Mars Agent · Production marsdata.ai · Deep Research lifecycle

Mars 深度研究生命周期
生产环境端到端测试报告

首次全量测试：2026-08-11 15:16–15:34 · 失败项复测：2026-08-12 03:42–03:56 Asia/Singapore · MBP 隔离浏览器会话 · 生产 MIG 双实例
最新复测部分通过 · 2 PASS / 3 FAIL（复测 5 项） 首次全量基线 8 PASS / 5 FAIL / 2 UNTESTED 环境 Production · marsdata.ai 判定依据 真实页面、匿名分享、HTTP 与 Cloud Logging 探针 真实账号信息 已脱敏
失败项复测
2 / 5
L1、Q2 转为通过；N1、N4、Q1 仍失败
新公开证据链
2 / 2
两条新分享均匿名打开，无登录墙
来源质量
3/10 · 5/6
固态电池仍失败；欧洲储能具体页面与范围均通过
PhaseTracker
2 / 2
两个线程均带 identity，并在 48% / 47% 进入 REFINE

权威口径：顶部状态采用 2026-08-12 对原 5 个失败项的最新复测结果；首次 15 项全量矩阵完整保留在下方作为基线。本报告只把实际执行并通过硬探针的项目计为 PASS，模型声称“已完成”不作为判定依据。

R02026-08-12 生产失败项复测（最新）

部署目标：mars-fullstack-mig · template mars-fullstack-tpl-v471 · backend sha256:c2ac7f5100d4… · frontend sha256:917dbc908e57… · model profile gemini_rollback。

ID / 最新判定复测动作硬探针新证据与首次测试比较
N1 · FAIL英文深研提案安全停在 Phase1；真实确认按钮 0；只能文字确认新截图未修复
N4 · FAIL中文独立提案明确确认问题存在；“确认提案 / 调整提案”真实按钮 0新截图未修复
L1 · PASS查询两个新主 run 的 ExecutionState / PhaseTracker两个线程均出现 thread=；48% / 47% 时 EXPLORE → REFINE新日志已修复
Q1 · FAIL核验固态电池报告 10 个最终来源仅 3 个直接 200；3 个 404、2 个 403、1 个 302、1 个连接失败；多数为栏目页新公开对话 · HTTP 探针仍失败，来源数量增加但质量合同未成立
Q2 · PASS核验欧洲储能报告来源与四国范围美国/澳大利亚命中 0；6 个来源均为具体页面，5 个 200、1 个 403 反爬新公开对话 · HTTP 探针已修复

最新来源可达性探针

报告来源HTTP / 最终行为判定
固态电池 · Q1Toyota newsroom200 · 新闻栏目页可达但非结论原文
ACS Energy Letters journal403 · 期刊首页不可独立直开
Argonne energy storage403 · 主题页不可独立直开
Goldman Sachs insights200 · 洞察栏目页可达但非结论原文
IEA Critical Minerals Market Review 2025404失效
McKinsey automotive insights000 · 无法连接失效
Nature Energy article302 · cookie error 页面非直接 2xx
QuantumScape SEC filings404失效
Samsung SDI IR404失效
SNE Research200 · 首页可达但证据粒度不足
欧洲储能 · Q2Aurora Energy Research 四国市场文章200具体页面
Modo Energy 电价与电池收益文章200具体页面
ees Europe 2026–2030 市场文章200具体页面
Rabobank 四国吸引力文章403 · 反爬URL 为具体文章
SolarPower Europe 2025–2029 outlook200具体报告页
White & Case 2026 欧洲监管指南200具体文章

最新 Production ExecutionState / PhaseTracker 日志

2026-08-11T19:46:44Z EXPLORE → REFINE (token_pct=47.6%, thread=019ff259...) module=PhaseTracker
2026-08-11T19:46:44Z tokens=47,644/100,000 (48%) tools=5 phase=REFINE thread=019ff259 module=ExecutionStateInjector
2026-08-11T19:47:49Z tokens=50,940/100,000 (51%) tools=6 phase=REFINE thread=019ff259 module=ExecutionStateInjector

