data-gen-ebd/docs/rollout-plan.md
amos c6435255f9 docs: record the user-specified Git remote
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-10-13 20:49:41 +08:00

30 KiB
Raw Blame History

嵌入式软件 Rollout 项目立项方案

日期:2026 年 10 月 12 日,Asia/Shanghai。项目名:embedded-rollout。本方案确定研发范围、已有资产、基础设施、实施顺序和验收条件。任务配比、扩量容量和工期是起步建议;实际接入与验收分别见 onboarding.md 和 acceptance.md。

项目目标是把嵌入式工程问题制作成可复现的软件任务,让已有 Agent 在真实工作区内修改、构建和运行,再由独立验收器判定结果,持续获取更多可追溯的真实 rollout 轨迹和有证据的工程知识。当前不进行模型训练、权重更新、SFT 或在线 RL。

当前按用户最新范围先做无板卡的软件 rollout。优先恢复并复用 Bos-qiao 任务工厂,以 HWE 补充来源,以 data-gen-bpu 的轨迹质检、资源回收和封存机制作为参考。首批建议 20 条任务。真板、MCU 与真实 BPU 性能需以后单独立项;历史训练讨论不构成本项目实施要求。

首题 frame-decoder 归类 SMOKE_ONLY,用于验证采集链路。扩量先对明确目标模型重复测量任务难度,稳定掌握的题留作回归,有能力缺口且可独立验证的工程任务进入主采集池;一次成功不等于稳定掌握或有训练收益。题目统一五字段 JSONL,原生轨迹另留完整证据,合同见 data-format.md。

1 范围和交付边界

项目交付一条完整链路:任务准入 → 固定环境 → Agent 多轮操作 → 独立行为验收 → 环境清理 → 原始证据 → 轨迹质检与批次归档 → 采集质量和成本报告。知识卡只从已核对证据提取,不新增训练流程。

首期范围 可验收的结果
Linux 用户态的协议、文件、线程、资源和错误恢复 实际程序在固定输入下输出正确,正常路径和边界路径通过
构建、链接、依赖和 ARM 交叉编译 完整工程构建与链接通过,ELF 架构符合要求;若任务要求运行,另验运行结果
ROS2 节点、topic、service、参数和生命周期 用测试节点、PTY 或固定数据产生真实软件通信并断言结果
图像预后处理、数值转换和 CPU 算法 固定输入、数值参考和误差阈值下行为正确
受支持的 QEMU 或 Zephyr 仿真任务 在明确设备模型和软件范围内执行、复位和验收

ROS2 数据回放验证的是固定输入下的软件行为;控制策略改变后输入仍固定的回放,不能证明机器人运动闭环。QEMU virt 是通用虚拟平台,不能替代 S100P/S600 的完整板级模型。QEMU 官方说明

首期验收范围之外的任务包括物理按键刷机、电气特性、真实 DMA/cache 和中断时序、摄像头硬件通路、功耗、BPU 吞吐与机器人实际运动。这些任务保留来源和缺失条件,待对应实验环境具备后准入。

系统完成按可重复采集、独立验收、轨迹完整和清理判断。Agent 最终修复失败,也可以形成完整有效的 rollout;只有任务成功、会话完整且质检通过的记录才进入成功示范集。失败、环境故障和不完整记录另标原因,不强行筛成成功。

