Seyyed/Seyyed_arc
Watch
1
0
Fork
You've already forked Seyyed_arc
 0
forked from hesabix/arc
Code Pull requests Activity
Seyyed_arc/docs/AI_CHAT_PRODUCT_ISSUES.md
Babak Alizadeh 60892744d7 some stability in ai
2026-08-21 14:14:21 +00:00

27 KiB
Raw Permalink Blame History

مشکلات محصولی چت هوش مصنوعی — فهرست کار زنده

نسخه سند: 1.2
تاریخ: ۱۴۰۵/۰۵/۳۰ (۲۱ اوت ۲۰۲۶)
وضعیت: زنده — پس از هر اصلاح، وضعیت آیتم را عوض کنید و یک سطر در تاریخچه بگذارید.
مرجع معماری: AI_AGENT_SYSTEM_AUDIT.md
مرجع subagent: AI_AGENT_RUNTIME_CAPABILITIES_SCENARIO.md

این سند لیست کار محصولی است، نه ممیزی سطح جهانی. تمرکز: چیزهایی که کاربر الان در رابط چت می‌بیند و خراب است. ممیزی (AGT-*, TOOL-*, UX-*) را عوض نکنید مگر همان آیتم واقعاً بسته شود؛ اینجا شناسه‌های CHAT-* برای صف اصلاح روزانه‌اند.

چگونه از این سند استفاده کنیم

  1. از صف اصلاح پیشنهادی شروع کنید.
  2. هر آیتم یک شناسه CHAT-xx دارد. وضعیت فقط از این مجموعه: باز · در حال اصلاح · انجام‌شده · موکول · نپذیرفته.
  3. بعد از فیکس: وضعیت + تاریخ + یک خط «چه شد» در همان آیتم، و یک سطر در تاریخچه.
  4. تست پذیرش دستی را قبل از بستن آیتم روی یک جلسهٔ واقعی فارسی اجرا کنید.

منابع این نسخه

  • سورس حلقهٔ ایجنت، API چت، و UI Flutter (۱۸ اوت ۲۰۲۶).
  • گفت‌وگوی ممیزی ۱۷–۱۸ اوت: ممیزی سیستم ایجنت — subagent بک‌اند ساخته شد، فاز UI عمداً موکول شد.
  • گزارش مستقیم کاربر روی شش مشکل زیر.

خلاصهٔ اجرایی

بک‌اند قابلیت‌های ایجنت (ابزار، تأیید نوشتن، spawn زیر-ایجنت، تایم‌لاین تفکر) را دارد؛ قرارداد نمایش و بازیابی خطا هنوز محصولی نیست. نتیجه برای کاربر فارسی:

# آنچه کاربر می‌بیند ریشه در کد (کوتاه)
۱ ابزار خطا می‌دهد و ایجنت گیر می‌کند خطای خام انگلیسی؛ سقف ۲ شکست یکسان حلقه را می‌بندد؛ ابزار غایب از کاتالوگ ۴۸تایی
۲ زیر-ایجنت نامرئی است spawn فقط در حافظهٔ فرایند؛ هیچ trace_step و هیچ پنل UI
۳ جدول بی‌معنی با trace_id / step_id / kind UI هر لیست Map را جدول می‌کشد؛ _reasoning_trace فیلتر نشده
۴ متن به‌صورت ** بولد ** دیده می‌شود نرمال‌سازی فقط روی پاسخ نهایی؛ پنل تفکر و RTL پوشش ناقص
۵ «در حال فکر کردن» انگلیسی است reasoning_content مدل بومی انگلیسی است؛ mismatch فقط log می‌شود
۶ دکمهٔ تأیید → لودینگ بی‌پایان + توهم تأیید = پیام جعلی کاربر + حلقهٔ کامل جدید؛ wait=true پیش‌فرض spawn استریم را قفل می‌کند

