CODEX_APP_SERVER_FORCE_CLI=1`：选择本地 CLI/stdio 传输，不是审批或沙箱选项。
+
+临时 launcher 在 app-server 启动时调用现有 `cae codex --auth chatgpt`，保留桌面原有参数；其余命令交给原生 CLI。CAE 按已有应用路径读取自己的本地密钥，只通过子进程环境传递；原生客户端自行处理登录。未增加 WebSocket 代理、桌面 UI、Jev 调用或全局配置。
+
+桌面 → app-server 的 stdio 与 app-server → 上游的 HTTP/SSE 是两段不同的传输。前者已通过本次启动检查；后者的 CLI 验收见 [LOCAL_ACCEPTANCE.md](LOCAL_ACCEPTANCE.md)，尚不能代替桌面端实际发消息的结果。
+
+独立实例共享原生 Codex home，可能写入正常的原生会话/项目状态。只应新建无敏感内容的实验任务，不操作日常任务。CAE 的手动锁档作用于该代理实例的所有合格请求，不是桌面内某一个任务专属。桌面选择不同模型时不能据此宣称固定模型验收通过。
+
+## 下一步人工验收
+
+仅在可辨识的实验窗口中操作；保留 gpt-6-astra、medium 和既有服务档、审批及沙箱。在无敏感内容的实验目录中新建任务，避免将真实工作历史带入代理。
+
+1. CAE 保持 off；在桌面发送“只回复 CAE_DESKTOP_OFF_OK，不使用工具，不访问文件或其他服务”。预期界面显示该标记；代理同一次 request_sent 的 model=gpt-6-astra、changed=false，并有 completed=true。
+2. 完成后在实验终端运行以下命令，再从同一纯文本任务发送对应标记：
+
+```bash
+node "$CAE_ROOT/bin/cae.mjs" lock low --config "$CAE_TRIAL/.cae/config.json"
+node "$CAE_ROOT/bin/cae.mjs" control auto --config "$CAE_TRIAL/.cae/config.json"
+# 桌面：只回复 CAE_DESKTOP_LOW_OK，不使用工具。
+node "$CAE_ROOT/bin/cae.mjs" lock high --config "$CAE_TRIAL/.cae/config.json"
+# 桌面：只回复 CAE_DESKTOP_HIGH_OK，不使用工具。
+node "$CAE_ROOT/bin/cae.mjs" status --config "$CAE_TRIAL/.cae/config.json"
+node "$CAE_ROOT/bin/cae.mjs" report --config "$CAE_TRIAL/.cae/config.json"
+```
+
+预期两次记录 source=manual、分别发送 low/high、changed=true，响应正常完成，Jev 调用为零。若旁路，记录 reason，不删除历史强行通过。带结构化工具结果的历史旁路仍是用户已接受的限制。
+
+3. 恢复 off，在桌面验证取消及后续恢复；再完全退出实验实例和 CAE。只操作本次记录的 PID/子进程，不使用全局 killall，不退出日常窗口。
+
+```bash
+node "$CAE_ROOT/bin/cae.mjs" control off --config "$CAE_TRIAL/.cae/config.json"
+node "$CAE_ROOT/bin/cae.mjs" unlock --config "$CAE_TRIAL/.cae/config.json"
+```
+
+off 仍经代理；完全恢复依赖退出实验进程，再正常打开原版桌面端。恢复后检查实验端口无监听、实验 app-server 无残留，原版 CLI --version 正常。
+
+本次临时 launcher、启动指针、原始日志及提取的应用代码仅留本机，均不提交。没有将第三方桌面代码复制到本项目，也没有把临时桥接提升为正式安装功能。
+
+## 首轮人工发送与最小修复 / 11:18–11:24
+
+用户按实验启动步骤发送无敏感内容的测试消息，并报告收到 CAE_DESKTOP_OFF_OK。随后核对实验桌面的 thread/start、turn/start 成功记录，代理 health 正常但事件文件为空。仅查询对应实验会话的 thread/read 元数据（includeTurns=false），确认 modelProvider=openai、model=gpt-6-astra、reasoningEffort=medium。因此本轮是**桌面回复成功、CAE 传输验收失败**；代理零事件不代表用户零模型用量。
+
+根因是原生 CLI 的参数作用域：桌面同时提供 app-server 前后的 -c 参数。旧 launcher 把 CAE overrides 放在命令最前面，而此版本 CLI 在 app-server 有自身 -c 时采用子命令配置集合，丢掉前面的 CAE provider 定义。进程命令行出现 model_provider=cae 并不足以证明生效。
+
+原生零生成 initialize + config/read 三组对照：
+
+| 参数形态 | 实际 model_provider | CAE provider 定义 |
+|---|---|---|
+| CAE 参数 + app-server | cae | 存在 |
+| CAE 参数 + 桌面原始参数（含子命令后的 -c） | null，实验会话实际使用 openai | 不存在 |
+| 桌面参数 + CAE 参数 | cae | 存在 |
+
+最小修改：`src/codex.mjs` 在识别到 app-server（允许前置 -c / --config / --config=）时，将 CAE 参数放入其子命令配置作用域；`bin/cae.mjs` 的 launch-args 和实际启动使用同一组合函数。其他调用保持原顺序，不把 exec 的提示词或 config 值中的 app-server 误当子命令。不修改全局配置、原生应用、认证或审批/沙箱设置。
+
+新增两项合成回归：桌面参数组合保留 CAE model/provider/auth 与原有插件参数；exec 提示词和配置值不误判。修复前第一项失败，修复后 npm run verify 退出 0：155 测试通过，0 失败/取消/跳过，语法/JSON 与离线演示通过。修复后按桌面实际参数执行原生 config/read：provider=cae、gpt-6-astra、medium，CAE 定义存在，生成调用为零。此补丁尚未提交，前文 3c13aac 的 CI 不覆盖它。
+
+仅定向停止实验原生 app-server 后，桌面自动启动新的桥接进程并重新初始化成功（159 ms）。现有实验桌面和 off 代理保留供复测；不沿用 provider=openai 的旧测试会话，需要新建实验会话。修复后仍未观察到桌面 CAE request_sent，low/high 暂不执行。此前“唯一缺口是 UI 工具限制”的判断由本次真实发现取代，优先事项是确认修复后的新会话实际通过 CAE。
