
目录
一、先看结果:代码通过之后,交付还要逐项核对
SoduWork 生成的 HTML 报告里,选中“仅失效锚点”后,上方显示“筛选后显示 2 / 11 条”,下面的表格却还列着全部 11 条问题。控件和计数都有了,实际筛选没有生效。
问题出在这次任务生成的报告代码中。具体反馈送入原会话后,SoduWork 完成修复,浏览器核验确认筛选、组合搜索和重置恢复正常。首次完整交付是一份可复现的静态网站检查工具,通过了独立脚本的 86 项检查:开发站点 11 条、留出站点 12 条问题逐条匹配,没有多报或漏报。同一合同下的 Codex CLI 对照也通过了 86 项检查。
工具能运行以后,说明文件和交付流程还要继续核对。README 经过两轮修订才核对通过;产品内验收遇到证据加载失败,重试恢复后完成了人工确认。个人方法另在新会话中沿用同一份检查器处理另一组输入,实际产物的 22 项核对全部通过。
本轮用到了 SoduWork 对需求、执行和验收的组织能力:六条完成标准可以回看,报告故障能在原会话里继续修正,已验收检查器的调用方式可以保存为个人方法再次使用。需要人工补上的工作也很具体,包括确认反馈送达、把文件登记到成果区,以及核对文档与真实报告是否相符。
二、任务与环境:先确定什么叫“检查正确”
2.1 版本、设备与上手起点
| 项目 | 记录 |
|---|---|
| 设备 | Apple Silicon,硬件标识 Mac16,1,16 GB 内存 |
| 系统 | macOS 27.0.1,arm64 |
| 客户端 | SoduWork Global 1.13.13,构建 1.13.13.610 |
| 执行位置与底座 | 本机,Pi |
| 模型选择器显示 | deepseek-v4.1-flash-1017 |
| 权限方式 | 默认权限,对弹出的文件与命令请求逐次处理 |
| 独立验收使用的 Python | 3.14.7 |
| 方法复用报告记录的 Python | 3.12.15;未将其推定为 SoduWork 全过程的统一解释器 |
| 新增付款 | 0 元,使用已有账号、订阅和可用额度 |
本轮从已安装、已登录的客户端开始,下载安装和注册没有重新计时。当前机器上,Pi 显示可用,其他底座显示缺失;本轮未另行安装或横测。表中的模型名来自选择器,后端实际身份未独立鉴定。
Pi 随后的文件读取、命令执行和代码产出都有实际记录。检查器按合同离线处理站点,模型推理是否联网则取决于另一层配置。费用栏记录的是本轮没有额外购买或充值。
2.2 任务目标:网站发布前体检
文档站和个人博客常有这类小问题:文章移了目录,导航还指向旧位置;图片文件删掉了,引用仍在;标题锚点变了,别处的 #install 链接没有更新。页面本身能打开,这些错误却容易被漏掉。
这次让 SoduWork 用 Python 标准库写一个本地静态网站检查器,交付 JSON、独立 HTML 报告、使用说明、自测和真实运行记录。工具只读取输入,外链只列清单,不访问公网。文件和锚点是否存在都有明确答案,生成的代码也能用于读者自己的文档站。
命令行接口提前固定:
python3 linkcheck.py INPUT --out OUTPUT
INPUT 是站点根目录,OUTPUT 是独立的报告目录。JSON 方便开发者接入后续检查流程,HTML 则让普通用户直接按问题类型和文字查找。验收也因此分成两部分:核对数据结果,再实际操作报告界面。
按 1.13.13 对应的官方说明,SoduWork 围绕需求、执行、AI 初审、人工验收和方法复用组织工作。本次用一份合同提出需求,以检查器和报告作为成果,按预置问题清单验收,再把检查方法用于另一份站点,正好能观察这套安排在实际任务中怎样运转。
