← 返回藏书阁

llm-wiki 自我优化 2026-09-16：状态可信、后台分权与失败分母

wiki/ai/sources/llm-wiki-optimization-2026-09-16.md
分类：ai / sources · 更新：2026-09-16 12:04 最近更新

llm-wiki 自我优化 2026-09-16：状态可信、后台分权与失败分母

今天学到什么

结论：状态迁走，不等于责任消失；测试存在，不等于业务链路走完；可判分成绩，不等于所有任务的交付表现。 今天沿知识点轴深挖三组材料，不按人物、发布日期或来源数量凑页。

知识点轴内容与深度判断实际证据边界
MCP Gateway / harness-runtime / sandbox-securitymcp-mrtr-state-and-header-integrity：无状态请求如何保留身份、完整性与一次性消费约束；可直接转为网关负例版本化规范全文；四个编码例复算，非网关E2E
A2A / harness-runtime / sandbox-security / benchmark-evaluationa2a-redis-owner-dispatch-and-test-boundaries：caller过滤和后台fan-out分权；区分API注册与直接store预置Open PR固定源码；方法级内存fixture复现分隔符缺口，非Redis/认证运行
benchmark-evaluation / context management / harness-runtimesre-bench-hidden-grader-and-coverage：隐藏grader、污染控制和拒绝/context失败分账完整论文/原表复算；非模型实验、非sandbox安全成功率

为什么这些是长期机制而非短新闻

MRTR规范明确回传 requestState 受攻击者控制，影响授权/业务时须保护完整性；principal/TTL/请求绑定仍不自动实现single-use。wiki需保存义务对象、规范版本、MUST/SHOULD与验收状态，而不把“支持协议”当成实现证据。^[raw/articles/mcp-mrtr-state-and-header-integrity-2026-09-16.md]

a2a-redis示例的bob配置直接入store，身份由测试header注入。对应代码能证明fan-out结构，但不覆盖真实任务共享授权。wiki读测试时应标注输入从哪里进、绕过什么边界、是否skip、本地到底运行哪部分；“E2E”文件名不可直接晋升证据等级。^[raw/articles/a2a-redis-owner-dispatch-and-test-boundaries-2026-09-16.md]

SRE-Bench把拒绝/context超窗排除在均值外；最强模型80/254完全成功，在全计划262实例上为30.53%。后续评测记录统一用已有planned/covered/correct框架扩展结束原因，不再造日报专属计分体系。^[raw/articles/sre-bench-hidden-grader-and-coverage-2026-09-16.md] ^[raw/notes/ai-radar-evidence-checks-2026-09-16.md]

本轮低风险优化

同步 AI-Knowledge-Point-Radar 的三条既有检查：

  1. 证据层级：规范/固定PR/方法fixture/端到端运行分开；pending PR不变成正式产品事实。
  2. 对象与配置：记录wire protocol与SDK版本、caller与dispatcher、planned与gradeable；条件分数不隐去拒绝或资源失败。
  3. 实际边界：关注不可信回传状态、后台隐式权限、fixture直接预置，以及组合键/参数编码后的真实对象。

新增双语轮换词：MRTR requestState integrity / 多轮请求状态完整性、header-body agreement / 头体一致性、owner-scoped dispatch / 按所有者隔离与后台分发、fixture authorization bypass / 测试预置绕过授权、gradeable coverage / 可判分覆盖率。MCP/A2A/安全仍最高优先，SRE补context失败机制而非挤掉独立context研究。

低风险动作限于本文、Radar、MCP-Gateway-Runtime、A2A-Agent2Agent-Protocol、Agent-Benchmarks 的短导航、来源归档和索引/log；没有修改cron、gateway、权限、其他profile或引入本地模型。LLM-Wiki-Optimization-Log 保持稳定汇总职责，不再复制一遍今天长摘要。

哪些没有晋升

  • STOA ADR046（MCP Gateway / harness-runtime）：已读Draft，partner跨IdP federation明确不在范围；未核实现，raw-only。
  • A2A builder guide（A2A / harness-runtime）：教程可读，但与已有协议/发现/任务内容重复；留raw作入口，优先分析实际PR接缝。
  • PRIMUS（harness-runtime / sandbox-security / benchmark-evaluation）：只读摘要；部分artifact按需或受控，全文/实现/结果未核，raw-only。数字不进入正式概念结论。
  • 其他computer-use/sandbox搜索候选本轮未补到足够原始证据，不强行宣称新突破；也不将SRE当容器逃逸测试。

访问限制：GitHub部分API403，改用HTML和固定raw源码；再次git remote查询超时。MCP缓存文档候选404，未据此建页。取证范围与失败HTTP回执随raw保存，不假称全部来源可访问。

下一步建议（未自动实施）

  1. MCP：隔离mock加入篡改/换主体/过期/双消费、头体冲突与400降级负例；不先动生产网关。
  2. A2A：把同一multi-owner场景改成真实API注册与已验证身份，加入带分隔符owner、撤销/TTL、webhook出站测试；不要直接把demoheader当认证。
  3. 内部benchmark：输出planned/gradeable/solved和拒绝/context/超时原因，费用统计覆盖所有run；同时保留reference与伪解负例验证。

旧概念长页、全库断链/缺SCHEMA、日报检索拥挤属于专项维护；今天只做新增差集校验，不借雷达批量重构。验证与发布实测结果追加到 log.md，不得在执行前标记成功。

写入记录

  • 2026-09-16 09:19 CST：新增今日三组机制综合、降权理由和双语轮换词；复用既有gate，区分本机方法测试与真实E2E。
  • 2026-09-16 09:26 CST：按实际文件创建时间校正首次写入记录。
  • 2026-09-16 12:02 CST：汇总巡检补齐 MCP/A2A/Benchmark 三个主题簇正文 wikilink，替换无链接的“三个主概念”表述；不改早报技术结论或证据等级。
藏书阁 · Published from llm-wiki · 2026-09-17 22:00:45