+
+第一次交接时暂时保留实验窗口；用户随后要求继续验证、不重复确认。后续完成了桌面 model/list、实际子进程参数与退出恢复检查，没有通过其他 UI 技术绕过工具限制，也没有用 CLI 生成复测冒充桌面输入框验收。
+
+初次启动检查的收尾：停止前 health=ok、mode=off、activeRequests=0、judgeCalls=0；该阶段代理事件记录为空，没有提交真实生成任务。定向停止实验桌面和代理，核对原先记录的全部子进程已退出、4319 无监听，原版 CLI --version 退出 0。桌面退出后曾留下本次启动的 bare-modifier-monitor 原生辅助进程，已按事先记录的子进程 PID 单独停止；未终止日常实例或修改原生应用。原始结果保存在被忽略的 `desktop-final.local.json`。这份清理证据不覆盖用户后来重启的人工测试实例，后者当前保留待复测。
+
+## 修复后的桌面 off 结果 / 11:55–11:56
+
+用户在新建实验会话发送测试消息后，代理实际记录到如下两次上游请求。主请求传输完成得到直接证据；本轮用户报告已发送，未另行读取界面文本，故不把代理完成事件冒充视觉验收。
+
+| 来源 | 模型 / effort | CAE 处理 | 结果 |
+|---|---|---|---|
+| 用户测试主请求 | gpt-6-astra / medium | mode_off，changed=false | 03:55:57.560 UTC 发送；03:56:04.000 UTC HTTP 200、response.completed、completed=true |
+| 桌面自动标题生成 | gpt-6-luna / low | mode_off，changed=false | HTTP 200、response.completed、completed=true；桌面日志确认 feature=thread_title |
+
+桌面的辅助标题请求不是 CAE 多模型路由；CAE 没有选择或改写该模型。真实用量不能只按用户点击发送次数统计。本轮经代理共两次真实上游发送，Jev 调用为零；完整元数据仅留被忽略的 desktop-off-acceptance.local.json。
+
+两次均完成、activeRequests=0 后，已设置 lock low + control auto，确认主模型仍为 gpt-6-astra、lockedEffort=low、judgeCalls=0。下一步在同一纯文本实验会话发送 low 标记；其他模型按 different_model 旁路，手动锁档不会改写标题模型。实验桌面及代理当前保留。尚未完成 low/high、桌面取消/恢复和本轮最终收尾。
+
+## 桌面 low 手动锁档 / 11:57–11:58
+
+用户报告已发送 low 测试消息。03:57:58.878 UTC 的同一请求 decision 明确记录 incomingEffort=medium、proposedEffort=low、source=manual、changed=true；03:58:00.176 UTC 以 gpt-6-astra / low 实际发送，03:58:06.547 UTC 返回 HTTP 200、response.completed、completed=true。因此桌面 low 传输锁档通过，不能据此推断服务端实际推理预算或质量。原始元数据仅留 desktop-low-acceptance.local.json。
+
+确认 activeRequests=0、judgeCalls=0 后，已切换 lockedEffort=high，保持 auto 模式与同一主模型。当前等待同一纯文本实验会话的 high 测试；桌面取消/恢复及最终清理尚未完成。
+
+## 桌面 high 手动锁档 / 12:19–12:20
+
+用户报告已发送 high 测试消息。04:19:46.977 UTC 的 decision 记录 incomingEffort=medium、proposedEffort=high、source=manual、changed=true；04:19:47.203 UTC 以 gpt-6-astra / high 实际发送，04:19:52.587 UTC 返回 HTTP 200、response.completed、completed=true。桌面 high 传输锁档通过，原始元数据仅留 desktop-high-acceptance.local.json。
+
+验证完成后已执行 control off 和 unlock，状态为 mode=off、lockedEffort=null、activeRequests=0、judgeCalls=0。实验窗口与代理仍保留，用于最后的桌面停止生成及同会话恢复检查；尚未结束实验进程。
+
+## 桌面取消、恢复与最终收尾 / 12:21–12:23
+
+用户在同一实验会话点击停止，再发送恢复标记，并报告已停止且恢复。实验桌面日志中的最后五次 turn/start 属于同一会话，turn/interrupt 返回 errorCode=null。
+
+- 取消：04:21:40.890 UTC 已发送 gpt-6-astra / medium；04:21:45.630 UTC 记录 terminal=cancelled、completed=false。没有把未完成请求算成成功；httpStatus=null 表示未获得已记录的状态，不代表零消耗。
+- 恢复：04:21:56.104 UTC 发送同模型 medium，changed=false；04:21:59.786 UTC 返回 HTTP 200、response.completed、completed=true。
+- 本次修复后的代理共观察到六次真实上游发送：五个用户测试回合（off、low、high、取消、恢复），另有一次原生桌面标题生成。五次完整完成，一次取消；只有 low/high 主请求改档；Jev 调用为零。首次绕过代理的测试不包含在这六次中，无法据此统计整个桌面账户的总用量。
+- 退出前为 off、unlocked、activeRequests=0、retainedSessions=0。按实验数据目录与进程归属重新核对 PID，定向停止实验桌面、其残留原生辅助进程与代理；04:23:29 UTC 确认实验进程残留为零、4319 无监听、原版 CLI --version 退出 0。未终止日常实例。
+
+最终证据分别保存在被忽略的 desktop-acceptance-final.local.json 和 desktop-cleanup-final.local.json；不提交原始日志、临时脚本、模型捕获、.cae、应用提取代码或凭证。已通过的范围是本机特定版本的实验性 Codex 桌面纯文本传输；未测试正式安装/升级、其他桌面版本、普通 ChatGPT 聊天、工具历史改档、长会话压缩、真实 Jev、质量或成本收益。已有工具历史旁路限制继续保留。

