进展日志

会话：2026-03-19

需求收口（已完成）

• 明确本次需求不是“再做一个独立的 prompt optimizer studio”。
• 明确要把 SPO 风格的“朝目标自动对齐”能力，嵌入现有测试区工作流。
• 明确 V1 优先做“一轮自动迭代”，而不是多轮 autonomous loop。
• 明确自动配置项收敛为：
  • 目标模型
  • 参考模型

方案收敛（已完成）

• 确认复用现有多槽位测试区，而不是新建页面。
• 确认自动生成 4 槽位预设：
  • 目标模型 / workspace
  • 目标模型 / 上一版本
  • 参考模型 / workspace
  • 参考模型 / 上一版本
• 确认优化对象始终是 目标模型 / workspace。
• 确认 workspace 代表当前工作区草稿，“上一版本”代表当前轮次之前的最近稳定版本。
• 确认 v-last 与“基线”都不够精确，文档改用“上一版本（previous version）”。
• 确认首期实现范围切换为 basic-system，聚焦系统提示词优化。
• 确认测试输入只用于暴露系统提示词行为，不得成为样例特化规则来源。

文档产出（已完成）

• 新增工作区设计目录：docs/workspace/test-area-auto-iterate-one-round/
• 新增架构文档：docs/architecture/test-area-auto-iterate-one-round.md
• 文档重点覆盖：
  • 交互入口
  • 4 槽位预设
  • 一轮执行编排
  • 目标锚点提取
  • 模型上下文构造
  • 防过拟合规则

当前状态

• 设计已收口，尚未开始代码实现。

会话：2026-03-19（结构化对比评估补充）

新增设计决策（已完成）

• 明确 compare evaluation 不应直接依赖 SPO 配置，而应依赖一组中性的结构化 compare 角色语义。
• 明确 compare evaluation 需要分为：
  • Generic Compare
  • Structured Compare
• 明确 Structured Compare 的角色模型为：
  • target
  • baseline
  • reference
  • referenceBaseline
  • replica
  • auxiliary
• 明确“根据整份评估结果自动重写 prompt”应作为通用能力服务于所有评估面板，而不是仅服务于自动优化。

文档产出（已完成）

• 新增架构补充：
  • docs/architecture/structured-compare-and-evaluation-rewrite.md

当前状态

• compare evaluation 的增强方向已收口为：
  • 结构化 compare
  • 评估结果驱动的通用智能重写
• 自动迭代的正式实现尚未按该设计落地。
• SPO 的后续职责被明确收敛为“上层编排”，不再承载 compare 与 rewrite 的底层智能。

会话：2026-03-19（薄 SPO UI 与停止规则补充）

新增设计决策（已完成）

• 明确 SPO 不增加专属 judge LLM 调用，继续复用 compare evaluation 的判断结果。
• 明确 SPO 的停止条件应优先依赖 compare evaluation 输出的通用 stop signals，而不是额外再做一层文本判断。
• 明确 SPO 主界面不新建页面，而是以：
  • 顶部 SPO 按钮
  • 测试区 SPO 运行卡 / 结果卡
  • 右侧 SPO 详情抽屉 的方式嵌入现有测试区。
• 明确多轮过程中要区分：
  • 最后执行轮
  • 最终采用轮

文档产出（已完成）

• 新增架构补充：
  • docs/architecture/spo-thin-loop-ui-and-stop-rules.md

当前状态

• compare evaluation 的设计边界进一步清晰：
  • 负责 structured compare、stop signals、通用智能重写
• SPO 的设计边界进一步清晰：
  • 负责按钮、弹窗、循环、停止、结果展示

会话：2026-03-19（实施拆分补充）

新增设计决策（已完成）

• 明确 compare stop signals 第一阶段建议先落在 EvaluationResponse.metadata，避免大范围破坏现有消费方。
• 明确 structured compare config 与 SPO config 应分离：
  • 前者属于 compare 通用能力
  • 后者属于 SPO 薄编排层
• 明确 SPO 的运行中状态不应全部持久化到 session，应与可恢复配置拆开。
• 明确 BasicSystemWorkspace.vue 应只保留最小接线职责，复杂 UI 与循环逻辑应拆出。

文档产出（已完成）

• 新增实施拆分文档：
  • docs/workspace/test-area-auto-iterate-one-round/implementation-split-compare-stop-signals-and-spo.md

当前状态

• 下一步已经可以按模块推进实现：
  • compare types / payload / signals
  • evaluation panel 通用增强
  • session 状态扩展
  • SPO UI 壳层
  • SPO loop controller

会话：2026-03-19（文档整理与口径统一）

新增整理结论（已完成）

• 确认当前仓库里只有文档设计，先前偏离最新方案的 SPO 小 demo 已经回滚。
• 确认 compare evaluation 的“当前已实现行为”和“下一阶段目标设计”必须分开描述，避免把设计稿写成现状。
• 确认 acceptedRound 的依据应来自“复测后的 structured compare 结果”，而不是 SPO 自己额外发明 judge。
• 确认推荐落地顺序统一为：
  • compare types / signals
  • 评估面板通用增强 + rewrite from evaluation
  • structured compare config
  • SPO UI 壳层
  • SPO loop controller
• 确认 teacher model 术语在当前设计中统一收敛为 reference model；较早的一轮方案文档只保留必要的历史说明。

文档更新（已完成）

• 更新目录说明与当前状态：
  • docs/workspace/test-area-auto-iterate-one-round/README.md
  • docs/workspace/test-area-auto-iterate-one-round/task_plan.md
  • docs/workspace/test-area-auto-iterate-one-round/progress.md
• 更新 compare 当前规范与下一阶段设计边界：
  • docs/workspace/compare-evaluation-analysis/current-spec.md
  • docs/architecture/structured-compare-and-evaluation-rewrite.md
• 更新 SPO 停止规则与 accepted round 依据：
  • docs/architecture/structured-compare-and-evaluation-rewrite.md
  • docs/architecture/spo-thin-loop-ui-and-stop-rules.md

当前状态

• 文档口径已基本统一。
• compare evaluation 与薄 SPO 的边界更清晰。
• 代码实现仍待按更新后的设计重新推进。