refactor(skills): claude-subagent-playbook — старые уроки вынесены в архив
- Зачем:
- lessons.md вырос до 830 строк, и записи до рефакторинга 31 июля
описывают другую редакцию скилла — прежнюю эффорт-карту, другой
состав ролей, заготовку adversarial-reviewer, которой больше нет.
- Что:
- записи с 2026-07-06 по «казусы координации» 2026-07-31 перенесены в
references/lessons-archive.md без изменений; живой файл сократился с
830 до 300 строк.
- шапка lessons.md объясняет разрез и как двигать границу дальше;
архив вне пути чтения прогона, ссылка на него только из lessons.md.
- три указателя на переехавшие записи переведены на архив: казус
форвардера в SKILL.md и codex-exec.md, sandbox-инцидент в
codex-sandbox-apparmor.md.
- Проверка:
- все markdown-ссылки скилла разрешаются в существующие файлы.
This commit is contained in:
Dmitry Dementiev committed
1 parent
9642910194
commit
8218a211b4
5 files changed
+563
-544
No files matched your search
@@ -166,7 +166,7 @@ description: >-
|
||||
будит по завершении; рецепты, ветки и ловушки —
|
||||
[references/codex-exec.md](references/codex-exec.md).
|
||||
Пока исполнитель пишет — дерево его («Пределы параллельности»; казус
|
||||
форвардера — в [references/lessons.md](references/lessons.md)).
|
||||
форвардера — в [lessons-archive.md](references/lessons-archive.md)).
|
||||
После отчёта — **саморевью тем же тредом** (resume, effort medium;
|
||||
файл готов в `prompts/`):
|
||||
исполнитель проходит свой diff против критериев как ревьюер и сам чинит
|
||||
|
||||
@@ -171,7 +171,8 @@ cat "$D/fix-prompt.md" | codex exec resume --json <thread-id> \
|
||||
чем показывать оркестратору. Тогда раннеру (`fast-worker`; нет в
|
||||
репозитории — `general-purpose`) отдай
|
||||
**готовую команду** и правила разбора — не постановку задачи: тонкий агент,
|
||||
получив постановку, реализует её сам (казус форвардера, lessons 2026-07-06).
|
||||
получив постановку, реализует её сам (казус форвардера, lessons-archive
|
||||
2026-07-06).
|
||||
Свой 10-минутный потолок на синхронный Bash раннер обходит отслеживаемым
|
||||
ожиданием: команда запускается его собственным фоновым Bash, а ждёт он
|
||||
процессом-ожидателем (`until grep -q '<маркер>' лог; do sleep 30; done` под
|
||||
|
||||
@@ -117,4 +117,4 @@ Ubuntu 24.04; там сжатая версия жила в codex-companion.md,
|
||||
линии уже поглощён codex-exec.md). Сжатая версия урока здесь — в
|
||||
[codex-exec.md](codex-exec.md), сквозное правило «Linux: sandbox может молча
|
||||
сломаться обновлением Codex»; датированная запись — в
|
||||
[lessons.md](lessons.md).
|
||||
[lessons-archive.md](lessons-archive.md).
|
||||
@@ -0,0 +1,547 @@
|
||||
# Эмпирика прогонов — архив по 2026-07-31
|
||||
|
||||
Записи с первого прогона по структурный рефакторинг 31 июля 2026
|
||||
(коммит `3e0498e`). Они описывают предыдущую редакцию скилла: другую
|
||||
эффорт-карту, другой состав ролей, заготовку `adversarial-reviewer`,
|
||||
которой больше нет. Держим ради родословной решений — что когда поймал
|
||||
конвейер и почему правило появилось.
|
||||
|
||||
В пути чтения прогона этого файла нет: на него ссылается только
|
||||
[lessons.md](lessons.md). Живые хвосты этих записей сведены там же в
|
||||
очередь на механизм — запись 2026-08-03.
|
||||
|
||||
## 2026-07-06 — t2-ml-forecast, задача 05 (первый прогон; дистиллировано 2026-07-12)
|
||||
|
||||
- Свежий взгляд на постановку окупился: блокер name_ru (в данных — английский),
|
||||
две «одностроки» с проектными решениями, дыра регенерации `.ipynb`.
|
||||
Поглощено: SKILL.md этап 2.
|
||||
- Казус форвардера: субагент, получив постановку вместо команды, реализовал
|
||||
задачу сам (+1227 строк). Поглощено: SKILL.md этап 3, codex-exec (раннер).
|
||||
- Слепое двойное ревью: пересечение находок — ноль; Клод подтвердил математику
|
||||
и артефакты, Codex нашёл две дыры в тестах. Поглощено: SKILL.md (роли).
|
||||
- Смерть фонового ревьюера без доставленного отчёта; транскрипт не спас.
|
||||
Поглощено: SKILL.md этап 4 (вердикт — файлом, сообщение — указателем).
|
||||
- Цифры: ревью постановки ~60k токенов; конвейер ~3 часа, реализация ~20 мин.
|
||||
|
||||
## 2026-07-07 — наглядность витрины (полный конвейер; дистиллировано 2026-07-12)
|
||||
|
||||
- Idle-уведомление ≠ отчёт; голый поллер вне run_in_background умирает при
|
||||
смене хода; статус job — не истина (зомби «running» после смерти воркера:
|
||||
истина — mtime артефакта + лог + pgrep). Поглощено: SKILL.md
|
||||
(«Пользователь в петле»), codex-exec (фоновый запуск, раннер).
|
||||
- Безадресный resume подхватывает чужой тред. Поглощено: codex-exec.
|
||||
- Доводы отклонений — в файл задачи (свежий тред продолжает без контекста
|
||||
предшественника). Отменено 2026-07-19: доводы — в файл отчёта триажа,
|
||||
свежий тред получает его путём; тикет в триаже не правится (эхо файла
|
||||
задачи, прогон 13). Поглощено: prompts/triage-header.md, SKILL.md 5–6.
|
||||
- Не поглощено (держать в уме при постановке): правила задачи ранжировать
|
||||
явно («правило A главнее буквы E») — внутренние противоречия всплывают
|
||||
после починки.
|
||||
- Цифры: реализация 18 мин; триаж ~8 мин; тесты 147 -> 154.
|
||||
|
||||
## 2026-07-09 — local-transcriber, SendTo (первый под Windows; дистиллировано 2026-07-12)
|
||||
|
||||
- Git Bash-стек работает целиком; классификатор режет companion `--write`,
|
||||
прямой `codex exec` проходит. Поглощено: codex-exec.
|
||||
- Свежий взгляд: 2 major (OEM-кодировка `.cmd` на кириллическом профиле,
|
||||
протухание пути venv) + load-bearing порядок проверок. Поглощено: этап 2.
|
||||
- Отписка: вердикт одной строкой, проверка по JSONL подтвердила работу.
|
||||
Поглощено: SKILL.md этап 4, codex-exec.
|
||||
- Эмпирический ревьюер (воспроизведение краевых случаев вне репо) — вердикт
|
||||
твёрже. Поглощено: SKILL.md этап 4, boilerplate шаблонов.
|
||||
- Цифры: ревью постановки ~57k, кода ~48k, перепроверка ~45k токенов.
|
||||
|
||||
## 2026-07-10 — четыре записи (дистиллировано 2026-07-12)
|
||||
|
||||
- Ревьюер Codex без read-only: мандат промптом надёжен, песочница не режется.
|
||||
Поглощено: codex-exec (ветка ревьюера).
|
||||
- Sandbox-инцидент CLI 0.144.1 (bwrap+userns vs AppArmor) и ловушка memfd
|
||||
(профиль на путь bwrap не цепляется — вешать на бинарь codex). Поглощено:
|
||||
codex-exec + codex-sandbox-apparmor.md.
|
||||
- Постановка через `/to-tickets` ложится в конвейер без трения; двойное
|
||||
слепое ревью постановки окупилось (Клод — механика кода, Codex — уровень
|
||||
требований; пересечение 2 из ~15). Поглощено: SKILL.md этапы 1–2.
|
||||
- Ретро расхода контекста (3 цикла): находки проходили через оркестратора
|
||||
до шести раз; review-промпт дублировался; ~7 пустых ходов на idle-пингах.
|
||||
Поглощено: SKILL.md (роль оркестратора: индекс, cat, файлы), шаблоны.
|
||||
|
||||
## Прогон 2026-07-12: clickstream-demo, задача 20 — флаки runtime-гейта
|
||||
|
||||
Полный конвейер + три захода стендовой приёмки. Главный урок прогона:
|
||||
**ревью по чтению кода не заменяет сквозный прогон** — два класса дефектов
|
||||
вскрылись только на стенде.
|
||||
|
||||
**Что поймал каждый этап:**
|
||||
- Ревью постановки (Opus): настоящий корень — отсутствие SIGTERM-хендлера
|
||||
(python PID 1, SIGKILL после grace); один из двух вариантов фикса в
|
||||
постановке гонку не закрывал. Плюс критерий «красный сценарий всё ещё
|
||||
ловится» и запрет вероятностных смягчений.
|
||||
- Слепые ревью: Codex — grace-период 10с и обходимость precheck (пара из
|
||||
старой backfill-строки); Клод — подтвердил структурный довод, на узкой
|
||||
перепроверке принёс НОВУЮ находку (тест биндил порт 9109 — флаки 1/13).
|
||||
Пересечение — 2 темы из ~8 (grace, слабый контракт-тест): не «стабильно
|
||||
ноль», но малое; обе родословные оправдались.
|
||||
- Стендовая приёмка (3 захода): (1) гейт годами жил на побочном эффекте
|
||||
бага — пересекающие визиты давала «нелегальная переработка» генератора
|
||||
после игнорируемого SIGTERM; честный фикс оставил проверку без сырья;
|
||||
(2) таймзона: наивные метки STG (UTC) против границы с `+00:00` на
|
||||
сервере Europe/Moscow — precheck был зелёным вакуумно; та же ошибка — в
|
||||
приёмочном скрипте координатора (наивная конвенция DDS). Урок: сравнение
|
||||
времени в SQL — только с явным поясом с обеих сторон.
