tzt
ce0f6170d3
- 入库历史遗漏源码/测试：router_system 9 模块（agent/executors/inference/knowledge/ memory/planner/skills/trace）、tests 11 个测试文件、config/knowledge 领域知识 - 入库根目录方案文档（v2/v3/可行性×2）、references 文献（arxiv 14-18/cnki_open/ 参考文献清单）、research 论文素材（routerarena/paper/中文文献 PDF） - 前端构建产物刷新（新 hash）；webapp 误写文档删除 - gitignore 增补：deepseek-harness、research/_refs、.mimosa/.zcode、网关日志/pid、 临时调试脚本、tests/e2e/node_modules、AI代理功能开发/prefix - 基线确认：318 passed
1.4 KiB
1.4 KiB
v2 实验目录（research/v2_experiments/）
端云协同编程智能体系统（《实现方案_v2》第 9 节）的论文数据来源。
E1 token 经济学（主实验）— 已有本地确定性结果 ✅
- 脚本：
scripts/bench_tokens.py - 数据集：
eval/v2_sample.json（12 条，code/math/legal/medical/finance/life/education/general） - 输出：
E1_token_economics.csv、E1_token_economics.md - 当前（本地 estimate_tokens 测量）：A2 交流文本相对 A1 全量逐字上下文降 ~61%， 稳定前缀可命中 ~99% 的 A2 输入。
- 待办：
--live模式（API key + 本地 llama-server）确认 ≥80% 北极星。
E2 端到端质量 — 待接入
- 三臂：快路径 only / 完整协作管线 / 纯 Architect。
- 判分：machine_checkable 用断言；其余 LLM rubric + 10% 人工抽检。
E3 协作健康度
- 升级率 / 回合数分布 / issue 率 / 自修成功率 / 熔断次数（可复用 /metrics 的 V2Stats）。
E4 KV 量化内存-精度曲线
- fp16 / q8_0 / q4_0 × 上下文 4K/16K/32K：进程内存 × Worker 验证准确率。需真实 llama-server。
E5 验证器 P/R
- 100 产物注入 50 处缺陷，测接地验证拦截率/误杀率；对照组=纯模型自由判断。
- 验证器已实现（router_system/verifier.py），跑数待接入。
运行命令：
.venv/Scripts/python.exe scripts/bench_tokens.py