对等基线复制锚点链接

English | 中文

本页记录对等基线：上游 DeepSeek Harness 自身的测试套件，在 Delo 参考主机上、于上游标签 dsh-v0.2.2-rc.1 下的运行结果。本页包含两轮运行、一次 Node 24 核对、每项剩余失败的分类，以及这些结果所依赖的环境与主机状态。本页还记录 v5 上的绿色基线：运行步骤、前置条件、唯一的排除项，以及使每个失败文件通过的修复。术语遵循 Delo 术语表。

目录复制锚点链接

• 参考主机与代码树
• 两轮运行
• 上游 CI 设定的环境
• Node 24 核对
• 剩余失败的分类
• 主机状态
• v5 上的绿色基线

参考主机与代码树复制锚点链接

• 代码树。 代码树为上游标签 dsh-v0.2.2-rc.1，未作任何修改。两轮运行均未编辑或提交它；运行结束后，仅有被 git 忽略的构建产物有差异。
• 主机。 Ubuntu 24.04.1 LTS，运行于 WSL2 之上，内核为 6.6.87.2-microsoft-standard-WSL2，22 个 CPU，15 GiB 内存与 4 GiB 交换空间。
• 工具。 pnpm 11.28.5，即 package.json 所固定的版本。Playwright 1.61.1。Docker 服务端 29.9.2，可连通。
• Node。 第一轮与第二轮运行使用 Node v26.12.1。Node 24 核对使用 Node v24.22.0。
• 负载。 两轮运行期间，主机上还有其他任务。第一轮的平均负载约为 20，第二轮约为 25。
• 前置步骤。 pnpm install --frozen-lockfile 与 pnpm run build:native-system 均已通过。在 apps/web 中运行的 pnpm exec playwright install chromium webkit 通过了，但报告主机缺少 WebKit 库，详见主机状态。未安装系统软件包。快照测试套件需要已构建的 lib/ 输出，因此第一轮在任何构建之前运行过一次，该次运行失败。

两轮运行复制锚点链接

第一轮使用普通环境。第二轮先用 CI 变量重新构建，然后在限制于 Linux 的环境中，按上游 CI 设定的环境中列出的变量，依次运行每个套件。

第一轮：普通环境复制锚点链接

没有 CI 变量，使用默认构建配置，WSL 环境未作修改。

单独重跑时，44 个失败的单元测试文件中有 34 个通过，12 个失败的 web 测试文件中有 1 个通过。重跑结果表明，这些失败源于共享主机上的负载。

第二轮：按上游 CI 设定，限制在 Linux 内复制锚点链接

第二轮先运行 DSH_TELEMETRY_DISABLED=1 DSH_BUILD_CLIENT_PROFILE=official pnpm run build：退出码 0，耗时 49 s，10 个门禁中 10 个通过。official 配置记录了 366 个客户端产物，其中 4 个公开值；默认配置记录了 2 个。

因为 DSH_EXAMPLE_MODE=lib 增加了 apps/web/tests/*.snapshot.ts 中的五个文件，所以第二轮的快照测试套件运行 9 个文件，第一轮为 4 个。第二轮中每个失败的文件又在相同环境下单独运行三次；结果见剩余失败的分类。

两轮之间的变化复制锚点链接

• 单元测试通道的失败文件从 44 个降至 28 个，失败测试从 147 个降至 37 个。
• web 通道的失败文件从 12 个降至 10 个，失败测试从 15 个降至 11 个。context-menus.e2e.ts 与 smoke-real.e2e.ts 在第二轮通过；它们在第一轮的失败未能复现。
• expected 通道的失败文件仍为同样三个，失败测试从 5 个增至 6 个。
• spawn-runner.spec.ts 在第一轮单独运行时失败，在第二轮的完整运行中通过。

场景数复制锚点链接

计数为 snapshots/ 下包含 snapshot.yml 的场景目录数。

上游 CI 设定的环境复制锚点链接

下列每个变量，都取上游工作流文件为本基线所运行命令设定的值。没有任何工作流文件为快照、expected 或 web 命令设定 DSH_SNAPSHOT，也没有为这些命令设定 DSH_EXAMPLE_MODE；它们由 scripts/run-gates.ts 中的门禁定义设定。