package/docs/DESKTOP_LAUNCHER.md

@@ -10,10 +10,10 @@ The experimental instance uses its own Electron data directory but shares native
 
 ## Start with baseline shadow
 
-After [npm installation](NPM.md), replace `node bin/cae.mjs` in this guide with `cae` and use your chosen working directory in every terminal. When running from source, use the repository root. Select a model ID returned by the [native probe](LOCAL_VALIDATION.md):
+After [npm installation](NPM.md), use your chosen non-sensitive working directory in every terminal. Source developers can run `npm link --ignore-scripts` from the checkout to provide the same command. Select a model ID returned by the [native probe](LOCAL_VALIDATION.md):
 
 ```bash
-node bin/cae.mjs desktop start --model "$MODEL_ID" --auth chatgpt --enable-upstream
+cae desktop start --model "$MODEL_ID" --auth chatgpt --enable-upstream
 ```
 
 Keep this terminal running. First launch creates `.cae/desktop/config.json`; later launches reuse it and reject an unexpected model/baseline change. The default is shadow + baseline-only, which does not classify task complexity or call Jev. Starting does not submit a task; sending a task consumes the normal model allowance.
@@ -21,7 +21,7 @@ Keep this terminal running. First launch creates `.cae/desktop/config.json`; lat
 In another terminal:
 
 ```bash
-node bin/cae.mjs desktop status
+cae desktop status
 ```
 
 Wait for `phase=running`, `effectiveProvider=cae`, `connected=true` and at least one successful bridge check. The output includes the experimental desktop PID and configuration path. The provider display name is `CAE experimental local effort controller`; CAE does not patch the native window title. Automated visual identification was not accepted independently.
@@ -33,12 +33,12 @@ Custom locations are supported with `--config PATH` and `--app PATH`. Use the sa
 For a baseline instance, select only efforts from the actual capability set:
 
 ```bash
-node bin/cae.mjs control off --config .cae/desktop/config.json
-node bin/cae.mjs lock low --config .cae/desktop/config.json
-node bin/cae.mjs control auto --config .cae/desktop/config.json
+cae control off --config .cae/desktop/config.json
+cae lock low --config .cae/desktop/config.json
+cae control auto --config .cae/desktop/config.json
 # Send an eligible synthetic text task in the experimental window.
-node bin/cae.mjs control off --config .cae/desktop/config.json
-node bin/cae.mjs unlock --config .cae/desktop/config.json
+cae control off --config .cae/desktop/config.json
+cae unlock --config .cae/desktop/config.json
 ```
 
 Controls apply to this CAE instance, not a single chat. Locks affect only eligible auto requests; unsupported history still bypasses adaptation. Controls affect the next unsent request, not a response already being generated.
@@ -48,7 +48,7 @@ Controls apply to this CAE instance, not a single chat. Locks affect only eligib
 Stop the old experimental instance first. Supply `TYPESAFE_API_KEY` through your normal environment setup, without putting its value in command arguments or public logs:
 
 ```bash
-node bin/cae.mjs desktop start --model "$MODEL_ID" --auth chatgpt \
+cae desktop start --model "$MODEL_ID" --auth chatgpt \
   --enable-upstream --enable-jev
 ```
 
