AirCoding/AirPlan/docs/开发阶段多模型交叉审计报告.md

# AirCoding V1.0.0 Alpha — 开发阶段多模型交叉审计报告

> **报告类型**: 多模型交叉审计综合（Meta-Audit）
> **生成日期**: 2026-06-03
> **审计分支**: GLM5-Achieve
> **代码规模**: 7 包 / 146 源文件 (137 TS + 9 TSX) / 123 实现任务 (T-001..T-809)
> **参审模型**: 4 个独立审计模型
>
> | 模型 | 报告文件 | 评级 | 发现总数 | 阻断级 | 审计角度 |
> |------|---------|------|---------|--------|---------|
> | **DeepSeek** | Deepseek开发阶段审计.md | B+ | 97 | 10 | 阶段级 + 问题计数 |
> | **Opus 4.8** | Opus开发阶段审计.md | C+ | 140+ | 18 | 逐字段对照规范 |
> | **MiniMax-M3** | MiniMaxM3开发阶段审计.md | C+ | 38+ | 18 | 可执行性 + 治理 |
> | **Qwen3.7-Max** | Qwen3.7开发阶段审计.md | 骨架就位/语义偏差 | 84 (31C+22H+19M+12L) | 31 | 需求覆盖 + 规范一致性% |

---

## 0. 综合结论（四模型共识）

### 0.1 一致裁决

> **四个独立审计模型在以下核心判断上完全一致**：
> AirCoding V1.0.0 Alpha 当前处于 **「架构骨架与基础设施质量高，但核心运行时子系统语义大面积偏离冻结基线」** 的状态。
> **不应在当前状态下发布**；必须先关闭阻断级缺陷。

| 维度 | 四模型一致结论 |
|------|--------------|
| **基础设施层** | ✅ Monorepo / SQLite Schema / 事件注册表 / Enum 验证 / 依赖方向 — 质量高 |
| **契约层** | ⚠️ contracts 编码良好，但下游系统性重定义本地类型、不 import 契约（Opus + Qwen 明确，DeepSeek + M3 印证） |
| **执行链路** | ❌ Scheduler / IPC / Security / Context / TUI / outbox — 语义偏离或链路断裂 |
| **安全** | ❌ 3 处命令注入 + 权限旁路 + 弱加密密钥（四模型均独立发现命令注入） |
| **可发布性** | ❌ 四模型均判定不可发布 |

### 0.2 评级谱系

```
DeepSeek  B+  ████████░░  (乐观：文件齐全=骨架完整)
Opus 4.8  C+  █████░░░░░  (严格：逐字段不符规范)
MiniMax   C+  █████░░░░░  (务实：接口在但链路断)
Qwen3.7   D+  ████░░░░░░  (最严：规范一致性平均<45%)
─────────────────────────
综合评级  C   █████░░░░░  (骨架B级 / 执行链路D级)
```

**评级分歧根源**：DeepSeek 以"实现计划任务完成度"（123/123 文件创建）为主轴 → B+；其余三模型以"与冻结规范的语义一致性"为主轴 → C+/D+。**Meta 裁决采纳后者**：文件存在 ≠ 语义正确，综合评级 **C（骨架 B / 执行 D）**。

