[loopx-agent]

Content production can now turn a prepared finite model into a learning task: compare conditions with a fixed policy, make successive decisions under a declared effort budget, or compare and replay two strategies. The native CLI and the packaged App use the same TypeScript rule owner; an Agent prepares the source once, and the reader operates the model in the existing Content production workbench.

The model retains its source, assumptions, revision and explicit transition rules. Invalid/overlapping rules, stale revisions, unavailable actions and exhausted budgets have explicit results. A damaged model can be replaced only with a validated source and its known current revision; healthy models remain usable. Readers can reset, export the model and decision traces, or explicitly record the model Canvas to a silent local WebM. This content interaction runs no author script, real Goal action, paid provider, microphone or screen capture.

Placement: builtin content-ops / loopx-core; reuse the existing private Goal content workspace and optional video renderer boundary. A small content-format wrapper preserves the default video and reference paths; transport-only TS types are shared with the frontend. The content protocol does not extend Goal/Todo authority vocabulary. Arbitrary scripted worlds and full film editing remain separate work.

Validation

• Two reusable synthetic briefs: evidence return and service diagnosis. TS semantic tests cover cost, conditional rules, manual/policy parity, reset, limits and malformed input; real CLI/HTTP checks cover revision binding, corrupt-source recovery, wrong-Goal/path/origin rejection and isolation.
• Packaged React/Chat bundle with its real local backend and a disposable synthetic Goal: desktop 1440×1000, narrow 390×920, keyboard decisions and replay, actual source revision change, recovery and export. Browser-generated Game/Mini-World WebM files decode successfully. Page-local simulated network/unsupported-API cases verify fallback separately from the real browser checks.
• Passed at this head: 23 TS tests, 15 Python tests, full control-plane typecheck, packaged frontend build/CSS checks and whole Content-Ops/changed-API Ruff. Native premerge passed 6 direct, 10 catalog, 8 risk-profile and 1 public-boundary checks; quality receipt cqr_31948997c542307872ba matches the current base/head and verifies valid. All four commits carry DCO sign-offs. Five existing optional heavy-renderer cases are explicit skips because that dependency is unavailable; no renderer output qualification is claimed. Adjacent media statement formatting is AST-identical, and three CLI branches reuse the same JSON renderer.
• Thirteen real legacy CLI/HTTP cases have identical full base/head responses and diagnostics under matched synthetic fixtures. A budget-guard mutation in an isolated source snapshot fails an independent oracle through the real CLI; the fixed head passes. Current managed policy has wait_for_ci=false; remote CI was not queried or waited for.
• This delivers a reusable learning-content creation path. Independent learner outcomes, creative film quality and complete production-cost comparisons require their own evidence.

Visual evidence

Actual packaged UI, synthetic local Goal, unchanged component sources tested at this head d5908cbed2dde9cbdf8a9d82db2bbcb38d79c55e. The original UI had video/source entries; the new UI adds interactive learning and an optional focused task view. Screenshots contain no personal operating data. Local synthetic preview only; no installed-user or public-hosted deployment claim.

Before · desktop	After · desktop

Before · narrow	After · narrow	Decision practice · narrow

Protocol and reproducible preparation: Content-Ops interactive learning models.

Related integration: #6876 owns generated media and the proposed Goal artifact entry. This slice uses current main’s native content workbench and does not depend on generated-media results. Later Goal-entry integration should reuse this player and revalidate the journey; peer adoption is not claimed.

[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

需要把一个机制讲清楚的内容创作者，以及希望亲手检验条件、行动和结果的读者。

此前只能查看固定视频或素材；例如解释证据如何返回请求人时，读者无法改变条件、选择行动并核对其实际后果。现在同一模型可以对照条件、在预算内作决策，再逐步回放另一策略。

已验证的改进是可操作、可重置、可导出并可显式录制的学习内容路径；三种形式的结果均来自同一个后端规则执行器。

本 PR 不执行任意作者脚本，不操作真实 Goal，不进行收费模型调用或自动发布；模型目标达成不表示学习收益已经验证。

合并后的安装采用、完整作品的创意质量、独立读者理解收益与完整制作成本比较仍需另行验收。

改动思路

保留一个 TS 规则归属、复用原有私有工作区与入口，才能同时提供条件对照、真实行动和策略回放；存储只做 IO，前端只投影结果，没有增加开关、第二套决策或重型 provider。

