[loopx-agent]

Benchmark workers could start their solver clock before verifying the native account and receiver route. The preflight now uses the existing Codex stdio owner to read account and rate-limit availability before scheduling, without a model request or credential refresh. Its temporary private Codex home copies only the selected auth/config, so installed skills and live trial profiles remain unchanged.

Native Goal packaging also uses a dependency-free checkpoint reader in the shared stdio transport; the historical host import remains compatible. Official/plain and custom API execution keep their existing paths. This is an entrypoint check, not per-heartbeat polling, and does not clear pending requests, replay unknown turns or adjust budgets.

Validation on fbdc2fb8d7c7e5592c364c29662b06e8882bd995: independent focused receiver/host/runner regression run 224 passed, 93 skipped (skips require the unavailable SForge/Harbor environment in that checkout). A frozen Native Goal source archive imports successfully with an empty environment and isolated Python, covering the packaged dependency closure. Earlier native receiver experiments verified available/unavailable proxy routes without model calls; those are supporting evidence, not a complete installation or resumed-run qualification of this head.

The change remains a Python transport adapter, with no new control-plane state machine. Full Linux packaged launch and live continuation qualification remain outstanding before claiming operational recovery or score benefit.

[loopx-agent]

Reviewer: model_agent | gpt-6.1-sol | OpenAI | runtime_reported | reasoning_effort=max

Approval conclusion (author-owned PR; GitHub blocks formal self-approval)

动机 / Motivation

APPROVE；本次完整评审未发现阻塞问题。精确 head：e9beb144a6f9984c9cb2129bf1d52690fa446d2b，实际 merge base：d602248c53298f256ea72fe75091a39f35c6ae4b。

运行原生 ChatGPT 登录的 SForge LoopX worker 的操作者。接收端登录或代理不可用时，旧入口仍建立求解截止并进入调度；新入口先观察原生账户与额度路由，失败后保留原状态并退出。已验证三种 LoopX profile 的失败均发生在计时与调度之前，健康接收端仍继续；没有模型调用或旧请求重放。不恢复已提交但结果未知的旧 Turn，不变更评分、实验条件、期限、账户选择或重试授权。新 runner 在真实接收端的完整安装、续跑和长程收益仍由既有运行负责人单独验收。

改动思路 / Approach

在已有 SForge 接收端命令入口复用原生 stdio transport，避免引入第二份账户、调度或恢复状态；一次启动观察与求解计时分工明确。本 PR 仅交付新启动的接收端路径预检；不接管旧 Turn 的恢复，也不改变 official/single 或自定义 API 的执行入口。

入口没有重新实现登录或恢复控制器。SForgeWorker.format_run_cmd 保留 official/single 的早返回以及自定义 API 的原路径，仅在原生登录的 LoopX 分支给既有 clock/scheduler 命令加一次检查。检查复用 native_checkpoint_reader 的初始化、stdio 请求和清理。既有 codex_auth._native_refresh 会请求刷新凭证，解决的是可信宿主授权，不能拿来替代此次接收端观察；从宿主读取登录文件也不能证明远端 workspace route 可用。

具体改动 / Changes

规范依据：benchmark/runtime/RUNTIME.md，spec_revision d602248c53298f256ea72fe75091a39f35c6ae4b。RUNTIME.md:406 的独立 trial home/config 边界已保持；RUNTIME.md:583 的 setup 不调用模型、原 phase deadline 和 scheduler 资格分别验证。新增文档说明启动拒绝的边界，不能倒过来把预检成功解释为旧 Turn 已恢复。

关键代码讲解

• SForgeWorker.format_run_cmd（benchmark/runtime/sforge.py:419）先处理原 profile 及 API 选择，把 module 调用放在既有持久化 deadline 之前；没有增加每次 heartbeat 的查询、求解器超时或新账户选择。
• check_native_receiver（benchmark/runtime/codex_readiness.py:16）用 LOOPX_CODEX_HOME 指向原 trial，account/read 明确 refreshToken=false，随后读取额度路由。25 秒是这次一次性观察的总 I/O 预算；后续请求使用剩余额度，不是给每项请求重新发一整段预算。
• main（同文件39行）只把成功/失败、局部 code 和 inference_invoked=false 写到 stdout；不转发可能含账户或私有路由的异常。失败 exit1 配合 shell set -e，阻止后面的计时和 scheduler。

完整范围是5个文件：两处生产代码 +62/-1、两处测试 +133、文档 +11。局部 Python 模块适配已有原生 transport，没有第二个 quota、调度、凭证或 pending journal owner；错误码保持在 runner 的局部诊断边界。

对主干的风险 / Risks

PASS：相同准备条件下，immutable base 的既有 SForge runtime 324 项通过；head 的完整相关集合332项通过，0 skipped，覆盖 native-goal、heartbeat-resume、heartbeat-explore、official/single 和自定义 API 隔离。Ruff 对全部变更 Python 文件通过；原生 premerge 的5项 direct和9项 selected 均已执行且无失败，语义 advisory 与完整选定语义检查通过。

