feat(replan): bind evidence reviews to compared methods and later work

[songoow]

为什么需要这次修改

在已启用 stride strategy 的周期或停滞复核中，一个 typed progress、后继 Todo 或新标签不足以说明复核改变了后续工作。决策应绑定当前证据，允许保留仍有用的原任务，也应能把候选方法选择追溯到真实执行及独立验收。

修改内容

• 将既有周期与停滞触发接入当前 source-bound stride decision，复用现有检测器与 action。默认关闭策略及显式 acceptance / capability 出口约束保留各自语义。
• 在已有 Explore turn context / 分页中投影比较候选，包括因排序而未优先选择的方法；每个候选绑定当前 Todo、node、finding 与 source hash。
• 对可选的 selected candidate 检查本次 obligation/context、当前证据页及原 Todo 的 retain 关系。选中声明既不能制造任务，也不能替代真实后续执行。
• 带上执行完整方法比较、产生并实际采用程序、held-out 独立验证，以及选中后却执行其他 Todo 不算 followthrough 的 CLI 回归。
• 同步双语 stride RFC、replan 协议和同组 3 张成果视图证据；实验复用现有结果 UI。

范围与依赖

这是原 #6838 的第 5 个完整行为切片，基于 worker 恢复与 readback PR。前五片累计树与冻结 main dc45c128 加原 #6838 的指定目标树完全相同，没有遗漏测试、文档或截图，也没有额外产品修改。CI timeout 已单独拆出。后续 native 增量由独立 PR 处理；集成分支承载组合评测。

验证

• 4 个 TypeScript 测试文件通过：replan context、replan semantics、stride policy、stride comparison selection。
• 该切片所有 Python 文件的 Ruff 通过。
• staged bilingual RFC gate 与 diff whitespace 检查通过。
• control-plane typecheck 为让相关 race 回归获得独占资源主动中断，保留中断记录，待重新执行。
• Python 的真实 CLI / File / SQLite 方法比较关键链等待单一重型测试槽位；现有截图属于原 fix: preserve research progress across replans, waits and Host recovery #6838 的留存证据，不宣称是当前分支的新捕获。

比较 fixture 使用固定任务、相同 score 调用预算和独立未参与拟合的验收输入。它能检查脚本化控制链与实际程序产出，不证明模型独立采用能力、付费 benchmark 分数收益或完整 CPU / token / 金钱成本相等。

Author Declaration / 实现依据

• Written by: model_agent — OpenAI GPT-6 Astra.
• 依据：用户要求把 feat: unify default Goal outcomes, evidence review and replan #6784 / fix: preserve research progress across replans, waits and Host recovery #6838 拆成完整可审阅切片；保留原研究方法比较行为与配套回归。
• Intended base: fix(worker): prevent repeated replans and pause dispatch on unknown outcomes #6885，codex/split-research-worker-readback。

验收标准	Disposition	实现 / 验证入口
候选比较绑定当前 Todo / node / finding 与 source hash	implemented	Explore turn context、replan context、stride policy
selected candidate 对应真实后续工作而非只写声明	implemented	comparison selection 与 followthrough CLI 回归
切片无源码遗漏且测试和文档随行为交付	verified	B5 累计 tree 与 research target 完全一致

Validation Binding

• Published revision: dee55e1bc963f9ba1dc4b5f221579f1057e6096e。
• Tested tree: b9fe5e4b6b9459d1d31fe16d4fe1bb1162603659；远端树与本地完全相等。
• Run state: partial（4 个 TS 测试文件和静态检查完成；control-plane typecheck 中断、真实 CLI 回归未完成）。
• Input classes: synthetic, public_fixture。
• 本片覆盖脚本化决策与控制链，不宣称付费评测或模型自主采用能力已验证。

Frontend / Visual Evidence

本片复用前片的成果 UI；以下截图是原 #6838 的合成场景留存，不是本次 head 新捕获。

Boundary Checklist

• 方法比较、决策消费、真实调用回归与协议说明一起交付。
• 现有双语 stride RFC 同步；DCO sign-off 已包含。
• 只保留公开 / 合成证据，未把历史结果标为当前运行。

继承前片的恢复验证补充（2026-10-19）

• Current validation head: bb972c1f7d38bddfb13c68f039a1b0c02881930b。
• 当前 B5 接入 B4 的 fixture 生命周期修复；修复来源为 ca8d3732a2847c9e76e3d1f989e084e7158deb27。以下新增实测绑定于 B4 修复 tree 24afb2e36986222fca85c5c6a54a80ad6ea9cfc9，用于说明所继承修复的证据，不是更新后 B5 完整 tree 的重新运行记录。
• 原 B5 dee55e1bc963f9ba1dc4b5f221579f1057e6096e / tree b9fe5e4b6b9459d1d31fe16d4fe1bb1162603659 的作者声明、测试和原始累计树相等性记录保留。接入已列出的 B4 修复后，累计树应按“冻结来源加明确修复”检查；原文“累计树完全相同、没有额外产品修改”的绑定仍是原发布 tree，不延伸为更新后 tree 与旧来源逐字相等的声明。

