dotfiles/agents/.agents/skills/claude-subagent-playbook/references/lessons.md

# Эмпирика прогонов

Датированные факты: что поймал каждый этап конвейера, казусы, цифры.
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)

Фидбек пользователя после дня работы со скиллом; ценно тем, что это
перечень мест, где координатора приходилось останавливать руками.

1. **Повторное ревью отревьюенной постановки.** Координатор ревьюит
   готовый тикет, уже прошедший ревью на этапе постановки. Правило
   «одно ревью на версию артефакта» в этапе 2 ЕСТЬ (записано
   2026-07-21) — и не держит. Класс отказа тот же, что с вкусовой
   линзой (запись 2026-07-31, в архиве): правило в прозе не исполняется, нужен
   механизм — например, перед этапом 2 координатор обязан назвать,
   какая версия тикета когда ревьюилась, и пропустить этап, если
   версия не менялась.
2. **Переоценка сложности.** Полный цикл ревью там, где хватило бы
   саморевью. Шкала риска этапа 4 есть — и тоже не держит: дефолт
   скилла «полный состав минус пропуски» (opt-out), координатор
   склонен к максимальной церемонии. Кандидат на следующий заход:
   перевернуть дефолт — минимальный хребет (постановка → исполнитель →
   саморевью → приёмка) + явные триггеры эскалации (opt-in); добавить
   слой дешевле, чем отменить запущенный.
3. **Код Кодекса нельзя показывать ученикам.** Формально задачу решает
   хорошо, но «не хочу их учить так писать» — это не дефект кода, это
   дефект назначения исполнителя. Боевое подтверждение оси вкуса,
   принятой этим же днём: в учебном репозитории почти всё читает
   человек → почти вся реализация уходит `craftsman`'у, Codex — на
   обвязку и инфраструктуру. Проверить следующим прогоном, снимает ли
   новый разрез эту боль.
4. **Скилл зовут ради механики субагентов, не ради конвейера.**
   Регулярный сценарий: дать агенту знание «субагенты существуют, вот
   как их звать» для специальной задачи — а вызов тянет весь конвейер.
   Это отдельная ветка использования: дисциплина делегирования (Роли,
   определения, файлы-вместо-пересказов) полезна вне цикла разработки.
   Кандидат: выделить её в лёгкий скилл или отдельную точку входа,
   чтобы «субагентная грамотность» не стоила 300 строк процесса.

Пункты 1–2 и 4 — открытый вопрос следующего структурного захода (сегодняшний
рефакторинг закрыт коммитом 3e0498e, не расширять задним числом).

## 2026-08-01: триаж судит находку, но не лечение (clickstream v2, тикет #36)

Конфигурация редкая: оркестратор и есть исполнитель — плейбук позвали
поверх готовой работы `/implement`, третьей линией (Кодекс, high) к двум
уже прошедшим Клод-линиям. Пересылать индекс некому, триаж вёлся в голове;
статусы по ID появились файлом только ради перепроверки, задним числом.

- **Все три находки верны, одно лечение — перебор.** REV-1 «имена не с чем
  сверить» я закрыл записью 47 имён второй копией — то есть прибил гвоздями
  решение чужого слоя (имена атрибутов складывает модель DDS, спека задала
  только вид имени). Поймал владелец вопросом «ты прибил гвоздями?», не
  процесс. Триаж в скилле судит находку (FIXED / REJECTED / …), а лечение
  проезжает без суда — тем более что колонка «как проверить» у Кодекса
  фактически лечение и предписывает.
- **`NEEDS_DECISION` был доступен и не сработал.** Починка замораживала
  решение будущего тикета — ровно его случай. Не опознал, потому что правка
  выглядела дешёвой: 47 механических строк. Урок-обобщение: дешевизна
  починки ничего не говорит о том, чьё это решение.
- **Перепроверка тем же ревьюером перебор не ловит структурно**: вернула
  `ALL_CLOSED`, подтверждая реализацию собственного предписания.
- **Промах в промпте ревью**: перечислены источники истины, но не «какие
  решения ещё открыты и кем владеются» — ревьюер физически не мог знать,
  что имена DDS не наши. Кандидат: обязательный блок открытых решений.
- Цифры: ревью 124 команды, 3 находки (2 MAJOR, 1 MINOR); перепроверка на
  medium — 46 команд. Одна находка фактическая (комментарий рекламировал
  торговые события, от которых спека отказалась) — её обе Клод-линии
  пропустили: подтверждение ценности другой родословной.

