English简体中文繁體中文日本語EspañolPortuguês (BR)한국어DeutschFrançaisالعربيةItalianoTiếng ViệtNederlandsTürkçeУкраїнськаBahasa IndonesiaPolskiفارسیไทย

快速开始

GPT-5.5 / Codex 一致性维护者说明

这份说明解释如何将 GPT-5.5 / Codex 对等性计划作为四个合并单元来评审，同时不丢失原始的六项契约架构。

合并单元

PR A：严格智能体式执行

负责：

  • executionContract
  • GPT-5 优先的同一轮跟进执行
  • 将 update_plan 用作非终止性的进度跟踪
  • 使用显式阻塞状态，而不是只有计划的静默停止

不负责：

  • 凭证/运行时失败分类
  • 权限真实性
  • 重放/继续设计重构
  • 对等性基准测试

PR B：运行时真实性

负责：

  • Codex OAuth scope 正确性
  • 类型化的提供商/运行时失败分类
  • 如实呈现 /elevated full 可用性和阻塞原因

不负责：

  • 工具 schema 规范化
  • 重放/活跃状态
  • 基准测试门禁

PR C：执行正确性

负责：

  • 提供商负责的 OpenAI/Codex 工具兼容性
  • 无参数严格 schema 处理
  • 显示重放无效状态
  • 暂停、阻塞和被放弃长任务的状态可见性

不负责：

  • 自行选择继续
  • 提供商钩子之外的通用 Codex 方言行为
  • 基准测试门禁

PR D：对等性测试框架

负责：

  • 第一波 GPT-5.5 与 Opus 4.6 场景包
  • 对等性文档
  • 对等性报告和发布门禁机制

不负责：

  • QA-lab 之外的运行时行为变更
  • 测试框架内部的凭证/代理/DNS 模拟

映射回原始六项契约

原始契约 合并单元
提供商传输/凭证正确性 PR B
工具契约/schema 兼容性 PR C
同一轮执行 PR A
权限真实性 PR B
重放/继续/活跃状态正确性 PR C
基准测试/发布门禁 PR D

评审顺序

  1. PR A
  2. PR B
  3. PR C
  4. PR D

PR D 是证明层。它不应成为延迟运行时正确性 PR 的原因。

需要关注的内容

PR A

  • GPT-5 运行会执行或失败关闭，而不是停在评论中
  • update_plan 不再看起来像是本身就代表进度
  • 行为保持 GPT-5 优先，并限定在嵌入式 Pi 范围内

PR B

  • 凭证/代理/运行时失败不再折叠为通用的“模型失败”处理
  • 只有在实际可用时，才将 /elevated full 描述为可用
  • 阻塞原因对模型和面向用户的运行时都可见

PR C

  • 严格 OpenAI/Codex 工具注册行为可预测
  • 无参数工具不会在严格 schema 检查中失败
  • 重放和压缩结果会保留真实的活跃状态

PR D

  • 场景包可理解且可复现
  • 场景包包含一个变更型重放安全通道，而不只是只读流程
  • 报告可供人和自动化系统阅读
  • 对等性声明有证据支持，而不是基于轶事

PR D 的预期产物：

  • 每次模型运行对应的 qa-suite-report.md / qa-suite-summary.json
  • 包含汇总和场景级比较的 qa-agentic-parity-report.md
  • 包含机器可读裁决的 qa-agentic-parity-summary.json

发布门禁

在满足以下条件之前，不要声明 GPT-5.5 与 Opus 4.6 对等或优于 Opus 4.6：

  • PR A、PR B 和 PR C 已合并
  • PR D 干净地运行第一波对等性场景包
  • 运行时真实性回归套件保持绿色
  • 对等性报告显示没有虚假成功案例，并且停止行为没有回归
flowchart LR
    A["PR A-C merged"] --> B["Run GPT-5.5 parity pack"]
    A --> C["Run Opus 4.6 parity pack"]
    B --> D["qa-suite-summary.json"]
    C --> E["qa-suite-summary.json"]
    D --> F["qa parity-report"]
    E --> F
    F --> G["Markdown report + JSON verdict"]
    G --> H{"Pass?"}
    H -- "yes" --> I["Parity claim allowed"]
    H -- "no" --> J["Keep runtime fixes / review loop open"]

对等性测试框架不是唯一的证据来源。评审时保持这种划分明确：

  • PR D 负责基于场景的 GPT-5.5 与 Opus 4.6 比较
  • PR B 的确定性套件仍然负责凭证/代理/DNS 和完全访问真实性证据

快速维护者合并工作流

当你准备合并一个对等性 PR，并且希望使用可重复、低风险的流程时，使用此工作流。

  1. 合并前确认已达到证据门槛：
    • 可复现症状或失败测试
    • 已在触及代码中验证根因
    • 修复位于相关路径
    • 回归测试或明确的手动验证说明
  2. 合并前进行分诊/标记：
    • 当 PR 不应合并时，应用任何 r:* 自动关闭标签
    • 确保合并候选没有未解决的阻塞线程
  3. 在触及表面本地验证：
    • pnpm check:changed
    • 当测试发生变更，或错误修复信心依赖测试覆盖率时，运行 pnpm test:changed
  4. 使用标准维护者流程（/landpr 流程）合并，然后验证：
    • 关联 issue 的自动关闭行为
    • main 上的 CI 和合并后状态
  5. 合并后，针对相关开放 PR/issue 运行重复项搜索，并且只在提供规范引用时关闭。

如果缺少任何一项证据门槛内容，请请求修改而不是合并。

目标到证据映射

完成门禁项 主要负责人 评审产物
没有只有计划的停滞 PR A 严格智能体式运行时测试和 approval-turn-tool-followthrough
没有虚假进度或虚假工具完成 PR A + PR D 对等性虚假成功计数加场景级报告细节
没有错误的 /elevated full 指引 PR B 确定性运行时真实性套件
重放/活跃状态失败保持显式 PR C + PR D 生命周期/重放套件加 compaction-retry-mutating-tool
GPT-5.5 匹配或超过 Opus 4.6 PR D qa-agentic-parity-report.md 和 qa-agentic-parity-summary.json

评审者速记：之前与之后

之前的用户可见问题 之后的评审信号
GPT-5.5 在计划后停止 PR A 展示执行或阻塞行为，而不是仅评论式完成
严格 OpenAI/Codex schema 下工具使用感觉脆弱 PR C 让工具注册和无参数调用保持可预测
/elevated full 提示有时会误导 PR B 将指引绑定到实际运行时能力和阻塞原因
长任务可能消失在重放/压缩歧义中 PR C 发出显式的暂停、阻塞、被放弃和重放无效状态
对等性声明基于轶事 PR D 在两个模型上以相同场景覆盖范围生成报告和 JSON 裁决

相关