---

## 1. 阻断级缺陷交叉确认矩阵

> 下表汇总四模型发现的阻断级（P0/CRITICAL）缺陷。**≥2 模型独立确认**的缺陷置信度最高，列为「高置信阻断项」。

### 1.1 高置信阻断项（≥3 模型确认 — 必须立即修复）

| # | 缺陷 | 位置 | DeepSeek | Opus | M3 | Qwen | 置信度 |
|---|------|------|:---:|:---:|:---:|:---:|:------:|
| **B1** | EventStore.project() 事务边界违反（`_tx` 不传仓库，域表写在事务外） | EventStore.ts | — | ⚠️ | — | ✅ F-04 | **2/4** ⭐⭐⭐ |
| **B2** | workspace 投影写非法枚举 `'created'`/`'merging'` → 首次创建即崩溃 | EventStore.ts:900,909 | — | ✅#1 | ✅ | ✅ F-05 | **3/4** 🔴 |
| **B3** | 项目级 DB（debug/learned-memory）表名/路径/列全面偏离 db-schema §20 | DebugKnowledgeStore.ts, LearnedMemoryStore.ts | ⚠️ | ✅#2 | ✅ | ✅ F-01/F-02 | **4/4** 🔴🔴 |
| **B4** | route_prefix 查询用 `.` 拼接但存储用 `/` → 前缀过滤永久失效 | EventRepository.ts:185 | — | ✅#3 | ✅ | ✅ F-07 | **3/4** 🔴 |
| **B5** | TaskAttemptRepository 列映射 bug（检查 signature 却写 summary 列） | TaskAttemptRepository.ts:114 | — | ✅#4 | ✅ | ✅ F-06 | **3/4** 🔴 |
| **B6** | ToolRegistry 权限上下文硬编码 undefined → **权限模型被旁路** | ToolRegistry.ts:262-263 | — | ✅#5 | ⚠️ | ✅ §5.4 | **3/4** 🔴🔴 |
| **B7** | ACTION_BRANCHES 内 `this.*` 调用 → read_only/sandbox 分支运行时崩溃 | ToolRegistry.ts:62,72 | — | ✅#6 | — | ✅ §5.4 | **2/4** 🔴 |
| **B8** | 命令注入 ×3（CMake/CppBuilder/Cppcheck execSync 字符串拼接） | CMakeConfigurator.ts:48, CppBuilder.ts:30, CppcheckRunner.ts:36 | ⚠️ | ✅#10-12 | ✅ | ✅ §14.2 | **4/4** 🔴🔴 |
| **B9** | C++ 工具绕过 PermissionEngine（违反 INV-3） | CppToolRegistrar.ts | — | ✅#13 | ✅ | ✅ §14.1 | **3/4** 🔴 |
| **B10** | INV-2 outbox 完全未发事件（debug.record.created / memory.promoted） | wiring.ts:35-73 | ⚠️ | ✅#14 | ✅ | — | **3/4** 🔴 |
| **B11** | Scheduler 状态机缺 BLOCKED/CANCELLED（多 TERMINATED） | Scheduler.ts:18-29 | — | ✅#8 | ✅ | ✅ §7.1 | **3/4** 🔴 |
| **B12** | Scheduler 是空壳（不调 WorkspaceManager/WorkerManager/ContextAssembler/EventIngestor） | Scheduler.ts:74-204 | — | ⚠️ | ✅ | ✅ §7.3 | **3/4** 🔴 |
| **B13** | MainAgent 状态机缺 7/13 状态 + 正则分类非 LLM | MainAgent.ts:13 | ⚠️ | ✅#12 | ✅ | ✅ §9.1 | **4/4** 🔴 |
| **B14** | Worker IPC 握手顺序反转 + 信封缺 5 字段 | WorkerManager.ts:45-91, WorkerProtocol.ts | — | ⚠️ | ✅ | ✅ §8.2/8.3 | **3/4** 🔴 |
| **B15** | TUI 不依赖 OpenTUI（render 走 console.log）+ ProjectionClient↔Store 断连 | TuiApp.tsx, ProjectionClient.ts | ⚠️ | ✅#18 | ✅ | ✅ §13.2 | **4/4** 🔴 |

### 1.2 中置信阻断项（2 模型确认）

| # | 缺陷 | 位置 | 确认模型 |
|---|------|------|---------|
| **B16** | ModelConfig.api_key 明文存储（应 auth_ref 间接引用） | ModelConfigLoader.ts:17 | Opus#7 + Qwen §11.2 |
| **B17** | DeveloperLogEncryptor 硬编码弱密钥 'dev-key' | DeveloperLogEncryptor.ts:22 | Opus#15 + M3 |
| **B18** | CapabilityTrustLevel 用错误枚举值（core/trusted vs 规范 5 级） | CapabilityManifestValidator.ts:19 | Opus#16 + Qwen §6.1 |
| **B19** | PermissionEngine 缺 block/refuse/announce_then_run 动作 | PermissionEngine.ts:19-26 | Opus#17 + Qwen §4.3 |
| **B20** | WorkerProcess 退出码 4 错配（blocked vs 规范 parent-cancelled） | WorkerProcess.ts:17,30 | Opus#9 + M3 |
| **B21** | CLI init 直接写 FS 绕过 ToolRegistry（违反 INV-3） | cli/commands/init.ts | M3 + Qwen §15.2 |
| **B22** | CommandRiskAnalyzer `'sudo_likely' in trimmed` 永远 false | CommandRiskAnalyzer.ts | Qwen §4.2（单模型深挖，逻辑确凿） |