## 2026-08-02: перепроверка толкает лечение в обе стороны (clickstream v2, тикет #38)

Конфигурация та же, что 08-01: оркестратор он же исполнитель, Кодекс (high)
третьей линией к двум прошедшим Клод-линиям. Снова три находки, все верны;
снова другая родословная дала класс, мимо которого прошли обе Клод-линии —
честность тестов: сторож сравнивал день −N с днём N, а сталкиваются −N и N−1.

- **Перепроверка тем же ревьюером не судит соразмерность лечения ни в одну
  сторону.** 08-01 она вернула `ALL_CLOSED`, подтвердив исполнение
  собственного предписания; здесь на ту же починку — `NOT_CLOSED` с
  требованием недостижимого (полная неприкосновенность запомненной когорты:
  в numpy владелец памяти размораживается всегда, а вид всегда показывает
  `.base`). Одна дыра, две стороны. Приём: на `NOT_CLOSED` проверять не
  только факт, но и существует ли закрывающее состояние, и мерить цену
  альтернативы — здесь 16 МиБ копий на день вместо 2 мс, то есть размен
  реального свойства на защиту от умысла.
- **Долг 08-01 не закрыт: статус вешается на находку, не на лечение.** Здесь
  лечение судилось только потому, что владелец потребовал этого в
  постановке («Кодекс коварен, польза бывает очевидна на первый взгляд»).
  Механизма по-прежнему нет.
- **Новый класс: сломан не код, а измерительный прибор.** Цикл мутаций
  «правка → прогон → откат» внутри секунды оставлял устаревший `.pyc`
  (свежесть — по времени правки и размеру), тесты шли по байт-коду мутанта
  и падали на восстановленном дереве. Чуть не «починил» работающее. Линии
  ревью смотрят на код и такого не ловят; конвейер молча допускает, что
  проверялка оркестратора исправна. Приём: мутации гонять с
  `PYTHONDONTWRITEBYTECODE=1`, первым и последним прогоном — чистое дерево.
- **Польза линии пришла как «изменил, что я проверяю»**: находка развернула
  батарею мутантов на дерево зёрен, которое я считал очевидным, — там
  нашлись ещё два слепых сторожа. Слить ветвь дней с ветвью состава можно
  было, не уронив ни одного из 297 тестов.
- Цифры: ревью 68 команд, 3 находки (1 MAJOR завышен — сценарий требует
  сознательно снять флаг у массива, 2 MINOR); перепроверка на medium — 12
  команд; батарея 17 мутантов, выживших нет.

## 2026-08-02: долг «суда над лечением» закрыт шапками (clickstream v2, тикет #39)

Штатная конфигурация: реализация — Опус-мастеровой, линия кода — Кодекс (high)
свежим тредом, линия задачи и вкуса — свежий Опус. Долг двух прошлых прогонов
закрыт руками: в шапку триажа и в шапку перепроверки дописаны абзацы про
соразмерность лечения (заготовки прогона; перенесены в шапки 2026-08-03).

