Octomind 0.44 重写验证关卡：把 AI 智能体的「完成」变成可审计声明

Octomind 是一家聚焦于 AI 编程智能体（coding agent）的工具厂商，于 8 月 17 日发布 0.44.0，随后同日内迭代 0.44.1，并最终以 0.44.2 收尾。该版本的核心目标，是解决长会话智能体运行中最棘手的工程问题：模型自行宣布「已完成」，但实际只改了三五个文件、且所谓的「测试已通过」发生在数千 token 之前、内容早已变更的状态。围绕这一痛点，0.44 把验证从「智能体的自我感觉」改为「必须留存证据的可审计声明」，并把规划从模型内部取出，交给外部管理器执行。

验证状态从内存标志升级为持久化策略

在此之前，验证状态以布尔锁存器的形式保存在监管者（supervisor）的内存中，随进程生死而消亡。一旦笔记本休眠或会话被压缩再恢复，监管者就会失忆，转而再次采信智能体的口头汇报。0.44 用「持久化验证策略」取代了这些临时锁存器：验证状态与会话一同序列化、在恢复时还原、被纳入治理哈希，并在长会话压缩后投射到目标复述中，从而保证进程重启或上下文压缩都不会抹去它。配套的「证据账本」（evidence ledger）同样跨重启保留，记录真实执行过的命令、改动与观察；轮次回答也写入独立账本，在恢复时从对话记录中重建，而非从历史消息里猜测。这一改动直接消除了一类误报——原本恢复后的轮次因账本被清空而看起来像验证缺失。

验证关卡要求带「形状」的证据

验证关卡（verify gate）是智能体自报完成时触发的检查点，也是本轮改动最深的部分。核心原则是：不再允许验证者输出整体的「看起来不错」。具体而言，任务分类器会从用户请求中推导出一组「证据条件」（evidence conditions），构成一份「完成即应成立」的履行清单。到达关卡时，验证者必须以结构化标签逐条回应这些条件，由确定性解析器逐项比对：未匹配的单一条件即可否决整体 PASS，缺失必要标签的响应只能获得一次格式级重试，实质性缺口无法靠重试蒙混过关。

为配合这一新关卡，验证者所看到的信息也被加厚：基准事实（ground truth）现在包含近期命令输出的滑动窗口，而不仅是最后一条；同时附带 git status，git diff 预算被分配到每个文件，避免一个大文件独占预算、遮蔽另外四个文件的改动。解析器的强制覆盖类别从四类扩至六类，包括命名形式与量化覆盖——能数清楚、能点名指代的请求，会得到对应能数、能点的条件；一类新的「未枚举类别」形态，则覆盖那种量化某个范畴但未列出成员的需求。

新引入的「来源位」（provenance bit）封堵了一个老漏洞：关卡现在能识别「事后验证是否仅通过读回完成」。智能体编辑文件后再回读自己刚写的产物，得到的是 diff，而非真正的检查；新版验证者可以分辨两者，并要求其给出行为层面的核验。验证者本身也被套上纪律：若配置的 verifier_model 失败，关卡在该轮直接失败关闭，不再悄悄借用智能体自身的模型；gap-fixing 预算（max_iterations，默认 2）耗尽时硬性停止轮次，而不是回退到更宽容的判断；即便智能体只是悄悄停止工具调用，也会被送往同一关卡；只有「仅需回答」的提问轮次（例如「这个函数为何要加锁」）才被豁免，不会被强行卷入变更检查。

两项支撑性改动让上述机制运行更稳：监管者调用改用模式强约束的 JSON 输出（支持的服务端做强制，不支持的做宽松恢复）；分类器对格式错误响应获得有界重试，不再直接走回退路径。关卡自身也设有独立的 token 预算——max_tokens = 8192，归属 [supervisor.gate] 配置段，用以覆盖验证者推理与展示产物所需的容量。

规划被移交给外部管理器

0.44 在同一周期内完成的另一项结构性调整，是把规划从模型手中拿走。规划工具被整体移除，取而代之的是一个外部管理器：它持续观察工作进展，并维持清单的真实可信。模型不再自行组织 todo，而是面对一个外部观察者的检查。

长会话体验与运维细节

围绕上述核心改动，0.44 还附带了一批长会话用户长期要求的体验改进：会话标题加上模糊启动选择器；/new 命令被清理得更干净；新增 /monitor 用于长时挂起任务；MCP 超时终于能区分「慢」与「卡死」。