• DSH_TELEMETRY_DISABLED=1：.github/workflows/ci.yml、sandbox.yml 与 e2e.yml 顶层的 env。适用于本基线中的每条命令。
• DSH_BUILD_CLIENT_PROFILE=official：ci.yml 中 node-compat 任务的 "Run compatibility smokes" 步骤，以及 build-exe-for-python-sdk.yml。构建门禁通过 scripts/client-build-environment.ts 中的 CLIENT_BUILD_PROFILE_SELECTOR 设定它，scripts/run-gates.ts 中的 ciBuildGate 与 ciArtifactBuildGate 使用该常量。适用于第二轮的构建，以及 test:web 内部的构建。
• DSH_COVERAGE_TEST_TIMEOUT_MS=90000：ci.yml 中 node-24-coverage 任务的 env，以及 sandbox.yml 中的 "Unit tests (darwin parity)" 步骤，该步骤运行 pnpm run check:ci:unit。适用于 pnpm run test。
• DSH_EXAMPLE_MODE=lib：e2e.yml 为 pnpm run test:e2e 设定它，本基线不运行该命令。scripts/run-gates.ts 中的快照与 expected 门禁定义为 pnpm run test:snapshot 与 pnpm run test:expected 设定它。
• DSH_SNAPSHOT=replay：scripts/run-gates.ts 中的 web 快照门禁定义为 pnpm run test:web 设定它。

上游仅在自托管运行器上使用的变量，例如 DSH_COVERAGE_MAX_WORKERS、DSH_GATE_CONCURRENCY 与 DSH_WEB_SNAPSHOT_WORKERS，在托管运行器上解析为空字符串。本基线不设定它们。

WSL 下的本地限制复制锚点链接

每条命令都在 Delo 检查工具于 WSL 上施加的 Linux 限制下运行，即 delorun/apps/tools/src/checks/machine.ts 中的 confineToLinux。上游 CI 不施加该限制。shell 的 PATH 去掉了 44 个位于 Windows 驱动器挂载点下的条目，保留 25 个；下列变量被取消设置：WSL_INTEROP、WSL_DISTRO_NAME、WSLENV、WSL2_GUI_APPS_ENABLED、DISPLAY、WAYLAND_DISPLAY、PULSE_SERVER 与 NoDefaultCurrentDirectoryInExePath。这些变量是在 shell 中为每条命令设置的，而不是在每个测试 fork 中设置；移除的变量集合相同，因此各套件看到的环境一致。

Node 24 核对复制锚点链接

.nvmrc 固定为 24，ci.yml 将 PRIMARY_NODE_VERSION 设为 '24'。核对时将 Node v24.22.0 置于 PATH 首位，并保留 CI 变量与限制。

• pnpm install --frozen-lockfile 通过：退出码 0，3 s。原生插件在 Node 24 下重新构建，加载时的模块版本为 137。
• DSH_BUILD_CLIENT_PROFILE=official pnpm run build 通过：退出码 0，95 s，10 个门禁中 10 个通过。
• 上游的 node-compat 矩阵还会运行 Node 24.9 与 26。

下列每个文件都在第二轮环境下，于 Node 24 中单独运行三次。本表为有针对性的对比，不是完整的 Node 24 运行，也不能替代完整运行。

最后五行是从下文分类中的 (c) 类随机抽取的五个文件。

Node 24 与 Node 26 在 composer-focus.e2e.ts、public-url.expected.e2e.ts 的服务用例，以及 context-meter.e2e.ts 的 Chromium 用例上结论一致。在本次核对中，有三个文件仅在 Node 26.12.1 上失败：subagent-diagnostic、subagent-inheritance 与 generation.spec.ts。public-url.expected.e2e.ts 的明文 HTTP 警告用例在 Node 24 上不稳定。