独立的同条件 shell 对照使用真实 format_run_cmd 生成入口，控制账户 RPC、scheduler sentinel 和 timeout fixture：base 的三种拒绝场景仍创建 deadline 并进入 scheduler，健康三种正常；head 拒绝三种均 exit1，deadline/start marker/scheduler 均未产生，健康三种仍成功。两边原 auth/pending 字节不变；调用序列只含 initialize、initialized、account/read 与健康时的 rateLimits/read。另用真实本机 Codex app-server 和空的隔离 home 跑模块，得到脱敏拒绝、空 stderr，没有模型请求。这些证据证明入口和原生传输失败边界，不证明远端已登录账户的长期可用性或 Linux deadline 精度。

初次隔离依赖缺少 SOCKS transport 的 socksio：base/head 分别85/88个用例在同一 httpx 初始化处失败。补齐两个隔离环境的 httpx[socks] 后重跑上述完整集合，保留原失败，不修改源码或断言。最初自建 shell fixture 在 macOS 缺少 timeout；修复该测试环境并固定 seeded-todo 后重新做两侧完整对照，未用第一次不完整结果认证健康路径。

语义与 CI 对齐

局部诊断复用现有 native account/profile 词义，不按错误 prose 推断账户或工作状态。新的启动拒绝是明确披露的行为改变；无新默认开启的模型、hook 或安装指令。wait_for_ci=false，未查询、轮询或等待 CI。premerge 整体 exit1 仍为 manual_review_required，原因是 benchmark_sensitive 要求维护者审阅后才能自合并；它没有执行检查失败，也不由本次代码批准解除。 独立 exact-scope change-quality 回执亦保留 fail：唯一 blocker 为同一 premerge 维护者 gate，未将退出1改写为通过。

我的整体评价 / Verdict

该切片有独立价值，属于 justified_increment。long_horizon 与 user_experience 在此启动边界 improved：失败可以在消耗新求解时段之前显式暴露，原请求与恢复职责保留，没有增加用户确认轮次。未验证远端完整安装/续跑、历史卡住根因、模型实际采用和净成本收益；不将332项通过或一次真实原生拒绝当成这些结论。

代码与问题规模相称，复用现有 transport、删除重复账户/调度状态比新建控制器更合适。无 rendered presentation 改变，visual_review 不适用。保留维护者 merge hold；本评审未合并、安装或启动实验。

English verdict: APPROVE e9beb14; receiver rejection precedes solver timing across the three LoopX profiles, with 332 passing runtime tests and no inference or pending-work replay. The maintainer merge hold remains.

[loopx-agent]

Reviewer: model_agent; gpt-6.1-sol; OpenAI; runtime_reported; reasoning_effort=max.

Approval conclusion (author-owned PR; GitHub blocks formal self-approval)

当前 exact head：8176@fbdc2fb8d7c7e5592c364c29662b06e8882bd995。未发现阻塞本代码切片的 finding。以下结论基于本次独立执行；旧 head 的 approval 不继承，合并资格另行保留。

动机 / Motivation

受影响的是在 SForge 中启动 native-goal、heartbeat-resume 或 heartbeat-explore 任务的操作者。

接收端登录文件存在但账户路由不可用时，旧命令仍先写入求解截止时间并启动 worker；新命令在这两步之前给出脱敏失败。

已验证三个 profile 的真实生成命令在预检失败时保持原 profile、pending 记录与时钟不变，路由恢复后继续启动。

本 PR 不认证后续模型请求可用、额度充足、Linux 完整 trial、恢复任务得分或模型效果。

剩余验收是原有 benchmark 运行者在授权条件下完成真实 Linux trial 与原 checkpoint 的完整比较；本次没有启动这些工作。

只检查登录文件会遗漏真实路由故障；新增一次不推理的 transport 观察，是比消耗模型请求或创建持久化健康状态更小的修复。记忆建议在此用于核对操作者的启动、失败和恢复结果；没有将未来完整产品或模型实验扩成当前源码切片的前置条件。

改动思路 / Approach

既有 SForgeWorker.format_run_cmd 继续拥有 profile、时钟与 worker 组合。仅对明确选定的三个 native/non-API profile，在 set -eu 后、持久化 phase deadline 前调用观察器；任何 RPC 失败都会先退出。观察器复用现有 stdio owner，临时复制 auth/config、启动 account-only app-server，销毁目录并关闭进程后才返回。原 pending、session、求解预算与恢复策略不转移给它。

保留该机制的理由是：现有 formatter 继续拥有时钟与执行，stdio owner 继续拥有 provider I/O；新增 helper 只做一次隔离观察，无新控制面状态。当前 PR 只交付不污染固定输入的启动前账户 transport 检查；原 qualification、pending recovery 与模型执行不被替代。旧 checkpoint import 直接指向搬迁后的同一函数，没有两套初始化或清理实现。

