first commit

2026-07-18 21:00:26 +08:00
commit 14722be770
105 changed files with 25004 additions and 0 deletions
@@ -0,0 +1,23 @@
+# ADR-012：逐条结果状态与仲裁结论分离
+
+## 状态
+已接受
+
+## 决策
+
+- `TestResult.execution_status` 只取 `completed` 或 `error`，表示模型与裁判调用是否正常完成。
+- `TestResult.verdict` 可为空；自动仲裁时取 `pass`、`fail`、`needs_human_review` 或 `judge_format_error`，未仲裁和执行错误时为空。
+- Run 使用 `completed_count` 与 `error_count` 统计执行进度；`verdict=fail` 不是执行错误。
+- `(run_id, execution_id)` 使用数据库唯一约束，禁止同一运行的同一执行实例出现多条当前状态。
+- 报告和按交互模式统计分别展示执行状态与仲裁结论，不再使用一个 `status` 字段混合两个维度。
+
+## 迁移
+
+- 历史 `status=error` 映射为 `execution_status=error, verdict=NULL`。
+- 历史 `status=completed` 映射为 `execution_status=completed, verdict=NULL`。
+- 历史 `pass`、`fail`、`needs_human_review`、`judge_format_error` 映射为 `execution_status=completed` 与同名 `verdict`。
+- 历史 Run 的 `failed_count` 原样迁移为语义明确的 `error_count`。
+
+## 边界
+
+本模型保存每个执行实例的当前结果，不保存状态变更历史；需要逐次重跑审计时再增加独立 attempt 表，当前不为未提出的历史查询引入该结构。