|
||||
|
||||
**Ретро контекста оркестратора** (главный пожиратель — внеплановые циклы):
|
||||
диагнозы падений приёмки велись мастером инлайн (~15 вызовов); boilerplate
|
||||
промптов переписывался трижды; обменные файлы шли кириллицей (×1,5–2);
|
||||
правки задачи-файла — тремя крупными Edit (old+new = двойной текст);
|
||||
промпты будильников пересказывали план. Поглощено 2026-07-12: SKILL.md
|
||||
(принцип «мастер решает — субагенты выясняют», стоп-кран «сам — максимум
|
||||
один заход», механика — fast-worker'у, обменные файлы на английском,
|
||||
будильник одной строкой, сквозная проверка до ревью, фолбэк ревьюера
|
||||
deep-reasoner — обкатан этим прогоном), prompt-templates + prompts/
|
||||
(готовые boilerplate-файлы, английские скелеты), codex-exec (модель
|
||||
gpt-5.6-sol, medium для узких починок, ловушка `&`). Слепое Fable-ревью
|
||||
самого скилла (по глоссарию writing-great-skills): восстановление после
|
||||
rm -rf подтверждено без потерь, 9 MINOR + 5 NIT согласованности — все
|
||||
закрыты тем же днём.
|
||||
|
||||
**Прочее:** казус двойного фона (`&` при run_in_background) — спасён
|
||||
ожидателем `kill -0`; принятие остаточного риска (публикация не ограничена
|
||||
по времени) зафиксировано доводом в задаче — паттерн «риск принят + после
|
||||
фикса такой отказ падает громко и честно» работает как аргумент приёмки.
|
||||
Отдельный казус координатора: `rm -rf` «зеркала» скилла прошёл сквозь
|
||||
симлинк `~/.claude/skills -> dotfiles` и снёс оригинал; восстановлено из
|
||||
git (`git show HEAD:path`) + повторным наложением правок из контекста.
|
||||
Урок: перед rm — `ls -la` цели и родителя, симлинк-родитель = чужая
|
||||
территория.
|
||||
|
||||
**Цифры:** реализация ~25 мин; ревью постановки 75k токенов субагента,
|
||||
ревью кода 65k, перепроверка 80k (с новой находкой); приёмка — 4 прогона
|
||||
гейта по ~1,5 мин + красный сценарий; тесты 190 -> 192 + 21.
|
||||
|
||||
## Прогон 2026-07-12/13: clickstream-demo, задача 13 — глагол next-day
|
||||
|
||||
Первый прогон после поглощения уроков задачи 20 — они сработали: вердикты
|
||||
читались по одному разу, boilerplate не переписывался (cat из prompts/),
|
||||
обмен на английском, ноль инлайн-диагнозов мастера (стоп-кран держит),
|
||||
будильники одной строкой (9 взводов, ни один не сработал впустую — все
|
||||
сняты по уведомлениям).
|
||||
|
||||
**Что поймал каждый этап:**
|
||||
- Двойное ревью постановки: пересечение 5 тем из ~15 (guard, идемпотентность,
|
||||
атомарность, формат цепочки, проверки). Уникальное: Клод — «next-day =
|
||||
новый режим запуска, постановка прячет основную работу за словом
|
||||
„переиспользует"»; Codex — «расписание запустит дефолтный backfill»
|
||||
(скоуп-решение: расписание вынесено отдельной задачей).
|
||||
- Слепые ревью кода: пересечение 1 тема из ~12 (нулевой стык). Codex —
|
||||
дефекты нового скрипта (хвост за границей, TZ), Клод — архитектура
|
||||
(retention Kafka против пересборки счётчиков — блокер будущей задачи,
|
||||
скрытая связка наборов настроек). Родословные разошлись почти полностью.
|
||||
- Эмпирика исполнителя: требование обоих ревью («громкий отказ на нулевом
|
||||
стыке») покраснело на честном стенде — ночной провал трафика, снова класс
|
||||
«артефакт верификатора». Диагноз по данным делегирован исполнителю тем же
|
||||
тредом (state на границе: 0 активных визитов — restore ни при чём).
|
||||
Урок: требование ревьюеров сверяй с критериями приёмки и реальным
|
||||
распределением данных, прежде чем принять его в код.
|
||||
- Узкая перепроверка Codex снова принесла новый MAJOR (микросекунды в
|
||||
UTC-нормализации) — второй прогон подряд, считать штатным режимом.
|
||||
|
||||
**Новые пожиратели контекста мастера, по убыванию:**
|
||||
1. Эхо файла задачи: исполнитель дописал резолюции в тикет, который мастер
|
||||
сам писал на этапе 2, — харнесс вкатил в контекст все ~190 строк; итого
|
||||
текст тикета прошёл через мастера трижды (Write + эхо + финальное
|
||||
чтение). Не поглощено; митигация неочевидна — резолюции проекту нужны
|
||||
именно в тикете. Держать в уме при выборе, кто пишет файл задачи.
|
||||
2. Клод-ревьюер держит формат индекса хуже Codex: многострочные находки и
|
||||
развёрнутые confirmations при жёстком boilerplate («one-phrase essence»).
|
||||
Поглощено: обёртка Клод-ревьюера в prompt-templates дополнена
|
||||
напоминанием об однострочности.
|
||||
3. Авторство решений этапа 2 — у мастера по определению (110 строк
|
||||
кириллицы в тикет после двойного ревью постановки): это цена этапа, на
|
||||
мелких задачах конвейер не разворачивать (правило уже в SKILL.md,
|
||||
теперь с ценником).
|
||||
|
||||
Дешёвый приём: вердикт перепроверки Клода взят из строки task-notification
|
||||
(обёртка требует финальным актом только VERDICT-строку) — файл не читался.
|
||||
|
||||
**Цифры:** конвейер ~2 часа от ревью постановки до приёмки; реализация
|
||||
~30 мин; Клод-субагенты: ревью постановки 94k, кода 108k, перепроверка
|
||||
126k токенов; Codex-ревью: 42/36 команд; 2 круга триажа + узкий диагноз;
|
||||
тесты 192 -> 204 + 21 -> 31; учебный цикл: DM 322 -> 10 026 -> 19 196 за
|
||||
два next-day.
|
||||
|
||||
## Прогон 2026-07-13: t2-presale, тикет 06 — совместимость со средой стенда
|
||||
|
||||
**Главный урок — информирование пользователя.** Статусы на границах этапов
|
||||
были телеграфными и в терминах плейбука («этап 4», «триаж», «узкая
|
||||
перепроверка»); эпизодически заглядывающий пользователь потерял нить:
|
||||
спросил «мы остановились?» при живом фоне, а после финала считал, что
|
||||
конвейер ещё на ревью постановки и «решение удалили». Фидбек дословно:
|
||||
«информирование о ходе процесса было очень скудным». Урок: на каждой
|
||||
границе — карта прогресса 4–7 строк (✅ сделано / ▶ идёт / ⬜ дальше)
|
||||
обычными словами, термины плейбука только с расшифровкой; карта дополняет
|
||||
содержательную сводку, не заменяет. Поглощено 2026-07-23: SKILL.md
|
||||
(«Пользователь в петле») и близнец codex-subagent-playbook
|
||||
(«Партнёр в петле»).
|
||||
|
||||
**Что поймал каждый этап:**
|
||||
- Ревью постановки с эмпирикой перекроило тикет до реализации: Codex из
|
||||
контейнера установил, что во внутренних зеркалах duckdb нет вовсе
|
||||
(BLOCKER → план Б wheel'ом с публичного PyPI) и что названный в тикете
|
||||
кандидат convert_dtypes теряет точность через float64 — исполнитель
|
||||
сразу пошёл верным путём.
|
||||
- Фактическое противоречие ревьюеров (верхний cp37-wheel duckdb: «0.10.3»
|
||||
у Клода против «1.2.2» у Codex) оркестратор снял ОДНОЙ контрольной
|
||||
командой (`pip download` в контейнере) до триажа — дёшево, а от факта
|
||||
зависел пин. Приём: конфликт фактов — контрольный эксперимент, не
|
||||
голосование.
|
||||
- Слепые ревью кода: пересечение БОЛЬШОЕ (одна корневая тема — регрессии
|
||||
нового вывода типов против старого пути: int64-переполнение роняло
|
||||
загрузку, пробелы, BOOLEAN, inf). Контрпример к «пересечение ~ноль»:
|
||||
когда правка замещает хорошо определённое старое поведение, обе
|
||||
родословные сходятся на охоте за регрессиями — и это признак качества
|
||||
находок, а не растраты.
|
||||
- Перепроверка снова принесла хвост (смесь конечных с inf/-inf — DOUBLE):
|
||||
третий прогон подряд, подтверждён штатный режим.
|
||||
|
||||
**Прочее:** сетевые шаги с доступами пользователя (docker login/pull)
|
||||
координировались `!`-командой в чат — работает без трения. Первый полный
|
||||
прогон на gpt-5.6-sol как боевой модели — пользователь подтвердил цену,
|
||||
качество исполнителя и ревьюера без нареканий.
|
||||
|
||||
**Цифры:** постановка + двойное ревью постановки ~1 ч; реализация ~25 мин;
|
||||
2 круга триажа + 2 узкие перепроверки; тесты 36 → 45 → 46, зелёные в двух
|
||||
средах (современная + vendor-контейнер py3.7); приёмка оркестратора — оба
|
||||
прогона своими руками.
|
||||
|
||||
**Модели (датированная эволюция, к прогону 2026-07-13):**
|
||||
- Урок о скоропортящихся фактах: 2026-07-10 утечка gpt-5.6-sol из конфига
|
||||
считалась казусом («фронтир = дорогие лимиты»), 2026-07-13 пользователь
|
||||
переоценил — Sol умная и относительно недорогая, теперь боевой дефолт.
|
||||
Правило «модель явно, из конфига не наследовать» выжило, но по другой
|
||||
причине: воспроизводимость, а не цена. Факты о ценах/лимитах моделей —
|
||||
датировать и перепроверять у пользователя, не тащить из прошлых сессий
|
||||
как вечную истину.
|
||||
- Effort medium на узких контурах подтверждён боем: круг починки одной
|
||||
находки и финальная перепроверка — чисто и быстрее high (до этого
|
||||
правило в codex-exec было гипотезой).