当前边界是可操作的有限学习模型、原生 CLI/API、三种工作台任务、重置/轨迹导出和本图静音录制；完整影片、任意脚本世界与安装采用不在本 PR 的完成声明内。

最强的不发布理由是：作者仍需对有限模型的假设和规则负责，成功的轨迹不能证明真实世界或教学有效性。固定视频、加一个可点按钮和独立私有页面都不能提供可复用的原生规则执行；反过来，为本任务增加任意脚本引擎或独立扩展也没有必要。这里只补既有内容能力所缺的有限模型执行，不扩张到通用世界、影片编辑或真实任务控制。

创作者把已知目的和来源交给 Agent 准备一次，读者从原 Goal 工作台进入交互学习，无需重填 JSON、重复说明或新增授权确认。预测与观察记录均可跳过；多次决策是所需学习任务本身。默认仍打开视频制作，原有视频和素材组件保留。

下表是按提交 d5908cbed2dde9cbdf8a9d82db2bbcb38d79c55e 源码整理的路径说明，不是执行证据；实际执行依据是后文的原生 CLI/HTTP、打包浏览器和故障恢复验证。

触发	规则与状态归属	可见结果/失败恢复
Agent 准备来源模型	TS 验证；原 Goal 私有目录原子写入	稳定标识、摘要与修订；旧修订拒绝
条件对照/人工行动/策略运行	同一个 TS 有限执行器	真实路径、成本和明确失败；不操作真实 Goal
读者回放、重置、导出或录制	页面投影与自身 Canvas	可读状态、JSON/静音 WebM；录制不可用仍可操作/导出
来源变更、坏文件或请求失败	原生修订检查与可信来源修复	保留原结果，重新读取后继续；其他模型仍可用

具体改动

依据未被本 PR 改写的 docs/development/frontend-delivery.md，规范修订 973914e8cb713ee176737c95750aedb3072b9ea8。下列 TF-1 至 TF-6 对应其 Task-first delivery 的六个编号步骤，是本次评审的映射标签。

• TF-1 — implemented：比较原请求到可用交互的完整路径；Agent 负责已知内容准备，没有第二个配置表或强制预测问答。
• TF-2 — implemented：复用 Content-Ops、既有 Goal 私有媒体工作区、TS effect runtime 与能力编辑入口；浏览器只投影结果，不再建一套状态/规则归属。
• TF-3 — implemented：预算不足不得转移/扣款、旧修订不得运行是独立语义；实际原生调用验证，并用移除预算守卫的隔离副本证明检查能够失败。
• TF-4 — implemented：打包 React/Chat 与真实后端联调，实际桌面、390 像素窄屏、键盘决策/回放、来源修订和损坏恢复；中文/英文操作文案与作者自带内容分开。网络/不支持 API 情形明确是页面内故障模拟。
• TF-5 — implemented：以原任务而非新增配置项判断价值；检查了不改、固定播放器、单独页面和新增 provider 的替代方案。复用的 UI/TS 证据在本次 head 的组件源码未变，最终 CLI 格式整理另有当前验证。
• TF-6 — implemented：源码提案、打包验证、合并和安装采用明确分开；本评审没有执行或宣称已完成用户安装升级，也没有以此证明学习收益。

规范原文：Task-first delivery @ 973914e8cb713ee176737c95750aedb3072b9ea8。

关键代码讲解

1. validateExperiencePlan 检查完整来源模型、有限大小、状态/行动引用、成本及互斥条件。摘要包含来源和假设；同状态/行动的重叠条件直接拒绝，输入顺序不能决定因果。
2. runExperience 把场景与明确覆盖值送入同一执行器，人工行动与策略互斥。先检查规则与剩余预算，失败帧保留原状态/用量；终点、步数上限与未执行行动都有明确结果。
3. ExperienceWorkspace.prepare 只承担安全 IO：相同来源重试复用身份，显式旧修订在幂等返回前就拒绝，当前内容修复需要可信修订和有效新来源。保存后独立 inspect 再校验。
4. _content_experience_request 沿用所选 Goal 和同源边界，只接收有界的列举、读取和运行；浏览器不能传文件路径、创建模型或运行作者代码。原有媒体 API 的合法/拒绝路径保持一致。
5. ExperiencePlayer 提供三种不同任务，展示来源、规则、结果和失败。旧来源或未确认结果要求重新读取；录制只获取本图 Canvas，卸载/停止会清理流、计时器与下载 URL。

31 个改动文件包括两份可复用合成模型和六张实际视口图片，未提交构建产物、私有运行状态或原始轨迹。额外的媒体语句展开保持 AST 一致；三个重复 JSON lambda 已归并为一个命名渲染函数。