@@ -64,14 +64,14 @@ Every desktop Jev process permits at most eight evaluations, or a smaller config
 With explicit authorization to change real request effort, add the separate auto permission:
 
 ```bash
-node bin/cae.mjs desktop start --model "$MODEL_ID" --auth chatgpt \
+cae desktop start --model "$MODEL_ID" --auth chatgpt \
   --enable-upstream --enable-jev --allow-jev-auto
 ```
 
 Startup still uses shadow/off. Once running, check `judgeKind=typesafe`, `shadowOnly=false`, `lockedEffort=null`, `judgeCalls=0` and `activeRequests=0`, then switch:
 
 ```bash
-node bin/cae.mjs control auto --config .cae/desktop/config.json
+cae control auto --config .cae/desktop/config.json
 ```
 
 Invalid decisions, timeouts and exhausted budgets retain the incoming effort; when effort is absent, the configured baseline is used. Other models and unsupported shapes bypass adaptation. The desktop effort selector may continue showing the user's chosen baseline: CAE modifies the outbound request, not that selector.
@@ -87,7 +87,7 @@ These English examples are reproduction instructions, not a claim that the origi
 ## Optional 2000 ms timeout experiment
 
 ```bash
-node bin/cae.mjs desktop start --model "$MODEL_ID" --auth chatgpt \
+cae desktop start --model "$MODEL_ID" --auth chatgpt \
   --enable-upstream --enable-jev --allow-jev-auto --jev-timeout-ms 2000
 ```
 
@@ -98,8 +98,8 @@ The default remains 1500 ms. Restart without the parameter to restore the origin
 ## Inspect results
 
 ```bash
-node bin/cae.mjs desktop status
-node bin/cae.mjs report --config .cae/desktop/config.json
+cae desktop status
+cae report --config .cae/desktop/config.json
 ```
 
 Reports aggregate an append-only event file and can include earlier instances. For a trial, filter by its time window and correlate local request IDs across `decision`, `request_prepared`, `request_sent` and `upstream_outcome`. A recommendation alone is not an applied change. An applied request setting plus completion is not proof of actual model reasoning allocation or task quality.
@@ -109,8 +109,8 @@ Jev timings separate observed request creation, send start, body sent, response
 ## Stop and recover
 
 ```bash
-node bin/cae.mjs control off --config .cae/desktop/config.json
-node bin/cae.mjs desktop stop
+cae control off --config .cae/desktop/config.json
+cae desktop stop
 ```
 
 The stop command closes this instance, its tracked children and proxy; success returns `stopped`. Ctrl+C in the startup terminal uses the same cleanup path. Stop interrupts active experimental tasks, so wait for completion when possible. Ordinary desktop instances are not cleanup targets.