صف اصلاح پیشنهادی

ترتیب برای بیشترین اثر روی تجربهٔ کاربر، با کمترین ریسک امنیتی:

اولویت شناسه کار تخمین
P0 CHAT-03 فیلتر متادیتای داخلی از جدول خودکار کوچک — Flutter
P0 CHAT-06 تأیید نوشتن بدون پیام جعلی و بدون گیر کردن استریم متوسط — API + Flutter
P0 CHAT-04 رندر markdown بولد در پاسخ و تفکر کوچک — Flutter
P1 CHAT-05 تفکر قابل‌نمایش هم‌زبان کاربر متوسط — prompt + سیاست نمایش
P1 CHAT-01 خطای ابزار قابل بازیابی برای مدل متوسط — بک‌اند
P1 CHAT-02 پنل زیر-ایجنت (دیدن / قطع) بزرگ — Flutter + SSE
P2 CHAT-07+ موارد کمکی صحت سیستم (پایین سند) انجام‌شده

مشکلات گزارش‌شدهٔ کاربر

CHAT-01 — ابزارها خطا می‌دهند و مدل نمی‌تواند رفع کند

  • وضعیت: انجام‌شده
  • اولویت: P1
  • مالک: backend
  • فایل‌ها: function_registry.py (call_function)، ai_service.py (handle_function_calls_async)، ai_tool_result.py (compact_tool_result_for_llm)، ai_goal_assessment.py (ToolCallTracker)، ai_tool_intent.py
  • شواهد از کد:
    1. هر استثنا به {"error": str(e)} تبدیل می‌شود؛ پیام اغلب انگلیسی و بدون code / hint / فیلدهای مجاز است.
    2. compact_tool_result_for_llm برای خطا فقط error و message را نگه می‌دارد — schema پارامتر از دست می‌رود.
    3. AGENT_MAX_IDENTICAL_TOOL_FAILURES = 2: دو بار همان tool+args → حلقه بسته می‌شود (AGT-08). از دید کاربر «نتوانست رفع کند».
    4. کاتالوگ هر نوبت حداکثر ۴۸ ابزار است. اگر intent دسته را اشتباه بزند، مدل نامی را صدا می‌زند که در registry نیست → Function 'X' not found.
    5. نام ناشناخته با registry write فرض می‌شود (is_write_function fail-closed). مدل ممکن است برای ابزار خیالی کارت تأیید بگیرد.
    6. spawn_subagent با wait=True پیش‌فرض تا ۹۰ ثانیه والد را قفل می‌کند؛ از نظر کاربر ابزار «هنگ» کرده.
  • شواهد از سوابق: در موج‌های ۱۷–۱۸ اوت، AGT-08 عمداً تکرار شکست را قطع کرد تا حلقه بی‌نهایت نشود؛ مسیر ترمیم آرگومان (مثلاً «این فیلد اجباری است، دوباره با X صدا بزن») ساخته نشد.
  • معیار پذیرش:
    • خطای ابزار برای مدل همیشه JSON پایدار باشد: ok=false, code, message_fa, hint_fa, retryable, در صورت امکان expected_args.
    • نام ابزار ناموجود → UNKNOWN_TOOL با نزدیک‌ترین نام‌های مجاز، نه Permission/Approval.
    • پس از خطای قابل‌رفع، مدل حداقل یک بار با آرگومان اصلاح‌شده تلاش کند؛ اگر باز شکست خورد، به کاربر فارسی توضیح بدهد نه اینکه ساکت حلقه را ببندد.
    • تست: کیس طلایی «ابزار با آرگومان ناقص» → retry با آرگومان کامل؛ کیس «نام غلط» → hint نه approval.
  • پیشنهاد اصلاح:
    1. لایهٔ normalize_tool_error(exc, function_name, schema) قبل از برگرداندن به مدل.
    2. اگر نام در registry نیست، هرگز write/approval نشود.
    3. در prompt پس از خطا: «آرگومان قبلی را تکرار نکن؛ از hint استفاده کن.»
    4. لاگ AI_METRIC tool_error با code برای مشاهده‌پذیری.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۲۸ — normalize_tool_error / unknown_tool_result قبل از write-guard؛ compact JSON فیلدهای hint_fa و expected_args را نگه می‌دارد؛ نام ناموجود دیگر approval نمی‌گیرد. باگ unexpected keyword argument 'db' در _create_handler برای قرارداد (args, context) رفع شد.