|
||||
- Роли от пользователя (2026-07-13): Опус — вкус и архитектура; Codex —
|
||||
исполнитель (лучше и дешевле); исследование — паритет, Codex дешевле.
|
||||
Кандидат на поглощение в SKILL.md (раздел «Роли»).
|
||||
- НЕ ОБКАТАНО (рыночная наводка из обзоров, 2026-07-13): gpt-5.6-terra
|
||||
medium/high для кода — на medium вдвое дешевле Sol на простых задачах
|
||||
при том же уровне, сильно лучше Sonnet; минусы — ощутимо дольше запуск и
|
||||
накладные на внешнюю оркестрацию. Вывод на сейчас: лимиты Codex у
|
||||
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. **Пересмотрено 2026-07-26**
|
||||
(см. ниже) — карта сдвинута на ступень вниз под Opus 5.
|
||||
|
||||
## Прогон 2026-07-21: yantar-dags, предразметка — этап постановки
|
||||
|
||||
- Issues в GitLab созданы по конвенции репозитория, но мимо критериев
|
||||
`/to-tickets`: без критериев приёмки чекбоксами, один тикет — два среза
|
||||
(две разные точки стендовой проверки). Поймал пользователь сверкой ПОСЛЕ
|
||||
публикации. Урок: сверка разбиения — до публикации, внутри `/to-tickets`.
|
||||
- Пользователь заметил избыточность: текст тикета проходил через мастера
|
||||
трижды (создание + проверка после создания + тщательное ревью перед
|
||||
выполнением) — по времени и токенам. Поглощено 2026-07-21: SKILL.md
|
||||
этапы 1–2 — `/to-tickets` как норма разбиения с меркой «тикет берётся в
|
||||
свежей сессии без общего контекста»; правило «одно ревью на версию
|
||||
артефакта» (сверка с пользователем = первая линия); шкала риска этапа 2
|
||||
(срез по принятой спеке без новых решений — внешнюю линию пропустить с
|
||||
одной фразой обоснования).
|
||||
|
||||
## Прогон 2026-07-22: clickstream-demo, issue #5 — счётчики стартовой истории
|
||||
|
||||
Полный конвейер (исполнитель → два слепых ревью → триаж → узкая
|
||||
перепроверка → стендовая приёмка) дошёл до цели, но шёл под ЧУЖИМ скиллом:
|
||||
вместо этого плейбука вызван codex-subagent-playbook — близнец для
|
||||
координатора на стороне Codex, на тот момент единственный из пары видимый
|
||||
модели для автовызова. Отсюда главный казус: канал запуска Codex
|
||||
«унаследовался» из handoff — конвейер пошёл через плагин-обёртку вопреки
|
||||
codex-exec.md и воспроизвёл её известные баги (ложный «started» с подменой
|
||||
ответа — issue #158, потерянные уведомления, несбрасываемый статус
|
||||
остановленной задачи, read-only песочница ревьюера — вердикт извлекали из
|
||||
лога задачи). Спас файловый контроль: мандаты и отчёты жили в `$SCRATCH`,
|
||||
дерево сверялось тестами. Поглощено 2026-07-23: близнецу поставлен
|
||||
`disable-model-invocation` и адресное описание («со стороны Claude Code —
|
||||
claude-subagent-playbook»); правила канала в codex-exec.md были и остаются
|
||||
действующим договором.
|
||||
|
||||
Казус двух исполнителей: молчащего исполнителя заменили свежим без
|
||||
остановки прежнего — в одном дереве оказались два писателя, дерево
|
||||
пришлось перепроверять тестами. Поглощено: «Сбои координации» (владение —
|
||||
только после остановки прежнего владельца).
|
||||
|
||||
Казус приёмки: сценарий стендовой приёмки трижды падал на непроверенных
|
||||
командах (способ аутентификации Airflow, маскировка кода выхода, имя
|
||||
колонки витрины), а инлайн-python с экранированием в heredoc сломался и
|
||||
после проверки. Поглощено: SKILL.md этап 6 (команды нового сценария — на
|
||||
живом объекте до полного прогона, сложные вставки — файлами). Попутно:
|
||||
`pkill -f` в одной команде с запуском/ожиданием находит шаблон в
|
||||
собственной командной строке и убивает свой же Bash — дисциплина фоновых
|
||||
процессов зафиксирована в памяти проекта.
|
||||
|
||||
**Цифры:** триаж закрыл обе находки ревью (фрагментация наборов ID сняла
|
||||
потолок Kafka: манифест 3 152 байта вместо ~0,81 МБ); приёмка — плоское
|
||||
время next-day 716/718/716 с, мир 3 → 6 дней, 561 942 события; тесты
|
||||
216 + 31 зелёные.
|
||||
|
||||
## 2026-07-23: сверка близнецов после промаха скиллом
|
||||
|
||||
В кодексовый близнец перенесены проверенные здешними прогонами правила:
|
||||
одно ревью на версию артефакта, саморевью исполнителя и сквозная проверка
|
||||
до внешних линий, цена тихой ошибки как критерий уровня, проверка внешних
|
||||
фактов первоисточником, партнёр в петле. Обратно взяты «Пределы
|
||||
параллельности» (глубина один; второй обзор ради отдельной линии, а не
|
||||
свободного слота) — в SKILL.md, раздел «Роли». Скилл переведён на
|
||||
автовызов моделью (описание с триггерами), близнец скрыт
|
||||
`disable-model-invocation` — пара промахов исключена с обеих сторон.
|
||||
|
||||
## 2026-07-23: taste-слепота триажа — «закрыть находку тестом»
|
||||
|
||||
Прогон course-labs-redesign (issue #7, docs-only). Codex на триаже закрыл
|
||||
9 из 10 находок честно, но каждую сопроводил контрактным тестом с
|
||||
дословной цитатой учебной прозы (+7 хрупких тестов в
|
||||
test_world_dags_contract.py: «не сравнивай», «днём 5» и т.п.). Формально
|
||||
безупречно — «regression-тест на находку», по сути мусор: прибитая фраза
|
||||
падает при любом честном рерайте текста, а не при дефекте. Обе линии
|
||||
слепого ревью прошли раньше триажа и этого видеть не могли; поймал
|
||||
пользователь, читая незакоммиченный дифф.
|
||||
|
||||
Решения пользователя (перенесены в память проекта:
|
||||
claude-reviews-code-meaningfulness): 1) в линзу Claude-ревьюера добавлять
|
||||
осмысленность кода — «заслуживает ли существования каждый добавленный
|
||||
артефакт», не только соответствие постановке; 2) срезание/переписывание
|
||||
бессмысленного кода поручать Опусу, не Codex («у него куда лучше вкус»).
|
||||
Механика: узкую перепроверку после триажа давать той линзе, что видит
|
||||
дифф триажа целиком, — иначе taste-дефекты триажа не увидит никто.
|
||||
|
||||
Попутно: образец заражает — исполнитель добавлял прозаические тесты,
|
||||
следуя уже существующим в файле (жанр «тест на фразу README» там был до
|
||||
него). Чистка легаси-жанра — отдельным issue (#24), не в ветке фичи.
|
||||
|
||||
## Решение пользователя 2026-07-26: эффорт-карта Claude-субагентов под Opus 5
|
||||
|
||||
Скилл писался под Opus 4.8; у Opus 5 усилия распределены иначе, и `high`
|
||||
стал верхней рабочей ступенью — выше неё смысл появляется редко. Карта в
|
||||
SKILL.md сдвинута на ступень вниз: `high` — ревью постановок и планов
|
||||
(было `xhigh`); `medium` — слепое ревью (было `high`) и узкие
|
||||
перепроверки; default — механика. Нижняя граница ревью опущена с `high`
|
||||
до `medium`.
|
||||
|
||||
Сдвиг неравномерный (оценка пользователя, заведомо условная): `high` у
|
||||
Opus 5 по отдаче ближе к прежнему `xhigh`, а `medium` — чуть ниже
|
||||
прежнего `high`. То есть на ревью постановок потеря близка к нулю, а на
|
||||
слепом ревью просадка есть, но меньше, чем выглядит по названию ступени.
|
||||
|
||||
Следствие: ступеней теперь меньше, чем этапов, — слепое ревью и узкие
|
||||
перепроверки делят `medium`. Это осознанно: эффорт задаёт лишь потолок
|
||||
глубины поверх выбранной модели, тонкая настройка идёт промптом.
|
||||
|
||||
`deep-reasoner` остаётся на `high` (решение пользователя): понижать
|
||||
специалиста по рассуждению не надо. В роли фолбэк-ревьюера он приедет
|
||||
ступенью выше карты — принято осознанно, карта задаёт минимум для роли,
|
||||
а не потолок для агента.
|
||||
|
||||
Оси не путать: механика едет на Sonnet (`fast-worker`, модель пришита в
|
||||
определении), и ярус «default» там означает «эффорт не крутить», а не
|
||||
дешёвый режим Опуса.
|
||||
|
||||
Не изменилось: эффорт Codex (`references/codex-exec.md`) — там своя
|
||||
шкала, по сложности; запрет менять effort между резюмами одного треда; и
|
||||
главный предел — от уверенной выдумки внешних фактов не страхует никакой
|
||||
эффорт (казус CODE-1).
|
||||
|
||||
### Открытый вопрос 2026-07-26 — закрыт 2026-07-31
|
||||
|
||||
Проверено по схеме Agent-тула: ручки `effort` у него нет — ступень
|
||||
задаётся только `effort:` во фронтматтере определения агента или
|
||||
`opts.effort` в Workflow. Поглощено рефакторингом 2026-07-31: карта в
|
||||
SKILL.md переписана на определения, в claude-agents.md добавлена
|
||||
заготовка `adversarial-reviewer` (opus, medium), фолбэк «скептический
|
||||
general-purpose» снят.
