MZP · Agenten-Evals · MZP-113 · 2026-09-26

Zweiter Eval-Lauf: Gate grün, E3 ist live

Alle zehn Aufgaben liefen mit festen Eingaben gegen Produktion. Es gibt keine Regression. Neun Aufgaben sind grün. Die letzte offene, dia-architecture-auto, besteht jetzt ebenfalls, weil das transit-freie Auto-Layout (E3) deployt ist. Ihr knownIssue-Marker muss raus. Dieser Lauf misst zum ersten Mal einen committeten Aufgabenstand und ist deshalb die saubere Baseline.

Ziel
https://publisher.maierzone.de (E3 deployt, LAYOUT_APPLIED.longEdges vorhanden)
Aufgaben
main 563affa, unverändert im Lauf
Stufe
deterministisch (Skill /mzp-eval); die LLM-Stufe ist weiter nicht gelaufen
Baseline
mzp-eval-2026-09-23: Gate grün, 5 grün, 1 gelb, 4 UNEXPECTED_PASS
Rohdaten
results.json · calls.jsonl.txt (jeder Aufruf mit exaktem Payload)

Handlungsbedarf: 1 × UNEXPECTED_PASS

dia-architecture-auto trägt knownIssue: E3 und besteht: 3 Kreuzungen bei Schwelle 3 (Baseline: 4). Der Marker in docs/agent-workflows/evals/tasks/dia-architecture-auto.md muss raus. Sonst würde die Aufgabe einen späteren Rückfall als „gelb“ verdecken. Dieser Lauf ändert keine Aufgaben-Dateien.

Ergebnis

grün
9
gelb
0
rot
0
UNEXPECTED_PASS
1
AufgabeFamilieStatusAufrufeknownIssueKernbefund
art-asset-bundleartifactgrün3—3 Dateien, erreichbar, Render sauber
art-brokenartifactgrün2—ok:false mit allen vier Codes, keine Seite entstanden
art-patchartifactgrün5—Patch lässt app.js stehen, der Diff zeigt nur index.html
art-reportartifactgrün3—validate → stagingToken → publish, Render sauber
dia-architecture-autodiagramUNEXPECTED_PASS3E33 Kreuzungen (vorher 4), aber 8 Überlappungen (3) und 26 Knicke (16)
dia-diffdiagramgrün4—diffDiagram meldet genau 1 Knoten + 1 Kante
dia-mermaid-flowdiagramgrün3—7 Knoten, 1 Zone; 2 Kreuzungen, 12 Knicke (vorher 6)
dia-quadrant-longlabelsdiagramgrün2—textInsideViewBox sauber
dia-radar-wrappeddiagramgrün3—typeBlocks entpackt (TYPE_BLOCKS_UNWRAPPED)
edge-invalid-slugedgegrün2—INVALID_SLUG strukturiert, suggestion eval-slug-test

Insgesamt 30 MZP-Aufrufe (Baseline 28; der Unterschied sind die zwei Nachprüf-Schritte, die im letzten Lauf mit dia-architecture-auto übersprungen wurden). ms ist nicht gemessen, weil der Skill über MCP keine Zeitstempel sieht.

Was E3 gebracht hat, und was es kostet

Das Auto-Layout gibt langen Kanten jetzt Hilfsknoten (longEdges: 3 bei der Eval-Topologie, 1 beim Mermaid-Flow). Die Kreuzungen sinken, und der Fehler, um den es ging, TRANSIT_NOT_DASHED, tritt nicht auf. Dafür steigen die Knicke. Die Umwege laufen in den Lücken zwischen den Rängen und decken sich dort oft (CONNECTOR_OVERLAP, nur Warnung). Das deckt sich mit dem Register der Layout-Ratsche im Repo. Dort ist eine kreuzungsbewusste Spurvergabe als Folgearbeit vermerkt.

dia-architecture-autoKreuzungenÜberlappungenKnicke
2026-09-23 (vor E3)4316
2026-09-26 (nach E3)3826

Was keine Prüfung fängt

Diese Mängel aus dem letzten Lauf bestehen fort. Der Server meldet ok, das Gate sieht sie nicht.

  1. S1quadrant
    „GROSSER AUFWAND“ überlagert weiterhin „E11 Lebende Reports“. textInsideViewBox ist sauber, weil es nur die viewBox prüft und keine Kollisionen zwischen Texten. Kandidat: textOverlap.
  2. S2radar
    Die Seriennamen erscheinen weiterhin nirgends im SVG: zwei Polygone ohne Legende.
  3. S3line
    Das Trenddiagramm unten zeichnet weder Titel noch Achsenwerte noch Legende. Die vier Linien lassen sich nur über die Tabelle zuordnen.

Verlauf

Liniendiagramm über zwei Läufe: grün steigt von 5 auf 9, gelb fällt von 1 auf 0, rot bleibt 0, Aufrufe steigen von 28 auf 30.
Abb. 1 · Gezeichnet von MZP (Diagrammtyp line, Slug mzp-eval-trend-2026-09-26). Oben: Aufrufe 28 → 30. Mitte: grün 5 → 9. Unten: gelb 1 → 0, rot 0. Die Historie steht in results.json.