feat(research): retain execution evidence through Explore replans

[songoow]

目标与交付边界

初始候选有效，并不代表原研究目标已经完成；执行耗时、实际方法与失败结果需要进入下一次决策和真实后继工作。

这是 #6784 / #6838 拆分中的 C2 研究阶段与执行证据：原候选 Todo → 保留的研究后继 → 实际本地探针 → 普通 Explore 写回 → replan 与研究历程。它提供完整的本地证据链；native 提交、外部反馈与显式等待由 C3 接入。

Author Declaration

• Written by: model_agent — OpenAI GPT-6 Astra（本轮拆分收尾；功能来源为原 fix: preserve research progress across replans, waits and Host recovery #6838 及其前置 PR）。

Implemented against

• Specification and revision: #6838，固定来源 eac81014fd3a8842ddd420d7908657af107c6787；研究运行合同 的初始候选/研究后继与本地 probe 条款；Goal Vision 的 Structured stride control；研究 RFC §6.2、§6.3。

Criterion (spec clause)	Disposition	Symbol / path	Test or command
研究运行合同：候选完成只释放独立研究后继；准备不消耗工作 Turn、不重开已准备研究	implemented	research_loop.py::prepare_research_continuation	原 test_candidate_stage_leaves_research_work_and_execution_reaches_next_context[sqlite] 本轮 1 passed（338.81 秒）；File 参数保留未补跑。
研究运行合同 / RFC §6.2：实际 probe 保留候选、方法变更、耗时/退出，缺失计数未知，坏诊断不抹去宿主观测	implemented	research_probe.py::run_probe；explore/execution_observation.py	现有 probe 回归及 execution observation codec；原 AST/Ruff 与 TS 文件已通过，真实路径见下表。
Structured stride control / RFC §6.3：同一执行观测进入 Explore、context、stride 判断及可验证后继工作；准备事件不消费实际 finding	implemented	explore_result_writeback.ts、explore_turn_context.ts、replan_context.ts、stride_policy.ts	原 5 个 TS 文件通过；本轮原 SQLite candidate→stride→新 Todo 的真实实验闭环 1 passed，原断言与期限未改。
RFC §4、§5：首次分数和长程收益需要匹配的实际 outcome 对照	out_of_scope	集成分支上的后续研究评测	本 PR 不执行模型或正式 benchmark，不宣称收益。

• Self-check before submission: 核对与 C3 的 TS 输入一致性、三个 native 测试的同步迁移、旧测试回执与公开 synthetic 图片；本轮完整 SQLite 节点另记录实际 checkout、Python imports 和 Node/SQLite 资格。图片来自冻结原始来源，UI 输入未变；当前集成的 packaged 运行结果另列，不能用旧图片替代。

变更与结果

• 显式 research_loop=True 使用既有 Todo 依赖保留研究后继；候选完成释放后继，准备阶段记录 surface_only，已有研究不会被重新打开。
• Harbor planning/worker 使用同一执行指引和 evidence_conditioned_v1 策略，安装本地 loopx-research-probe。关闭处理时保留原入口行为。
• 探针固定明确选择的候选文件，保留进程耗时、退出/超时和可选 solver 诊断。缺失计数保持未知，坏诊断保留可靠宿主测量，候选变化拒绝归因。
• Explore attachment、追加事件、turn context、replan finding refs 和研究历程保留同一个可选 execution_observation，包括候选绑定、实际方法与变更理由。
• 准备活动与未知历史 delivery outcome 不消耗被引用的实际结果；负结果和有效阻塞仍进入后续判断。

依赖与源码身份

• PR base：codex/split-native-request-admission；前置 C1：feat(benchmark): enforce request admission at provider dispatch #6900；发布 head：ce9f90ded5477c22bc8f14021a2377833e23dfaf。
• 本片来源 tree：8c212cfa1d38af23fa1a126712414ad211f43f66；27 个文件。
• 三个 native 自动注册测试与对应实现共同进入 C3；原始组合完整恢复；当前发布树另继承 A1 测试归属迁移与 B4 fixture 退出时先等 HTTP 请求完成、注销自身 Effect runtime，并等待子进程 close 后再删临时根的修复，未删除或放宽验收断言。

验证与边界

检查	验证输入与结果
Ruff / Python AST / 明确路径检查 / diff check	通过；本轮再次核对差异格式通过。
control-plane typecheck	通过。
Explore writeback、turn-context、history、replan-context、stride-policy	5 个 TypeScript 测试文件通过，0 failed / skipped；实际输入为 C3 tree 8f852d440aae2875e916463236c79fa5ee984aff，与本片的相关 TS/Node 测试输入相同。
本轮 SQLite 候选阶段 → 实际 probe → Explore → replan → 改变后的后继实验	原完整节点 test_candidate_stage_leaves_research_work_and_execution_reaches_next_context[sqlite]，C2 commit 17b7c4d6e1315482212a0c34e1c350ca3bce2be9 / 上述来源 tree：1 passed / 0 failed / 0 skipped（338.81 秒）。实际 Python imports 来自该 checkout，Python 3.12.14 / pytest 9.1.1；Node v24.19.0、SQLite 3.53.3，原 runtime qualification=true。源码、断言与期限未改。
同一完整路径的 File 参数	本轮未补跑，保留为该路径的独立证据缺口；不能将 SQLite 通过记为 File 通过。
packaged Dashboard 浏览器路径	下方为继承来源的 synthetic 示例；尚未在拆分 head 重新运行浏览器。

本轮 SQLite 原节点实际验证：初始候选完成仍保留独立研究工作；两步本地 probe 的同一观测进入 Explore、context 与 history；另一候选 SHA 的结果被拒绝且不追加；stride packet 传递实际测量并接受有证据的 replan，随后准入不同新 Todo 并实际执行五步候选，读回不同候选哈希和 stdout。它补齐 C2 独立阶段/stride/新 Todo 的完整路径，C3 的 native 反馈恢复路径另验。

这次通过对应明确的 C2 来源 tree，不是最终发布 head 的完整回归。发布组合还包含列明的前置修复与集成更新，其 packaged 验证按实际输入另列；File 参数本轮没有补跑。

视觉证据

冻结来源 eac81014fd3a8842ddd420d7908657af107c6787 中保留的 public synthetic research-history 示例；本轮相关 UI 输入未变。截图展示计划/实际方法、变更理由、耗时/上限、未知搜索次数、停止原因与候选 SHA-256；它们不是新的拆分 head packaged 验证。

执行观测不认证方法收益，不判定 Goal 完成。本次没有模型调用或正式 benchmark，不能据此声称首次质量或长期收益改善。前置 C1 本轮在其来源 tree 上原背压 File 单例精确诊断 1 passed（31.05 秒），未改源码、断言或期限；C1/C3 历史同节点失败保留，不能将该单例结果赋给完整 native 矩阵。

本轮发布链与集成验证

• 本 PR 当前发布 head：ce9f90ded5477c22bc8f14021a2377833e23dfaf；tree：bc90b589616adb2761ef2c0600df2183b8992c4f。
• 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。