|
||||
|
||||
### 2026-07-30: классификатор авторежима блокирует `-s danger-full-access`
|
||||
|
||||
На запуске Codex-исполнителя (прогон тикета #12, кластер ClickHouse)
|
||||
классификатор авторежима Claude Code заблокировал команду с
|
||||
`-s danger-full-access`. Рабочая замена — не полный доступ, а песочница
|
||||
с поштучной эскалацией:
|
||||
|
||||
```
|
||||
-s workspace-write \
|
||||
-c 'approval_policy="on-request"' \
|
||||
-c 'approvals_reviewer="auto_review"'
|
||||
```
|
||||
|
||||
Команда, которую песочница не пустила (docker и т.п.), эскалируется, и
|
||||
авто-ревьюер Codex её одобряет — запуск уходит мимо песочницы штатно.
|
||||
|
||||
Почему это лучше, а не просто обход: привилегия меньше («всё разрешено
|
||||
заранее» → «поштучно и в логе»), и на приёмке можно посмотреть, какие
|
||||
именно команды прошли мимо песочницы, — с полным доступом такого списка
|
||||
не существует. Оговорка: `auto_review` делает песочницу совещательной —
|
||||
эскалации одобряет автоматика самого Codex, поэтому мандат «исходники
|
||||
вне ветки не трогать, окружение не ломать» по-прежнему держится на
|
||||
промпте, не на песочнице (см. правило в SKILL.md).
|
||||
|
||||
Классификатор при этом не враг: по отзывам сообщества, именно он в
|
||||
авторежиме иногда спасает данные от разрушительных команд. Считать его
|
||||
подсказкой «сузь привилегию», а не препятствием, которое надо обойти.
|
||||
|
||||
Дополнение по итогам прогона (тот же день): рецепт исполнителя в
|
||||
`codex-exec.md` штатную связку уже содержал — `danger-full-access` был
|
||||
отступлением сессии-оркестратора «на всякий случай» под docker. Прогон
|
||||
подтвердил, что запас не нужен: под штатной связкой у Codex прошли и
|
||||
сеть (`docker manifest inspect`), и docker-сокет (`make up`, `docker
|
||||
compose down`); отдельных событий эскалации в `--json`-логе нет —
|
||||
успешные команды выглядят обычными `completed`. Кавеаты в
|
||||
`codex-exec.md` обновлены, пометка «боем не обкатано» снята.
|
||||
|
||||
## 2026-07-31: решение о вкусовой линзе неделю не доезжало до механизма
|
||||
|
||||
Прогон clickstream-data-platform, тикет #18 (пробные DAG в Airflow).
|
||||
Решение 2026-07-23 («в линзу Клод-ревьюера — осмысленность кода») жило в
|
||||
записи уроков и в памяти ТОГО проекта, но в `prompts/`/`prompt-templates.md`
|
||||
не попало. Оркестратор собрал линию TASK `cat`'ом из заготовки — и ревьюер
|
||||
не был обязан спрашивать «не дичь ли это». Пользователь заметил это сам,
|
||||
по ходу прогона, дословно: «Бывает когда сделано формально правильно, а по
|
||||
сути - дичь».
|
||||
|
||||
Урок общий: решение, записанное только в уроки, следующим прогоном не
|
||||
исполняется. Память пообъектная — в другой репозиторий она не едет; ехать
|
||||
может лишь механизм, который подшивается в промпт. Поглощено 2026-07-31:
|
||||
`prompt-templates.md`, заготовка `line-task.md` + оговорка о родословной.
|
||||
|
||||
Вторая половина того же решения (узкую перепроверку после триажа отдавать
|
||||
линзе, видящей дифф триажа целиком) сработала: перепроверка ушла той же
|
||||
линии TASK, и ей отдельно задан вопрос про `tests/dag-probes-unit.py` —
|
||||
файл, которого в тикете не было и который исполнитель добавил на починке.
|
||||
|
||||
Две сильнейшие находки линии TASK в этом прогоне — из класса, который
|
||||
новая формулировка называет прямо, а старая не называла: молчаливый опрос
|
||||
`1800 × docker compose exec` (выглядит как 90 с, на деле ~8 мин при 0,36 с
|
||||
на итерацию) — несоразмерность; пробник, не проверявший, на каком шарде
|
||||
оказался его маркер, — проверка без доказательства своего утверждения.
|
||||
|
||||
Правки того же дня прошли слепое ревью по `/writing-great-skills`
|
||||
(CHANGES_REQUIRED, 5 MAJOR): пять примеров в линзе сокращены до трёх с
|
||||
ведущим словом `Taste:`, разрез по родословной переведён с цитаты фразы на
|
||||
блок целиком, снята устаревшая копия описания линзы в SKILL.md. Ревью
|
||||
подтвердило, что само расширение линзы не пустышка: прежний текст был
|
||||
целиком про соответствие постановке, и вкусовая находка уезжала бы в
|
||||
«вне скоупа».
|
||||
|
||||
## 2026-07-31: казусы координации (прогон #18, тот же день)
|
||||
|
||||
- Молчание субагента ≠ смерть. Клод-ревьюер шёл 59 минут, не сбрасывая
|
||||
транскрипт на диск (153 байта с момента старта). Оркестратор счёл его
|
||||
мёртвым и поднял дубль — тот писал бы вердикт в ТОТ ЖЕ путь и затёр бы
|
||||
находки; спасло только то, что уведомление пришло раньше. Правила:
|
||||
признак жизни — уведомление харнесса, не размер журнала; замене давай
|
||||
ДРУГОЙ путь вердикта; в обёртке проси писать индекс инкрементально.
|
||||
- Отчёт ревьюера о состоянии среды — не факт. Линия CODE вернула «все
|
||||
долгоживущие службы здоровы», а `kafka` и `prometheus` лежали `exited`:
|
||||
их погасил её же страж и не поднял. `docker compose ps` без `-a`
|
||||
погашенных не показывает вовсе — легко принять за здоровый стенд.
|
||||
Разбор журнала сессии: ревьюер написал `trap ... EXIT` с `make up` и
|
||||
счёл восстановление состоявшимся, не проверив его. Ровно тот дефект,
|
||||
который вкусовая линза и должна ловить, — проверка, проходящая без
|
||||
доказательства собственного утверждения, — только допустил его сам
|
||||
ревьюер. Заодно оттуда же: он дважды вызвал `spawn_agent`, то есть
|
||||
развернул своих субагентов вопреки правилу «глубина один». Правило
|
||||
живёт в SKILL.md для оркестратора и до Codex-ревьюера не доезжает —
|
||||
писать его в мандат.
|
||||
- Две линии ревью на одном живом стенде мешают друг другу: стражи гасят
|
||||
службы и роняют таблицы, параллельная линия получает загрязнённые
|
||||
прогоны (заметили обе, независимо). Либо стенд одной линии, либо явный
|
||||
запрет ломающих команд второй.
|
||||
|
||||
- Зелёное из терминала виснет в фоне. Приёмочный прогон встал навсегда на
|
||||
`make smoke-cluster`: `clickhouse-client` у запроса INSERT дочитывает
|
||||
данные со стандартного ввода и ждёт его конца, а у фонового процесса
|
||||
конец не наступает. Из терминала та же команда всегда была зелёной, ни
|
||||
одно из двух ревью этого не видело. Приёмка оркестратора нашла то, чего
|
||||
не нашли обе линии — потому что запускала иначе.
|
||||
|
||||
Поглощено рефакторингом 2026-07-31: обёртка Клод-ревьюера
|
||||
(инкрементальная запись индекса), «Сбои координации» SKILL.md (признак
|
||||
жизни — уведомление; замене — другой путь вердикта; среда — своими
|
||||
глазами), этап 4 (стенд одной линии), этап 6 (stdin фонового запуска),
|
||||
мандат review-boilerplate (глубина один; проверка восстановления среды).
|
||||
|
||||
**Цифры:** тикет — 20 критериев, переписан дважды (двойное ревью постановки
|
||||
сняло невозможный критерий: ноды кластера — шарды, не реплики). Саморевью
|
||||
исполнителя 3/2. Слепые ревью: CODE — APPROVED без находок, TASK — 8;
|
||||
перепроверка мутациями добавила ещё 2, все 10 закрыты. Приёмка на чистых
|
||||
томах: `make up` 116 с, `make smoke` 25/0, память стенда 2244,0 MiB при
|
||||
пороге 3,4 ГБ, `make smoke-cluster` 8/8 за 7 с — и одно зависание на 23
|
||||
минуты до починки.
|
||||
|
||||
### Открытый вопрос 2026-07-31 — закрыт рефакторингом того же дня
|
||||
|
||||
- Константы — файлами в `prompts/`: line-task, line-code, line-rev,
|
||||
self-review; вкусовая линза с базой двенадцати запахов Фаулера из
|
||||
`/code-review` Мэтта Покока — `line-taste.md`, разрез — выбором файла
|
||||
в `cat`. Оттуда же правило «линии не сливать в один ранжир» — этап 5.
|
||||
- Третья ось — вкус: матрица Тео (@t3dotgg) получена от пользователя с
|
||||
поправкой под gpt-5.6-sol/Opus 5 (интеллект вырос, вкус прежний) —
|
||||
references/model-matrix.md. Разрез по подзадачам на этапе 1, сначала
|
||||
вкусовая часть (задаёт форму), один писатель в дереве — в силе.
|
||||
- «Родословная» разведена на **семейство** (классы находок) и
|
||||
**свежесть** (независимость от автора): «Роли» и этап 4 — линия
|
||||
дефектов по различию семейства, линия уместности по умению (модель со
|
||||
вкусом), при высокой цене ошибки уместность — третьей модели. Перенос
|
||||
из `AGENTS.md` стенда кликстрима состоялся.
|
||||
- Дополнение того же дня (решение пользователя): вкусовую реализацию
|
||||
ведёт `craftsman` (opus, `medium`) — ошибка реализации громкая,
|
||||
конвейер ловит, вкус едет с моделью, не с эффортом; `high` на
|
||||
реализации не дефолтить.
|
||||
- Слепое ревью рефакторинга (Опус, по writing-great-skills):
|
||||
CHANGES_REQUIRED — 7 MAJOR, 17 MINOR, 3 NIT; закрыто тем же днём.