2026-08-11T19:55:12Z EXPLORE → REFINE (token_pct=46.9%, thread=019ff261...) module=PhaseTracker
2026-08-11T19:55:12Z tokens=46,898/100,000 (47%) tools=6 phase=REFINE thread=019ff261 module=ExecutionStateInjector
2026-08-11T19:56:08Z tokens=49,105/100,000 (49%) tools=7 phase=REFINE thread=019ff261 module=ExecutionStateInjector

L1 最新判定：identity 与阶段推进链路均已关闭；两个独立研究都在越过 33% 后进入 REFINE。BWG SSH 本轮未返回 upstream 配置，因此 upstream drift 记为 unknown，不影响由公开页面与 MIG 日志共同确认的功能判定。

最新真实对话截图

英文提案复测仍无确认按钮
N1 RETEST英文提案安全停住，但真实确认按钮仍为 0。
中文提案复测仍无动作按钮
N4 RETEST正文有明确确认问题，但两个真实动作按钮仍缺失。
固态电池复测最终报告
Q1 RETEST5/5 子任务完成并返回固态电池终态报告。
欧洲储能复测最终报告
Q2 RETEST6/6 子任务完成；最终公开内容无美国/澳大利亚范围漂移。
固态电池匿名公开分享复测
PUBLIC 1未登录浏览器匿名打开新固态电池分享，无登录墙。
欧洲储能匿名公开分享复测
PUBLIC 2未登录浏览器匿名打开新欧洲储能分享，无登录墙。

01预期结果、测试目标与验收标准

用户可见合同：每次深度研究先给提案并等待确认；确认后并行研究并输出有可核验来源的完整报告。完成后的普通追问留在原线程；再次显式开启深研时必须进入空白新线程并自动武装深研。模型档位与一次性深研意图必须解耦。

验收面必须结果硬探针失败断点
Phase1 确认边界提案后等待确认，并提供明确确认问题或真实控件输入恢复；无子任务；页面出现确认问题或控件提前执行，或用户无明确继续入口
Phase2 完整执行并行研究并返回终态报告5/5 与 6/6 子任务；输入恢复；报告非空超时、仅进度、无终态
普通追问留在完成报告的线程URL 不变；无深研前缀；普通回复新开线程或错误激活深研
二次激活路由旧线程跳到空白根路由并武装深研/c/<id> → /；输入为空；旧主题不可见复用、fork 或泄漏旧上下文
公开证据链分享链接无需登录即可查看完整选定消息未登录浏览器打开；无登录墙；正文存在401、登录墙、内容缺失
来源可核验性来源链接打开到支持结论的具体页面HTTP 2xx/可访问；不是 404 或机构首页占位404、无连接、跳转 404、仅首页
PhaseTracker高 token 运行可归属 thread，并越过阈值推进阶段ExecutionState 含 thread=；超过 33% 出现阶段变化identity 为空；始终 EXPLORE；0 条 PhaseTracker

范围排除：不部署、不修改数据库、不改配额、不测试支付。历史 v261 fixture 的兼容点击依赖 Canary 专用旧线程，Production 未制造等价历史数据。

02首次测试更新日志（2026-08-11 基线）

时间动作硬结果
15:16隔离已登录状态到独立 MBP 浏览器会话生产根路由可用，避免与其他自动化共用标签页
15:17英文首次深研提案安全停在提案；无确认按钮，也无明确确认问题
15:17–15:22人工确认后执行固态电池研究5 个研究子任务；约 77k 页面字符；7 个来源
15:25普通追问同线程、无深研前缀、约 15 秒返回
15:26再次显式激活深研跳到 /；输入为空；深研已武装；旧主题不可见
15:26中文第二次提案有明确确认问题，但 Canary 中的两个真实确认控件缺失
15:27–15:31人工确认后执行欧洲储能研究6 个研究子任务；约 38k 页面字符；10 个来源
15:24 / 15:32创建公开分享并匿名访问两条链接均可匿名打开，无登录提示
15:33切换 1.7 pro 并发送普通消息Pro 档位保持；无深研前缀；正常普通回复
15:34生产日志窗口核验ExecutionState 最高 61%/46%；无 thread=；PhaseTracker=0