- **Ручка сработала трижды за один прогон.** Перепроверка вкусовой линии
  сама оценила правку спеки на перебор (вышла за границу промпта — принята
  с доводом: четыре фразы без поведения, чинят противоречие, внесённое этим
  же изменением), приняла закрытие маршрутом, отличным от подсказанного
  («запрет был не той половиной, которую надо чинить»), и обосновала
  соразмерность нового модуля. Без ручки всё три проехали бы молча, как в #36.
- **10 FIXED, 0 REJECTED — повод посмотреть на лечения, а не приговор.**
  Перебора не нашлось, но узнал я это проверкой, а не по отсутствию отказов.
- **Пересечение линий — ноль из десяти, и каждая принесла свою дыру в
  честности тестов.** CODE-1: слепок детерминизма не включал ни порядок
  колонок, ни публичные швы для соседнего тикета — перестановка колонок через
  вызов проходила все три сторожа. TASK-4: сторож правил нарезки ловил склейку
  двух визитов, но не разрез одного. Разные тесты, разные механизмы.
- **Тонкий лог перепроверки — повод проверить MAJOR самому.** 8 команд против
  58 в самом ревью; закрытие единственного MAJOR перепроверил своим зондом
  (перестановка колонок, правка каждого шва, стабильность того же дня) — закрыт
  честно. Цена приёма — один скрипт оркестратора.
- **Два отказа вызова Кодекса, оба от чтения правил без разбора.**
  `< /dev/null` по правилу «фоновому запуску закрывай stdin» убивает промпт,
  который сам идёт через stdin (`No prompt provided via stdin`), — правило не
  про этот случай. И `codex exec resume` (0.145.0) не принимает `-s`/`-C`:
  среда треда задана при создании и на продолжении не переуказывается;
  остальные ключи (`-m`, `-c`, `-o`, `--json`) те же, что у `exec`. Уточнено
  2026-08-03: хвост «песочница только через `-c sandbox_mode=…`» был неверен —
  ключ разбирается, но среду продолжения не меняет. Оба отказа закрыты по
  месту: `codex-exec.md` (рецепт resume и правило stdin), `SKILL.md` этап 6
  (правило `< /dev/null` сужено условием «нечего читать со входа»).
- Цифры: два ревью — 58 и 36 команд/инструментов, 10 находок (1 MAJOR,
  8 MINOR, 1 NIT); триаж — 10 FIXED; перепроверки на medium — 8 и 12; тесты
  297 → 353.

## 2026-08-02: шапки соразмерности сработали в третий раз (clickstream v2, тикет #40)

Конфигурация редкая по исполнителю: тикет залезал на территорию трёх соседних
(план состава #38, воронка и каталог #39), и вкусовую реализацию вёл не
`craftsman`, а `deep-reasoner` — решение пользователя, обоснование: не письмо
по готовой форме, а калибровка «померил — подкрутил — померил» под вилки мира.
Оправдалось: 41 минута, 26 новых тестов, числа мира легли в вилки с первого
захода. Линия кода — Кодекс (high) свежим тредом, линия задачи и вкуса —
свежий Опус.

- **Пересечение линий — одна находка из девяти, и обе линии описали её
  по-разному.** Полуночная потеря покупки при выжившей странице подтверждения:
  Кодекс сконструировал сценарий и дал MAJOR, Опус померил 14 канонических дней,
  нашёл ноль случаев и записал в необязательные соображения. Не спор, а два
  свидетельства об одном латентном дефекте (окно ~7 с на заказ). Приём:
  сводя вердикты, ищи не совпадение формулировок, а совпадение явления —
  разная оценка достижимости у линий нормальна и полезна.
- **Шапка соразмерности лечения окупилась на MAJOR'е.** Исполнитель отклонил
  маршрут ревьюера («проверь симптом там, где он виден») и починил слоем выше —
  граница суток даёт подтверждению место под торговый хвост. Довод сильный:
  починка внутри `commerce` двигала бы просмотры страниц при правке торгового
  подпотока, то есть ломала бы ровно то свойство, о котором вторая находка
  того же ревью. Без шапки предписание проехало бы молча, как в #36.
- **9 FIXED / 0 REJECTED — и одно ослабление порога всё же было.** TASK-3:
  группа стала строже (пары исключены), измеренный лифт упал ×4,7 → ×3,0,
  и порог теста опущен `> 3` → `> 2`. Обосновано, но это ровно тот ход, от
  которого предостерегает шапка, — судить его отдал перепроверке той линии,
  что находку и подняла. Вернулась CLOSED с воспроизведёнными числами.
- **Тонкий лог перепроверки Кодекса (10 команд) — снова повод проверить MAJOR
  самому.** Свой зонд оркестратора: 14 дней × два режима, включая стресс с
  часовым торговым хвостом (окно, в котором дефект жил) — ноль подтверждений
  без покупки и ноль покупок без подтверждения. Приём из #39 подтверждён.
- **Приёмка глазами нашла то, чего не даёт ни один вердикт: урок виден в
  данных.** Распечатал один визит целиком и померил разрыв: у 157 покупок из
  272 сумма по разобранным массивам не равна `purchaseRevenue` (2680 против
  2679,8). Ради этого копейки в каталог и заводились — без своего прогона
  осталось бы верить отчёту.
- Цифры: реализация 41 мин / 328k токенов, саморевью 8/8; ревью — Клод 33
  инструмента, Кодекс 120 команд; 9 находок (2 MAJOR, 5 MINOR, 2 NIT),
  пересечение 1; триаж 9 FIXED за 13 мин; перепроверки 13 и 10 команд, обе
  ALL_CLOSED + 1 новый NIT (повтор фразы в спеке, внесённый починкой TASK-2) —
  поправил сам по месту. Тесты 353 → 383.
- **Долг скилла остаётся тот же**: абзацы про соразмерность лечения третий
  прогон подряд пишутся руками. Закрыт 2026-08-03.

