示例:模型角色跑完整一轮¶
这一页按步骤记录一轮研究从提问到报告交付的全过程。记录时间是 2026 年 11 月 15 日 21:54 到 22:10(UTC),代码版本是 99ef228(合并 PR 4 之后)。设备是模拟的 AC5;三个模型角色(编排、计划、研究)由 Claude Opus 5.5(claude-opus-5-5)担任,通过本机的 Claude Code 命令行(2.1.325 版)运行。操作员的步骤由一个驱动脚本发出,发的就是工作台控制台会发的那些请求。下面写到的内容都真实发生过;模型的回复做了少量删节。11 月 14 日在 PR 4 最后几处修复之前录过一轮,那一版在这一页的历史记录里。
它不说明什么。 植株、帐篷和冠层测量都是模拟的,操作员是一个脚本。这次用的是开发用工作台(
scripts/dev_workbench.py),不是serve。它说明各部分能配合起来、每个角色各做了什么,但不能作为生菜或真实 AC5 的证据。见状态与已知限制。
一轮概览¶
| 问题 | 把补光灯亮度从 40% 提高到 70%,生菜冠层长得更快吗? |
| 协议 | sim/fixtures.py 里的示例协议,存为 protocol-lettuce-light:2 个处理(control 灯光 40,high 灯光 70),4 轮、2 个区组,终点指标 canopy_area_growth,配对区组分析 |
| 本轮 | 第 1 轮:区组 1,处理 high(灯光 70%),一个 21 天的营养生长阶段 |
| 真实用时 | 约 16 分钟,其中 21 天的阶段(快进)用了 129 秒 |
| 模型调用 | 17 次(编排 7、计划 4、研究 6),模型用时 256 秒,输入约 61.1 万、输出约 2.4 万 token |
| 结果 | 轮次 delivered(已交付);报告等级描述性,结论不确定。主要终点的数据检查没有通过:冻结的数据里没有一条冠层测量,两个模型角色都如实指出,没有去填补 |
| # | 真实时间 | 谁 | 做什么 | 请求 |
|---|---|---|---|---|
| 1 | 0 秒 | 操作员 | 登录,建项目,保存协议,建第 1 轮,设模型预算 | POST /wb/login、/wb/projects、/wb/protocols、/wb/rounds、/wb/projects/{id}/budget |
| 2 | 0 秒 | 操作员 | 在项目对话里提问 | POST /wb/goals |
| 3 | 30 到 185 秒 | 编排、计划 | 派发,设计,校验(一次通过),保存运行单,告诉操作员 | 无(模型角色) |
| 4 | 185 到 578 秒 | 操作员 | 审阅运行单 | GET /wb/stages/{id}/run-sheet |
| 5 | 578 秒 | 操作员 | 重新认证,按摘要审批,启动阶段 | POST /wb/reauth、/approve、/start |
| 6 | 578 到 707 秒 | 执行、操作员 | 跑完 21 天的阶段;每个人工任务到点就记录 | GET/POST /wb/stages/{id}/manual-tasks、GET /wb/environment |
| 7 | 722 秒 | 操作员 | 录入 6 条冠层测量,请求分析 | POST /wb/measurements、POST /wb/goals |
| 8 | 725 到 947 秒 | 编排、研究 | 核对状态,派发,检查数据,冻结,分析,发布,告诉操作员 | 无(模型角色) |
| 9 | 950 秒 | 操作员 | 在轮次页阅读报告 | GET /wb/rounds/{id}/report |
第 4 步操作员等待的时间里,包括修改驱动脚本和截取本页截图的时间。
自己复现¶
cd ~/diagri
claude --version # claude-opus-5-5 需要 Claude Code 2.1.280 或更新;升级:claude update
claude auth status # 应为 "loggedIn": true;否则登录:claude auth login
export GROWBRIDGE_DEV_SECRET='至少十二个字符的口令'
unset ANTHROPIC_BASE_URL ANTHROPIC_API_KEY # Claude Code 用它自己的登录