CHAT-02 — زیر-ایجنت برای کاربر دیده و مدیریت نمی‌شود

  • وضعیت: انجام‌شده
  • اولویت: P1
  • مالک: flutter + backend
  • فایل‌ها: ai_subagent.py، ai_function_extensions_subagent.py، ویجت‌های lib/widgets/ai/ (هیچ پنل subagent نیست)، ai_agent_trace_timeline.dart
  • آنچه امروز هست (فاز ۰–۲ AGT-06):
    • ابزارهای spawn_subagent / await_subagent / cancel_subagent.
    • store فقط _runs درون‌حافظهٔ فرایند؛ با ری‌استارت API از بین می‌رود.
    • سقف ۲ همزمان، ۴ نوبت، timeout ۹۰ ثانیه، بدون write در فرزند.
    • پیش‌فرض wait=False: والد استریم را قفل نمی‌کند؛ برای ادغام صریح await_subagent.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۲۸ — trace_step kind=subagent با explore_target=subagent_id؛ دکمهٔ قطع در تایم‌لاین؛ POST /sessions/{id}/subagents/{sid}/cancel؛ پیش‌فرض wait=false.

CHAT-03 — جدول داخلی trace_id / step_id / kind در انتهای پیام

  • وضعیت: انجام‌شده
  • اولویت: P0
  • مالک: flutter
  • فایل‌ها: ai_tool_envelope.dart (extractToolTableSpecsFromResults)، ai_visualization_spec.dart (AITableSpec.tryFromRecords)، ai_chat_message_body.dart، ai_trace.py (merge_trace_into_function_results)
  • علت قطعی:
    1. پس از TOOL-04، اگر پاسخ markdown جدول نداشته باشد، UI بزرگ‌ترین لیست Map داخل function_results را جدول می‌کشد.
    2. کلیدهای داخلی که skip می‌شوند فقط این‌ها هستند: _agent_trace, _agent_budget, _agent_todos, _agent_run.
    3. merge_trace_into_function_results علاوه بر _agent_trace، لایهٔ تفکر را در _reasoning_trace می‌گذارد — لیستی از گام‌ها با فیلدهای trace_id, step_id, kind, state, layer, visibility.
    4. extractToolRecordsFromResult اگر مقدار یک List از Map باشد همان را ردیف جدول می‌کند.
    5. نتیجه دقیقاً جدولی است که کاربر گزارش کرده. _citations و _activated_skills هم می‌توانند جدول بی‌ربط بسازند.
  • معیار پذیرش:
    • هیچ کلید _… و هیچ لیست trace/citation/skill به‌صورت جدول داده نشان داده نشود.
    • جدول فقط از envelope ابزار دامنه (records/items/…) با ستون‌های کسب‌وکاری (نام، مبلغ، تاریخ، کد) بیاید.
    • ستون‌ها برچسب فارسی داشته باشند نه کلید خام API.
    • تست واحد: function_results شامل _reasoning_trace با ۲+ گام → extractToolTableSpecsFromResults خالی یا فقط رکورد فاکتور نمونه.
  • پیشنهاد اصلاح:
    1. skip: _reasoning_trace, _citations, _activated_skills و هر کلید با پیشوند _.
    2. اگر کلیدهای غالب ردیف trace_id/step_id/kind بود، جدول ساخته نشود.
    3. allowlist ستون کسب‌وکار یا نگاشت key → label_fa.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۲۸ — skip همهٔ کلیدهای _… از جمله _reasoning_trace؛ اگر ستون‌ها شبیه trace باشند جدول ساخته نمی‌شود.