package/docs/DESKTOP_LAUNCHER.zh-CN.md

@@ -0,0 +1,211 @@
+# 桌面实验启动器
+
+已验证的 macOS arm64 桌面可以由一条命令启动，另一条命令完整退出。它是本仓库的实验启动器，不是安装到 ChatGPT 里的插件，也不控制普通 ChatGPT 聊天。
+
+## 启动
+
+在仓库根目录运行：
+
+```bash
+node bin/cae.mjs desktop start --model gpt-6-astra --auth chatgpt --enable-upstream
+```
+
+`gpt-6-astra` 是本机实测模型；每次启动都会从原生 model/list 重新核对。其他机器必须选择实际返回的模型，不能照搬该名称。首次运行创建 `.cae/desktop/config.json` 和 CAE 本地密钥；后续复用，拒绝悄悄更换既有模型或 baseline。默认 shadow + baseline，不启用 Jev、不自动发起测试生成；用户在窗口中提交任务会消耗现有 ChatGPT 模型额度。
+
+保持这个终端运行。先显示 starting，只有桌面初始化成功且桥接通过实际 provider 检查后才显示 running。预期状态包括：
+
+```json
+{
+  "phase": "running",
+  "label": "CAE DESKTOP · 实验实例",
+  "effectiveProvider": "cae",
+  "connected": true,
+  "mode": "shadow",
+  "judgeKind": "baseline"
+}
+```
+
+同时输出实验桌面的 PID 和独立配置位置。新出现的窗口是本次实例，提供商配置名为 `CAE experimental local effort controller`，可在原生提供商显示处核对。没有修改应用标题栏；自动化工具禁止操作自身界面，因此该标识的视觉展示未独立验收。
+
+**在新窗口中新建 Codex 本地任务。** 独立 Electron 数据目录仍共享正常 Codex home 和原生登录，可能显示已有项目或会话。旧会话保留其已有 provider，不能假定它们也走 CAE；本启动器不迁移、重写或接管旧会话。普通 ChatGPT 聊天和云端任务不在此范围内。
+
+## 状态与退出
+
+另一个终端在同一仓库目录运行：
+
+```bash
+node bin/cae.mjs desktop status
+node bin/cae.mjs desktop stop
+```
+
+stop 定向清理本次桌面、已追踪的子进程和本地代理，成功才返回 stopped。也可以在启动终端按 Ctrl+C。停止会中断实验实例正在进行的任务；日常桌面实例不属于清理范围。不要用 killall，也不要在进程结束后仅凭旧 PID 手动清理。
+
+`control off` 仍然经过代理；完全恢复日常路径应执行 desktop stop，再按平时方式使用官方桌面。退出时不需要回写任何日常配置或登录信息。
+
+自定义配置和应用位置：
+
+```bash
+node bin/cae.mjs desktop start --config "$CAE_CONFIG" --app "$CHATGPT_APP" \
+  --model "$MODEL_ID" --auth chatgpt --enable-upstream
+node bin/cae.mjs desktop status --config "$CAE_CONFIG"
+node bin/cae.mjs desktop stop --config "$CAE_CONFIG"
+```
+
+配置父目录须为私有目录；启动器不接受任意 CLI 替换，使用经签名检查的应用所带 CLI。默认端口 4319；冲突时停止启动，不终止占用进程。可以在服务停止后修改 CAE 配置的 port，再重试。
+
+## 手动控制
+
+控制命令须显式指向桌面配置：
+
+```bash
+node bin/cae.mjs control off --config .cae/desktop/config.json
+node bin/cae.mjs lock low --config .cae/desktop/config.json
+node bin/cae.mjs control auto --config .cae/desktop/config.json
+# 完成实验后恢复：
+node bin/cae.mjs control off --config .cae/desktop/config.json
+node bin/cae.mjs unlock --config .cae/desktop/config.json
+```
+
+实际可选 effort 取决于该模型的最新能力。手动锁档只对合格的主模型请求生效，作用域是整个 CAE 实例；工具历史等不兼容形态继续旁路。以上手动 auto 流程用于默认的 baseline 实例；启用下面的 Jev shadow 开关后，实例会拒绝 auto 和非空锁档。
+
+## Jev shadow（显式启用）
+
+此入口已完成离线接线验证和桌面首轮实测：**三条主请求均保持原档位并完成，但两条 Jev 判断超时，稳定性未通过**。逐条结果及此前独立判断器的 8 个真实合成样例见 [Jev 验收记录](JEV_SHADOW_ACCEPTANCE.md)。
+
+下面保留真实验收的启动命令。先正常停止旧实验实例；通过自己的正常方式在启动终端提供 `TYPESAFE_API_KEY`，不要把值放到命令参数中。只在新实例的新本地会话中使用无敏感的合成任务：
+
+```bash
+node bin/cae.mjs desktop start --model gpt-6-astra --auth chatgpt \
+  --enable-upstream --enable-jev
+```
+
+开关仅对本次进程生效：将运行时判断器设为 typesafe，不写回磁盘配置；初始 mode 仍遵循配置的 shadow/off，auto 配置拒绝启动。未带开关时继续使用 baseline；若操作者已手动将磁盘 judge.kind 改为 typesafe，则没有开关会拒绝启动，不静默启用第三方。
+
+每个启用 Jev 的启动进程最多 8 次判断。未指定超时实验参数时，单次超时最多 1500 ms，配置已有更小上限时继续使用更小值；显式的 2000 ms 实验见下节。达到次数上限后保持来请求档位，记录 `judge_call_budget`；不重试、不切换服务商。off/shadow 切换不重置计数，重启是新一批调用，不是同一次预算。超时或取消的请求仍可能产生服务端费用；次数不是金额保证。
+
+启动本身不主动提交测试任务。用户发送合格任务时，有限任务文本会发给 TypeSafe，同时原任务会照常使用原生 ChatGPT 模型额度。不要在这个实例中处理未授权的日常任务或敏感代码；窗口和代理没有按任务自动筛选“是否敏感”的能力。独立 Jev 密钥只供 CAE 判断器使用，模型探针、原生 CLI 和桌面子进程均不继承它。
+
+检查状态和报告：