|
||||
Главное: эффорт-карта с обоснованиями демотирована в claude-agents.md
|
||||
(SSOT — там, где живут `effort:`), хвост «Ролей» ужат втрое, фрагмент
|
||||
CLAUDE.md приведён к прямому exec и ревью-линии Codex, критерий
|
||||
этапа 3 обобщён на двух исполнителей, конфликт имён этапа 2 снят
|
||||
(ревьюер постановок — `deep-reasoner`). Отклонено два: порог
|
||||
«вкус ≥ 7» (содержательная граница: пропускает Sonnet, отсекает Sol) и
|
||||
мандат внутри определения `craftsman` (определение уезжает в
|
||||
репозитории без скилла — самодостаточность важнее дедупликации).
|
||||
- Позже тем же днём (решение пользователя): три Опус-определения
|
||||
избыточны — определений нужно ровно столько, сколько различных пар
|
||||
(модель, ступень) в карте, а роли живут в бриф-файлах.
|
||||
`adversarial-reviewer` слит в `craftsman` (opus, medium — исполнение
|
||||
брифов: вкусовая реализация, слепое ревью, перепроверки); упоминание
|
||||
заготовки adversarial-reviewer в записях выше — история того дня.
|
||||
|
||||
@@ -1,547 +1,18 @@
|
||||
# Эмпирика прогонов
|
||||
|
||||
Датированные факты: что поймал каждый этап конвейера, казусы, цифры.
|
||||
Дописывай после каждого прогона — это и есть «выжимка опыта», ради которой
|
||||
скилл существует. Журнал накопительный, поэтому дистиллируй: когда урок
|
||||
поглощён SKILL.md или references, сжимай его запись здесь до строки-факта
|
||||
(дата, что случилось, куда поглощено) — иначе файл растёт бесконечно.
|
||||
Новые факты прогона дописывай свободно; дистилляцию и правку старых
|
||||
записей согласуй с пользователем — это долговечная эмпирика.
|
||||
|
||||
## 2026-07-06 — t2-ml-forecast, задача 05 (первый прогон; дистиллировано 2026-07-12)
|
||||
|
||||
- Свежий взгляд на постановку окупился: блокер name_ru (в данных — английский),
|
||||
две «одностроки» с проектными решениями, дыра регенерации `.ipynb`.
|
||||
Поглощено: SKILL.md этап 2.
|
||||
- Казус форвардера: субагент, получив постановку вместо команды, реализовал
|
||||
задачу сам (+1227 строк). Поглощено: SKILL.md этап 3, codex-exec (раннер).
|
||||
- Слепое двойное ревью: пересечение находок — ноль; Клод подтвердил математику
|
||||
и артефакты, Codex нашёл две дыры в тестах. Поглощено: SKILL.md (роли).
|
||||
- Смерть фонового ревьюера без доставленного отчёта; транскрипт не спас.
|
||||
Поглощено: SKILL.md этап 4 (вердикт — файлом, сообщение — указателем).
|
||||
- Цифры: ревью постановки ~60k токенов; конвейер ~3 часа, реализация ~20 мин.
|
||||
|
||||
## 2026-07-07 — наглядность витрины (полный конвейер; дистиллировано 2026-07-12)
|
||||
|
||||
- Idle-уведомление ≠ отчёт; голый поллер вне run_in_background умирает при
|
||||
смене хода; статус job — не истина (зомби «running» после смерти воркера:
|
||||
истина — mtime артефакта + лог + pgrep). Поглощено: SKILL.md
|
||||
(«Пользователь в петле»), codex-exec (фоновый запуск, раннер).
|
||||
- Безадресный resume подхватывает чужой тред. Поглощено: codex-exec.
|
||||
- Доводы отклонений — в файл задачи (свежий тред продолжает без контекста
|
||||
предшественника). Отменено 2026-07-19: доводы — в файл отчёта триажа,
|
||||
свежий тред получает его путём; тикет в триаже не правится (эхо файла
|
||||
задачи, прогон 13). Поглощено: prompts/triage-header.md, SKILL.md 5–6.
|
||||
- Не поглощено (держать в уме при постановке): правила задачи ранжировать
|
||||
явно («правило A главнее буквы E») — внутренние противоречия всплывают
|
||||
после починки.
|
||||
- Цифры: реализация 18 мин; триаж ~8 мин; тесты 147 -> 154.
|
||||
|
||||
## 2026-07-09 — local-transcriber, SendTo (первый под Windows; дистиллировано 2026-07-12)
|
||||
|
||||
- Git Bash-стек работает целиком; классификатор режет companion `--write`,
|
||||
прямой `codex exec` проходит. Поглощено: codex-exec.
|
||||
- Свежий взгляд: 2 major (OEM-кодировка `.cmd` на кириллическом профиле,
|
||||
протухание пути venv) + load-bearing порядок проверок. Поглощено: этап 2.
|
||||
- Отписка: вердикт одной строкой, проверка по JSONL подтвердила работу.
|
||||
Поглощено: SKILL.md этап 4, codex-exec.
|
||||
- Эмпирический ревьюер (воспроизведение краевых случаев вне репо) — вердикт
|
||||
твёрже. Поглощено: SKILL.md этап 4, boilerplate шаблонов.
|
||||
- Цифры: ревью постановки ~57k, кода ~48k, перепроверка ~45k токенов.
|
||||
|
||||
## 2026-07-10 — четыре записи (дистиллировано 2026-07-12)
|
||||
|
||||
- Ревьюер Codex без read-only: мандат промптом надёжен, песочница не режется.
|
||||
Поглощено: codex-exec (ветка ревьюера).
|
||||
- Sandbox-инцидент CLI 0.144.1 (bwrap+userns vs AppArmor) и ловушка memfd
|
||||
(профиль на путь bwrap не цепляется — вешать на бинарь codex). Поглощено:
|
||||
codex-exec + codex-sandbox-apparmor.md.
|
||||
- Постановка через `/to-tickets` ложится в конвейер без трения; двойное
|
||||
слепое ревью постановки окупилось (Клод — механика кода, Codex — уровень
|
||||
требований; пересечение 2 из ~15). Поглощено: SKILL.md этапы 1–2.
|
||||
- Ретро расхода контекста (3 цикла): находки проходили через оркестратора
|
||||
до шести раз; review-промпт дублировался; ~7 пустых ходов на idle-пингах.
|
||||
Поглощено: SKILL.md (роль оркестратора: индекс, cat, файлы), шаблоны.
|
||||
|
||||
## Прогон 2026-07-12: clickstream-demo, задача 20 — флаки runtime-гейта
|
||||
|
||||
Полный конвейер + три захода стендовой приёмки. Главный урок прогона:
|
||||
**ревью по чтению кода не заменяет сквозный прогон** — два класса дефектов
|
||||
вскрылись только на стенде.
|
||||
|
||||
**Что поймал каждый этап:**
|
||||
- Ревью постановки (Opus): настоящий корень — отсутствие SIGTERM-хендлера
|
||||
(python PID 1, SIGKILL после grace); один из двух вариантов фикса в
|
||||
постановке гонку не закрывал. Плюс критерий «красный сценарий всё ещё
|
||||
ловится» и запрет вероятностных смягчений.
|
||||
- Слепые ревью: Codex — grace-период 10с и обходимость precheck (пара из
|
||||
старой backfill-строки); Клод — подтвердил структурный довод, на узкой
|
||||
перепроверке принёс НОВУЮ находку (тест биндил порт 9109 — флаки 1/13).
|
||||
Пересечение — 2 темы из ~8 (grace, слабый контракт-тест): не «стабильно
|
||||
ноль», но малое; обе родословные оправдались.
|
||||
- Стендовая приёмка (3 захода): (1) гейт годами жил на побочном эффекте
|
||||
бага — пересекающие визиты давала «нелегальная переработка» генератора
|
||||
после игнорируемого SIGTERM; честный фикс оставил проверку без сырья;
|
||||
(2) таймзона: наивные метки STG (UTC) против границы с `+00:00` на
|
||||
сервере Europe/Moscow — precheck был зелёным вакуумно; та же ошибка — в
|
||||
приёмочном скрипте координатора (наивная конвенция DDS). Урок: сравнение
|
||||
времени в SQL — только с явным поясом с обеих сторон.
|
||||
|
||||
**Ретро контекста оркестратора** (главный пожиратель — внеплановые циклы):
|
||||
диагнозы падений приёмки велись мастером инлайн (~15 вызовов); boilerplate
|
||||
промптов переписывался трижды; обменные файлы шли кириллицей (×1,5–2);
|
||||
правки задачи-файла — тремя крупными Edit (old+new = двойной текст);
|
||||
промпты будильников пересказывали план. Поглощено 2026-07-12: SKILL.md
|
||||
(принцип «мастер решает — субагенты выясняют», стоп-кран «сам — максимум
|
||||
один заход», механика — fast-worker'у, обменные файлы на английском,
|
||||
будильник одной строкой, сквозная проверка до ревью, фолбэк ревьюера
|
||||
deep-reasoner — обкатан этим прогоном), prompt-templates + prompts/
|
||||
(готовые boilerplate-файлы, английские скелеты), codex-exec (модель
|
||||
gpt-5.6-sol, medium для узких починок, ловушка `&`). Слепое Fable-ревью
|
||||
самого скилла (по глоссарию writing-great-skills): восстановление после
|
||||
rm -rf подтверждено без потерь, 9 MINOR + 5 NIT согласованности — все
|
||||
закрыты тем же днём.
|
||||
|
||||
**Прочее:** казус двойного фона (`&` при run_in_background) — спасён
|
||||
ожидателем `kill -0`; принятие остаточного риска (публикация не ограничена
|
||||
по времени) зафиксировано доводом в задаче — паттерн «риск принят + после
|
||||
фикса такой отказ падает громко и честно» работает как аргумент приёмки.
|
||||
Отдельный казус координатора: `rm -rf` «зеркала» скилла прошёл сквозь
|
||||
симлинк `~/.claude/skills -> dotfiles` и снёс оригинал; восстановлено из
|
||||
git (`git show HEAD:path`) + повторным наложением правок из контекста.
|
||||
Урок: перед rm — `ls -la` цели и родителя, симлинк-родитель = чужая
|
||||
территория.