2 已有资产和真实成熟度

资产 已有证据 对新项目的用途 开工前缺口
Bos-qiao 500 任务工厂 9 月 14 日批次历史记录,10 月 10 日只读审查:500 条有动态校准和重复检查;304 条有真实教师尝试及独立重判 优先复用任务包、trial_runtime_v3、工作区重置、模型调用记录和干净验收 重验镜像、Agent、服务与预算;建立新批次身份
HWE_harness main 52e629d64,5544 条材料,3003 个非 mutation 基础 ID 新任务来源、领域分类、题面与素材导入 补任务环境、输入、构建与逐题行为测试
HWE evaluator 分支 b52d3b5c3,1081 条材料;已有多轮文本生成、L0/L1、报告 参考任务加载和报告接口 持续工作区工具循环未接通;判分需按必需层执行
下游 HWE-Bench 历史清单 4847 runnable,包含静态判分 参考已有镜像配方和部分判分实现 历史 runnable 不等于完整多轮工程任务;模型路由和行为判定需核验
data-gen-bpu c2c52edce;BPU 的执行、板测、轨迹质检和发布实现;9 月历史记录有少量审核后进入 SFT 数据集的轨迹,并非模型训练证明 复用或薄适配原生事件、身份绑定、清理回执、数据筛选和封存 任务与 verifier 仍绑定 BPU;通用任务与轨迹合同需适配,训练端不在本项目范围
QEMU probe S100 V4.0.5、S600 V5.1.0 在 virt 中进入 root shell 与 systemd;均 degraded ARM Linux 软件环境与 disposable overlay 的实验底座 尚未接任务注入、执行、验收和恢复;现有 probe 关闭网络
当前 Mac 初始清点为 arm64、16 GiB、12 个逻辑 CPU,约 52 GiB 可用;QEMU/Colima 已有;本轮安装 Salty 0.2.3 并本人授权 本地开发、审阅和轻量验证,控制 Salty 本地仍未有 Docker;ROS2/west/ARM 工具链按任务增加
当前接入资源 36 Docker 29.5.2 的校准及真实 Pi/GLM-5.3 单任务闭环通过;Salty VPC 镜像/存储探针和合格轨迹归档复核通过,临时探针已清理 沿用已验收的固定镜像、controller 与独立 grade,逐题扩量 Salty 正式 Agent 后端与 20 题扩量未完成;原件、清理和限制见 验收 与 资源记录

关键口径必须保持一致:

  • HWE 的 5544 是材料数量;其中 2541 是变异材料。基础 ID、来源 URL 和独立根因不是同一计数。731 个优先软件基础 ID、1956 条含变体材料,是筛选池。
  • 10 月 12 日 HWE 本地清点中,完整校准任务包和真实多轮行为验收均可证实为 0。这个范围不包括 Bos-qiao 的远端历史成果。
  • Bos-qiao 的 500 条全部是软件任务,其中 182 条直接涉及嵌入式机制,318 条为软件支撑;33 条历史来源,467 条原创。不能把这些都称为真实历史故障。
  • 304 条真实试跑中成功 62、失败 242;其中 233 条失败被记录为修改前输出预算耗尽。该比例不能直接作为模型能力基线。其余 196 条中,12 条只有 transport 429,184 条尚未试跑。
  • 10 月 10 日 17:13 的远端检查发现固定镜像引用缺失,OpenCode 路径和配置不存在,额度暂停标记仍在。后续聊天没有恢复或新跑证据,10 月 12 日远端可运行性需要开工复核。
  • 10 月 11 日 HWE mock 的 1/1 通过,仅证明两轮静态反馈与报告落盘。

资产依据:Bos-qiao 审查索引、工厂流水线对账、HWE 清点、QEMU 结果、BPU 历史验收。

3 系统结构和一次 Rollout

flowchart TB
    S["团队工程问题 / Bos-qiao / HWE / 开源修复"] --> P["任务制作与验收校准"]
    P --> R["版本化任务登记"]
    R --> C["可信控制端:派发、预算、身份与状态"]
    C --> A["独立 Agent 容器:起始工作区与工具链"]
    A <--> M["模型服务 / 受控调用代理"]
    A --> T["读文件、修改、构建、运行与公开测试"]
    T --> A
    A --> F["冻结候选源码与产物摘要"]
    F --> V["新建独立验收容器:受保护行为测试"]
    V --> E["结果、运行日志与清理回执"]
    C --> E
    A --> E
    E --> D["不可变证据与批次索引"]
    D --> Q["轨迹质检与内容审核"]
    Q --> K["版本化工程知识卡"]
    Q --> U["成功示范 / 失败分析 / 未验证记录"]
    U --> B["批次质量、成本与覆盖报告"]
    B --> C
    K --> A

Agent 在工作容器里持续行动;LLM 在容器外通过 API 提供推理。控制端掌握正式验收规则、任务状态、运行时限和资源身份。Agent 可运行公开自测,最终交卷后由新建干净环境裁决。采集迭代只改变显式记录的任务、环境或模型配置,不进行模型更新。