.venv/bin/python scripts/dev_workbench.py --claude-code --fast-forward \
--data-dir /tmp/diagri-example --transcript /tmp/diagri-example.jsonl
打开 http://localhost:8770/workbench,以 dev 登录,然后在控制台里按下面的步骤操作。--fast-forward 会在阶段运行时按采样间隔逐步快进,阶段以外按真实时间走。模拟传感器套用了一个小帐篷模型,读数会随昼夜和灯光变化。见开发环境、测试与 CI。开始前要知道三件事:
- 新的数据目录里已经有
protocol-1,它属于预置的dev light stage项目。用这个 id 再保存示例协议会被拒绝(protocol protocol-1 v1 exists: bump version),换一个 id 即可,这次用的是protocol-lettuce-light。 - 会话随快进的时钟一起变老。 阶段运行时,每个真实秒大约过去 28 步、每步 300 秒,所以 8 小时的会话只撑大约 3 秒。阶段结束后重新登录;驱动脚本一共登录了 67 次。
- 快进时,一个人工任务能按时记录的窗口只有大约 1.3 个真实秒(从到期前 1 小时到到期后 2 小时)。用脚本记录,或者不加
--fast-forward。
1. 建立项目¶
操作员建项目、保存研究协议、建第 1 轮。协议用的是 sim/fixtures.py 里的示例协议:处理 control(灯光 40)和 high(灯光 70);分配为第 1 轮 high、第 2 轮 control、第 3 轮 control、第 4 轮 high,分属区组 1 和 2;终点指标 canopy_area_growth;分析方法 paired_block。轮次一开始处于 designing(设计中)。操作员还给项目设了模型调用预算(120 次)。
2. 提出问题¶
操作员在项目页的对话面板里输入问题。编排角色拿到问题和项目上下文:未结束的轮次、每一轮对应的协议轮次和分配的处理、新运行单必须使用的 id。它把设计交给计划角色,并当即说明这个设计能说明什么、不能说明什么:
I've asked the planner to design the run sheet for round 1. That round uses the 70 % treatment in tent-1, under protocol-lettuce-light v1. The planner will submit the sheet for your review. Nothing will run until the sheet is approved in the workbench. […] This design has only one tent. […] So time and batch effects can't be fully separated from the light effect.
(大意:已请计划角色为第 1 轮设计运行单,这一轮在 tent-1 用 70% 处理;运行单审批前什么都不会运行;只有一个帐篷,时间和批次效应无法与灯光效应完全分开。)
3. 计划交上来¶
计划角色读取设备能力,检查协议的设计,查找证据卡(没有)。它起草运行单,并带上轮次 id 做校验,这样处理检查也会一起执行。第一稿就没有阻断性问题,save_plan_draft 返回 "saved": true,阶段进入 pending_review(待审阅)。11 月 14 日那次,校验器先拦下了两稿,两次都是水泵的问题。
No timed action, care rule or feedback rule ever turns the pump on. A person on site starts a 20-second pump run from the stage page every day at 09:00 UTC.
(大意:没有任何定时动作、照护规则或反馈规则会打开水泵;每天 09:00 UTC 由现场人员在阶段页启动一次 20 秒的水泵运行。)
编排角色以后续任务的形式收到计划角色的总结,然后告诉操作员审阅时要看什么:

4. 审阅、审批、启动¶
阶段页的运行单部分准确显示将要审批的内容,包括审批时记录的摘要和检查结果。

| 部分 | 这份运行单 |
|---|---|
| 时长、采样 | 21 天(504 小时);每 300 秒一次读数,允许最长 900 秒的空缺 |
| 通道 | 灯光和水泵由主机控制;排风和风扇交给设备自己 |
| 定时动作 | 06:00 灯光 70,22:00 灯光 0(UTC) |
| 人工任务 | 09:00 浇水(计划内的 20 秒水泵运行),10:00 冠层测量,10:00 冠层拍照 |
| 结束动作 | 灯光 0,水泵 0 |
| 检查结果 | 5 条提示,都不阻断:三个人工任务需要有人在现场;两个灯光动作没有引用证据卡 |
审批时要再输一次操作员口令(重新认证),并把审批绑定到操作员看过的那个摘要(expected_digest,这里是 8bc36a6f…)。审阅之后再改过的运行单对不上这个摘要。然后操作员启动阶段,阶段进入 running(运行中)。模型角色不能审批或启动任何东西:它们根本没有这些工具。
5. 阶段运行¶
执行程序按运行单执行,不涉及任何模型。实时环境页显示每个传感器的最新读数和每个通道记录到的档位。运行单控制的通道还会显示运行单此刻要求的档位:这里白天灯光是 70%,水泵关闭且此刻没有设定档位。

快进的 21 天用了 129 秒。阶段页画出了整个时间窗:12,266 个样本,温度、湿度和 CO₂ 随每天 16 小时的光照起伏。

时长一到,执行程序写入结束动作、读回确认,然后结束阶段。轮次进入 data_verification(数据核查)。

6. 人工任务¶
阶段页按时间倒序列出运行单安排的每个人工任务和它的状态。驱动脚本在服务端允许的第一时间把每一次都记为完成:一共 63 次(21 天的浇水、测量和拍照),没有一次迟到。

浇水没有真的通过水泵执行。在 --fast-forward 下,水泵的运行时长按真实秒计算,而时钟每步跳 300 秒,所以一次计划内的 20 秒运行会让模拟的水泵开大约 47 个模拟小时。驱动脚本把每次浇水记为手工完成,并附上说明原因的备注。见下面的待解决问题。
7. 录入测量并请求分析¶
操作员录入 6 个 canopy_area_growth 数值(cm²/天),每株一个:1.42、1.37、1.51、1.29、1.46、1.33。驱动脚本和 11 月 14 日一样,给它们用了阶段结束的时间。然后操作员在对话里请求核查数据、冻结并出报告。
这里有两处错误,都出在驱动脚本:运行单安排的是每天测一次、共 21 次,而脚本只在最后录了 6 条,却把 21 个测量任务都记成了完成;另外阶段比计划结束时间晚了 128 秒才结束,所以脚本给测量值的时间落在了数据时间窗之外。
8. 分析¶
编排角色先核对轮次和阶段(get_project_state、get_run_status),再把任务交给研究角色。研究角色按这个顺序工作:
inspect_stage_data:覆盖率 1.0,没有空缺,12,264 个可信样本,灯光在 66.6% 的样本里开着、最高 70。它发现时间窗里没有测量值,并在冻结前就说了出来:No canopy measurements in the window. That conflicts with two other sources: the manual-task records show 21 measurement tasks, 21 photo tasks and 21 irrigation tasks done, with 0 late, and the user says six canopy measurements were recorded. […] I won't impute or backfill anything, and I won't add exclusion rules.
(大意:时间窗里没有冠层测量,这和另外两处来源矛盾:人工任务记录显示测量、拍照、浇水各 21 次都已完成且无迟到,用户也说录了 6 条测量。不会插补或回填任何数据,也不会加排除规则。)
2. freeze_dataset,带上轮次 id:快照 snap_96ef… 第 1 版,完整且通过核验;轮次进入 analysis(分析中)。
3. run_local_analysis 调用了两次:脚本在工作目录和环境变量里找快照,什么也没找到。沙箱其实把快照目录作为脚本的第一个参数传进去,但没有任何地方告诉模型这一点。
4. publish_research_report:服务端根据冻结的数据算出报告等级。偏差检查没有发现偏差(43 个动作全部确认,没有干预,人工任务无一迟到);缺失检查发现终点数据 100% 缺失。报告为最终版,轮次进入 delivered(已交付)。
9. 阅读报告¶
轮次页显示已发布的报告:先用档案里的摘要核对报告文件,再从文件读取。服务端加上的原因按控制台的语言显示。

