流式改成默认开,TALOS_STREAM=0 关

DEVELOPMENT.md

@@ -150,7 +150,7 @@ def check_permission(state, cls, name, args):                       # 决策 + 
 
 ```bash
 python agent.py --selfcheck        # 零依赖、零网络、零 key。改完先跑这个
-python -m pytest tests/ -q         # 344 条。CI 跑 ubuntu/windows × 3.10/3.13
+python -m pytest tests/ -q         # 345 条。CI 跑 ubuntu/windows × 3.10/3.13
 ```
 
 `--selfcheck` 覆盖 4 个工具的读/写/改、`edit_file` 的"找不到 / 不唯一"两种报错、
@@ -190,7 +190,7 @@ set TALOS_MAX_STEPS=12
 | **行为类** | **模型读到守卫那条消息之后干什么** | ❌ 必须用你真在用的那个 |
 
 「拒绝之后会不会改用 `python -c` 绕路」是那个具体模型的性格,换了模型不算数。
-而**行为类正是 live 测试唯一还值钱的部分** —— 管道通不通,344 条判据已经免费覆盖了。
+而**行为类正是 live 测试唯一还值钱的部分** —— 管道通不通,345 条判据已经免费覆盖了。
 
 按这条界,**目标闸的 live 判据是行为类的**:离线判据已经证明判断器拿得到 `read_file`、
 越界会被驳回、判不出来时不假装成功;它们证明不了的是**这个具体模型拿到只读工具之后

README.md

@@ -2,7 +2,7 @@
 
 [![tests](https://github.com/Jerry-TZ/Talos/actions/workflows/test.yml/badge.svg)](https://github.com/Jerry-TZ/Talos/actions/workflows/test.yml)
 
-**一个你能完整读完的编程 agent。** 5441 行 Python,344 条离线判据,一份不糊弄人的安全说明。
+**一个你能完整读完的编程 agent。** 5442 行 Python,345 条离线判据,一份不糊弄人的安全说明。
 
 <img src="docs/demo.svg" alt="Talos 终端界面:动盘之前先弹确认框" width="100%">
 
@@ -19,7 +19,7 @@
 
 | 文件 | 行数 | 职责 |
 |---|---|---|
-| `agent.py` | 4318 | 循环 + 工具 + 权限门 + 自学习 |
+| `agent.py` | 4319 | 循环 + 工具 + 权限门 + 自学习 |
 | `console_ui.py` | 235 | 终端界面(可整体替换) |
 | `recall.py` | 582 | 联想记忆:扩散激活检索 |
 | `session.py` | 306 | 会话持久化(想换 SQLite 只改这个) |
@@ -33,7 +33,7 @@
 极简 agent 赛道很挤,有人用 Zig 做到 678KB 二进制。**Talos 不比谁小,它比谁都好读。**
 
 - **能读完** — 四个文件,注释解释的是*为什么*,不是*是什么*。几乎每条防御旁边都写着它挡的那次真实翻车。
-- **能验证** — 344 个测试,**离线、免 API key、几秒跑完**,CI 在 Linux/Windows × Python 3.10/3.13 上都跑。clone 下来立刻知道它没坏。
+- **能验证** — 345 个测试,**离线、免 API key、几秒跑完**,CI 在 Linux/Windows × Python 3.10/3.13 上都跑。clone 下来立刻知道它没坏。
 - **不吹牛** — [`SECURITY.md`](SECURITY.md) 明写 `create_tool` 就是进程内 RCE、正则黑名单只是减速带。**没有沙箱就是没有沙箱** —— 真要隔离,[三条现成方案](SECURITY.md#真要隔离怎么办)按代价从低到高列在那儿。
 - **有考卷** — [`EXAM.md`](EXAM.md) / [`EXAM2.md`](EXAM2.md) 是两份可复现的能力测试,带标准答案和作弊检测(比如逐个核验 arXiv ID 真伪,防止编造引用)。记录的是"我怎么验证它真的有用",不是功能列表。
 - **有实测** — [`FINDINGS.md`](FINDINGS.md) 记了二十二个真实任务量出来的东西:哪条提示词生效、哪条从头到尾没生效、六次翻车、检索改动的前后数字,以及**两个被数据否掉的自己的方案**。样本小,局限写在最前面。
@@ -159,7 +159,7 @@ tail -3 .talos/recall_trace.jsonl
 
 **一次性模式** — `agent.py -p "任务"` 跑完即退,方便脚本和计时。
 
-**流式(试验,默认关)** — `TALOS_STREAM=1` 让主循环边生成边收,转圈那一行实时显示「模型在写 write_file(src/app.py) · 12,000 字」,分得清慢和卡死。拼回来的回复跟整份返回的逐项相同(判据钉着),断流按原来的重试规矩整次重来。几家的流式形状只照文档和造出来的数据核对过,**还没真调用过** —— 跑出问题关掉,就回到原来那条路。
+**流式(默认开,`TALOS_STREAM=0` 关)** — 主循环边生成边收,转圈那一行实时显示「模型在写 write_file(src/app.py) · 12,000 字」,分得清慢和卡死。拼回来的回复跟整份返回的逐项相同(判据钉着),断流按原来的重试规矩整次重来。几家的流式形状只照文档和造出来的数据核对过,**还没真调用过** —— 跑出问题先设 `TALOS_STREAM=0`,就回到整份返回那条老路。
 