一次尝试按以下顺序执行:

  1. 领取具备准入证据的任务,冻结模型、Agent、工具、环境、输入、测试和运行配置。
  2. 从固定模板创建独立工作区,检查依赖与资源就绪。每个 attempt 使用独立名称、路径和端口。
  3. Agent 根据真实反馈反复读取、修改、构建、运行。每个工具调用及对应结果写入原始事件流。
  4. 交卷、超时或中断时冻结最终候选,同时保留修改前后源码、产物摘要和终止原因。
  5. 独立 verifier 在干净环境中重建或检查候选,执行该任务所有必需验收项。
  6. 超时或正常结束后回收进程与临时资源,记录清理回执;清理状态未知的执行资源先隔离。
  7. 原始证据封存后生成轨迹候选和知识卡。失败、未验证和不完整记录保留原有事实与排除原因。

不把正式评分测试、参考解、模型凭证或控制端 Docker socket 暴露给 Agent。保留目录结构和完整工程文件,避免只提取单个代码块或文件 basename。

4 部署选择和 Salty 接入

已完成 36 Linux Docker 的 Pi/GLM-5.3 单任务真实闭环,以及 Salty CPU 镜像/存储探针和合格轨迹归档复核;Salty 正式 Agent 后端再按能力准入。 两类部署沿用同一任务和证据合同,报告分别标记后端与环境版本。

部署阶段 运行方式 准入条件
单任务真实接入 36 Docker 中运行 Pi 0.73.1、GLM-5.3 与新的无网 grade 容器 固定镜像、完整 20 次校准回执、私有模型代理、原生工具反馈和清理
恢复现成工厂 沿用 v3 的任务与执行合同,逐题导入 快照、固定镜像与任务行为重校准;不直接复制整个旧平台
Salty 正式采集 Salty Agent 作业与可信独立 grade 环境交接候选 CPU 探针、模型安全通道、原生轨迹、候选身份、取消与清理;无网 grade 能力未确认时留在 36
特殊 VM 任务 通过受管 QEMU worker 提供执行通道 平台支持所需启动方式与资源;具备文件注入、health/reset 和日志采集

Salty 使用预先构建并上传的镜像。不要默认 Salty 容器内部能启动第二层 Docker、拥有宿主机 socket、支持 privileged 或 KVM。若平台没有受控嵌套执行能力,采用分开的普通作业或外部 Linux worker;保持 Agent 与正式评分器隔离。Salty 操作规范

本步 Pi 使用 Chat Completions;上游 key 只保存在 host 私有文件与可信代理内,代理绑定本次专用 Docker bridge、限制来源且不开放公网。工作容器 2 GiB/1 CPU,默认 900 秒防挂死;grade 512 MiB/1 CPU、首题 60 秒。用户当前不设费用或模型轮数上限,用量和费用按实际记录。

单任务入口为 python3 -m rollout.pi_run,自动管理校准、专用网络/代理、固定 Pi argv、独立 grade 与 host 原生证据对账。私有 key 仅通过 --credential-file 路径供给可信控制端,不进 Agent;准确命令见 README。新 runtime tag 为 embedded-rollout-20261012-pi0731-trace2,正式按 onboarding 记录的 manifest digest 冻结,不以标签代替身份。

Salty CPU 探针已拉取同 digest 并执行 Node v22.23.3/Pi 0.73.1,探针作业和文件已清理;合格归档上传后下载 SHA-256 核对一致,事实链见 现场回执。公开文档未确认 Secret、workload identity、network-none 或 capability 配置,明文 -e/--env-file 不供给 key。两个独立 jobs 若能读取同个人盘,也不能保护隐藏测试;verifier/gold 留在可信控制端。持久内容只用 personal:/embedded-rollout,不动已有作业或其他目录。

5 最小任务合同

每条正式任务应至少具备以下材料,不能只交付 prompt:

材料 必填内容
任务身份 task_id、version、领域、根因或任务族、来源与授权范围
需求与边界 目标行为、允许修改范围、接口约束、目标平台、明确不覆盖的硬件行为
起始状态 完整工程模板、源码版本和摘要;修复题有已知故障版本,开发题可从空工程起步
环境身份 镜像 digest、CPU 架构、工具链、ROS/SDK 版本、内核要求和资源估计
输入 fixture、模型或数据文件、测试消息、种子和摘要
执行合同 setup、build、run、公开 test、submit、reset、cleanup 的入口与期限
正式验收 独立 protected tests、必须完成的层、数值容差或行为断言、测试版本摘要
校准证据 正确解、原缺陷或缺失功能、空实现、作弊和合法替代实现的预期结果
数据归属 原工程与根因族、公开或私有范围、split 分组键、证据与产物保存规则

新建薄的任务适配层,统一 prepare / execute / submit / evaluate / reset / cleanup / collect。保持 BPU 专用 job 与门槛原有语义;按领域调用对应 verifier,不用一个通用退出码代替所有验收。

6 任务从哪里来以及如何扩量

首批建议由 20 条组成:协议和资源管理 6 条、构建 4 条、ROS2 软件通信 6 条、数值或预后处理 4 条。配比在恢复盘点后按可用任务调整;优先保证少数任务族的完整性。

优先级 来源 制作方式
1 Bos-qiao 已有正式任务包 恢复原快照与环境,重新校准代表任务;优先直接涉及嵌入式机制的部分
2 团队源码、工单和修复记录,包括合作团队提供的工程题 固定修复前后状态,替换无法接入的输入源,保留接口、约束和工程难点
3 HWE 的优先软件材料 以完整工程和行为测试补齐合同,同一模板与变异按族归并
4 开源项目 issue、修复 PR 和现有测试 冻结提交、复现原问题、验证补丁与替代实现、明确依赖
5 社媒和论坛线索 先进入调查队列,取得源码、版本、输入和验收材料后再转任务

首轮 ROS2 优先复用工厂原有 Jazzy 环境;HWE 中其他 ROS 版本的材料按原约束另建镜像,不混用依赖。协议类保留 PTY、字节流、错误恢复和资源释放等软件难点。数值类标注只能证明算法结果,不能证明 BPU 性能。

每个任务族的首题制作环境与 grader,后续共享环境,但应增加不同根因或需求。任务生产报告同时记录候选数、校准准入数、独立任务族、准备工时和淘汰原因。先积累两个成熟任务族,再按测得成本扩大范围。

7 验收和判分

校准要先于 Agent 采集。首批每题至少验证:正确实现通过,原缺陷或缺功能实现失败,空实现失败,删除工作负载或伪造输出失败;约束允许时合法替代解通过。恢复初态后重复执行,建议沿用工厂已有五次校准规则。

任务 需要验收的行为
构建修复 真正编译和链接,依赖完整,目标 ELF 架构正确;不能只有 syntax-only
协议和资源 分包粘包、长度边界、错误输入后恢复、资源回收、正常回归
ROS2 实际节点启动、发送与接收消息、topic/service/参数行为、退出清理
数值处理 精确输入和可信参考、容差、溢出/空输入/异常值等适用边界
QEMU 软件任务 指定 guest 执行、输入注入、输出断言、overlay 重置和重复
后续真板 候选产物和板端实际运行绑定、相应硬件测量及基线恢复

正式结果分开记录:

  • PASS:具备有效环境,所有必需行为验收通过。
  • FAIL:有效环境中候选行为不满足需求。
  • UNVERIFIED:缺依赖、测试跳过、执行环境不支持任务必需能力或证据不完整,无法裁决。有效环境中 Agent 未能完成任务计为 FAIL。
  • INFRA_ERROR:镜像、API、worker 或运行环境故障。另记录执行终止、数据完整性和 cleanup 状态。

任务状态使用 candidate → assets_ready → calibrated → rollout_ready → sampled → curated → published。通过记录应绑定 task、candidate、environment 和 verifier 四种摘要。必需测试未执行时关闭成功门。

当前 HWE 的 return rc is not None、空检查 exit 0、L1 skip 后仍 pass 等逻辑必须由新任务准入和行为 verifier 挡住。原有 L0 可用于辅助诊断,不能作为统一最终成功门。当前行为检查模板

