博客

Orca computer use 真机验收复盘：15 项任务的 harness 怎么跑（PTY 里的真实 TUI、从渲染出来的面板读授权、独立核验、清理核查）、前五次运行为什么都死在 harness 自己身上、基线的 37 和 40 个工具错误分别来自 bash 绕路、没有 AX 窗口的窗口编号和系统设置的 AXRaise，可靠性修复（可用窗口、带下一步的错误、无窗口快捷键、AXRaise 回退、失败预算）把错误降到 8、9 个，以及为什么一个改动至少要跑两轮。

Orca v0.5.14 computer use 窗口边界复盘：窗口归属怎么判定（本轮第一个 computer 调用时拍快照）、逐窗口审批目标 bundle#window:<id> 和规则匹配、拒绝之后为什么让本轮继续、驱动层的四道过滤（托盘 app、桌面、Chrome 同尺寸窗口、辅助窗口）、作用于整个 app 的快捷键（包括 Quit and Keep Windows）、三次真机验收的结果，以及一句 Esc 的说明为什么改了三遍。

一次 macOS 测试变慢的排查：host_supported 调用 NSProcessInfo.operatingSystemVersion，CoreFoundation 为了本地化版本字符串去找主 bundle 的 .lproj 目录，裸可执行文件的主 bundle 就是它所在的目录；target/debug/deps 里有 94.7 万个条目（94 万个 .o，来自 macOS 上 dev 构建默认的 split-debuginfo=unpacked）；用一个只调用一次 operatingSystemVersion 的小程序测出空目录 2 毫秒、30 万个文件 290 毫秒、真实目录 13.6 秒；以及前两次为什么都对上了症状却没找到原因。

留白与 Cleanzo Windows 版的真机测试复盘：Mac 上开发、Codex 在 Windows 11 云桌面里只测不改、每项配截图、Mac 上的测试与模拟 Win32 的浏览器测试不算 Windows 通过；单实例锁的 key 用了本地化的应用名导致中英文各占一把锁；向进程所有顶层窗口发 WM_CLOSE 让 LibreOffice 在保存询问前崩溃，改为只向用户能关的窗口发 SC_CLOSE；mygo 0.6.2 的 TrashItem 在文件超过回收站容量时直接永久删除，改回 SHFileOperationW 并预检 BitBucket 容量；以及把跑通的流程写成 skill。

Orca v0.5.5 上下文预算复盘：max_tokens 384K 与压缩阈值不一致造成的死区、pinned 通知让整轮无法压缩、对照 dsh 与 Codewhale 的做法、按思考强度设定回复预留并逐请求裁剪、以 API 用量为锚测量提示大小、按工具平衡单元切分当前轮、紧急压缩只采用真正变小的结果，以及实现中把同一份偏差扣了两次的弯路。

Orca v0.5.4 git 写授权复盘：.git 在沙箱里为什么必须只读、为什么不能凭命令输出判断沙箱拒绝、Codex 让模型自己申请 require_escalated 而 DeepSeek 不申请、运行前识别 git 写命令的四种判定、单条命令授权只放开 index 与 objects 而保持 config、hooks、modules 只读、Seatbelt 与 bwrap 的做法和 Windows 的退路、「本会话允许」只记开关不记目录，以及 husky 留下的口子。

Orca 两轮 Terminal-Bench 2.0 评测复盘：指令在 argv 里导致 Agent 被自己的 /proc 扫描 kill -9（exit 137）、lifetime workspace 服务在会话结束时被 terminate_all 一并取消、修复只把指令从 orca 的 argv 挪到 sh -c 的 argv（exit 143）、Harbor 均分与 scored-only 与基础设施复跑三种口径、环境启动超时泄漏容器，以及把评测探针和台账收进仓库之后探针自己也会过期。

Pilion 录制与技能复盘：只有人能录制、Agent 提炼不能凭空造步骤、回放走与 Agent 相同的工具路径、首次回放即使完全访问也要审批；第三期把产物从归一化后的步骤改成只增不改的事件日志；以及打的字经页面正文摘录、页面回显、可访问名、「显示密码」切换四条路径漏进录制文件的过程、每个修复的代价和至今仍认不出的形状。

Cleanzo 0.1.0 到 0.1.3 复盘：$TMPDIR 与正在运行的应用缓存为什么不能整目录清，safeToClean 因 filepath.Abs 不解析符号链接而放行 /var/folders，用 lsof 与 lsappinfo 判断「正在使用」且探测失败就当在用，垃圾直接删除与用户文件进系统废纸篓的分工，读不到的废纸篓不等于空，对照柠檬清理与 Mole 的做法，以及从九个固定分类改成规则表，把原来漏掉的约 22 GB 开发缓存纳入规则。

Orca v0.5.0 终端界面改版复盘：把“生硬”拆成可指认的问题、用 HTML 交互稿评审、chrome.rs 设计 token 与颜色守卫、子代理逐任务实现与终审、审批内联与 tasks dock、Ctrl+Enter 从插到队首改成 steer、后台代理唤醒与 relay 浮点 digest、Ghostty 真终端实测、npm OIDC 发布，以及发布后才看清的投影缺口。