其中,模型负责理解任务、推理和生成内容,执行底座把模型接到文件、命令、会话等能力上。本轮选择 Pi;SoduWork 在需求安排中提供这些选择,能否使用仍取决于当前环境是否已经准备好对应底座。
2.3 路径、报告与退出码写进合同
路径规则会直接改变检查结果。/assets/site.css 应从指定的站点根目录查找,而非电脑的磁盘根目录;guide/setup.html#安装 要同时检查文件和锚点。URL 中的 %20 应解码为空格,文件名里的 + 则要保留为加号。
这些规则先写入合同并冻结,再交给实现方。这样,结果出来以后可以按事先确定的要求核对,避免随着实现改动验收口径。
| 检查项 | 本轮约定 |
|---|---|
| 扫描范围 | 递归读取 .html、.htm,扩展名不区分大小写 |
| 引用入口 | a[href]、img[src]、script[src]、link[href] |
| 问题类别 | 缺失文件 missing_file、失效锚点 missing_anchor、越界路径 outside_root |
| 路径语义 | 相对链接以来源 HTML 的目录为基准;根相对链接以站点根目录为基准 |
| URL 处理 | 百分号解码;查询参数不参与文件定位;片段用于检查锚点 |
| 目录和锚点 | 目录引用检查 index.html;锚点支持元素 id 与传统 a[name] |
| 外链和跳过项 | HTTP、HTTPS、协议相对链接仅列清单;空值、邮件、电话、JavaScript、data URL 保留跳过原因 |
| 输入保护 | 不修改站点;解析符号链接后检查根目录边界,不读取根外目标内容 |
| 输出 | JSON 记录类型、来源文件、行号和原始引用;HTML 可独立打开并筛选,正确转义输入文本 |
| 返回码 | 0:成功且无问题;1:成功且发现问题;2:输入或读取错误 |
CSS 中的 url()、<base>、JavaScript 动态生成的 DOM、前端动态路由和外网可达性不在本轮合同内。报告需要区分已经检查的引用、只列出清单的引用和跳过项,免得使用者把它当成覆盖整个网站行为的检查。
2.4 用留出样例和独立答案验收
测试输入由测评侧构造,没有使用客户网站或生产资料。实现方可以阅读开发样例,另一组留到交付后再跑;布置样例时就逐条登记预期结果,不调用被测检查器生成答案。
| 输入 | HTML 文档 | 预置问题引用 | 外链 | 跳过项 | 用途 |
|---|---|---|---|---|---|
| 开发站点 | 6 | 11 | 2 | 5 | 实现时可读 |
| 留出站点 | 6 | 12 | 2 | 5 | 交付后独立复测 |
留出站点遵守同一份合同,但文件名、目录和问题位置都换了,用来检查实现是否只适配了开发样例。
验收逐条比较类型、来源、行号和原始属性值。只看总数会漏掉一种情况:少报一个问题,又把一个正常链接报错,总数仍然相等。有效站点、空目录和不存在的目录也要运行,分别核对返回码、输入完整性和重复结果。
独立脚本通过 Python audit hook 观察验收调用中的网络、子进程、输入写入和根外哨兵读取事件。这部分记录对应本轮 Python 程序的运行;产品权限要看实际授权过程,报告筛选则在浏览器里操作。
三、从需求到执行:控制权落在具体请求上
3.1 创建需求,安排本机 Pi 执行
“静态网站发布前体检:CLI、JSON 与可筛选报告”作为一项需求建立,背景与六条完成标准分别填写,再安排本机 Pi 直接执行。启动界面列出执行位置、底座、插件和交付安排,后续核对任务时有明确的位置可以回看这些要求。