8 基础设施清单

8.1 第一阶段必须具备

已有主机和平台配额优先复用,正式吞吐由首批测量决定。本项目使用外部模型 API,不要求训练 GPU、基座权重或 checkpoint 存储。

基础设施 最小配置或交付物 当前状态 就绪验收
Linux 执行或构建主机 复用 36 Docker;工作 2 GiB/1 CPU,grade 512 MiB/1 CPU,磁盘按峰值测量 Docker 29.5.2,首题校准、真实模型、无网 grade 与清理已通过 新任务或环境重新校准;不把单任务闭环外推为 20 题完成
Salty 账户与 CPU 作业 探针用 CPU、0 GPU,资源按作业实测 0.2.3 本人授权成功,VPC 镜像/存储探针和归档复核通过,探针已清理 正式 Agent 再验模型通道、候选交接及独立评分
镜像构建与仓库 CCR namespace algo,公网构建端和 VPC 作业入口;固定 digest 新 runtime 构建与公网 push 成功,同 digest Salty VPC pull 执行成功 按固定身份复跑;后续环境变化重新校准
环境镜像 Linux 工具链镜像、工厂匹配的 ROS2 镜像;数值依赖按任务包固定 有历史镜像引用和部分配方 gold 与负例在正式镜像中校准通过
已有 Agent Pi 0.73.1、固定工具 schema、工作区、原生 adapter 与 controller 镜像内 SDK 检查与真实 GLM/Pi 因果证据通过;HWE 文本后端不替代工具 Agent 每次采集核对调用、结果、后续输入与正常终态
模型服务与用量 GLM-5.3 Chat Completions;实际模型、请求、token 和耗时 用户已提供服务并授权本项目调用,费用与轮数暂不设上限 真实工具请求、终止与用量记录有效;缺费用字段记未知
网络与凭证供给 host 私有 key、专用 Docker bridge 代理,不开放公网 Docker 路线按本次试跑验收;Salty 安全模型通道未确认 上游 key 不进 Agent/候选/轨迹/作业参数;代理与网络可回收
独立 verifier protected tests、干净 build/run、无网终态评分、结构化结果 Bos v3 有历史实现;每题规则需重验 gold/noop/buggy/cheat/替代解校准,缺必需层不 pass
控制状态与资源管理 单可信控制端、本地盘 SQLite 或原有账本、attempt ID、限时、续跑和清理 v3 与 data-gen-bpu 有可复用机制 强制超时与重启不会重复归账或串用工作区
原始证据存储 host 独立 controller/attempt;Salty 唯一 personal:/embedded-rollout 合格原件保留 36;Salty 仅一份归档,上传后下载摘要一致,临时内容已清理 扩量测容量和留存;每份归档重新核对摘要与去敏范围
任务和来源登记 JSON/JSONL manifest 加简单索引,含 family、版本、准入和 split 原有任务登记可适配 查询某条结果能定位任务、输入、验收和候选版本

本项目按外部模型 API 采集,worker 使用 CPU;自托管模型与训练算力不在当前资源要求。

Docker 共享宿主内核;CPU 架构、内核能力和用户空间镜像要分别固定。需要 ARM 运行时可用原生 ARM worker 或经校准的用户态仿真;需要客体内核才进入 QEMU 系统任务。Docker 官方说明

8.2 按软件任务需要增加

阶段 新增基础设施 开始使用的条件
ARM 系统任务 QEMU worker、kernel/rootfs/overlay 缓存、串口或 SSH 通道、版本化 machine 配置 一条 guest 内完整构建/运行/验收/重置任务通过
RTOS 软件任务 固定 Zephyr/SDK/west、native_sim 或支持的 target、对应测试 应用任务校准;声明模拟时间和 MCU 硬件边界
BPU 转换仿真 授权 SDK、编译环境、模型、校准与评测数据、参考数值 明确目标芯片/SDK,单模型转换与仿真通过
扩量存储与备份 证据容量、去重索引、摘要和恢复材料 单任务与批次清理稳定后按实际体积规划

Zephyr native_sim 运行的是宿主软件模型,不提供具体 MCU 的完整硬件和真实时序。Zephyr 官方说明 历史讨论中的 labgrid、烧录器、真板夹具和训练算力属于未来另立项目,当前不要求提供或实现。

