# 最终实现与重点回归解释

V3 的 52 次真实任务全部通过当前检查，估算费用 5.5036 元。此前 V2 的 89 次广覆盖测试通过 87 次，估算 9.1659 元；失败保留，没有改写成成功。这次新增两轮共约 14.6695 元，V1 的 7.2432 元另列历史账本。

## 落地的行为

- **命令和脚本都可成为 Action。** 直接命令允许没有 watchedFiles；复杂已有脚本保持原样登记，不要求另写 wrapper。
- **主模型主动维护。** authoring prompt 明确鼓励沉淀稳定开发流程，并遵守不保存要求。Action 定义、项目绑定和验证凭证仍分开存储。
- **输入变化不等于流程过期。** watchedFiles 用于实现依赖；被测试源码、schema 等属于运行输入。可重复操作声明 if_not_satisfied，重复调用先复查旧效果，失效则重做。
- **保存已执行操作时不盲目重做。** 运行时从本轮真实工具调用精确匹配 executable/argv/cwd，或受支持的简单/规范宿主命令；步骤全部成功、没有未知修改介入且当前 verifier 通过，才采用该证据激活。无法确认的非幂等操作保留草稿，防止仅为入库重复回滚或发布。
- **主模型参与后保留最终收尾。** Jev 可以执行中间 Action，但不再用 DONE 抢掉主模型收尾；纯 Action 请求仍可零主模型结束。用户指定脚本时，选择提示明确要求尊重执行方式。

这些改变仍属于单个 DSH replacement loop 插件及其配套 prompt/工具，没有增加 MU、多 Agent 通信层或预算调度产品。

## 三轮结果：不要把减少调用等同于省钱

本轮每轮 4 个普通任务：启动、测试构建、本地发布、回滚。以下费用包含主模型与 Jev。

| 组别/轮次 | 成功 | 零主模型任务 | 主模型调用 | 平均耗时 | 估算费用 |
|---|---:|---:|---:|---:|---:|
| 原生 Loop，一次对照 | 4/4 | 0/4 | 31 | 9.54 秒 | 0.2771 元 |
| 要求保存，第 1 轮 | 4/4 | 0/4 | 30 | 17.20 秒 | 0.8017 元 |
| 要求保存，第 2 轮 | 4/4 | 1/4 | 17 | 12.34 秒 | 0.5083 元 |
| 要求保存，第 3 轮 | 4/4 | 1/4 | 13 | 11.21 秒 | 0.3984 元 |
| 自主保存，第 1 轮 | 4/4 | 0/4 | 33 | 19.52 秒 | 0.8408 元 |
| 自主保存，第 2 轮 | 4/4 | 3/4 | 8 | 6.89 秒 | 0.3214 元 |
| 自主保存，第 3 轮 | 4/4 | 3/4 | 8 | 6.64 秒 | 0.3091 元 |

自主保存组后两轮的启动、测试构建和发布无需主模型；回滚仍有主模型处理。主模型调用少于对照，平均耗时也更短，但完整历史的 Jev 请求仍有成本。自主保存三轮含学习约 1.4713 元；对照单轮乘三的外推参考约 0.8312 元，尚未回本。要求保存组有更多检查/收尾调用，结果不支持“要求保存就一定更快”。

V1 自主组没保存，V2 开始零散积累，V3 首轮已有主动沉淀。不过多个机制同时变化、模型采样仅一次，不能把改进归因于唯一一条规则。不同版本的普通任务集合也不同，不能直接拿总数比提升百分比。

## 用户场景有了哪些实测证据

- [自主组混合修改](traces/autonomous-r4-start-and-edit.json)：Jev 选择 start-stack，主模型新增 average，Jev 选择 run-unit-tests 和 rebuild-project，最后由主模型说明。独立检查了服务、函数行为、当前产物和最终回复。
- [同一请求两次测试](traces/autonomous-r4-test-edit-test.json)：Jev 两次选择 run-unit-tests，独立日志证明分别针对修改前后的不同源码哈希，随后构建通过。
- [已执行回滚的入库](traces/required-r1-rollback-local.json)：验证返回 adoptedExecution，并保存原调用 ID；事件中只有一次 rolled-back，部署仍指向正确的上一版本。
- [指定既有脚本](traces/required-r4-start-script.json) 与 [再次调用](traces/required-r4-start-script-again.json)：第一次由主模型登记并使用该脚本，第二次由 Jev 零主模型调用复用；没有改写脚本。
- 两组“不保存”“只解释不执行”“询问未知项目路径”全部通过。V2 另覆盖变化的 schema、故障回退、实现更新失效、停止与重启等，见 [广覆盖报告](../developer-workflows-v2/REPORT.md)。

## 仍然存在的边界

52/52 表示这些具体验收通过，不表示 Jev 每个判断正确。[自主组第一轮回滚](traces/autonomous-r1-rollback-local.json) 曾误选 publish-release；命令因缺少构建产物失败，实际没有发布，随后主模型完成了回滚。因此必须保留宿主权限、脚本前提检查与失败处理，不能把模型选择当作正确性保证。

自然语言只做最终来源和主题存在检查，完整语义需人工复核。测试是自建小型开发项目、现成脚本、一次采样；不是官方 benchmark 成绩。没有验证跨项目迁移、长期自动归档或任意 shell 解析。不同平台和完整原生 DSH CLI 的插件组合也没有因这些 headless 测试而自动获得兼容性证明。

完整数字、原始响应、调用历史和冻结源码见 [报告](REPORT.md)、[汇总](summary.json)、[审计](audit.json) 与 source/。所有失败和费用均保留。