继承修复只涉及 tests/control_plane/research_worker_readback_fixture.py 与 examples/personal-workspace-browser/research-worker-readback.mjs：等待已接受的 HTTP 请求结束后再退役 Effect runtime，并在 child close 且零退出码后删除临时根。Before 的 tree 155aee2eed76c978577d6ca05b5a96a319f57081 与原发布 B4 完全一致。

恢复检查	结果与边界
Before：原 B4 tree 上保留一个处理中真实 HTTP read，再触发退出	缺陷复现：runtime_cleanup_started 早于 request_finished，HTTP 返回 500；Python 仍以 0 退出。
After：修复 tree 上执行相同因果 probe	passed：HTTP 返回 200，request_finished 早于 runtime_cleanup_started，Python 以 0 退出。
startAuthority("paused") → close() 首轮	failed，保留：原 runtime 退出检查在五秒门槛内返回 stopped=false，Python 退出码为 1；新增 JS 检查正确暴露了这个失败。
Paused 详细诊断重跑	passed，34.771 秒：通过仅观察原返回值和时序的 Python/Node wrapper 记录退役过程；child close=0，临时根删除。原五秒 runtime 门槛保持，实际 runtime 退役约 1.006 秒。
startAuthority("unknown") → close()	passed，27.888 秒：未加载诊断 observer，实际 child close=0，临时根删除。

Paused 诊断重跑中，shutdown 应答约 0.824 ms，listener 关闭，compile-cache flush 约 545 ms，随后 locator 删除并退出；Python 的各次进程组观察约 15–38 ms，最后正确接受已无法继续写入的 zombie 进程组。这些是这一次通过运行的观察；首轮 stopped=false 的根因仍未确定，后续通过不抹掉该失败。 本次修复没有修改共享 runtime owner，也没有增加五秒退出门槛、六十秒启动门槛或目录删除重试。

本批使用 Node v24.19.0，输入仍为 synthetic, public_fixture，Host 调用受控。Python 语法、node --check 和 git diff --check 通过。两边复用同一份已存在的 bundle，仅提供真实 JSON HTTP fixture 的启动资源；本批没有重新构建或渲染当前 head 的前端，不构成完整 packaged browser / UI 资格，也不是模型效果或成本证据。

Run state: 所继承 B4 修复的限定恢复检查已完成，含上表明确保留的一次 runtime 清理失败；本批未重跑更新后 B5 的方法比较真实 CLI / File / SQLite 链，也未重建其完整 packaged 场景。原作者证据保留原版本绑定；当前 B5 及最终集成树的完整资格需要分别记录，不能从 B4 的局部通过推定。

本轮发布链与集成验证

• 本 PR 当前发布 head：bb972c1f7d38bddfb13c68f039a1b0c02881930b；tree：b067c8346897afc8b31d879463c5b437213e7d83。
• 完整拆分现为 12 个普通 PR。实际 source refs、head/tree 和依赖祖先已逐一读回；每片 base 为真实已发布前片，完整顺序与后续状态集中维护在 #6838。
• 统一集成分支 commit d1dc8ebfe，tree cb8b1777655d7f37e3571b5087d6cd4db286dbbd，组合本次观察的 main 45d742088a3f7896a0a008761f68d2437398bcd1 与上述 12 个实际 source heads。LoopX supplied-candidate 收据为 in_sync、drift 为空；远端集成 head 已读回。
• 完整性：集成 tree 等于冻结的完整来源与同一 main 合并后，加 A1 的 v2 测试断言迁移及 B4 的请求 drain/退出检查修复。唯一合并冲突是 chat_store.py 指标基线，按自动合并文件实测的 2067 行结算；没有新增集成专用产品逻辑。
• 静态资格：逐切片 RFC 双语检查 12/12 通过；拆分基线后的唯一历史提交 DCO/作者匹配 14/14 通过。集成 tree 的 control-plane TypeScript 检查 passed（50.754 秒），标准 Chat 打包构建（包含 Dashboard TypeScript）passed（131.930 秒）。构建在同 tree 的本地候选上运行，随后核对与上述远端 tree 完全一致。
• 当前 packaged UI：Outcome 恢复场景首轮在原 90 秒 fixture 启动窗口内未就绪（总计 92.463 秒），尚未进入浏览器；原失败保留，正在定位。Worker readback 与 research-history 的当前集成场景待串行验证。本段不将构建成功写成浏览器通过。
• 本轮实际路径使用 synthetic 本地 authority/native HTTP，没有外部模型或正式 benchmark。每项历史/本轮来源版本仍按上文分别记载；CI 和 review 的合并门禁单独判定。