P0: devapp 真机 PDF 生成 15 分钟未完成 + L0 的 pdf-create 意外弹出审批框

## P0：devapp 真机 + 真实模型，PDF 生成 15 分钟未完成，且 L0 技能弹出审批框

**这是首次真正跑通的 devapp 真实模型证据**（run 34594941550，`real-model-chat-evidence.yml`，spec `real-model-pdf-smoke.spec.ts`）。8 条断言，3 条失败：

```
✅ ① 真实 /chat 可用
❌ ② run 真的跑起来并走到终态 —— 发出后 901s 仍 running，未到终态（超时上限 900s = 15 分钟）
❌ ③ 全程没有出现工具授权/审批弹窗（pdf-create 是 L0，#2782）—— 弹窗在 +63.3s 出现
✅ ④ 全程没有错误横幅
✅ ⑤ 助手气泡不重复
❌ ⑥ 真的产出了一个 PDF 产物 —— 0 个产出文件卡（因 ② 未完成，连带失败）
✅ ⑦ SSE/WS 全程未被掐断
✅ ⑧ 无未捕获页面异常
5/8 通过
```

Artifact：`real-model-chat-evidence`（run 34594941550），含截图/视频/trace.zip。

## ⚠ 这直接推翻了本仓 #3413 计分板里记录的「PDF 02:12 PASS」

那条结论是**本地真栈**测的。本条是**devapp 真机**，**15 分钟未完成**。两者差距巨大，不能用本地数字解释——这正是「本地数字只能当下界」这条纪律要防的情形。

## 需要分开取证的两条（不许合并结论）

### ① 为什么 L0 的 pdf-create 会弹审批框

`pdf-create` 按 #2782 应为 L0，理应不中断。首要嫌疑（**先验证，不要照抄**）：
- 是 pdf-create 本身调用了某个内部工具，而**那个内部工具**未被正确分级（同 #3420/#3404/#3305 那一族「漏分级落兜底」）？
- 还是 devapp 上部署的分级表版本落后于 main（**先查 devapp 实际跑的 SHA**，不要假设它等于 `main` HEAD）？
- 还是 L0 判定本身在某条路径上被绕过（类似 #3404 查过的 native session provider 无条件 `interrupt_on=true`）？

### ② 为什么 15 分钟没完成

本地测得 PDF 端到端 02:12（#3401/#3406 修复后）。devapp 15 分钟未完成，**差距超过 6 倍**。需要取证：
- 是卡在 ①「审批框」那一步——用户/自动化没人去点，run 在等一个不该存在的确认，**这本身就能解释超时**（先验证这个最简单的假说）？
- 还是即便排除审批阻塞，模型/沙箱本身在 devapp 上就是慢很多（网络、机器规格、并发）？
- 若是后者，需要 devapp 上的逐段耗时（技能发现/建图/模型轮次/execute/回传），复用 #3401 的测量方法（`pdf-perf-measure.live.ts`，已支持自定义 prompt）。

**判别方法**：先看 trace.zip 里 +63.3s 那个审批框之后发生了什么——如果 run 一直卡在等审批直到超时，①②是同一个根因，优先修①；如果审批框出现又消失（有人/有机制点了）、后面继续跑却依然慢，那是两个独立问题。

## 要求

- **先从 trace.zip / 证据包取证，不要从代码结构推断**。
- 判据必须落在「devapp 真机重跑这条 spec，8/8 通过」，本地测试不算数——这条本身就是本次教训。
- 三步反证：造出缺陷形状 → 断言变红 → 撤掉 → 恢复绿，只贴绿不算数。
- 若①②确认是同一根因，先修①，再重跑整条 spec 验证②是否随之解决，不要两个都动。

## 相关

#2782（pdf-create 应为 L0 的既有裁决）、#3305/#3404/#3420（漏分级/授权粒度错配的同族历史）、#3401/#3406（PDF 本地性能修复）、#2795（devapp SSE/WS 掐断的既有教训，本次 ⑦ 已排除）。

Start with trace.zip from run 34594941550 and the +63.3s approval event, then inspect real-model-pdf-smoke.spec.ts and real-model-chat-evidence.yml. Determine whether the run remains blocked by approval or continues slowly; use pdf-perf-measure.live.ts for segmented timing if needed. Done means a devapp real-device rerun of the spec passes all 8 assertions, with regression evidence for the confirmed cause.

Written by the indexing model from the issue text.