图1:查看本轮启动前的执行安排:使用本机 Pi,截图记录确认配置时的状态。文中红框与箭头为作者标注。
目录约定也影响实际执行。本轮专用成果目录 runs/soduwork/ 与会话临时工作目录不同,开发中一度算错相对路径,后来自行更正。到交付时,本地文件如何对应到产品的成果入口,还需要继续处理。
3.2 允许与拒绝,需要读懂实际动作
文件或命令请求弹出后,我先核对目标和内容,再选择允许一次。具体动作在执行前可见,才能判断它是否属于这项任务。
两次读取超出了初始开发输入范围:一次涉及站点根外的哨兵文件,另一次涉及含有留出复测信息的样例说明。我在确认窗口中拒绝后,会话继续使用已有合同与开发站点工作。界面虽然显示“策略阻止读取”,这两次限制实际来自人工决定。
调试时还有一条待确认的命令:
cd /tmp && rm -rf dbg
/tmp/dbg 是通用名称,无法确认它是本轮专属、可以丢弃的目录。这条命令因此被拒绝,没有执行删除。会话随后改用 tempfile.mkdtemp() 创建独立临时目录,再构造小样例排查。

图2:调试命令中的删除请求被拒绝,截图拍于执行前;后续采用独立临时目录继续排查。
拒绝这些请求没有让任务停摆,会话还能换一种方式继续排查。但判断工作留给了操作者:即使长命令可以滚动查看,也要逐项读懂工作目录、写入位置和末尾动作。熟悉 Shell 的人能据此决定是否允许,不熟悉的用户则很难判断。界面如果能进一步突出实际读写路径、删除对象和网络动作,会更有助于做出这个决定。
四、把结果做对:从自测断言到浏览器复核
4.1 两项自测失败,要先核对预期
本次 SoduWork 会话写出自测后,根据失败结果继续修补。不过,先要弄清楚失败断言要求的结果是否合理。显式传入开发站点副本后,首轮冻结版本的独立复现为 74 项自测、2 项失败,运行错误和跳过项均为 0;两项失败分别涉及环境假设和路径语义。
第一项自测只创建了 d/index.HTML,却要求访问 d/ 时必须报缺少 index.html。在本次 Mac 的测试位置,两种大小写的路径都能找到同一个文件,samefile() 也返回真。合同规定目录首页为 index.html,没有要求绕过文件系统、逐字符匹配目录项。
这里存在平台假设与规格歧义。要模拟部署到大小写敏感服务器后的行为,需要在合同中单独提出并实现;当前合同没有这项要求。本次测试位置的表现也不能推广到所有 macOS 卷。
第二项涉及符号链接。冻结的自测代码包含下面这组链接与内容关系:
site/
├── alias.html -> real/target.html
└── real/
└── target.html
target.html 中的引用:<a href="../missing.html">m</a>
同一份文件内容经由不同路径读取,里面的相对链接也会指向不同位置。以根目录里的 alias.html 为来源,../missing.html 会越出站点根目录;以 real/target.html 为来源,则指向站点内一个缺失文件。按合同中“相对链接以来源 HTML 的目录解析”的规则,前者应为 outside_root,后者才是 missing_file。自测却要求前者也报缺失文件,预期与合同不一致。
同一会话同时生成实现与断言,两边可能共用一个错误假设。这两项失败需要先核对合同与运行环境,再决定改测试还是改实现。
4.2 补丁中的残留变量让主流程中断
随后修改目录判断时,加上了 expect_dir 参数,删掉了原来的 is_dir_hint 赋值,却没有清理函数后半段的引用。修补后的冻结源码里留下了这段代码:
if is_dir_hint:
self._issue("missing_file", source, line, raw, tag, attr,
detail=f"目录 '{posixpath.normpath(target_rel)}' 不存在")
一个只有缺失链接的最小站点就能触发这里的 NameError,JSON 和 HTML 都没生成。带开发站点副本复现时,74 项测试出现 1 项断言失败、16 项运行错误。多个错误来自程序异常后测试找不到报告等连锁结果,不能记成 16 个独立缺陷。