+
+```bash
+node bin/cae.mjs desktop status
+node bin/cae.mjs report --config .cae/desktop/config.json
+```
+
+预期 running 时包含 `judgeKind=typesafe`、`shadowOnly=true`、`lockedEffort=null`、`judgeCallLimit<=8`，首次尚未提交任务时 `judgeCalls=0`。shadow 只建议、不改档；控制接口拒绝 `control auto` 和 `lock`，返回 `shadow_only_control`。允许 `control off` 暂停判断，再 `control shadow` 恢复剩余预算。
+
+`report` 汇总调用和传输；查看具体建议时仅投影 CAE 自己的决策元数据，以下命令不会读取请求正文或登录文件：
+
+```bash
+node --input-type=module <<'JS'
+import { readFileSync } from 'node:fs';
+const events = readFileSync('.cae/desktop/events.jsonl', 'utf8').split('\n').filter(Boolean).map(JSON.parse);
+console.table(events.filter(e => e.event === 'decision').slice(-10).map(e => ({
+  time: e.time, mode: e.mode, source: e.source, incoming: e.incomingEffort,
+  suggested: e.proposedEffort, changed: e.changed, reason: e.reason
+})));
+JS
+```
+
+日志是追加式的，核对本次启动时间范围，不把旧实验结果算作本次验收。后续真实验收可用新纯文本会话依次测试：明确拼写修改、虚构并发问题分析、带前文的“继续”；核对 source=judge、建议档位、changed=false 与对应完成结果。发现错误先 off，再 stop，保留脱敏元数据，不自动重试。
+
+首轮两次 Jev 超时后，已增加发送/响应头/正文/校验阶段计时，见 [超时诊断说明](JEV_SHADOW_ACCEPTANCE.md)。新字段仅在重启后的代码中生效，旧日志不可追溯补齐；`report` 会按最后观测阶段汇总超时。第二组三条真实分段样本为 795/552/591 ms，均成功，旧超时未复现、原因未知；超时仍为最多 1500 ms。
+
+退出与恢复：
+
+```bash
+node bin/cae.mjs control off --config .cae/desktop/config.json
+node bin/cae.mjs desktop stop
+# 需要再次运行 baseline 实验时，省略 --enable-jev：
+node bin/cae.mjs desktop start --model gpt-6-astra --auth chatgpt --enable-upstream
+```
+
+stop 成功后也可直接回到日常官方桌面；没有全局配置需要恢复。本次功能开发没有替用户停止、重配或重启已有桌面实例。
+
+### Jev 开关的离线验证（2026-09-28）
+
+基线 `c23877e180d5aa64da5c4f27a44b3fa5f68f0b33` 加本节所在功能提交的源码变更，macOS 27 arm64 / Node v24.16.0。`npm run verify` 通过：188 测试、0 失败/取消/跳过，30 模块语法和 JSON 检查、离线演示通过。覆盖显式开关/缺少密钥、进程级配置不落盘、HTTP 控制拒绝 auto/锁档、请求和 SSE 字节不变、调用上限/较小预算/超时、off 保留与重启回 baseline、原生子进程密钥隔离、脱敏日志及已有退出清理回归。Jev 与模型响应均为合成测试；本轮真实外部调用 0，未启动真实桌面 Jev 实例。
+
+13:57:18 +08:00 使用修改后的 doctor/probe 再次查询本机内置 CLI：两者退出码均为 0，CLI 仍为 `0.158.0-alpha.2.1`，`gpt-6-astra` 默认 medium，支持 low/medium/high/xhigh/max/ultra；没有发起生成。原始能力捕获与测试日志只留本机被忽略文件。
+
+## Jev auto（受控实验）
+
+在用户明确同意实际修改请求档位后，停止旧实验实例，在正常提供独立 Jev 环境变量的终端启动：
+
+```bash
+node bin/cae.mjs desktop start --model gpt-6-astra --auth chatgpt \
+  --enable-upstream --enable-jev --allow-jev-auto
+```
+
+新增开关只开放本进程的 auto/手动控制权限，不自动切模式，不落盘。必须同时指定 `--enable-jev`；启动配置仍须为 shadow/off，磁盘配置为 auto 时继续拒绝启动。已验证的应用签名、CLI 版本、实际能力、provider 预检和子进程密钥隔离完全保留。仅带原有 Jev 开关重启后恢复 shadowOnly=true；省略两个 Jev 开关则回到磁盘的 baseline 配置。
+
+在另一终端确认 running、固定模型正确、judgeKind=typesafe、shadowOnly=false、judgeCalls=0、activeRequests=0，然后切换：
+
+```bash
+node bin/cae.mjs desktop status
+node bin/cae.mjs control auto --config .cae/desktop/config.json
+```
+
+预期 mode=auto、lockedEffort=null，最多 8 次判断。未指定超时参数时，每次最多 1500 ms，更小的既有配置继续有效；状态中的 judgeTimeoutMs 是实际生效值。模式切换不刷新次数。建议不合法、超时或次数耗尽时继续沿用既有控制器的回退规则；显式来请求档位保持不变，未指定档位才使用已核对的 baseline。不支持的请求历史和其他模型仍原样旁路。
+
+用独立无敏感目录，在实验窗口中新建本地会话，选择实际探针返回的 `gpt-6-astra` 和 medium，保持桌面选择不变，依次发送并等待完成：
+
+1. `不要使用任何工具。把字符串 Helo 改成 Hello，只回复修改后的字符串。`
+2. `不要使用工具。分析虚构调度器：A 被取消后 B 启动，A 的迟到回调覆盖 B 的状态。请给出错误时序、所有权不变量和最小修复方案。`
+
