# 上下文工程与作品整理验收

日期：2026-10-19。用户选择上一轮建议中的第 2、3 项，并授权本批真实模型总估价 CNY 0.10 / USD 0.05。

已交付可选上下文视图、固定离线与真实模型对照、逐请求费用审计、字幕录屏、三个实现案例，以及可校验的源码快照工具。候选策略保持显式启用；原政策问答两模型各 11/13 的门槛与待办不改判。

## 实验结果

每组十个固定场景、三种策略。背景轮次为冻结历史夹具，每例仅最后一问使用真实模型生成，测试历史快照答题，不等于模型连续完成 24 / 48 轮业务任务。

| 模型 / v2 策略 | 严格答题 | 实际输入 token | p50 / p95 秒 | 本策略原币种估价 |
|---|---:|---:|---|---|
| GLM / full | 9/10 | 124062 | 5.83 / 42.56 | CNY 0.015657 |
| GLM / current | 2/10 | 68965 | 4.78 / 6.81 | CNY 0.007817 |
| GLM / structured | 8/10 | 25720 | 4.95 / 32.07 | CNY 0.004845 |
| DeepSeek / full | 10/10 | 124696 | 3.49 / 9.70 | USD 0.006172 |
| DeepSeek / current | 2/10 | 69202 | 3.12 / 4.57 | USD 0.003465 |
| DeepSeek / structured | 9/10 | 26300 | 2.80 / 4.60 | USD 0.001714 |

同范围候选相对现有策略的输入 token 分别减少 **62.71% / 62.00%**。GLM 候选尾延迟没有改善，不能把输入压缩写成全面提速。上述是单次小样本观察，候选并未全部通过。

v2 离线信息检查：full 10/10、current 2/10、structured 9/10；三种策略工具调用配对均 10/10。current 与 structured 均有 1 个受保护系统内容溢出预算的场景。离线 token 使用启发式估算，不能与表中真实 usage 混算。压力预算 4000，正式默认仍为 24000。

相关源码指纹：`54b14d0607c3b2ee7ea6ff86a2f6fc357fb9d29546dad20f3507faff1ac7c175`；v2 用例指纹：`abb945849e8a256bc86d586a189c004fdb47b0b784bebbe2a949d9ab719dbc7b`。两模型最终批次相关源码、范围、超时、thinking 设置与判分一致。SDK 重试 0，请求总截止 60 秒。

## 失败与方法修正

1. **v1 诊断保留**：商品编号与数量按行号递增，模型可能在看不到第 31 行时猜中。首批报告不作为最终信息保留结论；v2 改为固定哈希派生的非连续 SKU / 数量，并明确独立约束的原文复制范围。两版本不拼接通过率，原失败与费用完整保留。
2. **GLM 候选行号失败**：`ctx-large-middle` 中全部目标字段可在投影输入中找到，模型仍选错第 31 行 SKU 与数量。该例原判失败，不能归功于压缩后字段完整就宣布答题成功。
3. **两模型候选约束丢失**：`ctx-unpersisted-constraint` 的早期独立发货要求未写入任务状态，候选视图将它丢弃；两模型均填 null。结构化任务状态不覆盖所有用户约束。
4. **GLM 完整历史选旧事实**：`ctx-latest-error` 存在最新读取失败，模型却引用旧成功任务，状态和内容均失败；更多历史不保证选择正确。
5. **受保护内容溢出**：保留系统与完整工具交换可能导致超预算；未静默截断系统内容，也未宣称硬上限已得到保证。

本文按保存的失败正文逐项复核；不是独立外部盲审或通用语义裁判。新增候选不引入跨会话记忆，摘要数据保留 tool 角色，不成为系统指令、实时库存或写入授权。

## 计量与独立复核

本阶段含 v1 诊断与 v2 最终批次共 **120 次请求 / 120 份 usage**。CNY 估价 **0.054448**，USD 估价 **0.022678**，均在用户授权额度内，无新增未知用量。本批不核销旧未知费用。

[审计 JSON](../context/20261019-context-usage-audit.json)逐请求从 usage 独立复算费用，核对报告、日志、请求输入哈希、判分和批次覆盖；最终两模型具有相同用例与相关源码指纹。审计覆盖提供的四个批次，不证明供应商实账计费。

证据：

- [v2 离线对照](../context/20261019-context-offline-02.md)。
- [GLM v2](../context/20261019-context-glm-live-02.md)、[DeepSeek v2](../context/20261019-context-deepseek-live-02.md)，对应 JSON 含每例可见原文、usage、耗时和请求哈希。
- [GLM v1 诊断](../context/20261019-context-glm-live-01.md)、[DeepSeek v1 诊断](../context/20261019-context-deepseek-live-01.md)，仅保留观察与费用。
- [运行与实验契约](../../docs/context-experiment.md)，包含复现命令和默认策略边界。

## 作品交付

- [统一项目状态](../../docs/project-status.md)，README、业务路线与历史计划已明确当前状态和历史口径。
- [作品入口与源码包操作](../../docs/portfolio-overview.md)、[三个实现案例](../../docs/interview-cases.md)。
- `artifacts/portfolio/erpilot-demo.webm`：实测 **2 分 29.8 秒**，1440×1000、25fps，11 个字幕章节；配套 VTT、章节 JSON 和截图。已抽取开场、刷新审批与补货结尾画面核对，文字和业务结果可读。
- 录屏调用正式本地 API / LangGraph / MCP / 临时 SQLite，使用脚本模型与关键词向量，零付费服务；页面刷新演示仅覆盖当前进程内恢复。
- `scripts/portfolio_release.py` 生成确定性 ZIP 和逐文件 SHA-256 清单，验证篡改、额外条目、越界路径、环境文件与依赖排除。源码包包含当前工作区内容，不更改 Git 暂存、分支或提交；视频单独交付。

Windows 录屏复用已有 Chromium 1243，FFmpeg 1013 安装到项目临时目录。浏览器三项断言完成后，Windows 子进程退出等待较长，核对已知 PID 命令行后关闭本轮端口 8766 的服务，命令最终返回 0。录屏服务自行关闭，未连接已有服务。

## 工程验证

真实 LangGraph / MCP / 临时数据库的定向测试覆盖 60 行草稿第 31 行修改：现有截断导致脚本客户端无法解析，保持未修改；候选视图成功新增指定草稿版本，客户备注与其余业务表保持原值。脚本结果不作为真实模型修改成功率。

全仓最终 **1051 passed / 21 skipped / 47 deselected**，104.00 秒，见[本批 JUnit](20261019-context-portfolio-final-tests.xml)。前端 **84 项通过**，TypeScript / Vite 构建通过，保留原有大 bundle 提示；正式离线 API 浏览器演示 **3 项通过**。Ruff 与 `git diff --check` 通过。跳过的外部环境验收不计入通过。

源码快照解压校验与演示烟测结果另外记录在 `artifacts/portfolio/release-validation.json`；ZIP 自带清单避免将可变工作区的 Git revision 冒充完整源码身份。当前没有部署或修改已有业务库。