剩余失败的分类复制锚点链接

第二轮的失败测试分为四类。文件所属的类别，由其单独运行的结果以及输出中显示的错误决定。除 public-url.expected.e2e.ts 外，每个失败文件只属于一类：该文件的 IPv6 测试属于 (a) 类，其另外两个测试属于 (d) 类。

expected 列合计为 4，而文件只有 3 个，因为 public-url.expected.e2e.ts 同时计入 (a) 类与 (d) 类。web 通道的总计报告为 11 个失败测试，但 (a) 类与 (d) 类中列出的测试共 12 个（9 个 WebKit 测试，加上 composer-focus.e2e.ts 与 context-meter.e2e.ts 中的 3 个）。本基线未能解释这一差异。

(a) 主机状态复制锚点链接

WebKit 浏览器启动失败，因为主机缺少 WebKit 的 GTK 与 WPE 系统库。八个 web 文件在 browserType.launch 处失败，错误为主机缺少运行浏览器所需的依赖，共 9 个测试。每个文件单独运行时均为 3 次中 3 次失败：

• apps/web/tests/declared-reasoning.e2e.ts
• apps/web/tests/deepseek-messages-settings.e2e.ts
• apps/web/tests/markdown-wide-table.e2e.ts
• apps/web/tests/menu-material.e2e.ts
• apps/web/tests/models-settings.e2e.ts，两个测试
• apps/web/tests/session-inspector.e2e.ts
• apps/web/tests/session-replay-reload.e2e.ts
• apps/web/tests/turn-tail-actions.e2e.ts

主机上 IPv6 loopback 被禁用，因此 ::1 监听失败，报 EADDRNOTAVAIL。有三个测试以此方式失败，单独运行时均为 3 次中 3 次失败：

• packages/test-support/llm-mock-server/tests/server.spec.ts："formats an IPv6 listener as a valid base URL"（单元测试）。
• apps/cli/tests/profiles/web/tests/public-url.expected.e2e.ts："prints the IPv6 loopback root for ::1 and serves it"，以及 "prints the IPv6 loopback root for the second IPv6 spelling and serves it"（expected 测试）。

(b) WSL 上的上游测试缺陷复制锚点链接

这些测试没有注入平台或内核版本。该 WSL2 内核的版本字符串包含 microsoft，因此运行的是生产代码中的 WSL 分支。每个文件单独运行时均为 3 次中 3 次失败。

• packages/host/open-in-app/tests/resolver.spec.ts："does not offer the Linux file manager without a desktop session"。该文件从未注入 osRelease，而 packages/util/native-command/src/path-opener.ts 中的 isWsl() 会回退到 os.release()。
• packages/util/native-command/tests/path-opener.spec.ts："rejects unsupported platforms, cancellation, and launcher errors"，以及 "uses the native runner for a file-manager handoff when none is injected"。
• packages/util/native-command/tests/file-applications.spec.ts："uses the production command adapter and current platform when no override is supplied"。
• packages/util/native-command/tests/file-applications-linux-native.spec.ts："queries and launches an installed Linux desktop entry through GIO"。该文件未注入平台，因此运行 WSL 分支并调用 powershell.exe，而该命令已被限制移除。

(c) 完整运行中不稳定复制锚点链接

二十二个单元测试文件在完整的 pnpm run test 运行中失败，单独运行时通过。其完整运行中的首个错误为 30 s 至 180 s 的预算超时，或 CPython 探测超时。每个文件单独运行时均为 3 次中 3 次通过；判定标准为至少 2 次通过。

• packages/client/ui-settings-account/tests/apply.client.spec.ts
• packages/experimental/client-ui-forge/tests/controller.host.spec.ts
• packages/experimental/worktree/tests/worktree.spec.ts
• packages/experimental/ptc-runtime-python/tests/runtime.spec.ts
• packages/experimental/speech-to-text-sensevoice/tests/worker.spec.ts
• packages/schedule/schedule/tests/change-notice.spec.ts
• packages/subagent/subagent/tests/continuation.spec.ts
• packages/subagent/subagent-acp/tests/subagent-acp.spec.ts
• scripts/gen-third-party-notices.spec.ts
• scripts/persistence-epoch-header.spec.ts
• scripts/persistence-schema.spec.ts
• 与 packages/experimental/liveshare/tests/viewer-*.client.spec.tsx 匹配的十一个文件

