v0.5.2 — scope 生产者落地 + P2 硬化 + 失败可逆

[0.5.2] - 2026-09-15

Fixed（P2 小裂缝批量清理，均有证据）

• shell=True 执行 test_command（注入面）：验证器用 shell 跑来自 LLM planner 的
  test_command，P19 明令禁止。改为：默认 pytest 调用以安全 argv 列表下发（同时在 Windows 上
  避开带空格的 sys.executable 被切碎的问题），自定义命令经 shlex.split(..., posix=True)
  转为 argv 且 shell=False → ;、&&、| 退化为字面参数而非被执行。
  注：曾用 posix=False 保 Windows 反斜杠，实测引号不被剥离导致
  python -c "…" 变成空转的字符串表达式、瞬时"通过"，改回 posix=True。
• 产物 id 复用导致重试覆盖：{task_id}_output 等固定 id 让同一任务的多次尝试只留最后一份，
  历史丢失。改为 {task_id}_{kind}_{token_hex(4)}——保留 {task_id}_ 前缀以兼容
  ArtifactStore.list_for_task，多次尝试各自成档。
• validated_at 恒为空：写入 ISO-8601 UTC 时间戳，P19 的 validation_duration 才可计算。
  （顺带：test_deterministic_validator_deterministic 的全量 dump 对比排除该时间戳。）
• 自测超时 120s 硬编码：改为 DeterministicValidator(self_test_timeout=...) 构造参数，默认仍 120s。
  并接上 --timeout 体系：ProjectService._build_executor 现在把解析后的 task_timeout
  注入验证器，即 --timeout / PROJECTFORGE_TASK_TIMEOUT_SECONDS 同时管住"任务内所有子进程"
  （含自测）。（注：经 service 走的自测预算随之由 120s 变为配置的 task_timeout，默认 300s。）

Added

• 检查点回滚（让"失败"真正可逆）：git checkpoint 原已建好基线/逐任务提交/validator GIT 判据，
  但失败后工作区仍躺着半成品，后续任务在污染的地基上继续。现在任务判 FAILED 时
  （执行异常 / 执行结果非 IMPLEMENTED / 验证 FAIL 三条路径）回到该任务开始前的 HEAD：
  git reset --hard <head_before> + git clean -fd -e artifacts（保留审计产物）。
  因属破坏性操作，默认关闭：ExecutionOrchestrator(rollback_on_failure=True) 或
  env PROJECTFORGE_ROLLBACK_ON_FAILURE=1|true|yes 显式启用。
• EventStore 去掉 O(n²)：append 原每次重读整个 jsonl 建 id 集（n 大时 O(n²)），
  改为惰性 id 缓存 + 增量更新。保留幂等去重，并补测"换实例重开仍能对既有事件去重"。
• 事件日志滚动：活跃文件超过 max_file_bytes 即切为 events-<时间戳>-<hex>.jsonl 分片，
  活跃文件重新起头；get_events 会读取全部分片，故滚动不会隐藏历史。
  同样默认关闭（会改变磁盘布局）：EventStore(max_file_bytes=...) 或
  env PROJECTFORGE_EVENT_MAX_FILE_BYTES。（日志按 run 分片未做，留待后续。）
• 主循环加全局时长预算：ExecutionOrchestrator(max_run_seconds=...)，主循环以
  time.monotonic() 卡预算，超限即以 TIME_BUDGET_EXCEEDED 收束（与用户 CANCELLED 区分）。
  默认 None 维持原不受限行为，属显式启用；配套 env PROJECTFORGE_MAX_RUN_SECONDS
  （resolve_max_run_seconds()，未设/非法值即不受限），无需改代码即可打开闸门。

Fixed（自查中揪出的回归）

• 事件 id 缓存跨项目串味：上一项把 id 集做成实例级单集，虽换掉了 O(n²)，
  却引入新 bug——同一实例先碰项目 A 再碰 B 时，B 不会加载自己的磁盘事件，
  导致 B 既有的 event_id 被重复写入。改为按项目键控 dict[project_id, set]。
  已补针对性测试，并做 RED 校验（还原旧行为时该测试确实失败，报错为 2 == 1）。

核实后未改动的项

• ArtifactStore.list_for_task 的"T1 匹配 T10_x"实测不重现：现有实现用
  startswith(f"{task_id}_") 的 _ 边界，T10_output 对 T1_ 为假。
  不改生产代码，补一条 T1/T10 回归测试锁定该边界行为。