图3:会话记录显示修补后主流程报错;残留变量与连锁错误的判断来自冻结源码复现。
这时只看退出码也会误判。合同把“扫描成功,发现坏链接”定义为返回 1,未处理的 Python 异常却也可能退出为 1。要确认检查真正完成,还得检查本轮有没有生成对应产物。
回归修复后,收尾阶段保存的真实自测日志为:76 项测试,失败 0、错误 0、跳过 0,退出码为 0。unittest 输出为:
Ran 76 tests in 7.608s
OK
7.608 秒是这一轮自测的运行时间。早期 74 项与后续 76 项来自不同版本,不能用数量增加说明质量提高。前面的断言问题已经解释,补丁回归得到修复,交付结果仍需按独立合同核对。
同一实现会话追加的辅助检查 crosscheck.py 反复修补后仍未通过,后来按反馈停止扩展,并保留未通过的状态。最终验收继续使用测评侧预先封存的答案表。
4.3 筛选控件存在,还要检查它真的生效
HTML 报告按类别列出来源文件、行号和原始引用,普通用户可以据此定位问题。开头提到的故障就出现在查找过程中:选择“仅失效锚点(2)”后,顶部是 2 / 11,明细仍是 11 / 11,缺失文件行依旧可见。浏览器检查确认,表格实际保留了全部 11 条问题,没有筛成两条锚点问题。

图4:选择失效锚点后,上方是 2 / 11,明细仍是 11 / 11,第一条缺失文件也没有隐藏。
从冻结的 HTML 可以看出,类型筛选函数先隐藏了不符合类型的行,随后文本搜索函数又遍历一次表格。两项条件本应取交集,后一个函数却依赖下面的判断:
var on = needle === '' || text.indexOf(needle) !== -1;
if (tr.getAttribute('data-kind') === 'issues') {
// 类型筛选与文本筛选取交集
var kindOn = (kindSel.value === 'all' || tr.getAttribute('data-kind') === kindSel.value);
on = on && kindOn;
}
tr.classList.toggle('hide', !on);
表格行的 data-kind 实际保存的是 missing_file、missing_anchor、outside_root,没有一行等于 issues。搜索框为空时,on 对所有行都是真,后一个函数便覆盖了前一个函数的隐藏结果。注释虽然写着“取交集”,执行时根本没有进入这个条件。
只确认 HTML 中存在下拉框和 JavaScript,无法证明两个函数组合起来符合预期。我把反馈集中在复现步骤、相关函数和应有的行为上,要求暂停扩写交叉检查,先修好报告。Pi 随后定位到同一错误并修改,新报告的浏览器检查结果如下:
| 操作 | 实际可见问题行 | 计数表现 |
|---|---|---|
| 选择失效锚点 | 2 | 2 / 11 |
保持锚点类型,搜索 absent | 1 | 1 / 11 |
| 输入无匹配文字 | 0 | 0 / 11 |
| 清空文字,保留锚点类型 | 2 | 2 / 11 |
| 恢复全部类型 | 11 | 11 / 11 |

图5:修复后选择失效锚点,再搜索 absent,明细只保留匹配的一条记录。
SoduWork 会话完成了修复,测评侧没有直接修改业务代码,也没有提供独立验收答案。保存自测日志时,实现哈希与浏览器核验的版本一致。这个筛选问题由实际操作报告发现,自测没有发现它。修复反馈给出了具体的复现步骤和函数位置,会话随后完成修改。
4.4 反馈送达与任务收尾,两次主动收束
修复意见能否送进正在执行的会话,也是本轮遇到的实际问题。我尝试补充范围说明时,输入框里的文字清空了,会话中却没有新的用户消息,界面提示:“这项需求已在会话中执行或排队,请勿重复安排执行”。这次没有观察到反馈成功送达。
1.13.13 对应的客户端发送逻辑与服务端活动回执检查,有一条与现象吻合的处理路径:原生需求的追问仍带着需求 ID,发送前先准备新的执行回执;旧回执处于活动状态时,后端有返回上述提示的分支,输入框清空则发生得更早。这是公开源码提供的解释线索;没有线上 Hub 内部日志,实际部署中的全部原因尚不能确定。
本轮通过停止当前轮次、再向原会话补充要求继续工作,主动这样处理了两次。第一次要求停止反复扩写交叉检查脚本,转回报告筛选修复;新的用户消息确实出现在会话里,Pi 随后完成修改。

