# Windows 真实模型测试记录

本记录依据使用者提供的 Windows 实测结果整理。它描述的是一次具体测试，而不是对所有版本、模型或任务的保证。

## 测试环境

- Windows 11、Git Bash；Node.js 24.18.0、npm 11.16.0。
- Pi 模型：`deepseek/deepseek-flash`，推理等级 `max`。
- 被测目录不是 Git 仓库，没有记录提交 ID；测试期间修改了本地代码和 benchmark 参数，因此无法据此确认其与某个仓库提交完全一致。
- 不含真实 GitHub 远程交付测试；报告说明环境没有 `gh`，且测试未推送、未创建 PR。

## 使用者报告的结果

| 项目 | 报告结果 | 范围 |
| --- | --- | --- |
| 真实模型 benchmark | 最终一轮 20/20 | 本地测试源码已修复，预算调整为每例 200,000 tokens、600 秒；用于测试的额外 schema 提示已撤掉。 |
| 本地编排场景 | 6 个场景符合设计 | 覆盖单任务、并行整合、失败阻断、过期证据、只读评审和已完成节点不重复执行。只读评审报告缺少 `findings`，按合同被拒绝。 |
| 产品和诊断问题 | 报告中列出的修复已提交 | Windows 构建、任务报告格式、解析诊断、验证原因、benchmark 参数和锁竞争等后续修复见 [PR #32](https://github.com/2333sky/pi-pstack-native/pull/32)。 |
| 完整 Windows 测试 | 并非全通过 | 报告中的 `npm test` 为 179/189，`test:upstream` 为 78/82；涉及符号链接权限、Windows 不支持换行文件名等条件。后续 Windows CI 针对状态持久化、构建和跨进程锁增加了检查。 |

上述结果由用户报告，未在当前环境独立复跑。仓库的 `SEMANTICS.json` 仍未记录绑定提交的真实模型验收回执，维护者语义签署仍待完成。这不否定已经发生的实测；如果将来补充具体提交、测试记录和结果文件，可以作为仓库验收证据进一步核对。

## 独立复跑：提交 4d75ea0b

用户随后报告对 GitHub 压缩包 `4d75ea0b1cf3f6396ea2d06062718a0588611063` 的解压副本进行 Windows 独立复跑：真实模型 benchmark 的工作流验收为 **13/20**；随后逐个重新运行用例测试，**20/20** 的代码结果通过。工作流验收同时检查任务报告和验证证据，不能把该数字直接作为模型代码正确率。

报告还记录 `npm test` 为 182/191、`test:upstream` 为 79/82；剩余失败涉及符号链接权限、换行文件名和 Windows 路径条件。此次未执行真实 GitHub 交付或扩展对照。上述结果由用户提供；本仓库目前没有该次运行的完整原始结果文件，因此不将其登记为已签署的语义验收。