### 1.3 单模型独有阻断项（需复核）

| # | 缺陷 | 来源 | 说明 |
|---|------|------|------|
| **B23** | e2e 命令 hardcoded 全 ✅ 不跑测试（release gate 形同欺骗） | M3 独有 | 治理问题，价值归零 |
| **B24** | project_id 用 Date.now() 而非 stable UUID | M3 独有 | 同秒重 init 撞 id |
| **B25** | 16/28 MVP 工具缺失 | Qwen §5.1 独有量化 | DeepSeek/Opus 提及但未量化 |
| **B26** | ContextAssembler L6-L9 四层缺失 + 非 canonical 输出 | Qwen §12 + Opus 印证 | 上下文装配不完整 |

---

## 2. 不变量（INV）合规交叉裁决

> 综合四模型对运行时不变量的判定。**任一模型判 FAIL 即标红**，多模型一致 PASS 才判绿。

| 不变量 | DeepSeek | Opus | M3 | Qwen | **Meta 裁决** |
|--------|:---:|:---:|:---:|:---:|:------:|
| INV-1 状态列仅经 EventStore.project | ✅ | ⚠️ | ⚠️ | ❌(F-04) | ❌ **FAIL**（事务边界 + Scheduler 旁路写 status） |
| INV-2 跨库 outbox 单写者 | ⚠️ | ❌ | ❌ | ✅* | ❌ **FAIL**（完成事件从不发出） |
| INV-3 副作用经 ToolRegistry/PermissionEngine | ⚠️ | ❌ | ❌ | ❌ | ❌ **FAIL**（CLI init / C++ / 权限旁路） |
| INV-4 导入方向单向 | ✅ | ✅ | ✅ | ⚠️(llm不引contracts) | ⚠️ **部分**（依赖图合规但 llm 本地定义类型） |
| INV-5 EventBus 仅传输 | ✅ | ✅ | ✅ | ✅ | ✅ **PASS** |
| INV-6 工件 temp-rename 原子写 | — | — | — | ✅ | ✅ **PASS** |
| INV-7 Workspace GC 策略 | — | — | — | ⚠️(SQL bug) | ⚠️ **部分** |
| INV-8 Agent heartbeat 持久化 | — | — | — | ❌(仅内存) | ❌ **FAIL** |
| INV-9 ExperienceMiner 4 触发路径 | — | — | ⚠️ | ❌(0实现) | ❌ **FAIL** |
| INV-10 read-before-edit 强制 | ⚠️ | — | — | ❌ | ❌ **FAIL** |
| INV-11 完成门禁强制 | — | — | — | ❌ | ❌ **FAIL** |