|
||||
|
||||
**Цифры:** реализация ~25 мин; ревью постановки 75k токенов субагента,
|
||||
ревью кода 65k, перепроверка 80k (с новой находкой); приёмка — 4 прогона
|
||||
гейта по ~1,5 мин + красный сценарий; тесты 190 -> 192 + 21.
|
||||
|
||||
## Прогон 2026-07-12/13: clickstream-demo, задача 13 — глагол next-day
|
||||
|
||||
Первый прогон после поглощения уроков задачи 20 — они сработали: вердикты
|
||||
читались по одному разу, boilerplate не переписывался (cat из prompts/),
|
||||
обмен на английском, ноль инлайн-диагнозов мастера (стоп-кран держит),
|
||||
будильники одной строкой (9 взводов, ни один не сработал впустую — все
|
||||
сняты по уведомлениям).
|
||||
|
||||
**Что поймал каждый этап:**
|
||||
- Двойное ревью постановки: пересечение 5 тем из ~15 (guard, идемпотентность,
|
||||
атомарность, формат цепочки, проверки). Уникальное: Клод — «next-day =
|
||||
новый режим запуска, постановка прячет основную работу за словом
|
||||
„переиспользует"»; Codex — «расписание запустит дефолтный backfill»
|
||||
(скоуп-решение: расписание вынесено отдельной задачей).
|
||||
- Слепые ревью кода: пересечение 1 тема из ~12 (нулевой стык). Codex —
|
||||
дефекты нового скрипта (хвост за границей, TZ), Клод — архитектура
|
||||
(retention Kafka против пересборки счётчиков — блокер будущей задачи,
|
||||
скрытая связка наборов настроек). Родословные разошлись почти полностью.
|
||||
- Эмпирика исполнителя: требование обоих ревью («громкий отказ на нулевом
|
||||
стыке») покраснело на честном стенде — ночной провал трафика, снова класс
|
||||
«артефакт верификатора». Диагноз по данным делегирован исполнителю тем же
|
||||
тредом (state на границе: 0 активных визитов — restore ни при чём).
|
||||
Урок: требование ревьюеров сверяй с критериями приёмки и реальным
|
||||
распределением данных, прежде чем принять его в код.
|
||||
- Узкая перепроверка Codex снова принесла новый MAJOR (микросекунды в
|
||||
UTC-нормализации) — второй прогон подряд, считать штатным режимом.
|
||||
|
||||
**Новые пожиратели контекста мастера, по убыванию:**
|
||||
1. Эхо файла задачи: исполнитель дописал резолюции в тикет, который мастер
|
||||
сам писал на этапе 2, — харнесс вкатил в контекст все ~190 строк; итого
|
||||
текст тикета прошёл через мастера трижды (Write + эхо + финальное
|
||||
чтение). Не поглощено; митигация неочевидна — резолюции проекту нужны
|
||||
именно в тикете. Держать в уме при выборе, кто пишет файл задачи.
|
||||
2. Клод-ревьюер держит формат индекса хуже Codex: многострочные находки и
|
||||
развёрнутые confirmations при жёстком boilerplate («one-phrase essence»).
|
||||
Поглощено: обёртка Клод-ревьюера в prompt-templates дополнена
|
||||
напоминанием об однострочности.
|
||||
3. Авторство решений этапа 2 — у мастера по определению (110 строк
|
||||
кириллицы в тикет после двойного ревью постановки): это цена этапа, на
|
||||
мелких задачах конвейер не разворачивать (правило уже в SKILL.md,
|
||||
теперь с ценником).
|
||||
|
||||
Дешёвый приём: вердикт перепроверки Клода взят из строки task-notification
|
||||
(обёртка требует финальным актом только VERDICT-строку) — файл не читался.
|
||||
|
||||
**Цифры:** конвейер ~2 часа от ревью постановки до приёмки; реализация
|
||||
~30 мин; Клод-субагенты: ревью постановки 94k, кода 108k, перепроверка
|
||||
126k токенов; Codex-ревью: 42/36 команд; 2 круга триажа + узкий диагноз;
|
||||
тесты 192 -> 204 + 21 -> 31; учебный цикл: DM 322 -> 10 026 -> 19 196 за
|
||||
два next-day.
|
||||
|
||||
## Прогон 2026-07-13: t2-presale, тикет 06 — совместимость со средой стенда
|
||||
|
||||
**Главный урок — информирование пользователя.** Статусы на границах этапов
|
||||
были телеграфными и в терминах плейбука («этап 4», «триаж», «узкая
|
||||
перепроверка»); эпизодически заглядывающий пользователь потерял нить:
|
||||
спросил «мы остановились?» при живом фоне, а после финала считал, что
|
||||
конвейер ещё на ревью постановки и «решение удалили». Фидбек дословно:
|
||||
«информирование о ходе процесса было очень скудным». Урок: на каждой
|
||||
границе — карта прогресса 4–7 строк (✅ сделано / ▶ идёт / ⬜ дальше)
|
||||
обычными словами, термины плейбука только с расшифровкой; карта дополняет
|
||||
содержательную сводку, не заменяет. Поглощено 2026-07-23: SKILL.md
|
||||
(«Пользователь в петле») и близнец codex-subagent-playbook
|
||||
(«Партнёр в петле»).
|
||||
|
||||
**Что поймал каждый этап:**
|
||||
- Ревью постановки с эмпирикой перекроило тикет до реализации: Codex из
|
||||
контейнера установил, что во внутренних зеркалах duckdb нет вовсе
|
||||
(BLOCKER → план Б wheel'ом с публичного PyPI) и что названный в тикете
|
||||
кандидат convert_dtypes теряет точность через float64 — исполнитель
|
||||
сразу пошёл верным путём.
|
||||
- Фактическое противоречие ревьюеров (верхний cp37-wheel duckdb: «0.10.3»
|
||||
у Клода против «1.2.2» у Codex) оркестратор снял ОДНОЙ контрольной
|
||||
командой (`pip download` в контейнере) до триажа — дёшево, а от факта
|
||||
зависел пин. Приём: конфликт фактов — контрольный эксперимент, не
|
||||
голосование.
|
||||
- Слепые ревью кода: пересечение БОЛЬШОЕ (одна корневая тема — регрессии
|
||||
нового вывода типов против старого пути: int64-переполнение роняло
|
||||
загрузку, пробелы, BOOLEAN, inf). Контрпример к «пересечение ~ноль»:
|
||||
когда правка замещает хорошо определённое старое поведение, обе
|
||||
родословные сходятся на охоте за регрессиями — и это признак качества
|
||||
находок, а не растраты.
|
||||
- Перепроверка снова принесла хвост (смесь конечных с inf/-inf — DOUBLE):
|
||||
третий прогон подряд, подтверждён штатный режим.
|
||||
|
||||
**Прочее:** сетевые шаги с доступами пользователя (docker login/pull)
|
||||
координировались `!`-командой в чат — работает без трения. Первый полный
|
||||
прогон на gpt-5.6-sol как боевой модели — пользователь подтвердил цену,
|
||||
качество исполнителя и ревьюера без нареканий.
|
||||
|
||||
**Цифры:** постановка + двойное ревью постановки ~1 ч; реализация ~25 мин;
|
||||
2 круга триажа + 2 узкие перепроверки; тесты 36 → 45 → 46, зелёные в двух
|
||||
средах (современная + vendor-контейнер py3.7); приёмка оркестратора — оба
|
||||
прогона своими руками.
|
||||
|
||||
**Модели (датированная эволюция, к прогону 2026-07-13):**
|
||||
- Урок о скоропортящихся фактах: 2026-07-10 утечка gpt-5.6-sol из конфига
|
||||
считалась казусом («фронтир = дорогие лимиты»), 2026-07-13 пользователь
|
||||
переоценил — Sol умная и относительно недорогая, теперь боевой дефолт.
|
||||
Правило «модель явно, из конфига не наследовать» выжило, но по другой
|
||||
причине: воспроизводимость, а не цена. Факты о ценах/лимитах моделей —
|
||||
датировать и перепроверять у пользователя, не тащить из прошлых сессий
|
||||
как вечную истину.
|
||||
- Effort medium на узких контурах подтверждён боем: круг починки одной
|
||||
находки и финальная перепроверка — чисто и быстрее high (до этого
|
||||
правило в codex-exec было гипотезой).
|
||||
- Роли от пользователя (2026-07-13): Опус — вкус и архитектура; Codex —
|
||||
исполнитель (лучше и дешевле); исследование — паритет, Codex дешевле.
|
||||
Кандидат на поглощение в SKILL.md (раздел «Роли»).
|
||||
- НЕ ОБКАТАНО (рыночная наводка из обзоров, 2026-07-13): gpt-5.6-terra
|
||||
medium/high для кода — на medium вдвое дешевле Sol на простых задачах
|
||||
при том же уровне, сильно лучше Sonnet; минусы — ощутимо дольше запуск и
|
||||
накладные на внешнюю оркестрацию. Вывод на сейчас: лимиты Codex у
|
||||
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. **Пересмотрено 2026-07-26**
|
||||
(см. ниже) — карта сдвинута на ступень вниз под Opus 5.
|
||||
|
||||
## Прогон 2026-07-21: yantar-dags, предразметка — этап постановки
|
||||
|
||||
- Issues в GitLab созданы по конвенции репозитория, но мимо критериев
|
||||
`/to-tickets`: без критериев приёмки чекбоксами, один тикет — два среза
|
||||
(две разные точки стендовой проверки). Поймал пользователь сверкой ПОСЛЕ
|
||||
публикации. Урок: сверка разбиения — до публикации, внутри `/to-tickets`.
|
||||
- Пользователь заметил избыточность: текст тикета проходил через мастера
|
||||
трижды (создание + проверка после создания + тщательное ревью перед
|
||||
выполнением) — по времени и токенам. Поглощено 2026-07-21: SKILL.md
|
||||
этапы 1–2 — `/to-tickets` как норма разбиения с меркой «тикет берётся в
|
||||
свежей сессии без общего контекста»; правило «одно ревью на версию
|
||||
артефакта» (сверка с пользователем = первая линия); шкала риска этапа 2
|
||||
(срез по принятой спеке без новых решений — внешнюю линию пропустить с
|
||||
одной фразой обоснования).