+按同一 requestId 关联本机 CAE 元数据：decision 应为 mode=auto、source=judge；建议不同于来请求 medium 时 changed=true，request_prepared/request_sent 的 effort 应与建议一致，随后 HTTP 200 且 response.completed。Jev 可能建议 medium 或超时，不能为得到预期 low/high 自动重试，也不能把未改档记为改档通过。桌面选择器可能继续显示 medium，它表示客户端选择；代理只修改发送请求的 effort。这项验证不证明服务端实际分配的推理量、任务质量或成本收益。
+
+完成两条后先暂停判断，再读取脱敏记录；出现错误也立即 off，不自动追加调用：
+
+```bash
+node bin/cae.mjs control off --config .cae/desktop/config.json
+node bin/cae.mjs report --config .cae/desktop/config.json
+node bin/cae.mjs desktop stop
+```
+
+off 仍经过代理，stop 后按日常方式使用官方桌面，无需恢复全局配置。首轮真实 auto 已验证 medium → high 且正常完成；另一条 Jev 超时，回退 medium 并完成，后续 2000 ms 实验中 medium → low 也已完成。两次实例的 off → stop 清理均通过，详见 [本机记录](LOCAL_ACCEPTANCE.md)。
+
+### 可选 2000 ms 实验
+
+默认超时没有调整。只有在 `desktop start --enable-jev` 中显式添加 `--jev-timeout-ms 2000`，才将本进程的判断超时设为 2000 ms；参数只接受 1500 或 2000，覆盖本次运行的磁盘 timeout，包括磁盘中更小的值，不写回配置。次数上限不变，不重试、不改变 fetch 连接池或端点。其他命令、缺少 Jev 开关或不合法的值会拒绝，不悄悄忽略。
+
+```bash
+node bin/cae.mjs desktop start --model gpt-6-astra --auth chatgpt \
+  --enable-upstream --enable-jev --allow-jev-auto --jev-timeout-ms 2000
+# 另一终端，确认 running、judgeTimeoutMs=2000、judgeCalls=0，再切 auto：
+node bin/cae.mjs desktop status
+node bin/cae.mjs control auto --config .cae/desktop/config.json
+```
+
+先只在独立无敏感目录的新本地会话发送上面的拼写任务，固定主模型和客户端 medium。核对 Jev 建议、sent effort、changed 和 completed；若成功降到 low，记为真实降档通过。若建议 medium、超时或旁路，如实记录，不自动重发。同一个成功样例不能证明 2000 ms 优于 1500 ms；不同批次的连接与上下文可能不同，若返回时间仍小于 1500 ms，也不能把成功归功于放宽超时。
+
+检查后 off/stop，命令同上。去掉超时参数重新启动，恢复原有磁盘值与 1500 ms 上限；无需回写配置。真实样例以 665 ms 完成 medium → low，自动降档通过；耗时低于原 1500 ms，因此放宽上限的改善效果仍未知。最坏超时等待比默认增加约 500 ms。
+
+## 检查和失败行为
+
+- 仅接受本机已验证组合：ChatGPT 26.924.22138 / build 11645、内置 codex-cli 0.158.0-alpha.2.1、macOS arm64。应用升级后拒绝启动，需重新验收再更新版本记录；不会自动升级或降级 Codex。
+- 检查官方应用签名，查询真实 model/list，核对配置中的 baseline 和支持集合。
+- 通过 initialize + config/read 检查实际 model/provider、loopback 地址、ChatGPT 认证、环境令牌名和 HTTP/SSE 配置。每次桌面启动 app-server 时都对其真实参数再检查一次，失败就不启动那个原生子进程，不用直连伪装成功。
+- 启动握手超时、端口冲突或退出会触发清理。管理通道为私有、令牌认证的本机 socket；不暴露额外网络控制端口。
+- 主控若被 SIGKILL 或机器突然关机，无法执行正常清理；残留 socket 会阻止新实例启动。此时命令会明确报错，不根据陈旧 PID 猜测并终止进程。该异常路径需要人工核对，尚无自动恢复承诺。
+
+原生输出仅用于识别就绪事件，不写原始桌面日志。CAE 自己的元数据事件保存在私有 `.cae/desktop/events.jsonl`；整个 .cae 不提交。CAE 不读取原生登录文件，不写全局 config.toml，不改变审批、沙箱或服务档。
+
+## 2026-09-28 本机验证
+
+本轮以 `ea3e4b0f73c06a61084d3bb8f814eba5a2a7c1fd` 加本启动器源码补丁进行验证，Node v24.16.0、macOS 27.0 arm64。运行代码新增 desktop supervisor 与 guarded bridge，未更换代理/控制器架构。
+
+- 172 项离线测试通过，包括真实子进程的合成 config/read、旧参数作用域缺陷、错误/超时/取消、重复启动、管理认证、端口占用、PID 复用隔离、关闭后重启及启动期间停止。测试不调用真实服务。
+- 本机官方应用签名、固定版本和真实能力查询通过；一条 start 命令到 running，bridgeChecks=2、effectiveProvider=cae、connected=true、shadow + baseline。
+- desktop stop 完成清理；再次启动后向主控发送 SIGINT，验证与终端 Ctrl+C 对应的清理路径。
+- 最终源码再次完成 start → running → stop。四次本机启动均未提交生成任务，代理事件为空。新启动器的启动/停止证据与[此前桌面真实传输验收](DESKTOP_ACCEPTANCE.md)分别记录，不能把零生成启动检查说成新增的真实生成验收。
+
+上述测试是本机结果；发布后的 CI 必须按新提交单独核对。原始输出仅留被忽略的 *.local.txt / *.local.json。
+
+最终本机复查时间：2026-09-28 12:47:09，Asia/Shanghai。用于识别被测源码的 SHA-256：
+
+| 文件 | SHA-256 |
+|---|---|
+| src/desktop.mjs | aa77a2c3f55ca1e138ccefe87581958614a2866a23d9c92d434a28304bfcf80e |
+| bin/cae-desktop-bridge.mjs | cd6ad6eb35a146f592248644847b7bc59ded5bb2f9e3a195bd4cfb07830086be |
+| bin/cae.mjs | bc4b766fc74572767633a4db51bf8c81cc4a1485d7e1471d59c710e805977789 |