03首次全量结果矩阵与证据（2026-08-11 基线）

ID / 判定动作硬探针证据结论
S0 · PASS建立隔离生产浏览器会话marsdata.ai；已登录；根路由空输入MBP 浏览器快照环境基线成立
H1 · UNTESTEDv261 历史主线程再次激活Production 无对应历史 fixture范围排除不制造历史数据，不计通过
H2 · UNTESTEDv261 历史控制线程再次激活Production 无对应历史 fixture范围排除不制造历史数据，不计通过
N1 · FAIL首次英文深研提案无子任务；输入恢复；确认控件=0；确认问题=0截图 N1安全停住，但用户无明确继续入口
N1B · PASS人工确认固态电池提案5/5 子任务；约 77k 字符；终态返回公开对话 · 截图执行链路通过；来源质量另见 Q1
N2 · PASS报告后普通单句追问URL 不变；无深研前缀；普通答复截图 N2完成报告后的理解留在原线程
N3 · PASS完成线程再次点击深度研究/c/<id> → /；输入空；armed=true；旧主题=false截图 N3二次路由合同成立
N4 · FAIL新线程发送中文欧洲储能主题新 thread；旧主题=false；确认问题存在；确认控件=0截图 N4边界成立，但两个真实动作按钮回归缺失
N5 · PASS文字确认第二次独立研究6/6 子任务；约 38k 字符；10 个外链；终态公开对话 · 截图独立执行通过；来源精度与范围漂移另计
UI-PLUS · PASS+ → Deep research → 发送前缀出现；发送后清除；模型仍为 1.7 thinkN1/N3 浏览器快照一次性深研意图成立
UI-PRO · PASS切换 1.7 pro 后发送普通消息模型显示 1.7 pro；无深研前缀；普通答复截图 UI-PRO模型档位与深研意图解耦
UI-RESET · PASS深研发送完成后打开新会话根路由；输入空；深研前缀=falseN3 浏览器快照一次性状态正确复位
L1 · FAIL查询两次 Phase2 生产日志窗口最高 61% / 46%；均为 EXPLORE；thread= 0；PhaseTracker 0原始日志摘录identity 与阶段推进链路仍未关闭
Q1 · FAIL核验首份报告 7 个来源有效页面 2；404/404 页面/无连接 5HTTP 探针“可独立核验来源”承诺不成立
Q2 · FAIL核验第二份报告来源与范围9/10 可达，但多为机构首页；开发商章节出现美国/澳大利亚HTTP 探针 · 发现可达不等于可追溯，且存在范围漂移
该过滤条件下没有结果。

04真实对话与像素证据

英文首次研究提案没有确认控件
N1英文提案完整显示且停止执行，但页面没有确认按钮，也没有明确确认问题。
固态电池深度研究完整报告
N1B确认后生成完整固态电池报告，包含结构化结论、图表和来源区。
完成报告后的普通追问
N2普通追问在原报告线程内返回，输入区没有深研前缀。
第二次激活跳转空白新会话
N3再次激活后回到空白根路由，输入为空且 Deep research 已武装。
中文研究提案没有确认按钮
N4中文提案明确要求确认，但 Canary 报告中存在的两个动作按钮在 Production 缺失。
欧洲储能完整深度研究报告
N5第二次独立研究输出四国矩阵、收益、并网、成本、玩家和政策风险。
第一条公开分享匿名访问
SHARE-A未登录浏览器直接打开固态电池公开分享，无登录墙，正文完整。
第二条公开分享匿名访问
SHARE-B未登录浏览器直接打开欧洲储能公开分享，无登录墙，正文完整。
1.7 pro 普通消息没有激活深研
UI-PRO模型保持 1.7 pro，普通消息正常返回且未触发深度研究。