**INV 合规综合得分**：PASS 2 / 部分 3 / **FAIL 6**。
**关键裁决**：四模型独立得出 INV-1/2/3 三大核心不变量均不达标——这是评级压到 C 的决定性依据。

---

## 3. 规范一致性百分比（Qwen 量化 + 三模型印证）

> Qwen3.7 提供了唯一的逐文档一致性%量化，其余三模型的定性结论与之高度吻合。

| 基线文档 | Qwen 一致性 | 其余模型印证 | Meta 评估 |
|---------|:---:|------|:---:|
| event-registry-v1 | 95% | DeepSeek/Opus 均确认 54+7 事件齐全 | ✅ 高 |
| error-taxonomy-v1 | 90% | Opus 确认 AirError 匹配 | ✅ 高 |
| C4 code-view | 90% | Opus 确认 contracts 忠实编码 | ✅ 高 |
| db-schema-v1（会话表） | 85% | 四模型确认 17 表正确 | ✅ 高 |
| artifact-naming-v1 | 80% | — | ✅ 中高 |
| cross-platform-matrix | 80% | — | ✅ 中高 |
| interface-contracts-v1 | 65% | Opus 列 15 契约缺失 | ⚠️ 中 |
| solution-architecture | 55% | M3 确认链路断 | ⚠️ 中 |
| prompt-layering-v1 | 50% | Opus 确认 L5-L9 缺 | ❌ 低 |
| system-overview-design | 50% | M3 确认子系统连接断 | ❌ 低 |
| main-agent-state-machine | 45% | 四模型确认缺 7 状态 | ❌ 低 |
| system-detailed-design | 45% | Opus 确认方法签名偏差 | ❌ 低 |
| tool-registry-v1 | 40% | Opus/M3 确认工具缺失 | ❌ 低 |
| runtime-semantics-v1 | 40% | 5/11 不变量违反 | ❌ 低 |
| scheduler-state-machine | 35% | 四模型确认状态/方法缺 | ❌ 低 |
| capability-trust-v1 | 30% | Opus 确认 trust level 错 | ❌ 很低 |
| security-model-v1 | 20% | Opus/M3 确认全面偏差 | ❌ 很低 |
| provider-capability-matrix | 20% | Qwen 确认仅 20% 实现 | ❌ 很低 |
| scope-escalation-v1 | 10% | 未实现 | ❌ 极低 |

**加权平均一致性 ≈ 52%**。基础设施类文档（80-95%）拉高均值，但**核心执行类文档（10-45%）是真实短板**。

---

## 4. 各模型审计角度与独有贡献

### 4.1 DeepSeek — 阶段级问题计数
- **角度**：以 P0-P8 阶段为主轴，逐文件审查 + 跨引用合约 + 不变量检查
- **独有贡献**：完整的「合约合规矩阵」「DB 模式合规表」「测试覆盖率<5%」量化
- **盲区**：评级偏乐观（B+），未深挖权限旁路、状态机终态等语义级缺陷
- **价值**：建立了问题分类框架与技术债务清单（TODO.md）

### 4.2 Opus 4.8 — 逐字段对照规范
- **角度**：4 个子代理并行，全部 16 合约文件逐字段对照
- **独有贡献**：**首次发现「契约系统性漂移」根因**（下游重定义本地类型不 import 契约）；权限旁路（B6）；ACTION_BRANCHES this 崩溃（B7）
- **盲区**：未量化规范一致性%；对治理/可执行性着墨少
- **价值**：18 项阻断清单精确到文件:行，最具可操作性

### 4.3 MiniMax-M3 — 可执行性 + 治理
- **角度**：「代码即使符合规范，是否真能跑」
- **独有贡献**：**Scheduler 空壳（B12）**；TUI 无 OpenTUI 依赖（B15）；**e2e 假报绿（B23）**；project_id Date.now（B24）；Worker 握手反转细节（B14）
- **盲区**：发现总数较少（侧重关键链路）
- **价值**：揭示「接口在但连接链路断」的系统性可执行性阻断

### 4.4 Qwen3.7-Max — 需求覆盖 + 一致性%
- **角度**：FR/NFR 需求矩阵 + 逐文档一致性百分比
- **独有贡献**：**唯一的需求覆盖矩阵（FR-001..020）**；**唯一的逐文档一致性%量化**；CommandRiskAnalyzer `in` 操作符 bug（B22）；16/28 工具缺失量化（B25）；ContextAssembler L6-L9（B26）
- **盲区**：部分发现与其余模型重叠未交叉标注
- **价值**：最全面的规范覆盖视图，发现总数最高（84 项）