- 描述性,不确定。 服务端给了两条原因:处理没有独立重复;缺失超过协议允许的标准。
- 局限的第一条是 "DATA CHECK FAILED on the primary endpoint canopy_area_growth"(主要终点数据检查不通过),接着写明任务记录和数据之间的矛盾、时间窗之外的 128 秒,以及沙箱读不到快照文件。
- 下一轮只是建议:先找到测量记录,再冻结成新的快照版本,第 1 版保持不变,绝不回填数值;第 2 轮开始前,每天检查每条测量是否真的存进了数据,而不只是标成完成;考虑让冻结时间窗与阶段的实际结束时间对齐。
编排角色的后续说明告诉操作员现在的情况和下一步该做什么:

The task records show all 21 measurement tasks and all 21 photo tasks done on time. None of their values or photos made it into the data. This looks like a recording or storage fault, not plants that went unmeasured.
(大意:任务记录显示 21 次测量和 21 次拍照都按时完成,但数值和照片都没有进入数据。这看起来是记录或存储环节的故障,而不是植株没被测量。)
这个示例说明了什么¶
- 每个角色守在自己的位置上。 编排角色派发和总结,计划角色提交草稿,研究角色冻结数据并出报告。没有任何模型审批、启动或停止任何东西;这些都由操作员在工作台上完成。
- 有问题的输入不会变成结果。 操作员的数据是错的。研究角色在冻结前就发现了矛盾,服务端只根据冻结的数据给报告定级,两个角色都告诉操作员要改正什么。没有填补任何数据。
- PR 4 新增的功能在模型跑的一轮里都起了作用。 计划角色的运行单执行了本轮的处理并通过了处理检查;63 条人工任务记录被冻结并计入统计(没有偏差);缺失数据只统计了这一轮;报告备注是中英双语的;研究角色在冻结前用了
inspect_stage_data;每个派发出去的任务结束后都把总结交回给编排角色。
这次运行发现的待解决问题¶
| 问题 | 发生了什么 | 怎样修复 |
|---|---|---|
| 阶段结束时录入的测量落在数据时间窗之外 | 时间窗从阶段开始到"开始加计划时长"为止。执行程序在那之后的第一个 tick 才结束阶段,这次晚了 128 秒(快进的一步);不快进时大约晚 1 秒。用阶段结束时间、或之后的时间录入的测量会被排除在快照之外,而且没有任何提示。 | 已修复:时间窗现在到阶段的实际结束时间为止(StageRuntime.window_end),人工测量在此之后再宽限两小时(清单里的 measurement_grace_seconds),inspect_stage_data 会列出落在时间窗外的测量。 |
| 标为完成的人工任务不能说明数据已存 | 21 个测量任务都记成了完成,时间窗里却没有一个数值。 | 把测量任务的记录和它产生的测量关联起来,或者在已完成的测量任务没有对应测量时给出提醒。 |
| 分析沙箱的输入方式没有告诉模型 | 脚本以 <snapshot_dir> <out_dir> 两个参数调用,工作目录是空的输出目录。run_local_analysis 的工具说明没有写这一点,研究角色的两个脚本什么都没读到。 |
已修复:工具说明现在写明脚本以 sys.argv[1] 得到快照目录、以 sys.argv[2] 得到输出目录(也是工作目录),并列出快照里的文件。 |
| 快进和计划内灌溉无法配合 | 水泵按真实秒等待而时钟在跳,所以 20 秒的运行会持续约 47 个模拟小时,而且请求本身会阻塞 20 秒。 | 灌溉进行时暂停快进,或者让等待跟随开发时钟。 |
| "跳过"按钮的文字换行 | 在这个宽度下,人工任务表里按钮的文字被断成两行。 | 给记录这一列设一个最小宽度。 |
另见¶
页面最近一次对照代码核对是在 2026-11-11。DiAGRI 模式目前只在模拟的 AC5 上测试过,见状态与已知限制。修改页面之前,请先读编写约定。