对主干的风险

没有发现当前 head 的阻塞问题。最大的风险是把作者模型中的成功当成真实完成，或在来源变更后继续显示可信结果。前者通过内容协议边界和 learning_effect=not_tested、publish_authorized=false 明示；后者有原生摘要/修订校验、旧结果保留和来源修复后恢复操作的真实路径验证。来源不明或元数据坏掉不会被静默重建。

已运行 23 项 TS 语义测试、15 项 Python/原生 CLI/HTTP 测试，全量控制面类型检查、前端构建、CSS 与整个 content_ops/改动 API/test 的 Ruff。预合并的 6 项直接检查、10 项 catalog canary、8 项风险 smoke 和 1 项公共边界扫描通过；质量凭据 cqr_31948997c542307872ba 对应当前 base/head 且验证有效。四个提交均有 DCO，已提交 diff 的双语 RFC 检查通过。

原有入口另做了不可变 base 与当前 head 的 13 个真实 CLI/HTTP 对照：同一合成输入下完整响应、退出状态、错误详情和持久化回读一致，仅归一化时钟与合成目录前缀。预算规则的隔离变异通过真实 CLI 被独立断言识别：变异错误地到达目标，当前 head 则停在 lost、已用 3、余量 1、未应用行动。录制的 Game/Mini-World WebM 均真实解码无错误。

五项既有重型 renderer 用例因可选依赖不可用而显式跳过，不属于本次改动的必需验证；没有据此宣称完整 renderer 资格。媒体格式整理具有 AST 等价和原生入口对照。更早的质量凭据缺失、Ruff 失败与只读网络超时保留为历史观测；当前精确范围的验证已覆盖暴露的实际条件，没有放宽断言或阈值。按当前管理策略 wait_for_ci=false，未查询、轮询或等待 GitHub CI。

相关开放 PR #6876 负责生成媒体与 Goal 成果入口迁移；本 head 仍以当前 main 的能力工作台为验证入口，交互模型不依赖其生成产物。后续接入新入口应复用本组件并重新走查，当前评审不声称对方已经采用。#3313 的浏览器发布门是另一个责任边界，本 PR 不接管。

语义与 CI 对齐

新词汇只属于有限学习内容：状态/成本/终点采用显式类型和精确 ID，不以文案或子串猜测真实 Goal 状态。通用控制面义务、权限、调度、配额与发布门没有变更。可发现性不表示激活，默认视频和原 provider 绑定保持；新的模式、帮助和能力文案是明确披露的可用性扩展，并未声称默认关闭会隐藏这些文案。纯模型不会获得其他真实工作或后续 Goal 的执行权。

我的整体评价

problem_context=justified_increment：这个边界交付了可复用且实际可操作的内容创作路径，适合作为后续完整作品的原子能力。long_horizon=preserved：来源、重复准备、修订与恢复可持续复用，未证明真实 Agent 效率提升。user_experience=improved：原工作台里可完成条件探索、人工决策和策略回放，错误可恢复，不要求重复准备或额外确认。

保留一个 TS 规则归属、复用原有私有工作区与入口，才能同时提供条件对照、真实行动和策略回放；存储只做 IO，前端只投影结果，没有增加开关、第二套决策或重型 provider。 当前边界是可操作的有限学习模型、原生 CLI/API、三种工作台任务、重置/轨迹导出和本图静音录制；完整影片、任意脚本世界与安装采用不在本 PR 的完成声明内。

机制与问题规模相称；保留同一个内容规则归属和现有媒体/素材兼容边界，未见必须先扩张或拆出另一层生命周期的理由。已应用的命名 JSON 渲染复用与 AST 等价整理足够有界。剩余最强证据缺口是独立学习效果、创意成片及完整成本比较、用户安装采用与可选重型渲染环境；这些都不由本次通过的轨迹或截图代替。来源内容真实性仍由作者负责。合并仍需当前提交的独立 readiness 与既有授权，评审本身不授予权限。

English verdict: APPROVE — exact head d5908cbed2dde9cbdf8a9d82db2bbcb38d79c55e. No blocking finding. This is a justified, usable Content-Ops increment: one typed finite-model owner, existing private workspace/routing, three real packaged learning tasks, truthful recovery and explicit local export/recording. Native local checks, 13 complete baseline/head public-entry comparisons and a falsified budget-guard mutation support the reviewed boundary. Five optional unchanged heavy-renderer checks are explicit skips. Learner benefit, creative quality, installed-user adoption and full production costs remain unverified; approval grants no merge, installation or publication authority.