11 KiB
第二阶段全量验收报告
以下保留修复前基线审计。其后已完成的收尾实现、真实运行结果和剩余外部边界以第二阶段收尾实现与验收为准，不能把本报告中的“未实现”继续当作当前分支状态。
日期：2026-09-07。基线：
main/95095197df8b607e55144748c9be0c7f6daf00df，与本轮拉取的gitea/main一致。范围包含三位成员负责的全部第二阶段模块，不沿用历史“不含杨侧验收”的排除范围。
结论与口径
第二阶段主要基础能力已落地，但尚未达到完整 Definition of Done。 自动化测试通过不代表 Agent Benchmark、函数图像前端、Mermaid 静态导出、真实厂商协议和音频质量已经验收。
依据为第二阶段团队分工表、第二阶段接口契约、当前实现、自动化测试、隔离压测及浏览器检查。历史文档中未经同步的勾选框不直接作为实时完成率。
本轮不修改业务逻辑、不调用收费模型或外部 MCP、不重跑长录音。测试使用临时数据库/Vault；内置语料检查读取 Git HEAD，避开用户未提交笔记。主工作区原有两份笔记修改保持不变。
本轮验证结果
| 检查 | 结果 | 证据与边界 |
|---|---|---|
| 后端全量 | 838 项通过 | Python 3.12，临时 APP_DATA_DIR / APP_DB_PATH / APP_VAULT_PATH；1 条既有 Starlette/httpx 弃用提示 |
| 前端全量 | 78 个测试文件、433 项通过 | Vitest；部分测试存在 KaTeX quirks-mode 提示 |
| 类型与生产构建 | 通过 | npm run build，vue-tsc + Vite；仍有超过 500 kB 的惰性分块提示 |
| Mermaid 真实渲染 | 36 / 36 结构检查通过 | 6 图型 × 6 主题，无 Mermaid mock；不是所有图形字形、缩放和主题外观的完整人工验收 |
| Agent 并发 | 1 / 10 / 50 / 200 并发场景通过 | 共 290 次完成；mock 每轮注入 50 ms，验证事件顺序、回放及终态恢复，不代表真实模型性能 |
| 容量与取消 | 200 个活跃运行上限及取消通过 | 溢出拒绝；取消 P95 9.84 ms；权限等待 10 个批准、10 个取消，订阅释放 |
| 故障隔离 | 通过 | 成功、Provider 错误、模型超时、工具超时各 5 次；剩余工具执行器为 0 |
| Task API | 100 / 1000 条 CRUD、20 并发通过 | 默认分页 50，分页完整，删除后 total=0；1000 条场景创建/更新/删除 P95 为 262.36 / 275.78 / 286.18 ms |
| sqlite-vec 合成对照 | Top-20 一致 | 4000 块 × 384 维，5 次样本；Python JSON 扫描中位 1376.98 ms，sqlite-vec 12.92 ms；只证明该合成场景效率，不代表检索质量 |
| 内置 RAG 数据集完整性 | 5 / 5 案例关联有效 | 对照 HEAD 中 16 篇笔记、3787 块；预期 note_id / block_id 均存在，不等同于质量指标达标 |
首次后端测试因本地 .venv 缺少 python-docx 等新合并依赖而在收集阶段失败。执行 uv sync --frozen 后补齐 6 个锁定包并重新全量通过；未改动依赖声明或锁文件。这是本机环境未同步，不作为代码回归计数。
性能测试与构建曾并行执行，上述延迟只用于发现功能及容量问题，不作为吞吐 SLA 或性能倍率承诺。200 并发 Agent 的事件循环最大延迟为 334.08 ms，值得单独串行复测。
第二阶段任务矩阵
| 任务 | 当前状态 | 实现/验证依据 | 尚缺内容 |
|---|---|---|---|
| 音频转写 | 替代技术路径已实现，质量待验收 | app/local_models/worker.py、阶段 F 记录；当前为 Qwen3-ASR |
原清单 faster-whisper 未交付；需明确接受技术替代并同步清单 |
