OpenAdapt Flow 2.7.0：任务重放，签名写入授权

1. 将执行过一次的任务转为程序重放

新命令 openadapt wrap 用于执行由运维人员预先定义输入项的任务。首次调用时，先运行一次智能体并独立检查保存的记录，再将执行内容转为程序并批准。此后，获批程序会用新输入重放任务，不再调用模型。

任务也可以通过用于工具互联的通信协议 MCP 在本地提供，供其他工具调用。调用方使用任务声明的输入项。附加请求标识符后，重复或中断的调用会返回已有的执行，避免再次发送相同的写入。

模型看到的任务输入和目标身份信息，会被带有类型标记的占位符替代，而非实际值。模型输入占位符后，执行工具填入实际值，重新读取保存结果进行核验的过程也在本地使用实际值完成。原文说明，过去仅遮蔽姓名和标识号码的方式，使模型无法区分目标记录。

发送给模型的请求大小也有所调整。据公司公告，Claude 单次请求在发送前的默认上限从 64 KiB 提高至 4 MiB。公告称，在原有上限下，每轮加入截图的执行会在第二轮结束。OpenAI 的默认上限仍为 64 KiB，可配置的最大值为 32 MiB。

2. 在人工签名授权范围内学习保存操作

在浏览器中教授保存操作时，现在可以使用人工签名的授权文档。文档包含任务与输入、允许的来源、允许的写入以及禁止的操作。首次执行须在授权通过验证且涵盖允许的写入后才会开始，点击、按键和选择操作都会与授权核对。系统还提供创建、签署和验证授权的命令。

在桌面和远程应用中，也可以通过 MCP 教授保存操作，再调用获批工具。授权文档也涵盖桌面和远程界面，而在桌面上教授的操作，其授权范围绑定于相应应用。

3. 不仅检查执行结果，也检查评分器本身

在监控直接写入数据库的客户端模式下，智能体会报告每个操作的开始和结束。Flow 会检查各操作预设的数据库变更条件，以及操作之间的变化。不属于任何操作的变化，会依据应用审计记录是否指向智能体用户，被判定为违规或不确定。

新的审计工具测试的是环境中的评分器，而非智能体。它向基准执行注入错误记录、错误值、重复写入和部分写入等故障，也运行带有无关变化的正常对照案例。除误放错误结果或误拒合法结果的案例外，它还报告表示错误率估计不确定性范围的威尔逊 95% 区间。原文中的执行命令如下。

python -m openadapt_flow.verifier_audit run --target module:factory --out DIR

对于分页的 REST（Web 资源请求与响应通信方式）和 FHIR（医疗信息交换标准规范）读取，系统要求承诺读取的是不变的数据集，并声明已收到全部记录。这是在汇集多页结果时，核验数据是否未变以及读取是否无遗漏的标准。

4. 升级时检查执行目标与记录条件

必须明确指定要重放的目标地址或演示应用，并使用长命令行选项的完整名称。

对于记录了区域设置、日期顺序和键盘布局的任务，系统会将其与当前环境对照；缺少这些信息的旧任务则不参与该项检查。

包含数字的身份信息中，日期、年龄和数量也必须与当前界面上的值按原文完全一致。

分页读取中，若缺少完整性声明，或数据集标记缺失或发生变化，或标识符重复，或混用了不同的标识符命名空间（区分标识符的范围），结果将保持未确定状态。若环境信息与记录不同或无法读取，系统会拒绝重放；重放失败或结果不确定时，则会暂停，直到人工批准修复。

5. 减少模型调用，转而投入审批流程

使用获批程序处理重复任务，可以省去模型调用，也能减少重复写入。首次执行使用模型时，会在调用前施加成本和执行时间上限，并在执行后报告用量。

相应地，运维人员在首次教授任务时，需要准备授权文档和独立的记录核验。后续修复也包含人工审批、签名重新授权和小规模试运行流程。重复执行所节省的模型调用，其代价转移为初始设置和修复过程中的核验工作。

Flow 2.7.0 在减少重复任务中模型调用的同时，将证明写入权限和结果的核验流程更深入地融入执行流程。