SQLite、flock 和正在写入的执行账本放在受支持的本地盘;大产物可使用平台共享存储。不要把同一物理板拆成两个独立 state 域同时调度,也不要用数据发布回滚撤销资源和额度账本。

9 轨迹和知识产品

每次尝试保存以下信息:

  • task/source/family、环境与输入摘要、Agent/模型/工具版本、预算和 attempt 身份。
  • 模型实际请求与返回消息、工具 schema、调用 ID、参数、真实 stdout/stderr/退出码、时间戳和公开反馈。
  • 文件改动、最终完整工程、构建和部署产物摘要、正式验收原件、终止与清理回执。
  • token、请求次数、耗时和费用;缺字段记未知,不能用估算冒充已核算。

原生记录保留真实失败后再修复的过程,归档遵循原生顺序和因果关系,不补写 Agent 没见过的日志。成功示范、失败分析、环境故障、不完整和未验证各有 disposition。

完整轨迹的准入要求来源身份一致、原生模型/工具事件可复核、调用与结果闭合、反馈进入后续输入、会话终止有事实、正式评分和清理绑定、去敏检查通过。成功示范另要求行为 PASS,失败示范保留真实 FAIL;不把环境故障或截断记录充作完整样本。历史 Bos curate 或 reward_candidate 标签不自动证明这些条件。

知识卡保存“问题与症状、适用版本、复现步骤、已验证原因或待验证假设、修复、测试证据、未覆盖范围、原始轨迹链接”。起步用 JSONL 和关键词索引;先确认工程师或 Agent 能检索、复现和使用,再按需要增加语义检索。

10 采集质量、覆盖和独立复核

20 条试点用于验证采集链路、任务覆盖和制作成本。固定 Agent、实际模型、工具、环境、grader 与运行配置,分别报告任务表现、会话完整性、环境故障和清理;不以小样本成功率推断模型泛化收益。

扩量按原项目、来源和根因族归并。gold、mutation、隐式/显式 prompt、相同模板和同一修复的近似版本不得算作多个独立问题。用于独立复核的保留任务不进入 Agent 检索案例或提示示例;当前不创建训练集转换流程。

每个采集批次给出总 attempt、完整轨迹、任务 PASS/FAIL、环境故障、截断、重复、人工介入、token、耗时和可获得的费用。缺失字段明确记未知。抽查原始事件重建工具结果进入后续模型输入的顺序,并从固定候选重新运行独立 grader;任何必需证据缺失先修链路再放量。

报告同时列任务族和独立问题分母、有效完整轨迹比例、误宣称成功率、复跑一致性、失败原因和单位产出成本。成功率不要求 100%,但成功门不能跳过必需行为检查,完整门不能跳过原生因果证据。至少两个成熟任务族可按相同合同持续采集后再增加并发。

历史聊天提出过私有知识、SFT、checkpoint 重载和在线 RL;这些是过去的远期设想,当前用户范围只做 rollout。今后如需训练,应另立范围、资源和验收合同,不加入本项目代码、里程碑或基础设施要求。

11 实施里程碑和阶段门

建议投入一名平台/Agent 工程师和一名任务/验收工程师;业务工程师按任务族参与评审。人员不足时先做两个任务族。时间是研发估算,始终以阶段门决定进度。

下表的试点时段是成熟任务资产与环境齐备时的起步建议,不是已确认的整体工期。按任务恢复与新制题比例拆分的人日估算,以及另计的平台工作,见 任务创建标准的工作量;先完成 3–5 题恢复试点,再用实测修正。

里程碑 建议工作量 主要工作 完成标准
M0 恢复和单任务闭环 3–5 个工作日 快照盘点、恢复或升级镜像、接已有 Agent、独立 grade、预算和证据 1 条 gold/负例校准、真实 Agent 工具尝试、终态验收、清理与恢复重跑完整
M1 二十条可信试点 1–2 周 补任务合同、校准、Salty 适配、完整轨迹、来源分组 20 条准入任务及完整尝试;gold/负例/作弊/重置符合预期,硬质检全部通过
M2 持续采集和复用 1–2 周 真实模型基线、用量统计、续跑、失败隔离、轨迹质检和两个任务族扩量 单并发稳定后提升到 2–4;异常后不丢证据、不重复归账,归档可复核
M3 采集质量与扩量验收 按试点规模和实测估算 来源去重、原生因果复核、独立重判、覆盖/成本报告、稳定批次归档 20 条准入任务、至少两个任务族持续采集;完整/失败/故障分母透明,必需证据和评分身份可复跑,临时资源清理确认