图6:新的修复反馈已经进入原会话,要求停止扩展交叉检查并修复筛选;图中较早的模型诊断仍需结合前文复现判断。
第二次发生在收尾阶段。测评侧已经完成 Chrome 交互检查,Pi 仍在自己的 browser-use 辅助调用中处理选择器等语法错误,还准备写入通用路径 /tmp/steps.json。我拒绝该写入并停止当前轮次,把剩余工作收束为保存完整自测日志、真实退出码和编写 README。辅助调用失败,并没有推翻已经核实的报告修复结果,继续处理这些语法问题却会延长交付。
这两次停止都需要操作者判断验证范围:报告筛选尚未修好时,应把任务转回修复;浏览器检查已经通过后,则要明确剩余交付物,结束反复追加的辅助检查。SoduWork 能在原会话中承接这些要求,但发送失败时保留输入或标明未送达内容,以及更清楚地列出剩余事项,仍能减少调整方向和收尾的阻力。
五、同合同对照:两套产物都通过了独立验收
5.1 Codex CLI 独立执行,保留共同输入
同一份合同与开发站点,也交给了一次真实的 Codex CLI 执行。这个对照用于观察 SoduWork 在同类任务中增加的能力。CLI 不读取留出站点、预期答案或 SoduWork 的实现,两套业务代码都由各自执行会话生成,测评侧没有代写或修补。
CLI 版本为 0.167.0-alpha.4.1,使用已有 ChatGPT 登录,沿用现有配置,没有覆盖模型选择;结构化日志未披露可确认的实际模型名。
CLI 也经历了自测失败和修复:首轮 23 项自测中,根内 HTML 符号链接的锚点检查有 1 项失败,同一会话修复后,23 项全部通过。测评侧再对两套首次完整交付运行同一套独立验收,结果均为 86 / 86 项通过。
SoduWork 的首次完整交付包含检查器、自测、README、日志和开发报告,代码哈希与浏览器修复核验的版本相同。

图7:首次完整交付回复列出了自测、报告、说明文件和未通过的辅助检查;产物随后接受独立核验。
5.2 结果相同,数字口径要分别看
两套实现都满足了本轮代码验收要求,差别还体现在报告交互、任务组织和交付接收上。
| 项目 | SoduWork 本轮任务 | Codex CLI 本轮对照 |
|---|---|---|
| 输入合同与开发样例 | 相同 | 相同 |
| 实现与自测 | 经断言问题和补丁回归后,收尾自测 76 项通过;失败、错误、跳过均为 0 | 首轮 23 项有 1 项失败,修复后 23 项通过 |
| 独立验收 | 86 / 86 项检查通过 | 86 / 86 项检查通过 |
| 开发站点问题记录 | 11 条,与预期逐条一致,两次相同 | 11 条,与预期逐条一致,两次相同 |
| 留出站点问题记录 | 12 条,与预期逐条一致,两次相同 | 12 条,与预期逐条一致,两次相同 |
| 桌面报告交互 | 首次类型筛选失效;反馈后修复,类型、交集、空结果、清空与重置符合本轮检查预期 | 锚点筛选显示 2 条;无匹配搜索与重置符合检查预期 |
| 任务组织 | 需求、完成标准、执行安排与会话入口 | 命令、提示词、执行事件与本地产物 |
| 产品内验收 | 退回文档并修订,包与文档核对通过;证据加载曾失败,重试恢复后完成手动确认 | 本次作为直接执行对照,未另建需求验收 |
| 方法复用 | 个人方法 v0.1.0 在新会话调用原检查器,新报告的 22 项产物检查通过 | 未另建方法插件 |
两组站点都没有多报或漏报,各次外链 2 条、跳过项 5 条。两侧对有效站点、空目录和不存在目录的返回码均符合约定,输入保持不变,每侧各 7 次受审计调用均未记录到守卫违规。
76 项和 23 项来自各自会话设计的自测,数量与粒度不同;86 项则是测评侧独立验收的混合断言,包含前置条件、报告、记录集合和输入完整性等。这些数字支持对两套合成站点的判断,不能当作 86 次模型任务,也不能换算成一般网站检测准确率。