CHAT-04 — بولد به‌صورت ** متن ** در رابط

  • وضعیت: انجام‌شده
  • اولویت: P0
  • مالک: flutter
  • فایل‌ها: ai_chat_message_body.dart (normalizeAssistantMarkdown)، ai_thinking_scroll_box.dart، ai_agent_trace_timeline.dart (_BodyContent)
  • علت:
    1. نرمال‌سازی فاصله داخل ** … ** فقط روی پاسخ نهایی اعمال می‌شود.
    2. پنل تفکر (AIThinkingScrollBox) و تایم‌لاین همان متن خام را به MarkdownBody می‌دهند.
    3. مدل‌های reasoning اغلب ** متن ** با فاصله می‌نویسند (CommonMark این را بولد نمی‌داند).
    4. با RTL فارسی، flutter_markdown گاهی ** را جدا از کلمه پارس می‌کند؛ فاصلهٔ یونیکد فارسی/\u200c در regex فعلی ([ \t]*) نیست.
  • معیار پذیرش:
    • در پاسخ نهایی، پنل تفکر، و body گام‌های trace، **متن** و ** متن ** هر دو بولد دیده شوند.
    • بلوک کد و `inline` دست نخورند.
    • نمونهٔ فارسی با نیم‌فاصله در تست ویجت.
  • پیشنهاد اصلاح:
    1. normalizeAssistantMarkdown را به یک util مشترک ببرید و در هر MarkdownBody چت صدا بزنید.
    2. regex را به فاصلهٔ یونیکد و ZWNJ گسترش دهید.
    3. در صورت باقی‌ماندن باگ RTL، renderer جایگزین یا پیش‌پردازش قوی‌تر.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۲۸ — normalizeAssistantMarkdown به util مشترک رفت؛ پنل تفکر و تایم‌لاین هم نرمال می‌شوند؛ فاصلهٔ یونیکد/ZWNJ پوشش داده شد.

CHAT-05 — متن «در حال فکر کردن» انگلیسی است وقتی زبان کاربر فارسی است

  • وضعیت: انجام‌شده
  • اولویت: P1
  • مالک: backend (+ flutter اگر سیاست نمایش عوض شود)
  • فایل‌ها: ai_language_prompt.py، ai_service.py (استریم reasoning_content → trace_step kind=reasoning)، ai_provider.py، ai_thinking_scroll_box.dart
  • علت:
    1. بلوک زبان از مدل می‌خواهد reasoning را فارسی بنویسد.
    2. کانال native مدل‌های reasoning (o-series / gpt-5 / thinking آنتروپیک) تقریباً همیشه انگلیسی است و از system prompt پیروی نمی‌کند.
    3. همان توکن‌ها زنده به UI استریم می‌شوند.
    4. reasoning_language_mismatch فقط logger.warning است — ترجمه، حذف، یا جایگزینی با خلاصهٔ فارسی انجام نمی‌شود.
  • معیار پذیرش:
    • اگر زبان مؤثر چت fa باشد، متن داخل باکس تفکر برای کاربر فارسی باشد (یا باکس native انگلیسی نشان داده نشود).
    • عناوین گام (title_key) از قبل l10n هستند — حفظ شوند.
    • اگر مدل فقط انگلیسی think کند: یا خلاصهٔ فارسی از narration/tool، یا باکس جمع‌شده با برچسب «در حال تحلیل» بدون پاراگراف انگلیسی.
  • پیشنهاد اصلاح:
    1. کوتاه‌مدت: برای fa کانال native را در UI نشان ندهید؛ فقط narrative / thought فارسی.
    2. میان‌مدت: اگر mismatch، یک جملهٔ فارسی از آخرین tool/plan به‌جای raw CoT.
    3. هرگز native English را در تاریخچهٔ قابل‌نمایش persist نکنید اگر زبان جلسه فارسی است (یا در لایهٔ visibility=internal بماند).
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۲۸ — visible_reasoning_markdown برای fa متن لاتین/انگلیسی native را با جملهٔ فارسی جایگزین می‌کند و همان در trace persist می‌شود.