## 2026-08-02: сломанный прибор доезжает до коммита (clickstream v2, тикет #50)

Продолжение #40 после грилинга: реализация — `deep-reasoner` (калибровка
чисел мира), линия кода — Кодекс (high) свежим тредом, линия задачи и вкуса —
свежий Опус. Ревью постановки — одна линия (Кодекс), вторая пропущена: решения
уже прогриллены и лежат в спеке.

- **Ошибка измерения всплыла трижды на трёх уровнях, и ни разу её не поймал
  тот, кто мерил.** (1) Оркестратор мерил на зерне 0, а весь мир и все тесты
  живут на `CANONICAL_SEED` — поймало ревью постановки; (2) в знаменателе
  «просмотры карточек» сидели строки событий корзины, потому что событие
  садится на ту же страницу, — поймал исполнитель; (3) маска «строка с
  массивом товаров» захватывала и строку покупки — поймал сам оркестратор,
  сверив арифметику отчёта. Два из трёх уже уехали в коммит спеки. Класс
  дефекта не новый (#38 — устаревший `.pyc`), но новое здесь то, что прибор
  ломается на **чтении** данных, а не на прогоне, и потому переживает и
  тесты, и ревью кода. Приём: числа, попадающие в постановку и спеку, сверять
  арифметикой независимо от источника — сумма частей, тождества между
  колонками; и называть зерно явно везде, где написано «канонический день».
- **Наблюдение владельца по итогам дня: Кодекс дрейфует к букве.** Прогон
  его уточняет, а не подтверждает целиком. На **постановке** Кодекс работал
  ровно по смыслу — половина из девяти находок это охота на формальность
  («критерий закрывается одним визитом», «требование живёт в прозе, а не в
  чекбоксе»). На **коде** он вернул 1 MINOR за 120 команд и прошёл мимо
  главного дефекта прогона — дефекта цели, видного только тому, кто держит в
  голове, зачем тикет заведён. Часть промаха назначена линзой оркестратора
  («не дублируй вкусовую линию»), но остаётся устойчивый осадок из #36/#38/
  #40: **лечения** Кодекса буквальны даже внутри его линзы. Кандидат в
  механизм (не решение): требовать от линии Кодекса перед индексом один
  абзац — «что сделает эту правку провальной, даже если все критерии
  зелёные».
- **Шапка соразмерности сработала дважды за прогон.** Исполнитель отверг
  предложенный ревьюером ряд вероятностей, перемерив его (давал 1,84 при
  требуемых 2), и закрыл находку другим маршрутом; перепроверка поймала
  необязательный сдвиг порога (0,05 → 0,03 при измеренных 7,25% — старый пол
  проходил). Второе — новый факт: **порог, сдвинутый и честно объявленный,
  всё равно бывает лишним**; объявление снимает скрытность, но не заменяет
  проверку необходимости.
- **Ревьюер признал своё предложение неверным на перепроверке** — раньше
  такого не встречалось. Перепроверка, которой явно поручено судить лечение,
  судит и собственное предписание.
- **Приёмка глазами снова дала то, чего не даёт ни один вердикт**: один
  распечатанный визит показал новый сюжет целиком (шесть карточек, две в
  корзину, корзина не открыта) и заодно, что кладут не только магниты, —
  то есть главная правка видна на одном случайном примере.
- Казус: `make` в промпте звался из `generator/`, а Makefile лежит в корне —
  три «красных» прогона на пустом месте, и ревью постановки этого не поймало
  (команды проверки оно не запускало).
- Цифры: ревью постановки 32 команды / 9 находок, все приняты; реализация
  ~31 мин, саморевью 3/3; слепые ревью — Опус 28 инструментов / 7 находок,
  Кодекс 120 команд / 1, пересечение **ноль**; триаж 8 FIXED + второй круг
  на 1 новую находку, 0 отклонённых; перепроверки 15 и 18; тесты 383 → 394.
- **Долг четвёртый прогон подряд тот же**: шапки соразмерности так и не
  перенесены. Закрыт 2026-08-03.