|
||||
|
||||
## Прогон 2026-07-22: clickstream-demo, issue #5 — счётчики стартовой истории
|
||||
|
||||
Полный конвейер (исполнитель → два слепых ревью → триаж → узкая
|
||||
перепроверка → стендовая приёмка) дошёл до цели, но шёл под ЧУЖИМ скиллом:
|
||||
вместо этого плейбука вызван codex-subagent-playbook — близнец для
|
||||
координатора на стороне Codex, на тот момент единственный из пары видимый
|
||||
модели для автовызова. Отсюда главный казус: канал запуска Codex
|
||||
«унаследовался» из handoff — конвейер пошёл через плагин-обёртку вопреки
|
||||
codex-exec.md и воспроизвёл её известные баги (ложный «started» с подменой
|
||||
ответа — issue #158, потерянные уведомления, несбрасываемый статус
|
||||
остановленной задачи, read-only песочница ревьюера — вердикт извлекали из
|
||||
лога задачи). Спас файловый контроль: мандаты и отчёты жили в `$SCRATCH`,
|
||||
дерево сверялось тестами. Поглощено 2026-07-23: близнецу поставлен
|
||||
`disable-model-invocation` и адресное описание («со стороны Claude Code —
|
||||
claude-subagent-playbook»); правила канала в codex-exec.md были и остаются
|
||||
действующим договором.
|
||||
|
||||
Казус двух исполнителей: молчащего исполнителя заменили свежим без
|
||||
остановки прежнего — в одном дереве оказались два писателя, дерево
|
||||
пришлось перепроверять тестами. Поглощено: «Сбои координации» (владение —
|
||||
только после остановки прежнего владельца).
|
||||
|
||||
Казус приёмки: сценарий стендовой приёмки трижды падал на непроверенных
|
||||
командах (способ аутентификации Airflow, маскировка кода выхода, имя
|
||||
колонки витрины), а инлайн-python с экранированием в heredoc сломался и
|
||||
после проверки. Поглощено: SKILL.md этап 6 (команды нового сценария — на
|
||||
живом объекте до полного прогона, сложные вставки — файлами). Попутно:
|
||||
`pkill -f` в одной команде с запуском/ожиданием находит шаблон в
|
||||
собственной командной строке и убивает свой же Bash — дисциплина фоновых
|
||||
процессов зафиксирована в памяти проекта.
|
||||
|
||||
**Цифры:** триаж закрыл обе находки ревью (фрагментация наборов ID сняла
|
||||
потолок Kafka: манифест 3 152 байта вместо ~0,81 МБ); приёмка — плоское
|
||||
время next-day 716/718/716 с, мир 3 → 6 дней, 561 942 события; тесты
|
||||
216 + 31 зелёные.
|
||||
|
||||
## 2026-07-23: сверка близнецов после промаха скиллом
|
||||
|
||||
В кодексовый близнец перенесены проверенные здешними прогонами правила:
|
||||
одно ревью на версию артефакта, саморевью исполнителя и сквозная проверка
|
||||
до внешних линий, цена тихой ошибки как критерий уровня, проверка внешних
|
||||
фактов первоисточником, партнёр в петле. Обратно взяты «Пределы
|
||||
параллельности» (глубина один; второй обзор ради отдельной линии, а не
|
||||
свободного слота) — в SKILL.md, раздел «Роли». Скилл переведён на
|
||||
автовызов моделью (описание с триггерами), близнец скрыт
|
||||
`disable-model-invocation` — пара промахов исключена с обеих сторон.
|
||||
|
||||
## 2026-07-23: taste-слепота триажа — «закрыть находку тестом»
|
||||
|
||||
Прогон course-labs-redesign (issue #7, docs-only). Codex на триаже закрыл
|
||||
9 из 10 находок честно, но каждую сопроводил контрактным тестом с
|
||||
дословной цитатой учебной прозы (+7 хрупких тестов в
|
||||
test_world_dags_contract.py: «не сравнивай», «днём 5» и т.п.). Формально
|
||||
безупречно — «regression-тест на находку», по сути мусор: прибитая фраза
|
||||
падает при любом честном рерайте текста, а не при дефекте. Обе линии
|
||||
слепого ревью прошли раньше триажа и этого видеть не могли; поймал
|
||||
пользователь, читая незакоммиченный дифф.
|
||||
|
||||
Решения пользователя (перенесены в память проекта:
|
||||
claude-reviews-code-meaningfulness): 1) в линзу Claude-ревьюера добавлять
|
||||
осмысленность кода — «заслуживает ли существования каждый добавленный
|
||||
артефакт», не только соответствие постановке; 2) срезание/переписывание
|
||||
бессмысленного кода поручать Опусу, не Codex («у него куда лучше вкус»).
|
||||
Механика: узкую перепроверку после триажа давать той линзе, что видит
|
||||
дифф триажа целиком, — иначе taste-дефекты триажа не увидит никто.
|
||||
|
||||
Попутно: образец заражает — исполнитель добавлял прозаические тесты,
|
||||
следуя уже существующим в файле (жанр «тест на фразу README» там был до
|
||||
него). Чистка легаси-жанра — отдельным issue (#24), не в ветке фичи.
|
||||
|
||||
## Решение пользователя 2026-07-26: эффорт-карта Claude-субагентов под Opus 5
|
||||
|
||||
Скилл писался под Opus 4.8; у Opus 5 усилия распределены иначе, и `high`
|
||||
стал верхней рабочей ступенью — выше неё смысл появляется редко. Карта в
|
||||
SKILL.md сдвинута на ступень вниз: `high` — ревью постановок и планов
|
||||
(было `xhigh`); `medium` — слепое ревью (было `high`) и узкие
|
||||
перепроверки; default — механика. Нижняя граница ревью опущена с `high`
|
||||
до `medium`.
|
||||
|
||||
Сдвиг неравномерный (оценка пользователя, заведомо условная): `high` у
|
||||
Opus 5 по отдаче ближе к прежнему `xhigh`, а `medium` — чуть ниже
|
||||
прежнего `high`. То есть на ревью постановок потеря близка к нулю, а на
|
||||
слепом ревью просадка есть, но меньше, чем выглядит по названию ступени.
|
||||
|
||||
Следствие: ступеней теперь меньше, чем этапов, — слепое ревью и узкие
|
||||
перепроверки делят `medium`. Это осознанно: эффорт задаёт лишь потолок
|
||||
глубины поверх выбранной модели, тонкая настройка идёт промптом.
|
||||
|
||||
`deep-reasoner` остаётся на `high` (решение пользователя): понижать
|
||||
специалиста по рассуждению не надо. В роли фолбэк-ревьюера он приедет
|
||||
ступенью выше карты — принято осознанно, карта задаёт минимум для роли,
|
||||
а не потолок для агента.
|
||||
|
||||
Оси не путать: механика едет на Sonnet (`fast-worker`, модель пришита в
|
||||
определении), и ярус «default» там означает «эффорт не крутить», а не
|
||||
дешёвый режим Опуса.
|
||||
|
||||
Не изменилось: эффорт Codex (`references/codex-exec.md`) — там своя
|
||||
шкала, по сложности; запрет менять effort между резюмами одного треда; и
|
||||
главный предел — от уверенной выдумки внешних фактов не страхует никакой
|
||||
эффорт (казус CODE-1).
|
||||
|
||||
### Открытый вопрос 2026-07-26 — закрыт 2026-07-31
|
||||
|
||||
Проверено по схеме Agent-тула: ручки `effort` у него нет — ступень
|
||||
задаётся только `effort:` во фронтматтере определения агента или
|
||||
`opts.effort` в Workflow. Поглощено рефакторингом 2026-07-31: карта в
|
||||
SKILL.md переписана на определения, в claude-agents.md добавлена
|
||||
заготовка `adversarial-reviewer` (opus, medium), фолбэк «скептический
|
||||
general-purpose» снят.
|
||||
|
||||
### 2026-07-30: классификатор авторежима блокирует `-s danger-full-access`
|
||||
|
||||
На запуске Codex-исполнителя (прогон тикета #12, кластер ClickHouse)
|
||||
классификатор авторежима Claude Code заблокировал команду с
|
||||
`-s danger-full-access`. Рабочая замена — не полный доступ, а песочница
|
||||
с поштучной эскалацией:
|
||||
|
||||
```
|
||||
-s workspace-write \
|
||||
-c 'approval_policy="on-request"' \
|
||||
-c 'approvals_reviewer="auto_review"'
|
||||
```
|
||||
|
||||
Команда, которую песочница не пустила (docker и т.п.), эскалируется, и
|
||||
авто-ревьюер Codex её одобряет — запуск уходит мимо песочницы штатно.
|
||||
|
||||
Почему это лучше, а не просто обход: привилегия меньше («всё разрешено
|
||||
заранее» → «поштучно и в логе»), и на приёмке можно посмотреть, какие
|
||||
именно команды прошли мимо песочницы, — с полным доступом такого списка
|
||||
не существует. Оговорка: `auto_review` делает песочницу совещательной —
|
||||
эскалации одобряет автоматика самого Codex, поэтому мандат «исходники
|
||||
вне ветки не трогать, окружение не ломать» по-прежнему держится на
|
||||
промпте, не на песочнице (см. правило в SKILL.md).
|
||||
|
||||
Классификатор при этом не враг: по отзывам сообщества, именно он в
|
||||
авторежиме иногда спасает данные от разрушительных команд. Считать его
|
||||
подсказкой «сузь привилегию», а не препятствием, которое надо обойти.
|
||||
|
||||
Дополнение по итогам прогона (тот же день): рецепт исполнителя в
|
||||
`codex-exec.md` штатную связку уже содержал — `danger-full-access` был
|
||||
отступлением сессии-оркестратора «на всякий случай» под docker. Прогон
|
||||
подтвердил, что запас не нужен: под штатной связкой у Codex прошли и
|
||||
сеть (`docker manifest inspect`), и docker-сокет (`make up`, `docker
|
||||
compose down`); отдельных событий эскалации в `--json`-логе нет —
|
||||
успешные команды выглядят обычными `completed`. Кавеаты в
|
||||
`codex-exec.md` обновлены, пометка «боем не обкатано» снята.