CHAT-06 — تأیید کاربر → لودینگ بی‌پایان و ادامهٔ توهم‌آمیز ایجنت

  • وضعیت: انجام‌شده
  • اولویت: P0
  • مالک: flutter + backend
  • فایل‌ها: ai_chat_dialog.dart (_confirmWriteApproval)، ai_write_approval_banner.dart، adapters/api/v1/ai/chat.py (persist پیام کاربر + approve_writes)، ai_write_guard.py، ai_subagent.py (wait پیش‌فرض)
  • مسیر فعلی:
کاربر تأیید می‌زند
  → بنر پاک می‌شود (_clearWriteApprovalState)
  → _sending = true  (لودینگ)
  → POST پیام جدید با متن:
      «کاربر عملیات پیشنهادی را تأیید کرد. لطفاً همان عملیات را اجرا کن.»
     skipUserBubble=true (در UI دیده نمی‌شود، در DB ذخیره می‌شود)
  → حلقهٔ کامل ایجنت از صفر، با approve_writes=true
  • چرا لودینگ بی‌پایان حس می‌شود:
    1. consume تا رویداد done یا بستن استریم صبر می‌کند؛ _sending همان‌قدر true می‌ماند.
    2. اگر مدل spawn_subagent(wait=true) بزند، ژنراتور والد تا ۹۰ ثانیه chunk ابزاری نمی‌دهد؛ UI فقط heartbeat می‌بیند.
    3. زیر-ایجنت نامرئی است (CHAT-02) → کاربر فقط اسپینر می‌بیند.
    4. اگر استریم بدون done قطع شود یا cancel به‌اشتباه return شود، _sending ممکن است true بماند.
  • چرا توهم پیش می‌آید:
    1. تأیید به‌جای «ادامهٔ همان run با approval_id» یک نوبت جدید کاربر است. مدل متن را دستور تازه‌ای می‌بیند.
    2. اگر همان write را دوباره صدا نزند، هیچ چیز اجرا نمی‌شود ولی ممکن است موفقیت را روایت کند.
    3. اگر write دیگری صدا بزند → APPROVAL_MISMATCH یا اجرای آرگومان ذخیره‌شده؛ مدل گیج می‌شود.
    4. تاریخچه حالا پیام جعلی «لطفاً اجرا کن» دارد؛ نوبت‌های بعدی روی همان توهم سوار می‌شوند.
  • معیار پذیرش:
    • دکمهٔ تأیید پیام کاربر جدید نسازد (نه در UI نه در DB).
    • سرور همان approval_id / کارت ذخیره‌شده را اجرا کند، سپس در صورت نیاز یک نوبت کوتاه سنتز بدهد.
    • از زدن تأیید تا اولین رویداد SSE (وضعیت «در حال اجرا» یا نتیجهٔ ابزار) کمتر از ~۲ ثانیه حس شود؛ بنر تا اتمام اجرا در حالت loading بماند نه اینکه اول پاک شود.
    • اگر اجرا شکست خورد، بنر برگردد و خطای فارسی نشان داده شود؛ مدل حق ندارد موفقیت را حدس بزند.
    • تست: تأیید create_invoice → یک بار handler واقعی؛ بدون ردیف user اضافی در ai_chat_messages.
  • پیشنهاد اصلاح:
    1. API جدا: POST .../messages/{id}/approve یا POST .../runs/{run_id}/approve با approval_id.
    2. UI: approveWrites روی همان run، بدون contentOverride.
    3. تا done، writeApprovalLoading روی بنر بماند.
    4. spawn در حین اجرای تأیید یا wait=false باشد یا رویدادهای فرزند به استریم والد بیاید (CHAT-02).
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۲۸ — تأیید silent: پیام کاربر persist نمی‌شود؛ LLM turn با [user_approved_writes]؛ user_query از آخرین پیام واقعی؛ بنر تا پایان استریم می‌ماند؛ کلاینت‌های قدیمی با متن جعلی هم silent حساب می‌شوند.