| 说话人分段 | 部分实现 | ERes2NetV2 片段聚类，历史 CPU/CUDA 与长录音闭环 | 非 pyannote 完整分离；逐字强制对齐、同段多人/重叠分离未实现；CER/WER/DER、阈值缺标注验收 |
| MCP Bridge / Registry | 工程实现与离线回归通过 | extensions、MCP Host/Registry 测试、Agent 工具链 |
目标外部服务器专项并非本轮重验；生产 OS 沙箱属于第三阶段 |
| Plugin Command | 已实现 | Palette、工作区右键与工具栏、命令校验及 effect 回归 | 后续复杂 UI 贡献属于扩展阶段 |
| Plugin Settings / Secret | 已实现 | schema 动态表单、独立凭据引用及权限校验测试 | 真实第三方插件组合仍按包验收 |
| Skill / Plugin 本地持久注册 | 已实现 | extensions/installed.py、恢复、摘要复核、ZIP 清理回归 |
不应继续列为“尚无持久化”；在线升级事务与社区审核属于第三阶段 |
| Provider 适配 | 工程实现，外部专项待验收 | OpenAI Compatible/Responses、Anthropic、Ollama 适配及协议回归 | 逐厂商的发现、工具往返、流、取消、Usage、错误映射、上下文限制等真实矩阵未全部验收 |
| RAG Benchmark | 后端基础已实现 | benchmarks、指标与生命周期测试、5 案例数据集 |
代表性评测集与调优前后对照不足；无前端报告页 |
| Agent Benchmark | 未实现 | 无 /api/benchmarks/agent/runs，Benchmark开发说明 明确暂缓 |
标准 Case/Dataset、任务成功率、工具选择/参数准确率、无效调用率、步骤/耗时/Token 报告 |
| Retrieval 调优 | 性能改进已实现，质量验收不完整 | 模型/维度隔离 sqlite-vec、增量索引、过滤及检索回归 | 相同数据集/模型/参数下的质量前后对照；当前 reranker 仍为 LexicalReranker，不是已上线 BGE Cross-Encoder |
| HTML / PDF / DOCX 导出 | 后端基础已实现，界面联调未完成 | export、三种产物内容/结构回归 |
前端无 exportService、调用入口及任务下载流程；仍不能直接完成工作区总 Demo |
| 复杂内容导出 | 部分实现 | 警告框、嵌套表格、主题配色已覆盖 | Mermaid 为源码占位；PDF/DOCX 公式为文本，图片嵌入/资源解析仍有限；DOCX 函数图像占位 |
| 函数图像 | 后端解析/静态渲染已实现 | plot、SVG/PDF 共享几何与预算测试 |
前端没有 function-plot 渲染、编辑刷新、缩放和预览入口；仅 Mermaid 被前端识别为图表 |
| Theme Manifest / 导入 / 管理 | 已实现 | 文件/URL/ZIP、兼容性、安全校验、隔离预览、启停卸载及前端测试 | 网络 Marketplace 非第二阶段要求；导出固定配色不等于完整主题 CSS 复刻 |
| Agent Trace | 已实现 | Tree/Timeline、参数/结果/耗时/错误、筛选、引用跳转、恢复与取消测试 | 真实 Provider 的特殊事件仍需专项验证 |
| Mermaid 编辑器与预览 | 已实现 | 真实 36 组矩阵、编辑器回归、源码/预览及大图组件 | 静态 SVG/Image 向 Export Service 的传递尚未打通 |
| 跨模块共同 Demo | 部分完成 | 录音→笔记→检索、Agent/工具/Trace 已有历史闭环 | 函数图像前端、三格式导出 UI、Mermaid 静态导出等阻止完整演示闭环 |
当前可推进的收尾项
优先完成第二阶段明确交付项
- Agent Benchmark：复用已有 Agent Runtime/Trace 实现标准 Case 和报告，不以 mock 压测脚本替代任务成功率验收。
