Pipeline 验证调研：title+body、Responses(stream)、gpt-5.2 与 ai_model_used 回显（day-2）

• 本报告将“拉丁”按“拉丁舞”理解（非拉丁美洲/拉丁语），并把它当作“正文消歧是否被使用”的测试点。
• 用“标题哨兵词 + 正文哨兵词/消歧句”做黑盒断言，验证 summary/todos/report 是否同时消费 title 与 body。
• 通过抓包/日志与响应元数据回显，验证 OPENAI_BASE_URL=codex-for.me 的 /v1/responses 流式调用，以及最终 ai_model_used 可追溯。

• 验证“title+body 都被使用”的最稳方法是可搜索的独特标记（sentinel tokens）+ 自动化断言，而不是主观阅读输出。
• OPENAI_BASE_URL 是否生效取决于 SDK/封装层：必须观察真实请求 URL/Host（或中间件记录），仅凭环境变量配置无法证明。
• 模型校验应以服务端返回的 model/请求标识为准，并把 ai_model_used 写入 issue comment 形成审计链。

• 设计 1 条样例：标题含 TITLE_SENTINEL_x；正文含 BODY_SENTINEL_y + “这里的拉丁=拉丁舞”消歧句；运行后对 summary/todos/report 做字符串断言（两类哨兵都出现，且 TL;DR 采用拉丁舞定义）。
• 启用传输层观测：SDK debug（或在 Node/Python 加请求拦截器）+ mitmproxy/tcpdump/curl -v，确认 Host 为 codex-for.me、path 为 /v1/responses，并出现流式分块/增量事件（证明走了 stream）。
• 在写回 GitHub comment 前统一收集并回显元数据（建议用 YAML/JSON 块）：ai_model_used、openai_base_url、response_id/request_id、prompt_version、input_sha256(title+body)（避免泄露正文）。
• 固化为回归：用 pytest/jest 写断言，并在 GitHub Actions 跑一条固定 fixture；同时验证 daily_days_ago=2 的日期解析（时区/本地时间）与日记文件落点正确。

• 开源后端/测试工程师（paraphrase）：会优先用哨兵词与快照测试做“可重复黑盒验证”，避免因提示词润色导致误判，并建议把断言放进 CI。
• 平台/可观测性工程师（paraphrase）：会强调记录 request/response 元数据（request_id、base_url、model、耗时、重试），否则无法证明请求确实走代理与流式链路。
• 数据隐私/安全顾问（paraphrase）：会关注第三方 base_url（如 codex-for.me）可能引入的日志留存/数据出境风险，建议最小化记录（hash/长度/时间戳）并提供开关与脱敏策略。

• 方案 A（黑盒，不改代码）：只靠输入哨兵 + 输出断言验证 title/body 被消费；缺点是无法强证明 base_url、endpoint 与 stream 真实命中。
• 方案 B（白盒，推荐）：在调用层增加结构化日志与 comment 回显字段，直接证明 base_url、/v1/responses、stream 与 model；也更利于后续排障。
• 方案 C（兼容/降级）：若 responses.stream 在当前 SDK 版本不可用，先用非流式 responses.create 验证 base_url/model，再补 stream；或临时加一条 Chat Completions 对照链路用于定位问题。
• 分支（术语歧义）：若你实际的“拉丁”指“拉丁语/拉丁美洲”，把消歧句与标签改写成对应领域，并用同样方法验证“正文消歧是否覆盖默认理解”。

• “title+body 被同时使用”可通过哨兵词自动化验证（confidence: high）：输出若包含两类哨兵/消歧结论，即直接证明两段输入被消费。
• “OPENAI_BASE_URL=codex-for.me 生效”需以真实请求 URL/Host 为证（confidence: medium）：不同 SDK/封装可能忽略环境变量或被代码参数覆盖，必须抓包/日志确认。
• “模型为 gpt-5.2 且可用”目前无法在线核验（confidence: low）：需要实际请求成功并在响应/日志里回显 model；失败则准备可配置回退模型与告警。

• 在 issue #15 上执行一次端到端验证（带哨兵词与“拉丁=拉丁舞”消歧句），把断言结果与截图/日志摘要贴到 comment。
• 给 comment 增加固定“元数据块”（便于脚本解析）：ai_model_used、base_url、response_id/request_id、prompt_version、input_hash、stream=true/false。
• 加入最小化的 stream 证据留存：仅保存事件类型/分块计数/总字节数/耗时，不保存正文内容，既能证明 stream 又降低隐私风险。
• 为 daily_days_ago=2 的日期解析增加测试：覆盖时区、跨月/跨年、凌晨边界，避免“前天”落到错误文件。

• OpenAI Responses API 文档：https://platform.openai.com/docs/api-reference/responses
• openai-python SDK：https://github.com/openai/openai-python
• openai-node SDK：https://github.com/openai/openai-node
• codex-for.me：https://codex-for.me （其 API 兼容性/隐私策略：无法在线核验）

一个下一步动作

- [ ]（前天/day-2）Verify pipeline：确认 title+body 生效；Responses(stream)@OPENAI_BASE_URL=codex-for.me；gpt-5.2 并在 issue comment 回显 ai_model_used #pipeline #openai-responses #streaming #github-issue #day-2 | todos: 哨兵词断言；抓包核对 base_url；comment 回显元数据；加 CI 回归