MZP · Agenten-Evals · MZP-113 · 2026-10-01

Fünfter Eval-Lauf: 13 von 13 grün

Dreizehn Aufgaben liefen mit festen Eingaben gegen Produktion. Es gibt keine Regression, kein knownIssue und keinen UNEXPECTED_PASS. Neu im Korpus ist dia-constraints (A4/N7, Lage-Wünsche per constraints[]): Der Wunsch „Cache über DB“ wird angenommen und vom Layout erfüllt. Alle übrigen Kennzahlen sind gegenüber dem 30.09. unverändert. Die LLM-Stufe lief heute nicht.

Ziel: https://publisher.maierzone.de
Aufgaben: 595cd7c, 13 Aufgaben; gegenüber der Baseline kommt dia-constraints hinzu
Stufe: deterministisch (Skill /mzp-eval); LLM-Stufe nicht gelaufen
Baseline: mzp-eval-2026-09-30: Gate grün, 12 grün; LLM-Baseline bleibt dieser Report (Haiku 4.5: 14/15)
Rohdaten: results.json · calls.jsonl.txt (jeder Aufruf bis zum Trenddiagramm mit exaktem Payload)

Deterministische Stufe

grün

gelb

rot

UNEXPECTED_PASS

Aufgabe	Familie	Status	Aufrufe	knownIssue	Kernbefund
`art-a11y-check`	artifact	grün	1	—	`A11Y_IMAGE_ALT` als WARNING, 1 Element, `ok` bleibt true
`art-asset-bundle`	artifact	grün	3	—	3 Dateien, erreichbar, Render sauber
`art-broken`	artifact	grün	2	—	`ok:false` mit allen vier Codes, keine Seite entstanden
`art-live-report`	artifact	grün	3	—	Live-Daten `stats` im Snapshot (434 Seiten), Render sauber
`art-patch`	artifact	grün	5	—	Patch lässt app.js stehen, der Diff zeigt nur index.html
`art-report`	artifact	grün	3	—	validate → stagingToken → publish, Render sauber
`dia-architecture-auto`	diagram	grün	3	—	3 Kreuzungen, 8 Überlappungen, 24 Knicke (30.09.: 3 / 8 / 24)
`dia-constraints`	diagram	grün	2	—	neu: 1 Wunsch, 0 unerfüllt; 0 Kreuzungen, 4 Knicke, Layout sauber
`dia-diff`	diagram	grün	4	—	`diffDiagram` meldet genau 1 Knoten + 1 Kante
`dia-mermaid-flow`	diagram	grün	3	—	7 Knoten, 1 Zone; 2 Kreuzungen, 0 Überlappungen, 12 Knicke wie am 30.09.
`dia-quadrant-longlabels`	diagram	grün	2	—	`textInsideViewBox` sauber (viewBox 960 × 540)
`dia-radar-wrapped`	diagram	grün	3	—	`typeBlocks` entpackt (INFO), Achsentext im SVG
`edge-invalid-slug`	edge	grün	2	—	`INVALID_SLUG` strukturiert, `suggestion` `eval-slug-test`

Insgesamt 36 MZP-Aufrufe, 2 mehr als in der Baseline (34): das sind die zwei Aufrufe von dia-constraints. Alle anderen Aufgaben brauchten dieselbe Zahl wie am 30.09. Das Aufräumen am Anfang fand 13 Slugs vor, die schon weg waren (Seite nicht gefunden); in der Seitenliste (437 Seiten) stand kein eval--Slug. ms ist nicht gemessen, weil der Skill über MCP keine Zeitstempel sieht.

Neu: dia-constraints

Die Aufgabe übergibt ein Mermaid-Flowchart (Web → API → DB und Cache) mit dem Overlay constraints: [{kind: order, nodes: [cache, db]}]. validateDiagram meldet LAYOUT_APPLIED mit constraints: 1 und constraintsUnmet: 0, keinen der drei CONSTRAINT_*-Codes, und das Layout bleibt dabei sauber (0 Kreuzungen, 0 Überlappungen). Publish per stagingToken geht durch, Render und Browser-Nachzählung (22 Formen, keine außerhalb) sind sauber. Die Aufgabe hat keine Baseline und keine LLM-Daten; Vergleiche beginnen mit dem nächsten Lauf.

Beobachtungen, nicht bewertet

Keine davon beeinflusst Status oder Gate; sie stehen hier, damit sie nicht verloren gehen.

Irreführender Fehlertext bei art-broken: errors[0] endet auf „renderStrict=false meldet sie nur, ohne ok zu kippen“, obwohl ok hier false ist (Standard renderStrict=true). Das Verhalten ist richtig, der Hinweis in der Meldung passt nicht dazu.
Unbekannte Klassen in art-live-report: Der Payload nutzt mz-stat-label und mz-stat-value; der Server schlägt mz-stat__label und mz-stat__value vor (UNKNOWN_STYLE_CLASS, WARNING). Das expect prüft das nicht; laut Server stylen die beiden Klassen nichts. Der Skill ändert keine Aufgaben-Dateien.
Titelkollision beim Trenddiagramm: TITLE_COLLISION verweist auf die älteren mzp-eval-trend-*-Seiten. Der Lauf setzt keinen Lifecycle auf fremden Reports.
visualProof.overflow ist jetzt eine Liste (leer) statt einer Zahl; in results.json steht wie bisher die Anzahl (0).

Verlauf

Liniendiagramm über fünf Läufe: grün steigt von 5 über 9, 10 und 12 auf 13, gelb fällt von 1 auf 0, rot bleibt 0, Aufrufe steigen von 28 über 30 und zweimal 34 auf 36. — Abb. 1 · Gezeichnet von MZP (Diagrammtyp `line`, Slug `mzp-eval-trend-2026-10-01`). Aufrufe 28 → 30 → 34 → 34 → 36, grün 5 → 9 → 10 → 12 → 13, gelb 1 → 0 → 0 → 0 → 0, rot 0. Die Historie steht in results.json.