package/docs/JEV_SHADOW_ACCEPTANCE.md

@@ -0,0 +1,62 @@
+# Jev evaluation and shadow acceptance
+
+The independent evaluator passed bounded real fixture protocol checks. A later three-case desktop shadow batch also passed. Earlier timeouts remain unresolved. Real auto upshift/downshift results are recorded separately in [local acceptance](LOCAL_ACCEPTANCE.md).
+
+This page summarizes the [original Chinese record](JEV_SHADOW_ACCEPTANCE.zh-CN.md). All test times below are 2026-09-28, UTC+08:00. Original samples included Chinese tasks; translating these documents does not establish English fixture results.
+
+## Evaluator-only fixture batch
+
+At 13:46:48–13:46:52, source `6763d15e5d63e6d8fb7149aa8bf55c92ea2ccab7` made eight authorized real Jev evaluations and zero executor-generation calls. Two additional fixtures bypassed evaluation. All ten retained the original executor body; no automatic retries were performed.
+
+The request alias was `jev-latest`; all eight responses reported `jev-1.13.0`. Observed latency was 266–1424 ms, median 377.5 ms. Known evaluator usage totaled 7209 input and 832 output tokens. Every returned lease was 1.
+
+Protocol success is not semantic accuracy. A follow-up without sufficient context still received diagnostic confidence 0.71; uncertainty handling remains unaccepted. These cases did not execute the proposed tasks, establish task quality, or validate real multi-generation lease reuse. The controller does not reject decisions based on a confidence threshold.
+
+To preview the bounded fixture plan using a real capability capture:
+
+```bash
+node scripts/jev-shadow.mjs --capabilities capabilities.local.json \
+  --model "$MODEL_ID" > jev-shadow-plan.local.json
+```
+
+Review that local plan. Only after explicit authorization and normal `TYPESAFE_API_KEY` setup, supply the exact newly approved plan hash, rather than copying a historical hash:
+
+```bash
+node scripts/jev-shadow.mjs --capabilities capabilities.local.json \
+  --model "$MODEL_ID" --enable-jev --approved-plan "$APPROVED_PLAN_HASH" \
+  > jev-shadow-result.local.json
+```
+
+A completed runner reports eight judge calls, zero executor calls, and protocol/unchanged-body checks. Semantic review is still separate. Captures and results must remain local; a timed-out call may still incur usage.
+
+## First desktop shadow batch: partial pass
+
+Source `4e4dfd4d6232f11b5975604fcb815b9aea6dca3d`, [matching CI](https://github.com/ppxu/codex-adaptive-effort/actions/runs/36384188894), 188 offline tests. Same macOS/app/CLI combination as [local acceptance](LOCAL_ACCEPTANCE.md).
+
+| Case, 14:02–14:03 | Jev outcome | Actual executor effort | Transport |
+| --- | --- | --- | --- |
+| Spelling | Timeout, 1506 ms | medium unchanged | HTTP 200 + completed |
+| Concurrency analysis | high, 1174 ms | medium unchanged | HTTP 200 + completed |
+| Follow-up | Timeout, 1502 ms | medium unchanged | HTTP 200 + completed |
+
+Shadow preservation and fallback passed; timely evaluation for all three cases failed. The two timeouts predated stage instrumentation, so their phase is unknown. Known evaluator input usage was 945 tokens from the successful case; timeout usage was unknown. Desktop metadata did not capture the evaluator response version or output usage.
+
+## Second desktop shadow batch: passed, no timeout reproduced
+
+Runtime source `3da3758` added diagnostics without changing fetch transport, pooling, request bytes, deadline or retry behavior. It passed 195 offline tests and [matching CI](https://github.com/ppxu/codex-adaptive-effort/actions/runs/36385744553). The later sampling HEAD included documentation-only changes.
+
+| Case, 14:26–14:30 | Jev duration | Recommendation | Actual effort / result |
+| --- | --- | --- | --- |
+| Spelling | 795 ms | low | medium unchanged, completed |
+| Concurrency analysis | 552 ms | high | medium unchanged, completed |
+| Follow-up | 591 ms | high | medium unchanged, completed |
+
+All three returned lease 1. Known Jev input usage totaled 3712 tokens. One additional different-model request bypassed Jev and completed. Three successes do not establish a stable latency distribution or explain the earlier failures.
+
+## Timing boundaries and later evidence
+
+The observer records cumulative request creation, send-start, body-sent, response-header, body-completion and validation times. It does not distinguish DNS/TCP/TLS independently, prove socket reuse, or measure pure server inference. Unknown stages remain unknown; older logs cannot be backfilled.
+
+A later auto trial timed out after 1511 ms with only request creation observed. Another auto request successfully changed medium to high, and a subsequent 2000 ms trial changed medium to low after only 665 ms. See [the exact auto evidence](LOCAL_ACCEPTANCE.md). None of these observations proves that a larger timeout solves the underlying issue.
+
+Use the [desktop guide](DESKTOP_LAUNCHER.md) for bounded shadow/auto trials and recovery. Keep model/auth/service-tier selection fixed, review only sanitized metadata, and do not retry solely to obtain a desired recommendation.