{"version":"2026-10-16.1","forecast":{"id":"software-maintenance","title":"小范围软件维护","workDomainId":"DEV","taskIds":["DEV-21670","DEV-21669"],"advanceIds":["ADV08","ADV10","ADV12","ADV24"],"impactIds":["IMP12","IMP13","IMP14"],"asOf":"2026-10-13","nextReview":"2027-01-13","scope":"授权代码副本、有限变更、冻结测试和隔离工具；语言与业务按本地规格。","currentBoundary":"可先生成隔离环境中的修改候选，再独立测试和审阅；本站没有该完整维护场景的现场完成率。","actualTechnicalShare":null,"actualDelegatedShare":null,"actualNetHumanTime":null,"uncertainty":"方向为条件推断，幅度未知；地区/语言/工具/人群不同不直接迁移。三年是本站条件推断的检查点，没有来源论文直接验证这个时间跨度。","upgradeTriggers":["同预算独立留出的质量、依赖与最终状态通过","复核返工维护后的合格交付全成本改善","真实接收者持续接受，过程约束与恢复通过"],"downgradeTriggers":["资料冲突、来源撤回或独立验收失败","越权泄漏、重复副作用或状态不明","复核返工增加、接收失败或净成本不改善"],"workChanges":{"reduced":["定位相关代码、整理复现日志","生成限定补丁、测试草稿与变更说明"],"retained":["确认需求与架构取舍","独立反例、代码审阅与最终接收"],"added":["隔离环境和依赖版本管理","工具权限、回归记录与失败恢复维护"]},"trial":{"inputs":["授权代码版本、可复现的缺陷输入与当前行为","明确变更契约、冻结回归用例与独立反例","隔离开发环境及修改/执行权限，发布范围另定"],"steps":["保存复现证据，核对局部改动目标和未覆盖行为","实现限定补丁，运行原回归和针对变更的独立反例","检查实际完成了变更而不是绕过测试，记录恢复方式并交给负责人接受"],"acceptance":["缺陷按给定输入复现，补丁满足变更契约","行为保持、独立反例与过程边界共同通过，所有失败保留","原回归通过之外，确认目标缺陷确已修复；发布按实际范围与授权执行。"],"stop":"关键证据/权限缺失或独立验收失败时，停依赖步骤，保留产物交回责任人。"},"horizons":{"oneYear":{"targetDate":"2027-10-13","scenarios":{"conservative":"以单文件改动与测试建议为主，工程师查需求、回归和错误恢复。","baseline":"隔离分支中的有限多文件修改可增加；人审阅目标行为、独立反例和合并风险。","upside":"若冻结私有任务全关验收稳定，可扩大受限改动；遇到无测试接口或隐含约束停下。"}},"threeYears":{"targetDate":"2029-10-13","scenarios":{"conservative":"迁移仍高返工，局部编码改善未形成稳定交付。","baseline":"若迁移目标、回归与独立反例持续可靠，常见改造可分阶段委派；架构取舍与上线仍需工程责任。","upside":"跨版本多轮复测及真实接收都通过后，可扩大维护链；恢复、复杂依赖和例外处理仍要可接管。"}}},"history":[{"date":"2026-10-13","version":"2026-10-13.1","reason":"基于现有研究建立初始推断，无实际百分比"},{"date":"2026-10-13","version":"2026-10-13.2","reason":"补齐具体主张对应原始来源；条件判断和实际未知保持"},{"date":"2026-10-13","version":"2026-10-13.3","reason":"公开修订时间与预测基准分离，补齐审核/输出一致性；条件推断与实际未知不变"},{"date":"2026-10-13","version":"2026-10-13.4","reason":"按具体场景补齐输入、动作和独立验收；实际比例与净收益仍未知"},{"date":"2026-10-14","version":"2026-10-14.1","reason":"补概念、证据推断链与日期口径，原预测基准与实际未知不变"},{"date":"2026-10-14","version":"2026-10-14.6","reason":"按逐页原文审阅更正研究条件与定位，区分适配推断并补场景化一年/三年；基准日及实际未知不变"},{"date":"2026-10-14","version":"2026-10-14.12","reason":"按场景具体写明缩减/保留/新增工作；中文解释合成演算输入、变量与复算，不改变真实未知状态"}],"illustration":{"kind":"synthetic_sensitivity","actualForecast":false,"notice":"合成100h输出原型；工时/门槛/年份是人为输入，包络不是真实预测、概率区间或最坏界。