موارد کمکی برای کارکرد صحیح سیستم

این‌ها را کاربر جداگانه نگفته؛ از همان بررسی کد و سوابق برای جلوگیری از برگشت باگ‌ها لازم‌اند.

CHAT-07 — جدول خودکار بیش از حد تهاجمی است

  • وضعیت: انجام‌شده · اولویت: P2 · مالک: flutter
  • هر لیست ≥۲ ردیف و ≥۲ ستون اسکالر جدول می‌شود؛ کلید خام انگلیسی برچسب ستون است.
  • جدول را فقط از envelope با ok=true و کلید لیست شناخته‌شده بسازید؛ حداکثر یک جدول per پیام مگر مدل ```table بدهد.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۳۰ — فقط envelope موفق (ok=true یا _envelope) و کلیدهای لیست شناخته‌شده؛ برچسب ستون فارسی برای فیلدهای رایج.

CHAT-08 — کلیدهای داخلی function_results قرارداد واحد ندارند

  • وضعیت: انجام‌شده · اولویت: P2 · مالک: backend + flutter
  • امروز: _agent_trace, _reasoning_trace, _citations, _activated_skills, _agent_budget, _agent_todos, _agent_run.
  • یک ثابت مشترک (یا پیشوند _ اجباری + allowlist نمایش) در Python و Dart.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۲۸ — UI هر کلید با پیشوند _ را از جدول خودکار حذف می‌کند.

CHAT-09 — نام ابزار ناشناخته نباید write/approval شود

  • وضعیت: انجام‌شده · اولویت: P1 · مالک: backend
  • is_write_function(name, registry) برای نام غایب True برمی‌گرداند → کارت تأیید برای تابعی که وجود ندارد.
  • جدا کنید: unknown / read / write. unknown → CHAT-01.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۲۸ — در مسیر چت، نام غایب از registry قبل از write-guard به UNKNOWN_TOOL می‌رود. MCP fail-closed برای نام ناشناخته حفظ شد.

CHAT-10 — پیش‌فرض wait=true در spawn استریم والد را خفه می‌کند

  • وضعیت: انجام‌شده · اولویت: P1 · مالک: backend
  • حتی بدون پنل UI، wait=false + await صریح مانع لودینگ مرده می‌شود.
  • وابسته به CHAT-02 و CHAT-06.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۲۸ — پیش‌فرض wait=False.

CHAT-11 — Stop / cancel استریم باید _sending را همیشه پایین بیاورد

  • وضعیت: انجام‌شده · اولویت: P1 · مالک: flutter
  • در _runAssistantStream اگر CancelToken.isCancel باشد گاهی فقط return است؛ مسیر تأیید/جایگزینی استریم را بررسی کنید که اسپینر گیر نکند.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۲۸ — در مسیر cancel اگر همان token جاری باشد _sending=false می‌شود.

CHAT-12 — persist زیر-ایجنت و بازیابی پس از رفرش

  • وضعیت: انجام‌شده · اولویت: P2 · مالک: backend
  • همان فاز ۳ سناریوی runtime. تا SQL نباشد، پنل UI بعد از refresh خالی است.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۳۰ — جدول ai_subagent_runs + hydrate از GET /subagents روی آخرین پیام assistant.