图8:CLI 对照生成的开发站点报告,另行完成了桌面浏览器交互检查。
5.3 记录经过时间,不换算速度排名
SoduWork 从 01:04:56 提交需求,到 02:03:18 首次完整交付,经过 58 分 22 秒墙钟时间,其中包含模型处理、逐次审批、两次主动收束和等待。这个区间止于首次文件交付,后续文档返修、产品验收和方法复用另行发生。CLI 进程记录为 402.555 秒,包含启动、生成、自测修复与文档报告生成,不含后续独立验收。两边的框架、模型、系统上下文和时间组成均不同,这组记录不构成严格的速度排名。
测评暂停后才继续验收,任务详情一度显示约 772 分钟,其中有长段空闲,因此没有把这个数字作为执行耗时。
代码结果相同,也说明直接 CLI 在本轮已经具备完整的交付路径。SoduWork 增加的是需求标准的回看位置、随任务保留的修改意见、成果接收入口,以及再次调用已验证方法的方式。这些组织能力要与实际使用成本一起看:本轮需求和人工控制确实发挥了作用,反馈送达、任务收尾与成果登记也需要额外处理。
六、交付与返修:代码通过以后还要验文档
6.1 成果登记决定验收卡能看到什么
会话里的文件链接和验收卡里的证据,在这次任务中没有自动对应。SoduWork 已在回复中列出本地 README、日志和报告链接,需求详情中的“成果”却显示为 0。手动提交验收后,卡片显示固定版本 v1、证据 0 份;顶层需求保留着原来的六条完成标准,卡片里只有一条“主成果完整、可打开,并符合任务目标与验收标准”,并提示没有额外强制证据。
这里有一个具体的目录前提:测试把产物放在 runs/soduwork/,位于当前会话工作目录之外,而固定公开源码中的交付扫描以会话 cwd 为根。根外文件不会因为聊天里出现绝对路径链接就自动收录,所以首次“成果 0”与本轮配置有关,不能直接定性为产品 bug。
补齐这一对应关系,需要把约定目录里的真实文件复制到会话交付目录,打包工具和文档,再按该版本成果扫描实现与交付清单协议使用 delivery.json。本轮通过 .soduwork/delivery.json 登记后,界面出现本地 ZIP 和报告成果按钮,报告可以内嵌查看,验收卡也自动显示 1 / 1 资料就绪。完成这次人工衔接后,使用者才有了产品内可见的交付入口。
验收标准仍需要人落实。本轮没有看到顶层的六条标准被逐条转成强制检查,卡片也没有自动执行 86 项验收;这些检查由测评侧独立运行,产品中采用手动验收。
6.2 README 会影响工具接下来的用法
代码能通过检查,README 的解释却有几处与实现不符。其中一处涉及 target:文档声称它保留源文件中的 & 实体,实际实现使用 HTMLParser 解析属性,字符实体已经解码为 &。百分号编码、查询串和片段可以保留,但字段值并不是字节级的源文件原文。如果开发者照着说明,用 target 做源码字符串替换,就可能找不到原来的文本。
JSON 示例写成了 {"source","line","target"},对象只有键名、没有值。即使代码块标为允许注释的 JSONC,这种语法也不成立。另外三项涉及工具的使用范围和失败行为:文档写了未使用 urllib,实现却用 urllib.parse 做本地 URL 解析;把不可读文件和编码回退混成“宽松降级”,忽略读取失败会报错退出 2;声称退出 2 一律没有报告,却没有区分输出目录里的旧报告和写入失败留下的部分产物。
这五项问题作为首轮验收意见退回,要求只修 README,保留已通过的业务代码与自测,并继续注明交叉检查状态和浏览器复核来源。在“继续修正”后补充的第六项,涉及查询串与片段的拆分顺序:文档把顺序写反,实现实际先分离 #,再从路径部分去掉 ? 查询串。