---

## 5. 正面发现（四模型共识 — 已正确实现）

> 以下项目至少 2 个模型独立确认实现正确，构成可信赖的基础设施基座。

| # | 正面项 | 确认模型 |
|---|--------|---------|
| 1 | Monorepo 结构（Bun workspace + Turborepo + 7 包分层） | 四模型 |
| 2 | SQLite Schema（17 表 / 38 索引 / PRAGMA / 5 schema_meta） | 四模型 |
| 3 | 事件注册表（54 持久 + 7 临时事件全注册） | DeepSeek/Opus/Qwen |
| 4 | Enum 验证（18 闭枚举全覆盖） | Qwen |
| 5 | ArtifactStore 原子写（temp→sha256→rename→event） | Qwen + Opus |
| 6 | EventBus 错误隔离（handler 异常不中断订阅，INV-5） | 四模型 |
| 7 | 临时事件合并（7 类型 / 5 秒窗口） | DeepSeek/Qwen |
| 8 | EventIngestor 持久/临时路径分离 | Opus/Qwen |
| 9 | SecretRedactor（14 凭证模式） | Opus/Qwen |
| 10 | CLI 命令完整（11/11 入口） | 四模型 |
| 11 | 依赖方向（dependency-cruiser 7 forbidden 规则零违规） | DeepSeek/Opus/M3 |
| 12 | 16 仓库 CRUD 完整 | Qwen |
| 13 | TUI/Worker 模块导入方向干净（仅 contracts） | Opus/M3 |
| 14 | ArchitectureDesigner 4 结果枚举正确 | Opus/M3 |

---

## 6. 统一修复路线图（四模型优先级融合）

> 融合四模型的 P0/P1 建议，按「阻断级 → 链路连通 → 规范对齐 → 完整性」分层。

### 阶段 A — P0 安全与崩溃阻断（发布前红线，必须 100% 关闭）

| 任务 | 对应缺陷 | 确认模型数 |
|------|---------|:---:|
| A1. 消除 3 处命令注入（execSync → execFileSync + args 数组） | B8 | 4/4 |
| A2. 修复 workspace 投影非法枚举 | B2 | 3/4 |
| A3. EventStore.project() 传递事务句柄给所有仓库 | B1 | 2/4 |
| A4. 修复 ToolRegistry 权限旁路（加载真实 task_scope/profile） | B6 | 3/4 |
| A5. 修复 ACTION_BRANCHES this 绑定崩溃 | B7 | 2/4 |
| A6. 修复 TaskAttempt 列映射 + route_prefix 分隔符 | B5,B4 | 3/4 |
| A7. api_key 改 auth_ref + 移除硬编码 'dev-key' | B16,B17 | 2/4 |
| A8. CommandRiskAnalyzer `in` 操作符 bug | B22 | 1/4(确凿) |

### 阶段 B — 执行链路连通（让一个任务真正跑起来）

| 任务 | 对应缺陷 | 确认模型数 |
|------|---------|:---:|
| B1. Scheduler 接通 WorkspaceManager/WorkerManager/ContextAssembler/EventIngestor | B12 | 3/4 |
| B2. Scheduler 补 BLOCKED/CANCELLED 状态 + 状态写入改走事件投影 | B11 | 3/4 |
| B3. Worker IPC 修握手顺序 + 补信封 5 字段 + 退出码 4 语义 | B14,B20 | 3/4 |
| B4. INV-2 outbox 真实发出 debug.record.created / memory.promoted | B10 | 3/4 |
| B5. ProjectionClient↔ProjectionStore 建立推送 + 接入 OpenTUI | B15 | 4/4 |
| B6. CLI init 改走 ToolRegistry（INV-3） | B21 | 2/4 |
| B7. 替换 e2e 假报绿为真实测试套件 | B23 | 1/4(治理) |

### 阶段 C — 规范对齐（与冻结基线重新同步）

| 任务 | 对应缺陷 | 确认模型数 |
|------|---------|:---:|
| C1. 项目级 DB schema 对齐 db-schema §20 | B3 | 4/4 |
| C2. MainAgent 补 7 状态 + LLM 分类 | B13 | 4/4 |
| C3. 补 15 缺失契约接口 + 下游 import 契约（消除本地漂移） | (Opus/Qwen) | 2/4 |
| C4. PermissionEngine 补 block/refuse/announce_then_run + grant_scope | B19 | 2/4 |
| C5. CapabilityTrustLevel 改 5 级 + manifest schema 对齐 | B18 | 2/4 |
| C6. PathClassifier 补 credential_store/project_air_*/unknown | (Opus/Qwen) | 2/4 |
| C7. 注册 16 缺失 MVP 工具（cpp.*/debug.*/gui.*/network.*） | B25 | 1/4(量化) |

