Goal 证据与验证器

Goal 完成不是由模型一句“做完了”决定。独立验证器只读取已有转录，不会自行运行命令、读取文件或确认远端状态。

验证器实际看见什么

验证器从本 Goal 最近的记录向前读取，请求上限 256,000 字节，单条记录超过 8,000 时从中部截断。较短的收尾轮次能为前几轮证据留出空间；过长的一轮可能占满窗口。

可见助手输出、工具结果和用户消息可以作为证据；目标文本和隐藏推理不算。早先运行过的检查若已不在窗口，需要重新给出当前工具结果。验证器会得知较早记录被省略，并拒绝依赖不可见证明的完成提议。

• 打印“测试通过”只能证明打印了该文字，不能证明测试真的运行。
• 文件修改、远端更新和检查通过，需要相应工具输出。
• 声称用户批准了某项操作，需要真实用户消息。
• 缺证据时结论是尚未完成，而不是默认通过。

当前版本不再把证据压缩为 checkpoint 声明，也不再运行旧的轮末 checkpoint 模型检查和 stall 限制。model.goalCheckpointTimeoutSeconds 仍可解析但被忽略；不要用该字段排查当前验证器停顿。

写可判定的目标

按最终状态、验收条件、禁止事项、阻塞报告和必要上下文来组织。至少一个条件应给出实际检查命令以及预期退出码或输出，并要求保留关键结果。

Outcome: Fix the reported parser failure. Done when: 1) the regression test passes; 2) npm test exits 0 and the decisive output is shown. Must not: weaken assertions or publish changes. On block: report the failing check and the missing input.

示例中的命令必须换成项目真实存在的检查。审计目标可以用覆盖约定场景并报告证据来验收，零缺陷也是有效结果，不要设“至少发现几个问题”这种错误成功条件。

目标建议大致控制在 1,200 字符以内，因为每轮都会再次发送。set、edit 接受任意长度，但会把换行压成空格；用编号保留条件边界。模型通过 propose_goal 提出的目标最多 1,500 字符。

文本预算不是运行时上限

目标里写“20 轮后报告阻塞”只是给模型的指令，不会配置计数器。需要运行时限制时，使用Goal 预算设置。不要在目标中混合多个互不相关的终点，使验证器无法判断当前是否达标。

遥测边界

Goal 转换可分别进入 OpenTelemetry 与用量统计：事件名为 qwen-code.goal_state，用量统计由 privacy.usageStatisticsEnabled 控制，默认启用；两套开关独立。

状态事件包括轮数、token、活动时间与配置预算，目标文本只记录码点长度，不记录正文或停止原因。clear 不带用量，replace 描述新目标而不是旧目标最终用量；恢复已记录状态不会再次上报同一转换。

但其他遥测仍可能含目标正文：propose_goal、update_goal 工具参数会进入工具调用遥测，即使 telemetry.logPrompts 关闭也一样。不要把“Goal 状态事件不含正文”误解为所有遥测都不含正文。