diff --git a/agents/.agents/skills/claude-subagent-playbook/SKILL.md b/agents/.agents/skills/claude-subagent-playbook/SKILL.md index b27f293..7c6b886 100644 --- a/agents/.agents/skills/claude-subagent-playbook/SKILL.md +++ b/agents/.agents/skills/claude-subagent-playbook/SKILL.md @@ -81,6 +81,18 @@ description: >- глубины — повышай effort; не хватает качества суждения — повышай модель; после двух слабых результатов подряд — свежий более сильный агент вместо переноса неудачного контекста. +- **Effort Claude-субагентов тоже задавай явно** (решение пользователя + 2026-07-21), по цене *тихой* ошибки этапа, не по сложности: `xhigh` — + ревью постановок и планов (дефект каскадирует: отравляет реализацию, оба + ревью и триаж — казус CODE-1 в xray-proxy 04); `high` — слепое ревью + (последняя линия обороны своей линзы, пропуск тихий); `medium`/default — + узкие перепроверки и механика (за ними приёмка оркестратора, ошибка + громкая). Ревью ниже high не опускать даже при двух ревьюерах: линзы + разные, избыточность — не дублирование. Внутри одного агента effort между + резюмами не менять (у Claude смена thinking-конфига сбрасывает + messages-ярус кэша; про effort не задокументировано — не рисковать). + Ограничение любого эффорта: от уверенной выдумки внешних фактов (форматы + артефактов, версии) не страхует — факты проверять отдельно. ## Конвейер diff --git a/agents/.agents/skills/claude-subagent-playbook/references/codex-exec.md b/agents/.agents/skills/claude-subagent-playbook/references/codex-exec.md index 619ee4d..3279197 100644 --- a/agents/.agents/skills/claude-subagent-playbook/references/codex-exec.md +++ b/agents/.agents/skills/claude-subagent-playbook/references/codex-exec.md @@ -33,6 +33,22 @@ рискованная реализация, ревью кода, диагноз; `xhigh` — не дефолтить: расход удваивается, а выигрыш мал — только по явному запросу пользователя. Оверрайды проверены под `--strict-config`. + Уточнение по эксперименту xray-proxy 03/04 (решение пользователя + 2026-07-21): реализация по отревьюированному самодостаточному тикету на + `medium` допустима и для нетривиальных задач — конвейер (саморевью + два + слепых ревью + триаж) ловит просадку (03: 4 MAJOR-гонки найдены и + починены; 04: 1 «чистый» MAJOR — на уровне high-baseline 06). Но экономию + считай по всему конвейеру, не по этапу: в 04 medium вышел дороже + high-baseline (~822k+135k против ~735k+97k свежих) — сэкономленное на + реализации съел триаж находок. Критерий выбора — цена *тихой* ошибки + этапа: ревью/постановка/диагноз остаются high (там модель — последняя + линия обороны). И предел: high на ревью постановки не страхует от + уверенной выдумки внешних фактов (04: несуществующий однострочный формат + `.dgst`) — форматы артефактов и версии проверяй реальным запросом или + фикстурой из первоисточника. Попутная эмпирика: смена + `model_reasoning_effort` при `resume` кэш треда НЕ сбрасывает (доля кэша + держалась ~93–94% при high→medium в 06/03/04) — дорогое ревью на high и + дешёвая перепроверка на medium в одном треде работают как задумано. - **Запуск — собственным фоновым Bash оркестратора** (`run_in_background`): фоновый процесс детачится, живёт сквозь ходы и будит оркестратора по выходу. Потолок 10 минут — только у фронтграундного Bash; фоновому таймаут diff --git a/agents/.agents/skills/claude-subagent-playbook/references/lessons.md b/agents/.agents/skills/claude-subagent-playbook/references/lessons.md index ac61cff..45e4caa 100644 --- a/agents/.agents/skills/claude-subagent-playbook/references/lessons.md +++ b/agents/.agents/skills/claude-subagent-playbook/references/lessons.md @@ -231,3 +231,33 @@ git (`git show HEAD:path`) + повторным наложением право пользователя не узкое место, менять нечего; потенциальная полоса — bulk-механика /coordinator-loop и узкие починки, если лимиты станут узкими. Проверка — один A/B на реальной узкой починке. + +## Прогоны 2026-07-20/21: headless-xray-proxy, задачи 03–04 — эксперимент «реализация на medium» + +- Дизайн: реализация Codex на `medium` (03 — жизненный цикл процессов, + 04 — проверяемая установка), остальное по правилам 2026-07-19; baseline — + задача 06 на high (1 MAJOR + 1 NIT от слепых ревью). +- Качество: 03 → 4 MAJOR (все — гонки конкурентности/восстановления), + 04 → 2 MAJOR, из них один (CODE-1) — дефект ПОСТАНОВКИ, не исполнителя. + Конвейер всё выловил и починил; «чистых» MAJOR реализации в 04 — один, + на уровне baseline. +- Экономика: 03 дешевле baseline (~636k+77k против ~735k+97k свежих + Codex-токенов), 04 — ДОРОЖЕ (~822k+135k): экономию реализации съел + триаж семи находок. Урок: экономию эффорта считать по конвейеру целиком. +- Казус CODE-1: spec-review на high уверенно выдумал несуществующий + однострочный формат `SHA256=` в `.dgst` (реальный — четыре записи + `MD5=`/`SHA1=`/`SHA2-256=`/`SHA2-512=`); дефект уехал в тикет и код, + пойман только слепым CODE-ревью, стоил поправки тикета до триажа. + Урок: внешние факты (форматы артефактов, версии релизов) эффортом не + лечатся — проверять реальным скачиванием/фикстурой из первоисточника. +- Эмпирика кэша Codex: смена `model_reasoning_effort` high→medium при + `resume` кэш треда не сбрасывает (~93–94% кэша во всех трёх задачах). +- Казусы харнеса: рестарт сессии дважды убивал фоновый codex — тред + спасался по сохранённому thread_id; `codex exec resume` принимает + ТОЛЬКО `-c`-оверрайды (`-s`/`-m`/`-o` → exit 2); usage убитого хода + теряется (нет `turn.completed`) — фиксировать с оговоркой из resume-хода. +- Решения пользователя 2026-07-21 (поглощено: codex-exec.md — эффорт, + SKILL.md — эффорт-карта Claude-субагентов): реализация по + отревьюированному тикету → medium допустим; Claude-субагентам effort + задавать явно — xhigh постановки/планы, high слепое ревью, medium + перепроверки; ревью ниже high не опускать.