- 函数图像前端接入：接入编辑器、只读 Markdown/聊天、源码/预览、编辑刷新、缩放及主题。复用后端语法和资源预算，不新增不一致语法。
- 导出前端闭环：工作区格式/选项入口、后台任务状态、取消、下载、warning 呈现，支持未保存内容快照。
- Mermaid 静态导出：安全传递 SVG/Image，补齐三格式产物检查；DOCX 函数图像和公式/图片保真度随后逐项补齐。
- 检索质量验收：扩充当前仅 5 案例的 Dataset，冻结语料、模型、维度、参数与回退策略，保存 FTS/vector/hybrid/RRF/rerank 的对照报告。
有外部依赖的验收
- 真实 Provider：准备各协议对应账号/模型矩阵与用量预算，逐项记录结果；连接测试不能代替工具、取消、错误与上下文专项。
- 音频质量：准备人工参考文本、说话人及时间标注，明确 CER/WER/DER 和业务阈值。替代技术路径是否满足原始 DoD 应单独确认。
本阶段可继续优化
- 单独复测 200 并发 Agent 的事件循环峰值，定位批量持久化/事件分发热点。
- 构建仍含两份 KaTeX 运行时与较大 Mermaid/语法资源块；按兼容性和首屏加载数据优化，不通过调高阈值隐藏问题。
- Mermaid 矩阵循环复用全局主题，结束后页面保留最后一个主题；36/36 只能证明结构检查。视觉验收应使用
?theme=分主题页面或隔离容器并保存截图。 - 清理历史文档状态冲突：团队清单未勾选已有功能；第三阶段规划仍有“安装记录仅内存、待持久化”的旧描述；契约含旧 HashEmbedding 基线，应统一标明历史与当前实现。
与第三阶段的边界
Tauri/Rust Host、独立 Sync Server、联网主题/Skill/Plugin/MCP 等社区、签名分发、生产沙箱及跨设备冲突处理，仍按第三阶段规划推进，不计入本轮第二阶段代码缺陷。第二阶段要求的是本地扩展、包格式与稳定接口；不能将“社区格式已实现”写成“联网社区已交付”。
复测与本地证据
cd backend
uv sync --frozen
# 先设置 APP_DATA_DIR / APP_DB_PATH / APP_VAULT_PATH 为独立临时目录
uv run pytest tests -q -p no:cacheprovider
# 此脚本自行隔离运行数据，使用 mock，不调用远端 Provider
.venv/Scripts/python.exe scripts/agent-task-stress.py --output ../.local-plans/phase2-audit-20260907/agent-task.json
.venv/Scripts/python.exe scripts/vector-index-benchmark.py
cd ../frontend
npm test -- --reporter=dot
npm run build
npm run dev -- --host 127.0.0.1 --port 5187 --strictPort
浏览器入口：/tests/visual/mermaid-matrix.html。本轮开发服务器验证完成后关闭，不替换用户正在使用的服务。
本地详细证据：.local-plans/phase2-audit-20260907/agent-task.json、dataset-integrity.json。这些是本机生成的审计产物，不作为真实模型质量或生产性能承诺；本报告记录可复查的汇总结果。
用户追加验收要求：所有主题支持函数图像
第二阶段收尾任务必须更新所有现有主题对 function-plot 的支持，包括 light、dark、sepia、paper-moments、ocean-blue、midnight-purple，以及实际主题注册表中的其他主题。统一函数图像设计变量及导出配色映射，覆盖坐标轴、刻度、网格、多曲线、图例/标签、背景、错误提示、焦点/悬停和缩放控件。检查工作区编辑器、只读预览、AI 对话、大图窗口及适用的静态导出。不得仅在默认浅色下通过；以逐主题实际渲染和截图验证对比度、文字完整性、窄屏布局及主题切换。PDF/DOCX 如仍采用明确的打印配色策略，应保留可读性和提示，不声称复刻整个主题。