12 篇文档带有标签「sentinel」

Follow-ups 成为 StrayMark 的第二个一等公民实体 —— 一天之内，两次外部迁移对这个设计做了压力测试。参考 adopter 已弃用的 bash 脚本一直在报告"in sync"，而 29 个条目对它完全不可见。

第四个实验从一个经济问题开始 —— 当订阅补贴结束时,全程全 frontier 就不再负担得起 —— 而它立刻撞上了一个结构性问题。如果工作正在偏离它自己的 plan,你就无法把它路由到更便宜的模型;一个跑在被遗忘的 intent 之上的更便宜的 router,只会更快地把 drift 自动化。所以 Baton 的第一步完全不碰模型。它去读那份 StrayMark 一直以来只证明了*存在*的 plan。

Bun 的 Rust 重写在一个值得研究的规模上跑了 AI 对抗式审查 —— 一个模型家族、分开的 context window,以及 1,386,826 条测试断言作为最终裁判。StrayMark 的审计看起来不一样,是因为目标不一样,而这个差别不是风格问题。当一套能通过的测试套件可以当裁判时,你用 context 隔离审查者;当裁判是一次人类判断时,你按模型家族多样化 —— 而 25 个审计周期的真实数据恰恰说明了为什么,包括一个悄悄变瞎了的家族。

首次系统性实验，以及 Plan 变为 Charter 的那一天

一次 polish Charter 浮现了十个潜伏 gap，以及一个终于得到命名的反模式

dry run 证明了:是信号覆盖率 —— 而非 granularity —— 让 57% 的路由停留在低置信的猜测上。修复几乎免费。创建一个工作单元的人本就知道它是设计、实现、审计还是机械劳动;他知道它,只需敲一个词的代价。于是 Baton 彻底停用了标题扫描,把一个声明的动词变成唯一权威信号 —— 然后把它毕业到框架。

操作员每天真正的问题不是"把文档给我看",而是"我们现在在哪里?"。Loom 长出了第二个表面 —— 把架构当作一栋可以走进去的建筑,既有 2D 也有 3D —— 而它的技术债 overlay 却是空的。不是因为没有债务。是因为它不知道该把债务画在哪里。

StrayMark 的审计只有在独立的模型家族各自趋同到一个 finding 时才值钱 —— 一致就是那个信号。一连串 release 把这条保证加固,以对抗三种伪造它的方式。最新的一种最锋利:一个 router CLI 注入了它自己的产品名,于是一个审计器在报告上署名 "qwen-code",哪怕 operator 早已切换了后端模型。趋同的数学被喂了一个关于谁做了这件工作的谎言。

为一个已在悄然运转的设计属性命名

在 Loom 能画出任何东西之前，StrayMark 的文档模型必须先停止做 CLI 的私产。那次零用户可见变更的重构，是之后一切可视化工作的前提 —— 也是框架一直以来向 adopter 反复宣讲的一个小教训。

Loom 的首个 release 在不到一秒内就把文档图谱实时渲染进了浏览器。它同时也画出了 330 条通向虚空的 edge。看得见的那个 feature 是简单的部分 —— 让引用真正解析到位才是真正的工作，而它教会了我们：dangling edge 何时是 bug，何时是信号。

Baton 的第二阶段终于看了钱 —— 但它什么都没路由。它对 StrayMark 已经在 Sentinel 里记录的 762 个工作单元做了分类,给每个推荐一个 tier,并打印出一套 routing 策略相对全 frontier 本会花掉多少。头条是一个 ~93% 的示意性上限。而诚实的读法推翻了这个实验自己的假设:granularity 从来不是那根杠杆。信号覆盖率才是。