[huangruiteng]

The real scheduler budget-stop smoke was failing before it reached the worker: the probe read should_run directly from a progressive reader response. The probe now requests the direct quota result, matching the scheduler's machine-facing read. Agent-facing progressive delivery and scheduler behavior are unchanged.

The five execution modes reproduce the same pre-dispatch failure on unmodified main and C1. After the fix, each mode returns exactly one budget-stop wake receipt, starts no Host, and leaves quota unchanged. The focused main run passed 50 cases, including the retained interruption fixtures; two cases requiring a disposable Docker environment were skipped.

[loopx-agent]

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

动机 / Motivation

维护 benchmark worker 的开发者需要用 smoke 检查阶段预算耗尽时是否还会启动 Host。 渐进式交付默认启用后，测试在准备阶段拿到供 Agent 使用的读取入口，直接取 should_run 时崩溃，预算停止分支连一次都没有执行。 修复让测试的前后探针明确读取原始 scheduler 决策，五种执行模式重新验证停止回执、Host 启动、待处理 Turn 和扣额。 改动限于源码测试的 quota 观察方式，验证使用本地合成 Goal 与实际 CLI/worker。 结论覆盖五种源码模式与原始回执。生产安装和正式 benchmark 运行没有纳入该测试。

改动思路 / Approach

smoke 先读可运行的 synthetic Goal，再执行原 worker。Heartbeat 和 Turn 经过现有 external scheduler，其余三种直接走 worker。读回覆盖停止回执、Host、pending Turn 和 quota。 生产 shell scheduler 的 build_should_run_command 已要求直接决策并带同一个 off 参数。smoke 使用现有 CLI 语义，独立运行真实 worker，预算判定和原断言由原 owner 承担。 本次只修一处测试调用。使用独立的真实运行路径保留时钟、回执、无 pending Turn 和扣额断言，足以恢复这条防线。

具体改动 / Changes

基线为 3e3e3f841fb46c84c59fd31c94c88c15719a4085。阶段 allowance 耗尽应留下唯一 stop receipt，且保留原待执行任务与扣额。 基线规范

• 预算停止回执。 Heartbeat、Turn、plain、native-goal、loopx-goal 五种模式均实际启动 worker 入口，各留下一个预算停止回执，Host 启动次数为零，未建 pending Turn，前后扣额一致。
• 读取模式隔离。 Git 清单仅改测试文件。基线同一 CLI 显式关闭交付时已能返回直接决策，产品 shell scheduler 命令与实际 worker 无差异。

关键代码讲解

test_real_scheduler_stops_after_one_budget_exhausted_wake 的前后探针现在拿到原决策，后续照常用 worker_command 启动真实路径。生产 build_should_run_command 已把 off 用于同一类观察。测试自身也按实际文件读回停止回执和 pending Turn。 测试探针 生产 scheduler worker 入口

对主干的风险 / Risks

基线的五例均在准备阶段取 should_run 时抛出 KeyError。实际 CLI 返回 context_capture_navigation_v1，同一基线和同一 fixture 增加 off 后直接返回 should_run=true、scheduler detail 和 0 个已扣额度。

默认 test extra 跑完整文件为 52 通过、50 跳过。与最新主干 7108b923 的隔离组合中，预算停止五例全部通过。 隔离环境补齐 Harbor 0.20.0 后，head 101 通过、1 失败，base 96 通过、6 失败。 Quick premerge 的 5 项直接检查和 3 项选中检查通过。benchmark 路径保留人工合并检查。 双方同一未改动的 Harbor [850] 交接超时用例都报 DID NOT RAISE TimeoutError。 远端 CI 未取样。

我的整体评价 / Verdict

批准 be5e12f01d50a3069e9c5426611fe18b0beda27f。阻塞发现 0 项。四行测试差异恢复了阶段停止的独立验证，复用当前 CLI 和 benchmark worker 的既有约定。 结论覆盖五种源码模式与原始回执。生产安装和正式 benchmark 运行没有纳入该测试。

English verdict: APPROVE. The smoke reaches all five real budget-stop paths and confirms one stop receipt per mode, zero Host dispatch and unchanged quota.