## 2026-08-03: долг соразмерности закрыт, и найдена его настоящая причина

Сессия без прогона: разбор `lessons.md` по `/writing-great-skills` и правка
шапок. Долг, висевший с #39, закрыт — правки лежат в
`prompts/triage-header.md` и `prompts/recheck-header.md`, содержание там,
здесь не дублирую.

- **Причина не в размере починки, а в весе слова** (диагноз пользователя).
  Пока код писал Кодекс, а ревьюил Опус, послушный исполнитель был прав:
  ревьюер сильнее как архитектор. После разворота ролей — вкусовая
  реализация Опусом, ревью Кодексом — послушание стало вредным: Кодекс
  очень сильный исполнитель, но слабее как мыслитель-архитектор, настойчив,
  склонен к формализации без учёта высокоуровневой цели и продавливает
  Опуса на свои решения. Перекос усиливает разница ступеней: Опус на medium
  против Сола на high уступает ещё и по «званию».
- **Цифра под диагнозом**: #39, #40, #50 — около 28 находок, ноль
  отклонений.
- **Два кандидата сняты сверкой с эмпирикой, а не по вкусу.** Требование
  объявлять ослабление порога отдельной строкой — против него сам урок #50
  («объявление не заменяет проверку необходимости»), а оба случая (#40,
  #50) поймала перепроверка. Пункт «оценивай довод исполнителя, а не факт
  несогласия» — дубль строки, уже стоявшей в шапке.
- **Правило об арбитре в споре не писалось намеренно**: спора ни разу не
  было (ноль отклонений), правило под несуществующую ситуацию есть
  перерегулирование. Ждём первого отклонения — новые шапки как раз должны
  его породить.
- **Разбор самого файла**: 783 строки, 22 записи; собственное правило
  «поглощён урок — сожми до строки-факта» сработало один раз (07-12) и с
  тех пор нет — записи после него по 30–80 строк, часть держит вторую копию
  действующих правил SKILL.md. Дистилляция архива вынесена отдельным
  заходом.

**Очередь на механизм** (сведена сюда, чтобы не искать по всему файлу):
блок открытых решений в промпте ревью — «какие решения ещё открыты и кем
владеются» (#36); абзац от линии Кодекса «что сделает эту правку
провальной, даже если все критерии зелёные» (#50); приёмы против сломанного
прибора оркестратора (#38 — `PYTHONDONTWRITEBYTECODE=1` и чистое дерево
крайними прогонами; #50 — арифметика чисел, попадающих в спеку, и явное
зерно; #39/#40 — тонкий лог перепроверки как повод проверить MAJOR своим
зондом; #40/#50 — один пример целиком на приёмке); мелочи по месту —
сведение вердиктов по совпадению явления, а не формулировки (этап 5), ревью
постановки не запускает команды тикета (этап 2), оговорка про `< /dev/null`
рядом с приёмом в `codex-exec.md`; старьё — ранжирование правил задачи
(07-07), эхо файла задачи (07-13), A/B на gpt-5.6-terra (07-13), пп. 1–2 и 4
одёргиваний (07-31).

## 2026-08-04: находки холодного ревью долечены; запрет против значения

Сессия без прогона, продолжение 08-03: триаж находок холодного ревью самого
скилла. Что именно поправлено — в коммитах от `c18472e`, здесь не дублирую.