当前/未来实际T、D、净人时未知。E不满足门槛仅为样例假设，不是永久人工职责。","groups":[{"id":"A","title":"复现与定位","hours":15},{"id":"B","title":"局部实现","hours":25},{"id":"C","title":"测试执行","hours":20},{"id":"D","title":"独立反例与集成交接","hours":20},{"id":"E","title":"需求架构与接受发布","hours":20}],"eligibleGroups":{"oneYear":{"conservative":["C"],"baseline":["B","C"],"upside":["A","B","C"]},"threeYears":{"conservative":["C"],"baseline":["A","B","C"],"upside":["A","B","C","D"]}}},"reader":{"topic":"让AI做局部修改，并用独立检查验收","concept":["这里的维护是给定范围和环境的小变更，不是完整接管整仓工程。先证明缺陷可以复现，再检查补丁是否实现目标、原行为是否保持、过程是否越界。","例如修改串行队列的错误恢复，旧测试可能只检查正常输入。补丁需要独立反例覆盖冲突与中断，最后才由负责人决定是否接受或发布。"],"takeaway":"可先生成隔离环境中的修改候选，再独立测试和审阅；本站没有该完整维护场景的现场完成率。 一年侧重局部环节，三年要看依赖、交接与真实接收能否稳定。","terms":[{"term":"技术可委派","definition":"在给定输入、工具与质量门槛下，执行部分可交给AI。"},{"term":"实际委派","definition":"组织已经接入流程并真实采用，和技术上能做不同。"},{"term":"净人时","definition":"同工作量同质量下，计入准备、复核、返工、接管和维护后的人员时间变化。"},{"term":"提示注入","definition":"不可信网页或文件用文字诱导Agent改变目标或越权。"},{"term":"墙钟时间","definition":"从开始到结束实际经过的时间；同样6小时可以用不同数量的计算资源。"},{"term":"软件重建","definition":"从零复现参考程序的输入输出行为，交付新源码和构建方法，而不是修一个已有文件。"}],"developments":[{"id":"ADV08-F08-P2","title":"长程与迁移评测检查完整交付","paragraphs":["整仓迁移例如把Vue项目改为React，或把Flask服务改成Starlette：不只是代码能运行，还需确实迁移并保留必要行为。SWE Refactor Bench包含20项任务、8模型/26配置，每配置每任务运行一次，按任务给6–30小时预算，总计520次。[FS084]","520次中，340次通过迁移审查，118次通过全部固定行为检查，88次同时满足前两项，28次再通过六个独立验证器；13/20任务没有任何配置全过。118和340是不同检查的计数，不是依次下降的漏斗。全关通过也只证明通过这套检查，不能证明所有可能输入都行为等价。[FS084]","SWE-Marathon另研究多小时工程的失败诊断，但其标签只覆盖清洗后部分失败与任务家族，不能外推到全部运行。本轮未直接重核该论文的具体失败比例，故不以筛选分母代替能力结果。[FS083]"],"sourceIds":["FS083","FS084"],"basis":"相邻研究及其条件，尚未验证本场景的完成率或收益。"},{"id":"ADV12-F12-P3","title":"浏览器Agent的提示注入风险","paragraphs":["提示注入是网页等外部内容诱导Agent偏离用户目标。2025-11-24研究报告Claude Opus 4.5与当时Chrome扩展防护的组合，使用强化学习、不可信内容分类器和人工红队改善浏览器鲁棒性；内部自适应攻击者对每个环境最多尝试100次，仍约有1%攻击成功率。[FS089]","这个数是指定模型与防护、内部攻击配置的测试，不是任意Agent或生产泄漏率。它说明防御已有改善，也说明攻击不能只靠模型自律解决；本页未复跑攻击与防御。[FS089]"],"sourceIds":["FS089"],"basis":"相邻研究及其条件，尚未验证本场景的完成率或收益。"},{"id":"ADV10-F10-P2","title":"Agensh扩展并行探索的实验","paragraphs":["Agensh让多个工作者认领任务、并行实现、共享代码与状态。ProgramBench要求从零复现程序输入输出，例如Pandoc文档转换工具；实验采用GPT-5.6-sol(high)+Copilot、禁用互联网，给六小时墙钟时间。工作者先自验，再由同伴承担集成角色、通过Git合并，测试器只负责评估。[FS044]","五个大型软件重建题中，1到128个实例的平均部分测试通过率从19.31%升至28.78%；仅Pandoc题从1到1024实例由33.89%升至55.06%，128到1024只增加4.12个百分点。