### 阶段 D — 完整性（功能补全）

| 任务 | 对应缺陷 |
|------|---------|
| D1. ContextAssembler L6-L9 + canonical 输出 | B26 |
| D2. Provider 能力矩阵补全 ~80% 字段 |
| D3. Worker 结果统一 WorkerResult<T> 信封 |
| D4. Recovery 实现孤儿扫描 + PID 存活检查 |
| D5. EvidenceStore 持久化（弃内存 Map） |
| D6. project_id 改 stable UUID |

---

## 7. Meta-Audit 方法论说明

### 7.1 交叉验证原则
- **置信度分级**：≥3 模型确认 = 高置信🔴；2 模型 = 中置信；1 模型 = 需复核
- **冲突解决**：评级分歧时，采纳「语义一致性」视角（3 模型）而非「文件完成度」视角（1 模型）
- **独有发现保留**：单模型独有项不丢弃，标注「需复核」纳入路线图

### 7.2 四模型互补性
```
DeepSeek (广度·计数) ──┐
Opus     (深度·字段) ──┤
                       ├──→ Meta-Audit (交叉确认 + 优先级融合)
MiniMax  (链路·治理) ──┤
Qwen     (覆盖·百分比)─┘
```
- 四模型从**完全不同的角度**独立审查，关键缺陷（命令注入 B8、DB schema B3、MainAgent B13、TUI B15）获**4/4 满票确认**，置信度极高
- 评级从 B+ 到 D+ 的分布反映了「完成度 vs 一致性」的根本张力，Meta 裁决取 **C（骨架 B / 执行 D）**

### 7.3 综合数据
| 指标 | 数值 |
|------|------|
| 四模型发现总数（去重前） | 97 + 140 + 38 + 84 ≈ 359 |
| 高置信阻断项（≥3模型） | 15 项 |
| 中置信阻断项（2模型） | 7 项 |
| INV 合规 | PASS 2 / 部分 3 / FAIL 6 |
| 加权规范一致性 | ≈ 52% |
| 正面共识项 | 14 项 |

---

## 8. 最终裁决

> **综合评级：C（骨架 B 级 · 执行链路 D 级）**
>
> **可发布性：否**。四个独立审计模型一致判定 V1.0.0 Alpha 不应在当前状态发布。
>
> **核心判断**：
> 1. **基础设施扎实**——Monorepo、SQLite Schema、事件注册表、依赖方向四模型满票通过，这是真实的工程资产。
> 2. **契约系统性漂移**——contracts 忠实编码规范，但 runtime/llm/workers/tui/toolchain-cpp 系统性重定义本地冲突类型、几乎不 import 契约（Opus 揭示根因，Qwen 量化为 15 契约缺失）。
> 3. **核心链路断裂**——Scheduler 空壳、TUI 无渲染、IPC 握手反转、outbox 不发事件，使「一个任务从派发到完成」的主路径无法真正贯通（M3 揭示）。
> 4. **三大不变量失守**——INV-1/2/3 四模型独立判 FAIL，是评级压到 C 的决定性依据。
> 5. **安全红线**——3 处命令注入（4/4 满票）+ 权限旁路 + 弱密钥，任一项都是 GA 阻断。
>
> **建议**：冻结新特性，按统一路线图阶段 A（安全红线）→ B（链路连通）→ C（规范对齐）→ D（完整性）顺序整改。阶段 A 必须 100% 关闭方可考虑下一里程碑。

---

*本报告由 Opus 4.8 (1M context) 综合 DeepSeek、Opus 4.8、MiniMax-M3、Qwen3.7-Max 四份独立审计报告交叉生成。所有阻断项均标注确认模型数以供溯源复核。*

🤖 Generated with [Claude Code](https://claude.com/claude-code)