图9:退回前填写具体意见。卡片显示证据 0 份和一条默认标准,顶层需求的六条标准仍需另行核对。
6.3 返修内容要核到真实报告
两轮文档修订都要求保留已验收的业务代码。人工核对的重点,是示例和行为说明能否与实际产物对应。
第一次返修把 JSON 语法改对了,却又把虚构记录称为真实报告节选:其中出现 guide/setup.html 第 9 行的虚构锚点记录,还有实际报告里不存在的 FTP 引用。测评侧逐项对照 report.json,继续提出最小修正,要求直接取真实报告中的首条记录,并收窄目录 I/O 错误处理的承诺。能解析的示例仍然可能误导使用者,这一步必须回到报告内容本身核对。
第二版文档的六项要求逐项通过,JSON 示例也与实际报告的首条记录准确对应。交付包的 16 项文件与清单检查全部通过:ZIP 恰好包含约定的 8 个文件,包内文件、会话副本与外部原件逐字节一致,业务代码仍是此前通过独立验收的版本。文档修订没有要求模型重写扫描器,也没有重跑一遍全量代码测试,核对集中在这次变动和最终交付包上。
返修期间还遇到过一次模型服务中断。界面显示已处理 16 秒,提示模型服务繁忙或额度受限;具体原因没有进一步区分。点击一次“重试需求”后,原会话仍在,本地读取和命令调用恢复,这次中断没有要求重新建立任务。

图10:返修时出现服务中断提示,界面提供“重试需求”;随后一次重试恢复了原会话的工具调用。
6.4 验收状态还要与当前成果对上
文件包和文档核对完成,任务也自动回到“待验收”,产品内的确认入口却一度不能使用。当时显示最新交付 1 份、历史轮次 2 份,原聊天的验收卡和需求详情都提示证据暂时不可用、暂时无法核对权限与证据。早期几次重新加载仍然失败,“确认验收”按钮处于禁用状态。

图11:此前受阻时,任务已回到待验收,交付文件和历史轮次可见,但权限与证据加载失败,确认按钮禁用。
最后一次复查点击“重新加载”后,卡片恢复了固定版本 v3 和证据 3 份,列出固定成果包、ZIP、独立 HTML,“确认验收”按钮也恢复可用。我填写独立验收 86 / 86、浏览器检查、README 六项核对和交付包 16 项核对的依据后确认交付,界面出现“交付结果已确认”,需求池中的“需要我处理”变为 0。

图12:最终确认前,v3 的三份证据已经加载,确认按钮恢复可用;点击后的成功提示另有界面文本记录留存。
固定版本和证据列表给人工确认提供了明确对象,也让“资料就绪”“内容核对通过”和“产品确认完成”有了各自的位置。本轮走通了退回、继续修正、交付登记和人工确认,具体检查依据由人提供;证据加载失败增加了等待与重试,根因尚未查明。
七、个人方法:让已验收的检查器处理新输入
7.1 保存工具的调用方式
下一次检查站点,可以继续使用已经验收的检查器。需要重复的是核对站点与输出目录、读取真实使用说明、运行工具、检查报告和退出码,再说明问题与覆盖范围。重新生成扫描器会让路径检测实现又进入待验证状态,因此本轮个人方法沿用固定代码。
在 SoduWork 内制作的“本地网站链接体检”版本为 0.1.0,通过平台预检后安装到本机,并在新对话中选中。方法要求调用已有检查器、核对哈希、保留真实命令与退出码,按新报告汇总结果,再登记本轮交付;它声明使用文件和终端,没有新增 MCP、外部 Skill 或工作流。

图13:方法 v0.1.0 的安装前结构检查通过;实际执行另行验证。
新会话输入框中的“本地网站链接体检”标签,提供了这套要求的实际调用入口。选中后可以沿用方法,无需再次粘贴整套执行要求。

图14:新会话已选中“本地网站链接体检”,此时尚未发送新站点的执行请求。
7.2 换一份输入,三个参数仍需确认
复用输入采用此前的留出站点。首次代码交付冻结并完成独立验收后,这份站点才交给方法调用,因此原先的留出检查不受影响。
站点目录、检查器路径和输出目录已经写在消息里,平台仍弹出三个必填字段。填完并点击“补充并发送”,任务才进入新会话执行。表单把每次调用需要的参数单独列出来,本轮也因此多了一次填写动作。