M1 成功率不是必须达到 100%;必须达到的是任务和数据可信。M1 的任何被采 attempt 缺事件、产物身份或终态验收回执时,先修链路再放量。

当前已通过单任务真实采集、独立验收、清理与归档,首次异常轨迹不计合格;这不代表 Bos-qiao 快照恢复、Salty 正式 Agent 后端或 M1–M3 扩量已完成。实际阶段证据见 acceptance.md 与 runtime-review.md。

首轮正式试点只锁定一个执行后端、一个 ROS 版本和少量任务族。当前不要求同步建成所有模拟器或板卡平台,也不建设训练框架;M3 是本项目采集系统的完成标准。

12 研发分工和成本核算

工作包 责任与交付
平台与执行 版本冻结、v3 恢复、Agent 工具接入、Salty 后端、预算、生命周期和持久化
任务与 verifier 任务选择、输入和完整工程、行为断言、校准、来源/根因分组
数据与知识 原生轨迹适配、硬质检、内容审核、release、知识卡与检索
采集质量与扩量 来源去重、模型身份、因果完整性、独立重判、覆盖/用量报告与批次复核
业务评审 验收要求、真实需求、软件抽象边界和知识是否可复用

前两个工作包可并行,任务合同和 verifier 的身份接口由同一负责人冻结。轨迹与质检沿用已有机制,先写薄适配,不再建一套大型调度平台。

按试点实测计算:总成本=任务制作人时+镜像与资产恢复+模型 token 费用+CPU/存储+轨迹审核与独立复核。分别报告每条完整轨迹和成功示范单位成本;分母为 0 时报告无法产出,不忽略失败耗费。模型费用缺字段时记未知,不能用 adapter 的占位价格冒充实际计费。

运行时限、资源、并发和“当前无费用/模型轮数 cap”写入批次 manifest。超时或取消时保存在途记录并按合同回收。依据平均耗时、tail latency、峰值内存和有效产出调整资源,不从历史服务器配置推导采购清单。

13 开工所需输入与首日动作

当前接入事实已写入 onboarding.md:36 上真实 Pi/GLM-5.3 单任务闭环与 Salty 探针、归档复核已通过;具体原始证据见 rollout-receipt.json。Salty 正式 Agent 后端与 20 题扩量尚未完成,以下材料与验收逐步补齐,凭证不写入受版本管理的项目配置或文档:

  1. Bos-qiao 任务与 runtime 快照的读取位置、归属和使用权限,精确镜像的恢复来源。无法恢复时明确新环境版本并重校准。
  2. 首轮 Linux worker 的访问方式;Salty 账户/namespace、镜像仓库、作业隔离方式和个人输出目录。
  3. 固定 Pi adapter、真实 GLM-5.3 身份与 Chat Completions 工具协议、host 私有模型代理和运行期限;当前费用与模型轮数不设上限。
  4. 两个优先任务族及业务评审人;合作团队问题附完整源码、输入、修复记录或可观察的通过条件。
  5. 原始记录存储容量、去敏保留范围、来源去重与执行身份;只使用 personal:/embedded-rollout,本次临时测试内容核对后清理。

首日顺序:冻结资产清单 → 复核现成镜像与 v3 → 选一条最完整的软件任务 → 先跑 gold/负例/重置 → 接 Agent 与真实模型 → 独立终态评分 → 核对轨迹与清理 → 决定首批 20 条清单。

项目最终留下版本化任务集、镜像恢复材料、Pi 执行接口、独立 verifier、可复核原始证据、质检后的批次索引、失败与故障分析,以及覆盖/用量/成本报告。知识卡可作为证据复用的薄层,训练与真板另立范围。用户已授权本项目试跑;Git remote 为用户 2026-10-13 指定的 origin(https://gitea.d-robotics.cc/ming01.wang/data-gen-ebd.git),只推送 main,不改写已推送历史,不动已有作业,临时资源核对后清理。