|
||||
|
||||
## 2026-07-31: решение о вкусовой линзе неделю не доезжало до механизма
|
||||
|
||||
Прогон clickstream-data-platform, тикет #18 (пробные DAG в Airflow).
|
||||
Решение 2026-07-23 («в линзу Клод-ревьюера — осмысленность кода») жило в
|
||||
записи уроков и в памяти ТОГО проекта, но в `prompts/`/`prompt-templates.md`
|
||||
не попало. Оркестратор собрал линию TASK `cat`'ом из заготовки — и ревьюер
|
||||
не был обязан спрашивать «не дичь ли это». Пользователь заметил это сам,
|
||||
по ходу прогона, дословно: «Бывает когда сделано формально правильно, а по
|
||||
сути - дичь».
|
||||
|
||||
Урок общий: решение, записанное только в уроки, следующим прогоном не
|
||||
исполняется. Память пообъектная — в другой репозиторий она не едет; ехать
|
||||
может лишь механизм, который подшивается в промпт. Поглощено 2026-07-31:
|
||||
`prompt-templates.md`, заготовка `line-task.md` + оговорка о родословной.
|
||||
|
||||
Вторая половина того же решения (узкую перепроверку после триажа отдавать
|
||||
линзе, видящей дифф триажа целиком) сработала: перепроверка ушла той же
|
||||
линии TASK, и ей отдельно задан вопрос про `tests/dag-probes-unit.py` —
|
||||
файл, которого в тикете не было и который исполнитель добавил на починке.
|
||||
|
||||
Две сильнейшие находки линии TASK в этом прогоне — из класса, который
|
||||
новая формулировка называет прямо, а старая не называла: молчаливый опрос
|
||||
`1800 × docker compose exec` (выглядит как 90 с, на деле ~8 мин при 0,36 с
|
||||
на итерацию) — несоразмерность; пробник, не проверявший, на каком шарде
|
||||
оказался его маркер, — проверка без доказательства своего утверждения.
|
||||
|
||||
Правки того же дня прошли слепое ревью по `/writing-great-skills`
|
||||
(CHANGES_REQUIRED, 5 MAJOR): пять примеров в линзе сокращены до трёх с
|
||||
ведущим словом `Taste:`, разрез по родословной переведён с цитаты фразы на
|
||||
блок целиком, снята устаревшая копия описания линзы в SKILL.md. Ревью
|
||||
подтвердило, что само расширение линзы не пустышка: прежний текст был
|
||||
целиком про соответствие постановке, и вкусовая находка уезжала бы в
|
||||
«вне скоупа».
|
||||
|
||||
## 2026-07-31: казусы координации (прогон #18, тот же день)
|
||||
|
||||
- Молчание субагента ≠ смерть. Клод-ревьюер шёл 59 минут, не сбрасывая
|
||||
транскрипт на диск (153 байта с момента старта). Оркестратор счёл его
|
||||
мёртвым и поднял дубль — тот писал бы вердикт в ТОТ ЖЕ путь и затёр бы
|
||||
находки; спасло только то, что уведомление пришло раньше. Правила:
|
||||
признак жизни — уведомление харнесса, не размер журнала; замене давай
|
||||
ДРУГОЙ путь вердикта; в обёртке проси писать индекс инкрементально.
|
||||
- Отчёт ревьюера о состоянии среды — не факт. Линия CODE вернула «все
|
||||
долгоживущие службы здоровы», а `kafka` и `prometheus` лежали `exited`:
|
||||
их погасил её же страж и не поднял. `docker compose ps` без `-a`
|
||||
погашенных не показывает вовсе — легко принять за здоровый стенд.
|
||||
Разбор журнала сессии: ревьюер написал `trap ... EXIT` с `make up` и
|
||||
счёл восстановление состоявшимся, не проверив его. Ровно тот дефект,
|
||||
который вкусовая линза и должна ловить, — проверка, проходящая без
|
||||
доказательства собственного утверждения, — только допустил его сам
|
||||
ревьюер. Заодно оттуда же: он дважды вызвал `spawn_agent`, то есть
|
||||
развернул своих субагентов вопреки правилу «глубина один». Правило
|
||||
живёт в SKILL.md для оркестратора и до Codex-ревьюера не доезжает —
|
||||
писать его в мандат.
|
||||
- Две линии ревью на одном живом стенде мешают друг другу: стражи гасят
|
||||
службы и роняют таблицы, параллельная линия получает загрязнённые
|
||||
прогоны (заметили обе, независимо). Либо стенд одной линии, либо явный
|
||||
запрет ломающих команд второй.
|
||||
|
||||
- Зелёное из терминала виснет в фоне. Приёмочный прогон встал навсегда на
|
||||
`make smoke-cluster`: `clickhouse-client` у запроса INSERT дочитывает
|
||||
данные со стандартного ввода и ждёт его конца, а у фонового процесса
|
||||
конец не наступает. Из терминала та же команда всегда была зелёной, ни
|
||||
одно из двух ревью этого не видело. Приёмка оркестратора нашла то, чего
|
||||
не нашли обе линии — потому что запускала иначе.
|
||||
|
||||
Поглощено рефакторингом 2026-07-31: обёртка Клод-ревьюера
|
||||
(инкрементальная запись индекса), «Сбои координации» SKILL.md (признак
|
||||
жизни — уведомление; замене — другой путь вердикта; среда — своими
|
||||
глазами), этап 4 (стенд одной линии), этап 6 (stdin фонового запуска),
|
||||
мандат review-boilerplate (глубина один; проверка восстановления среды).
|
||||
|
||||
**Цифры:** тикет — 20 критериев, переписан дважды (двойное ревью постановки
|
||||
сняло невозможный критерий: ноды кластера — шарды, не реплики). Саморевью
|
||||
исполнителя 3/2. Слепые ревью: CODE — APPROVED без находок, TASK — 8;
|
||||
перепроверка мутациями добавила ещё 2, все 10 закрыты. Приёмка на чистых
|
||||
томах: `make up` 116 с, `make smoke` 25/0, память стенда 2244,0 MiB при
|
||||
пороге 3,4 ГБ, `make smoke-cluster` 8/8 за 7 с — и одно зависание на 23
|
||||
минуты до починки.
|
||||
|
||||
### Открытый вопрос 2026-07-31 — закрыт рефакторингом того же дня
|
||||
|
||||
- Константы — файлами в `prompts/`: line-task, line-code, line-rev,
|
||||
self-review; вкусовая линза с базой двенадцати запахов Фаулера из
|
||||
`/code-review` Мэтта Покока — `line-taste.md`, разрез — выбором файла
|
||||
в `cat`. Оттуда же правило «линии не сливать в один ранжир» — этап 5.
|
||||
- Третья ось — вкус: матрица Тео (@t3dotgg) получена от пользователя с
|
||||
поправкой под gpt-5.6-sol/Opus 5 (интеллект вырос, вкус прежний) —
|
||||
references/model-matrix.md. Разрез по подзадачам на этапе 1, сначала
|
||||
вкусовая часть (задаёт форму), один писатель в дереве — в силе.
|
||||
- «Родословная» разведена на **семейство** (классы находок) и
|
||||
**свежесть** (независимость от автора): «Роли» и этап 4 — линия
|
||||
дефектов по различию семейства, линия уместности по умению (модель со
|
||||
вкусом), при высокой цене ошибки уместность — третьей модели. Перенос
|
||||
из `AGENTS.md` стенда кликстрима состоялся.
|
||||
- Дополнение того же дня (решение пользователя): вкусовую реализацию
|
||||
ведёт `craftsman` (opus, `medium`) — ошибка реализации громкая,
|
||||
конвейер ловит, вкус едет с моделью, не с эффортом; `high` на
|
||||
реализации не дефолтить.
|
||||
- Слепое ревью рефакторинга (Опус, по writing-great-skills):
|
||||
CHANGES_REQUIRED — 7 MAJOR, 17 MINOR, 3 NIT; закрыто тем же днём.
|
||||
Главное: эффорт-карта с обоснованиями демотирована в claude-agents.md
|
||||
(SSOT — там, где живут `effort:`), хвост «Ролей» ужат втрое, фрагмент
|
||||
CLAUDE.md приведён к прямому exec и ревью-линии Codex, критерий
|
||||
этапа 3 обобщён на двух исполнителей, конфликт имён этапа 2 снят
|
||||
(ревьюер постановок — `deep-reasoner`). Отклонено два: порог
|
||||
«вкус ≥ 7» (содержательная граница: пропускает Sonnet, отсекает Sol) и
|
||||
мандат внутри определения `craftsman` (определение уезжает в
|
||||
репозитории без скилла — самодостаточность важнее дедупликации).
|
||||
- Позже тем же днём (решение пользователя): три Опус-определения
|
||||
избыточны — определений нужно ровно столько, сколько различных пар
|
||||
(модель, ступень) в карте, а роли живут в бриф-файлах.
|
||||
`adversarial-reviewer` слит в `craftsman` (opus, medium — исполнение
|
||||
брифов: вкусовая реализация, слепое ревью, перепроверки); упоминание
|
||||
заготовки adversarial-reviewer в записях выше — история того дня.
|
||||
Дописывай после каждого прогона в конец файла — это и есть «выжимка
|
||||
опыта», ради которой скилл существует. Правку старых записей согласуй с
|
||||
пользователем: это долговечная эмпирика.
|
||||
|
||||
Журнал накопительный, поэтому у него есть архив: записи с 2026-07-06 по
|
||||
структурный рефакторинг 2026-07-31 включительно лежат в
|
||||
[lessons-archive.md](lessons-archive.md) — они описывают заметно другую
|
||||
редакцию скилла. Живые хвосты тех записей перед переездом сведены в
|
||||
очередь на механизм (запись 2026-08-03). Когда файл разрастётся снова —
|
||||
подвинь границу и перенеси старое туда же: архив вне пути чтения
|
||||
прогона, поэтому его длина ничего не стоит, а дистилляция стоила бы
|
||||
потерянных историй.
|
||||
|
||||
## 2026-07-31: одёргивания за день прогонов (Opus 5-координатор, старая редакция)
|
||||
|
||||
|
||||
Reference in new issue
Block a user