(d) 其他复制锚点链接

以下原因未作进一步诊断。每个文件单独运行时均为 3 次中 3 次失败。

• apps/web/tests/composer-focus.e2e.ts："keeps mobile submission keyboard navigation in the composer while retaining desktop focus"（1 个测试）。teardown 报告 llm-replay: fixture not fully consumed：一个已录制的脚本从未绑定到活动会话。
• apps/web/tests/context-meter.e2e.ts："keeps details visible while resizing the window"，分别针对 Chat statistics: true 与 false（2 个测试）。teardown 错误与 composer-focus.e2e.ts 相同。该文件会启动 WebKit，但 WebKit 库缺失并不能解释这两个测试。
• apps/cli/tests/profiles/headless/tests/subagent-diagnostic.expected.e2e.ts："discovers a catalogued child without reading its descriptor through the assembled headless app"（1 个测试）。expected 输出缺少已编目子代理的行。
• apps/cli/tests/profiles/headless/tests/subagent-inheritance.expected.e2e.ts："confines a delegated child through the assembled headless app"（1 个测试）。深度比较在 delegationDepth 上不一致。
• apps/cli/tests/profiles/web/tests/public-url.expected.e2e.ts："serves the bound address and a declared authority, refusing any other name"（报 HTTP request timed out），以及 "warns about the plain-HTTP bind even when an HTTPS root is advertised"（报 expected 'SIGKILL' to be undefined），共 2 个测试。
• packages/session/session-persistence-jsonl/tests/generation.spec.ts："accepts a valid append on a zstd target created by another migration"（1 个测试）。追加失败，因为当前会话 generation 已存在，且其目标字节不以迁移后的 generation 开头。未发现 WSL 特有的原因。

主机状态复制锚点链接

• WebKit 库。 参考主机缺少 WebKit 的 GTK 与 WPE 系统库，因此 (a) 类文件中的 WebKit 启动失败。Chromium 可完整解析。
• IPv6 loopback。 主机上 IPv6 loopback 被禁用，因此 ::1 监听失败，报 EADDRNOTAVAIL。
• 负责人决定。 负责人于 2026-11-06 推迟了这两项主机修复。(a) 类的失败属于主机状态的结果，本页按主机现状记录。议题 #58 跟踪这两项修复。
• 负载。 两轮运行期间主机上还有其他任务，如参考主机与代码树所述。第一轮的单独重跑以及 (c) 类文件显示出与负载相关的失败。

v5 上的绿色基线复制锚点链接

绿色基线是 v5：上游单元测试套件、上游录制会话回放与 Delo 完整门禁均通过，且不带入任何已知失败：无法通过的测试要么被修复，要么按名称排除并在本页记录原因。下列运行于 Node v24.22.0 上、在 v5 提交 2eb9c53b03 处进行；修复是在 0b651c0d32 之上完成的。

运行步骤复制锚点链接

在 Node 24（nvm use 24）上，执行 pnpm install --frozen-lockfile 之后，且主机上没有其他测试套件运行时：

DSH_BUILD_CLIENT_PROFILE=official pnpm check:full
env -u NoDefaultCurrentDirectoryInExePath DSH_TELEMETRY_DISABLED=1 DSH_BUILD_CLIENT_PROFILE=official DSH_COVERAGE_TEST_TIMEOUT_MS=90000 \
  pnpm run test -t '^(?!.*(?:mock LLM server wire behaviors formats an IPv6 listener as a valid base URL))'
DSH_EXAMPLE_MODE=lib node_modules/.bin/tsx delorun/apps/tools/src/run-checks.ts --only tests:snapshots --no-cache

• pnpm run test 运行上游自己的脚本 pnpm run build:native-system && vitest run，pnpm 会把 -t 参数追加到其后。pnpm run test -- -t … 会同时转发 --，此时 vitest 把该模式读作文件过滤器，排除项便不再生效。
• Vitest 将 -t 与测试的完整名称（以空格连接）匹配，而不是与其列表输出所用的、以 > 分隔的形式匹配。
• 在完整运行中失败的文件会被单独重跑。单独重跑时消失的失败属于资源争用，记录于资源争用之下；仍然失败的则予以修复或排除。