具体改动 / Changes

完整差异为 7 文件，+233/-17，包含新增观察器、8 行 formatter 插入和 136 行 readiness 回归测试。实际三点差分基准是 c6c328d50b456c3dbb88de7021414c1921b69174；GitHub 本次报告的 PR base tip 为 5a58635028fbef1316dc66531daf5fdb655e9b13，它不是 head 的祖先，因此没有把它误当作受控行为实验的 merge-base。

接受的规范为 benchmark/runtime/RUNTIME.md，固定 revision c6c328d50b456c3dbb88de7021414c1921b69174，逐项对应如下：

criterion_id	当前 disposition 与证据
Install and isolate	implemented：原 home/config/auth/pending 的字节摘要保持不变；bundled skills 只写入临时观察目录。
Native SForge task entry	implemented：三个 native profile 的真实格式化 shell 在 clock 前拒绝路由错误；健康继续，重复入口不补 deadline，API/official/single 控制命令逐字相同。
Migration and qualification	deferred：完整 Linux/native trial、原 checkpoint 和结果/成本资格仍由已有 benchmark qualification owner 负责，本次没有启动或认证。

关键代码讲解

• SForgeWorker.format_run_cmd 保留 ordinary/API 分支，在既有 clock 前插入一次检查，未添加每轮 heartbeat 探针。
• check_native_receiver 只复制两个输入文件到临时 home，使用总观察 deadline，依次读取 account/read(refreshToken=False) 和 account/rateLimits/read。usage 可读并不等于额度充足。
• native_checkpoint_reader 是原 stdio transport 的共享 owner；旧 import 的函数对象相同。按实际 native source whitelist 解包后，-I -S 的纯标准库 import 也通过，避免依赖整个 host 模块。

对主干的风险 / Risks

最危险的两侧故障是：坏账户仍开始计时，或健康账户被过度拒绝。实际 shell 对照同时检查这两侧：base 三个 profile 在账户/usage 故障下仍写 clock 并启动；head 六个故障 case 均为 rc1 / clock0 / worker0，三个健康 case 正常继续。仅移除 head 的 preflight prefix 后，三个 profile 的独立 oracle 都检出错误启动。随后在同一失败 fixture 恢复 RPC，三个 profile 均保留原 home/pending 并继续启动；六个 base/head 健康重入 case 的 deadline 字节不变。

本次独立验证	观察
actual SForge/Harbor suites 与 checkpoint tests	base 519 passed；head 527 passed，无 dependency skip。SDK 为项目声明源码的固定 revision，双方使用相同版本。
24 个成对 formatter case、5 个 off/API 控制命令	head 同时满足健康与失败分支；所有控制命令逐字相同。post-clock worker 为无模型 sentinel。
安装的 Codex 0.166.0-alpha.5.1，刻意空的隔离 profile	脱敏 native_receiver_unavailable，原 home 无新增技能；无推理调用。
原始17根 mypy、DCO、diff/双语、native quick checks	mypy B/H PASS；6 direct +3 selected 机械检查通过。
补充全树 Ruff	FAIL 保留：受控 B/H 完整121个 failure identities 相同，所有失败源及配置 blob 不变，均不在本7个修改路径。未修复或冒充 PASS。
严格质量与合并政策	CQR receipt_missing；完整 quick premerge exit1，另有 benchmark-sensitive 人工 hold。没有放宽或清除。

这里执行了真实 formatter、shell、stdio 子进程和安装的空账户失败分支；健康 RPC 使用可控 provider fixture，求解器由 sentinel 截断。这些证据支持启动边界，不支持 Linux 完整 trial、真实健康账户的后续推理、checkpoint 得分或成本收益。当前 required 本地行为检查已经覆盖修改，不要求本 PR 修复未变化的全树 lint；远端 CI 遵守当前策略未查询或等待。

我的整体评价 / Verdict

这是有用且可独立回退的增量：long_horizon preserved，原 deadline/pending/重入责任未改变；user_experience improved，沿用现有启动入口，不增加配置或确认回合，setup 故障能在开始计时前被识别并在恢复后继续。复用现有 stdio owner 与短 helper 的维护成本与风险相称，不需要新增 readiness registry 或持久化策略。

检查的是 benchmark CLI 启动、JSON 失败和原状态回读；没有修改渲染页面、布局或 App 导航。无受影响的图形界面；Linux 完整 trial 和后续模型调用未验证。新增诊断保持本地词汇，未增加通用 Goal 状态或任何新权限。当前源码 review 结论为 APPROVE；CQR、人工 hold、正式合并授权与后续实验资格继续分别保留。

English verdict: APPROVE. The isolated account-only preflight rejects bad native routes before solver timing, preserves existing control paths, and recovers without rewriting the original profile or pending state. Exact-scope quality and maintainer merge holds remain; this review grants no merge or trial authority.