新增完整交付协议与真实 Agent 验收评测

[mindcarver]

结果

新增可执行交付评测：真实Git分支、bare remote和worktree配合显式模拟Issue/PR tracker，覆盖正常交付及验收漂移、兄弟主干变化、真实push后命令报错、提前关闭、脏工作树和真实进程中断恢复。验收绑定base/head/contract，关闭前核对main与精确资源清理。

独立的真实模型模式运行编码Agent和新上下文只读验收Agent；要求轨迹有实际测试命令退出码，不能仅凭最终回答PASS。模型前置缺失输出BLOCKED，输出目录拒绝复用，产物脱敏并保存哈希。该模式后续交付由本地适配器编排，不声称真实GitHub全链由模型自主完成。

验证

• 全套258/258测试、JS语法检查、版本/路由/评测定义/dry-run/图表/Claude strict/diff检查PASS。
• 7个确定性协议场景PASS，CI运行无凭据无模型模式。
• Codex 0.153.0 + gpt-6-astra / medium真实smoke：负例reviewer亲自执行0/3失败并FAIL；coding Agent只改clamp.mjs且3/3 PASS；fresh reviewer核对精确diff并执行3/3及直接边界断言PASS；之后adapter完成真实Git合并、清理和模拟Issue关闭。
• 原0.143.0的两次模型不可用结果保留为基础设施BLOCKED，不计作插件失败。
• 离线代码3/3 PASS；真实命令事件、归档SHA256和secret scan均已核对。证据持久保存在/Users/carver/workspace/mindcarver/test/thinloop-delivery-eval/20260905-issue92/，不会随工作树清理消失。

页面不适用。独立最终验收、远端CI、合并和清理由父Execute负责；本PR不自动关闭Issue。单次fixture不用于推断整体有效性、自然路由能力或Token优势。

首轮独立验收修复

补齐完整index/工作区/已有提交及最终diff scope门，保护原始测试并运行内置独立行为断言；只认独立测试进程、完整TAP结果和匹配退出码，拒绝打印命令/掩盖失败。直接回归覆盖首轮两个P2反例及隐藏index变化。子测试环境清除NODE_TEST_CONTEXT，防止递归检测跳过实际测试。Node22与Node26均258/258 PASS，原真实模型三条轨迹通过更严格门，没有新增付费模型请求；等待新head独立复验。

独立行为判定完整性

直接行为检查在动态导入候选前捕获输出函数并生成私有nonce，使用原始值比较而非共享assert方法；父进程核验完整start/result与退出码。回归证明覆盖assert和提前exit(0)均不能接受，原正确模型归档仍通过新检查。修复针对既有oracle完整性，不扩展为通用恶意代码沙箱。当前Node22/Node26均258/258 PASS，等待新head fresh复验。

Refs #92

[mindcarver]

新上下文独立验收 PASS

精确head 2728a1f，base 0961c8e。A1-A4全部PASS：完整真实Git交付及明确模拟tracker；7协议场景、8额外恢复/清理组；3个已归档真实Agent会话和成功实现经新oracle重放；Node22/26各258/258，全部本地CI门。
此前暂存区绕过、虚假命令、共享断言被改写和提前exit漏洞都已关闭。13个独立oracle反例拒绝accept/merge/close，Issue/PR保持OPEN且main在baseline。报告/tmp/thinloop-92-fresh-review-2728/acceptance-report.md。真实模型证据归档在 /Users/carver/workspace/mindcarver/test/thinloop-delivery-eval/20260905-issue92/。
精确head远端Thinloop CI SUCCESS run33942701851。合并/安装核对/清理待父。证据不表示任意恶意代码安全沙箱或真实GitHub全模型自主交付效果。