实例渐进启动且分布多节点，未控制总token与费用；这些不是完整软件交付率，也不是同预算实验。[FS044]"],"sourceIds":["FS044"],"basis":"相邻研究及其条件，尚未验证本场景的完成率或收益。"},{"id":"software-maintenance-inference","title":"这些研究怎样影响本场景（编辑推断）","paragraphs":["迁移评测区分旧测试、目标变更和独立反例。本场景需要实际补丁满足变更契约，不能只交一份“测试通过”说明。","提示注入和权限问题属于执行过程。代码或报告正确，不能抵消Agent读取了不该读取的数据或执行未获准操作。","并行探索在指定预算和任务上有部分改善，但集成与协调另有费用。局部维护先用清楚的契约与少量执行者，再比较是否需要增员。"],"sourceIds":[],"basis":"本场景应用推断；研究没有直接测量这份工作，幅度保持未知。"}],"timeline":[{"dateLabel":"2026-10-13","date":"2026-10-13","precision":"预测基准","kind":"条件推断建立","description":"使用指定研究与当前任务标准提出场景判断，不是业务测量日。","sourceIds":["FS083","FS084","FS089","FS044"],"dateBasis":"本场景初始判断记录"},{"dateLabel":"2027-10-13","date":"2027-10-13","precision":"目标日期","kind":"一年情景","description":"隔离分支中的有限多文件修改可增加；人审阅目标行为、独立反例和合并风险。","sourceIds":["FS083","FS084","FS089","FS044"],"dateBasis":"从预测基准日起的一年检查点"},{"dateLabel":"2029-10-13","date":"2029-10-13","precision":"目标日期","kind":"三年情景","description":"若迁移目标、回归与独立反例持续可靠，常见改造可分阶段委派；架构取舍与上线仍需工程责任。","sourceIds":["FS083","FS084","FS089","FS044"],"dateBasis":"三年新增条件推断，不是原论文已经验证的结果"}],"meaning":["先做下方最小试点，保存全部尝试和独立验收，再决定扩大范围。人承担的口径、接受与例外处理要具体记录。"],"openQuestions":["方向为条件推断，幅度未知；地区/语言/工具/人群不同不直接迁移。三年是本站条件推断的检查点，没有来源论文直接验证这个时间跨度。"],"sourceNotes":[{"sourceId":"FS083","supports":"多小时工程诊断的研究范围与清洗后失败分母；不据此给出全运行失败标签比例。 对本场景仅提供相邻研究与验收参考。","locator":"SWE-Marathon论文的诊断范围、失败筛选与任务家族说明；本轮未直接重核正文。","readingHint":"沿原文核对清洗条件与诊断覆盖，再使用任何标签比例。","limit":"继承原报告，未把本轮未读论文说成直接原文核验。"},{"sourceId":"FS084","supports":"20任务/26配置/520运行；迁移、固定行为与独立验证分别检查的结果计数。 对本场景仅提供相邻研究与验收参考。","locator":"论文v1 §2.2/表1（任务预算）；§3.1（指标定义）；§3.2/表2（计数）。","readingHint":"Migrated与Meets Specification不是递减漏斗；88是二者交集，28是全部检查。","limit":"指定任务与混合配置，不是某一模型通用成绩；全部检查通过不保证所有行为等价。"},{"sourceId":"FS089","supports":"Opus4.5/当时Chrome防护组合、100次自适应尝试和约1%攻击成功率。 对本场景仅提供相邻研究与验收参考。","locator":"Claude’s progress on browser use robustness及图注。","readingHint":"核对采集期、分母和处理路线；计数与攻击成功率各有不同适用范围。","limit":"继承指定研究的核验与配置范围，本次未重新复跑原始实验；文献独立家族未知。"},{"sourceId":"FS044","supports":"软件重建指定模型/禁联网/六小时下实例规模与部分测试结果。 对本场景仅提供相邻研究与验收参考。","locator":"§2.1（工作/合并）、§3.1（ProgramBench与预算）、附录C。","readingHint":"模型、任务、并发或队伍数与预算一起读；局部评分不当实际交付率。","limit":"继承既有报告审查范围；导入未重跑或重新核验全部原始来源。文献家族未知，不计独立实验数。"}],"editedAt":"2026-10-14","factCutoff":"2026-10-13","readingScope":"场景适配与未来情景为编辑推断，实际三个份额保持未知。"},"evidenceStatus":"active","reviewSourceIds":[]}}