前置条件复制锚点链接

上游的 CI 通过 pnpm run test 运行测试套件，它为每个规范提供下文的第一、第三与第四项设定；参考主机上第一次绿色基线运行直接调用 vitest，因而缺少这些设定。第二项来自 WSL：Windows 一侧把 NoDefaultCurrentDirectoryInExePath 传入 Linux shell，而上游的 CI 从不设定它。

P4 是针对参考主机的牵头人决定，作出于 2026-11-07：该设定重现了 pnpm run test 在上游 CI 中为每个上游规范提供的值，因此不改变规范所检查的任何内容。另一种做法是按名称排除 release pack CLI > does not broaden an empty parallel family to the whole workspace，但这会带入一个已知失败。

上文的运行步骤提供了全部四项设定：pnpm run test 提供 P1、P3 与 P4，env -u 提供 P2。Delo 的检查运行器没有运行上游整个单元测试套件的通道，但其各通道获得相同的设定。delorun/apps/tools/src/checks/machine.ts 中的 checkEnvironment 在 WSL 上为每个检查移除 P2，并与其他 Windows 侧变量一并移除；对于规划了运行 pnpm 的检查（或标记为 pnpmScript 的检查，如 tests:upstream-changed）的任何运行，运行器从 pnpm 读取 P1、P3 与 P4（delorun/apps/tools/README.zh.md）。

结果复制锚点链接

每个失败的单元文件都单独重跑。26 个文件单独运行时通过：它们的 38 个失败测试属于资源争用。15 个文件仍然失败，共 58 个失败测试：其中 50 个在完整运行与重跑中都失败，8 个只在重跑中失败。下表给出每个文件的原因与修复。

每项对上游规范的编辑，以及辅助文件，在差异台账中都有一条 delorun-feature 条目。

修复后，15 个文件中的每一个都在 Node v24.22.0 上、带前置条件（env -u NoDefaultCurrentDirectoryInExePath pnpm exec vitest run <file>，并使用运行步骤中的变量）单独运行一次，全部通过：共 800 个测试，无一失败。server.spec.ts 带排除项运行，通过 45 个测试，被排除的那个测试被跳过。

排除项复制锚点链接

按名称排除一个测试：packages/test-support/llm-mock-server/tests/server.spec.ts 中的 mock LLM server wire behaviors > formats an IPv6 listener as a valid base URL。该测试单独运行时每次都因 Error: listen EADDRNOTAVAIL: address not available ::1 而失败，原因是参考主机上禁用了 IPv6 loopback（主机状态）。主机修复落地时，排除项即告结束；议题 #58 跟踪该修复与 WebKit 库。

资源争用复制锚点链接

主机与其他智能体的测试套件共享，因此这些结果取决于运行时的负载。

• 单独通过的 26 个文件，是在至少另有一个 vitest 进程运行时重跑的。
• packages/subagent/subagent/tests/continuation.spec.ts 与 packages/experimental/client-ui-forge/tests/local-diff-safety.host.spec.ts 各自在完整运行中失败，并在其他 vitest 进程运行期间开始的重跑中失败。在 2eb9c53b03 上单独运行时，两者各通过 3 次中的 3 次（分别为 164 与 17 个测试）；在 0b651c0d32 上单独运行时，两者各通过一次。这些运行期间，主机的平均负载在 7 至 15 之间。两个提交都不失败，因此无需二分查找；标签与 v5 之间没有提交触及这两个包，且两个文件在标签处都属于 (c) 类。
• packages/experimental/client-ui-forge/tests/controller.host.spec.ts 在完整运行中有两个失败，单独运行时均通过；在与另一个 vitest 进程同时开始的重跑中，出现一次 90000 ms 超时。在 0b651c0d32 上、主机另有四个 vitest 进程运行时单独运行，它通过了全部 118 个测试。该文件在标签处属于 (c) 类。