CHAT-13 — پیام pause تأیید نباید به‌عنوان پاسخ نهایی تاریخچه بماند

  • وضعیت: انجام‌شده · اولویت: P2 · مالک: backend
  • build_approval_pause_content اگر accumulated_content خالی باشد همان متن pause persist می‌شود. بعد از approve موفق، آن حباب باید با نتیجهٔ واقعی جایگزین یا علامت «منتظر تأیید» بخورد.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۳۰ — پرچم _awaiting_approval؛ persist بعدی همان ردیف را جایگزین می‌کند؛ UI حباب pause را قبل از استریم تأیید برمی‌دارد.

CHAT-14 — مشاهده‌پذیری خطا و زبان تفکر

  • وضعیت: انجام‌شده · اولویت: P2 · مالک: backend
  • reasoning_language_mismatch و tool_error را به متریک/داشبورد ببرید تا بدون خواندن جلسه بفهمیم نرخ انگلیسی‌بودن تفکر و نرخ شکست ابزار چقدر است.
  • یادداشت اصلاح: ۱۴۰۵/۰۵/۳۰ — log_ai_event برای هر دو + GET /admin/ai/ops-metrics.

نقشهٔ اتصال به ممیزی

CHAT آیتم ممیزی مرتبط توضیح
CHAT-01 TOOL-01، AGT-08، TOOL-04 کاتالوگ ۴۸تایی + قطع حلقه پس از شکست + خطای بدون schema
CHAT-02 AGT-06 فاز ۴ بک‌اند هست؛ UI نیست
CHAT-03 TOOL-04 یادداشت «جدول از رکورد ابزار» اثر جانبی همان فیکس
CHAT-04 UX-02 / رندر پیام نرمال‌سازی ناقص
CHAT-05 PRM زبان + کانال reasoning prompt هست؛ enforcement نیست
CHAT-06 SEC-01، AGT-01 approval_id هست؛ مسیر UI هنوز «پیام جدید» است

سناریوهای پذیرش دستی (قبل از بستن P0)

  1. جدول داخلی: سوالی بپرسید که مدل چند ابزار بزند. انتهای پاسخ نباید جدول با ستون trace_id/step_id/kind باشد. اگر جدول فاکتور/کالا آمد، ستون‌ها فارسی و معنادار باشند.
  2. بولد: از مدل بخواهید چند عنوان را برجسته کند. در حباب پاسخ و در باکس تفکر نباید ** خام دیده شود.
  3. تأیید نوشتن: در حالت با تأیید، ایجاد یک موجودیت آزمایشی. پس از تأیید: بدون پیام کاربر اضافه در تاریخچه؛ لودینگ تمام شود؛ موجودیت واقعاً ساخته شود؛ مدل «ساخته شد» بدون tool نگوید.
  4. تفکر فارسی: یک سوال حسابداری فارسی. باکس تفکر یا فارسی است یا بدون پاراگراف انگلیسی جمع شده.
  5. زیر-ایجنت (پس از CHAT-02): سوال چنددامنه‌ای. کارت فرزند دیده شود؛ قطع دستی کار کند؛ سوال «موجودی کالای X» کارت نسازد.

تاریخچهٔ به‌روزرسانی

تاریخ نسخه چه تغییر کرد
۱۴۰۵/۰۵/۲۷ 1.0 سند اولیه از روی شش گزارش کاربر + بررسی سورس و سوابق ممیزی ۱۷–۱۸ اوت
۱۴۰۵/۰۵/۲۸ 1.1 CHAT-01…06 و CHAT-09…11 انجام شد: قرارداد handler (args, context)، خطای ابزار ساخت‌یافته، تأیید silent، فیلتر جدول داخلی، markdown مشترک، تفکر فارسی، پنل/قطع subagent
۱۴۰۵/۰۵/۳۰ 1.2 CHAT-07/12/13/14: جدول envelope-only، persist زیر-ایجنت، جایگزینی pause تأیید، متریک خطا/زبان
۱۴۰۵/۰۵/۳۰ 1.3 استریم CRM/تیکت (CHN-02) و replay بافر هنگام poll چند-ورکر