 **可选自动化**(默认关闭,在 `talos.bat` 里开):
 
@@ -202,7 +202,7 @@ Ctrl+C              停下当前这轮 —— 做过的都留着,可以直接说
 
 ```bash
 .venv\Scripts\python.exe -m pip install -r requirements-dev.txt
-.venv\Scripts\python.exe -m pytest tests/ -q     # 344 条,约 8 秒,不联网、不需要 key
+.venv\Scripts\python.exe -m pytest tests/ -q     # 345 条,约 8 秒,不联网、不需要 key
 python agent.py --selfcheck                       # 免依赖的冒烟检查
 ```
 

agent.py

@@ -262,10 +262,11 @@ def _env_block() -> str:
 CONNECT_TIMEOUT = float(os.environ.get("TALOS_CONNECT_TIMEOUT", "5"))
 SLOW_CALL = float(os.environ.get("TALOS_SLOW_CALL", "15"))   # 超过这么久的调用才报耗时
 # 流式:主循环那一次调用边生成边收,转圈那一行实时报「在写 write_file(x.py) · 12,000 字」。
-# **默认关**:六家的流式细节各不一样(Gemini 不给 index、Kimi 把用量塞进 choices[0]),
-# 写它的时候手上没有 key,只照文档和造出来的块核对过。开着跑稳了再改默认。
+# **默认开,`TALOS_STREAM=0` 关。** 六家的流式细节各不一样(Gemini 不给 index、Kimi 把
+# 用量塞进 choices[0]),写它的时候手上没有 key,只照文档和造出来的块核对过 —— 所以哪家
+# 跑出毛病,先关掉它回到整份返回那条老路,再来看是哪一块没拼对。
 # 只影响看得见的那一处 —— 判断器、压缩摘要、复盘你看不到,流了也没用。
-STREAM = os.environ.get("TALOS_STREAM", "").strip() in ("1", "true", "yes", "on")
+STREAM = os.environ.get("TALOS_STREAM", "").strip().lower() not in ("0", "false", "no", "off")
 # 不带 include_usage,流式默认**不回用量**:会话预算提醒和缓存命中率就静悄悄地全是 0
 _STREAM_KW = {"stream": True, "stream_options": {"include_usage": True}}
 

tests/conftest.py

@@ -85,8 +85,9 @@ def _no_test_ever_writes_the_real_talos(tmp_path, monkeypatch):
     # 就会往真实的 `.talos/sessions/` 里塞垃圾,而那批文件正是往事检索和燃尽表的语料。
     # 上面那段说「枚举永远落后一步」,这就是下一步:**加功能等于给这片面新开一条路。**
     monkeypatch.setattr(session, "SESS_DIR", os.path.join(d, "sessions"))
-    # 开着 `TALOS_STREAM=1` 的终端里跑 pytest,几百条用例的假客户端会收到 stream=True
-    # 而照旧回整份 —— 全套红一片,红的原因跟被测的东西毫无关系。要测流式的自己打开。
+    # 流式默认开,而几百条用例的假客户端照旧回整份 —— 不钉成关,全套红一片,
+    # 红的原因跟被测的东西毫无关系。要测流式的自己打开;默认值本身由
+    # test_streaming_is_on_unless_you_turn_it_off 在子进程里查。
     monkeypatch.setattr(agent, "STREAM", False)
 
 @pytest.fixture(autouse=True)

tests/test_loop.py

@@ -2689,8 +2689,34 @@ def turn(client, model, messages, state, top=False):
     assert b_human not in asked, "已删掉的会话的原话还在参与「点名」判断"
 
 
-# ── 流式(TALOS_STREAM=1):拼回来的必须跟整份返回的是同一个东西 ─────────────────
+# ── 流式(默认开,TALOS_STREAM=0 关):拼回来的必须跟整份返回的是同一个东西 ──────
 # 形状照 openai 2.x 的 `ChatCompletionChunk` 造(真对象在本机核对过),不 import openai。
+def test_streaming_is_on_unless_you_turn_it_off(tmp_path):
+    """默认开,`TALOS_STREAM=0`(或 false/no/off)关。
+
+    必须**真的起一个进程**:这个开关在 import 时读环境变量,而 conftest 为了让假客户端
+    照旧回整份,把每条测试里的 `STREAM` 都钉成了关 —— 在测试进程里看,它永远是关的。
+    同 `test_no_provider_key_survives_startup` 那条的道理。
+
+    cwd 放在空的 tmp 目录:启动时会读当前目录的 `.env`,别让本机那份替判据做决定。"""
+    import os
+    import subprocess
+    import sys
+    import agent as A
+    code = f"import sys; sys.path.insert(0, {A.HOME!r}); import agent; print(agent.STREAM)"
+    base = {k: v for k, v in os.environ.items() if k != "TALOS_STREAM"}
+    def run(**env):
+        r = subprocess.run([sys.executable, "-c", code], cwd=str(tmp_path), capture_output=True,
+                           text=True, encoding="utf-8", errors="replace",
+                           env=dict(base, PYTHONIOENCODING="utf-8", **env))
+        assert r.returncode == 0, "探针进程没起来:" + (r.stderr or "")[-800:]
+        return r.stdout.strip()
+    assert run() == "True", "没设 TALOS_STREAM 时流式没开"
+    for off in ("0", "false", "no", "off", " OFF "):
+        assert run(TALOS_STREAM=off) == "False", f"TALOS_STREAM={off!r} 没关掉流式"
+    assert run(TALOS_STREAM="1") == "True"
+
+
 def _d(content=None, reasoning=None, tool_calls=None):
     """一块增量。`reasoning_content` 是 DeepSeek / Kimi 的字段,SDK 不认识,挂在 extra 上。"""
     delta = types.SimpleNamespace(content=content, tool_calls=tool_calls,