05来源链接可达性探针

首份固态电池报告 · 2 / 7 有效

来源HTTP / 最终行为判定
Toyota SSB200有效页面
QuantumScape QSE-5404失效
Samsung SDI solid-state battery404失效
CATL news/1082最终跳转 /404/失效
WeLion NIO 150kWh000 · 无法连接失效
IEA Global EV Outlook 2025200有效页面
BNEF battery cost survey404失效

第二份欧洲储能报告 · 9 / 10 可达，但证据粒度不足

SolarPower Europe、BNEF、ENTSO-E、Bundesnetzagentur、ARERA、Terna、MITECO、REE 与 EUR-Lex 返回 2xx；NESO 返回 403。除可达性外，多数链接只指向机构首页，无法直接定位支持报告中具体数字的原始文件或页面。

06Production ExecutionState / PhaseTracker 日志

查询目标为 Production regional MIG mars-fullstack-mig 的两个 RUNNING 实例：mars-fullstack-35wv 与 mars-fullstack-8nr8。以下高 token 行与两次主研究窗口、工具数量对齐；原始 ExecutionState 文本没有 thread= 后缀。

2026-08-11T07:21:11Z tokens=61,174/100,000 (61%) tools=6(s6/e0/p0) phase=EXPLORE consec=6 module=ExecutionStateInjector
2026-08-11T07:20:07Z tokens=57,206/100,000 (57%) tools=5(s5/e0/p0) phase=EXPLORE consec=5 module=ExecutionStateInjector
2026-08-11T07:29:56Z tokens=46,457/100,000 (46%) tools=7(s7/e0/p0) phase=EXPLORE consec=7 module=ExecutionStateInjector
2026-08-11T07:29:08Z tokens=45,285/100,000 (45%) tools=6(s6/e0/p0) phase=EXPLORE consec=6 module=ExecutionStateInjector

thread= suffix: 0
PhaseTracker rows: 0

判定：两次主研究均越过 33% 阈值，但仍停在 EXPLORE。具体是哪一层断的，需要容器内代码与运行上下文验证才能定论；本报告不做无证据的根因断言。

07缺陷与风险

P1首次英文提案没有任何可用确认入口

执行安全停在 Phase1，但页面既无确认动作按钮，也无明确确认问题。用户必须猜测并手动输入确认文案，产品合同不完整。

P1“可独立核验来源”承诺在首份报告中大面积失效

7 个来源仅 2 个打开到有效页面；4 个明确为 404/404 跳转，1 个无法连接。报告内容很完整，但核心数字缺少可复查证据链。

P1中文提案的两个真实确认控件从 Canary 到 Production 回归缺失

提案正文有“请确认上述提案”，因此不会误执行；但参考 Canary 报告中的“确认提案，开始调研 / 我想调整提案”两个按钮在 Production 为 0。

P1PhaseTracker 在超过阈值后仍不可达

主研究最高达到 61% 与 46%，ExecutionState 仍无 thread identity，PhaseTracker 仍为 0 条，阶段始终是 EXPLORE。

P2第二份报告出现范围漂移和证据粒度不足

目标限定英国、德国、意大利、西班牙，但“开发商生态”章节出现美国与澳大利亚；10 个来源多数只是机构首页，不能逐项核验数字。

观察 · 分享按钮的自动化点击命中不稳定

两个线程均需要程序性 DOM click 才进入消息选择模式；真实分享创建、选择范围与匿名访问最终均成功。该证据来自自动化命中行为，不足以单独定性为用户缺陷。