图15:站点根目录、已验收检查器路径和新输出目录是三个必填字段,填写后才发送本轮调用。
7.3 新报告通过核对,检查器没有重写
新会话实际运行原检查器,退出码为 1。报告包含 6 个 HTML 文档、12 条问题,其中缺失文件 6 条、失效锚点 2 条、越界路径 4 条,另有外链 2 条、跳过项 5 条。测评侧完成的 22 项内容与完整性检查全部通过:问题记录与留出答案逐条一致,输入仍与冻结样例一致,检查器哈希没有变化,新生成的 JSON 和 HTML 也与旧开发报告不同。
22 项检查针对已生成文件,实际执行另有会话中的真实命令记录支持。浏览器复查覆盖类型筛选、文字交集、无匹配、清空和恢复全部:选择失效锚点显示 2 条,再搜索 topic.HTML#bad 剩 1 条,清空并恢复全部后回到 12 条。

图16:新报告的问题分布为 6 / 2 / 4;选择失效锚点并搜索 topic.HTML#bad,明细只保留一条记录。
方法会话完成了结果回复,自动成果卡列出 HTML、stdout 和 stderr 三个文件;JSON 保存在本轮输出目录中,也已接受上述逐条核验。
换一份输入后,路径检测规则仍由同一份检查器承担,模型负责核对参数、执行和整理结果。这次复用保留了已验证的实现,也省去了再次组织整套调用要求的工作。
按该版本的插件文档,单步方法、工作流和企业发布属于不同能力。本轮验证的是本机个人方法,安装内容不包含独立审核节点或企业发布流程。
八、开源范围:公开源码能帮助核对什么
公开源码在这次评测中帮助解释了追加消息异常的处理路径,文档则帮助区分执行底座、个人插件与企业发布。核对相关逻辑使用的是 1.13.13 对应的固定提交:测试时 main 文档已有后续变化,所连 Hub 的具体版本也没有独立确认。
SoduWork 自有代码采用 MIT 许可。按同版本的公开范围说明,公开源码包括 Client、Hub、管理端、Runner 和通用自托管相关部分;第三方技能套件、非公开业务插件,以及业务内容同步和演示数据初始化工具等不在该分发范围内。准备按仓库自行部署时,需要先核对所需组件,以及资料包案例依赖的其他内容。
九、适用人群与本轮结论
9.1 本轮结论适用到哪里
这次评测覆盖单账号、本机任务中的权限确认、停止后反馈,以及一次模型服务中断后的重试。团队多角色审批、多租户隔离、云端 Runner、生产部署及企业接入未测,崩溃重启、断网恢复与长时压力也未覆盖。
重复结果一致来自固定脚本的确定性执行,不能据此判断多次让模型从零生成也会得到相同结果。独立脚本的审计记录覆盖其 Python 调用,结论也止于这些调用,不构成整个平台安全隔离的证明。
9.2 什么样的用户能用到这些能力
熟悉终端、只想完成一次明确编码任务的开发者,本轮 CLI 对照已经提供了更直接的交付路径。需要在界面里保留需求标准、追踪修改意见、接收最终成果,并把相似任务反复执行的人,更容易用到 SoduWork 的组织能力:完成标准有固定位置,执行前可以拒绝请求,返修意见随任务保留,确认的成果也能留在验收记录里。
本轮的人工工作包括审阅测试预期、复现浏览器故障,把 README 示例与真实报告逐项比较;开发中还做了两次主动收束,证据加载失败又增加了重试成本。使用者仍需要具备判断代码、报告和文档的能力。
普通 AI 工具用户可以阅读报告,按结构化参数调用个人方法。本轮的调试和验收依赖技术判断,因此更合适的起点,是先把一个边界清楚的任务完成并验收,再保存调用方式供后续使用。这样,更换站点时可以沿用已经确认的代码;表单里需要重新填写的是本次输入,而工具规则已有可核对的依据。
读者可以前往 SoduWork 仓库 体验示例,从仓库发布页选择安装包,并参考入门说明准备环境。
转载自 CSDN-专业IT技术社区
原文链接:https://blog.csdn.net/2401_87629362/article/details/170926402