- **Правило, нарушаемое рассуждением, лечится значением, а не ещё одним
  запретом.** «Не режь ревьюеру read-only» стояло в двух местах — и было
  нарушено при сборке команды для этого же холодного ревью: не по
  незнанию, а доводом «ревью документа рук не требует». Промпт при этом
  сам обещал ревьюеру опыты во временных файлах, которые песочница
  запрещала, — тред пришлось убить и перезапустить. Вылечено тем, что
  песочница названа значением с причиной при нём, а ветке ревьюера дан
  целый рецепт: не осталось повода собирать команду руками.
- **Случай третий той же формы** (два прежних в архиве: 07-22 канал
  обёртки, 07-30 `danger-full-access` «на всякий случай» из-за оговорки
  «боем не обкатано»). Отказ скилла — не отсутствующее правило, а правило,
  оставляющее рассуждению право на исключение; оговорка в рецепте читается
  как приглашение к самодеятельности.
- **Скретчпад поднимается из транскрипта сессии.** Ребут стёр каталог;
  шесть документов восстановлены fast-worker'ом из JSONL сессии
  (`~/.claude/projects/<проект>/<id>.jsonl`): вызовы Write отдают тело
  дословно, файлы чужих процессов — из эха Read с обрезкой номеров строк.
  Не поднимаются промпты, ушедшие в `cat ... |` на stdin: их тело в
  транскрипт не попадало. Цена — 48k токенов субагента, три минуты.
- **Вывод под этим**: пережить сессию должно то, что лежит вне скретчпада.
  Индексы находок целиком не переносим — в handoff идут открытые, с
  номером и доводом линии; закрытые читаются по коммитам.
- **Диагноз пользователя: краткость исполнителя ломает решение.** Метку
  NEEDS_DECISION ставит тот, кто единственный держит код в голове, а
  наверх уходит голый вопрос — координатор кода не читал по устройству
  ролей, владелец тем более. Дословно: «Опус пишет так, как будто я очень
  хорошо разбираюсь в коде и проблеме, а так бывает далеко не всегда».
  Отсюда требование вариантов, их цены и рекомендации — и к исполнителю, и
  к координатору, когда он несёт развилку владельцу.

## 2026-08-06: вывод Кодекса теряет харнесс, а не версия

Запись переписана в тот же вечер: первая редакция валила отказ на версию
codex-cli 0.146.0 и была неверна. Развели две проверки — холодная A/B
(изолированная установка 0.146.0 рядом с глобальной 0.146.1, обе штатны) и
контрольные прогоны изнутри харнесса, где отказ живёт и на 0.146.1.

- **Версия ни при чём.** Чистые 0.146.0 и 0.146.1 на этой же машине пишут в
  перенаправленный файл штатно: `codex --version > f` — 18 байт, `--json` —
  семь строк JSONL с `thread.started` и `command_execution`. Списать отказ
  на версию — первый соблазн: он объясняет всё и не требует ничего. Цена
  проверки — десять минут на установку в отдельный префикс, и она стоит
  того, чтобы гипотеза не уехала в журнал утверждением.
- **Ось — файл против канала.** Изнутри харнесса T3 Code (SDK-хост) на
  0.146.1: `codex --version > f` — ноль байт и код 0, `codex --version |
  cat > g` — 18 байт. То же на полном вызове: `exec --json … > log` — пусто,
  он же через `2>&1 | cat > log` — семь строк, thread_id в первой,
  `command_execution` дважды. Отчёт `-o` пишется в обоих случаях: файлы,
  которые Кодекс открывает сам, целы — пропадает унаследованный дескриптор,
  когда за ним файл. Stderr так же: `Error loading config.toml…` виден
  только через канал. Отключение песочницы Bash ничего не меняет.
- **Тот же разрез объясняет и вход.** `exec - < prompt.md` изнутри даёт
  `No prompt provided via stdin` и код 1, `cat prompt.md |` работает; вне
  харнесса работают оба. Одна причина на обе находки первой редакции — и обе
  снимаются каналом.
- **Не всякий харнесс — этот харнесс.** В Claude Code CLI 2.1.223 на той же
  машине и той же 0.146.1 всё штатно: файл на выходе — 18 байт, лог — семь
  строк, `- < prompt.md` читается. Ярлыку «я в агенте» не верь, спроси среду
  сама — самотест стоит пять секунд и живёт предполётом в
  [codex-exec.md](codex-exec.md).
- **Лечение живёт в рецептах, не здесь.** Форма сбора — каждый поток своим
  каналом в свой файл — стоит там же, в предполёте, и включается по
  результату самотеста; сами рецепты не правились. Три вещи, которые стоили
  отдельной проверки. `2>&1 | cat` короче и подкладывает ошибку разбора:
  строка stderr в JSONL ломает `jq` и может встать первой вместо
  `thread.started`. Канал глотает код возврата (`false | cat` даёт ноль) —
  отсюда `set -o pipefail` в форме. Псевдотерминал из первой редакции не
  нужен: `script` давал тот же JSONL ценой `\r` и непереносимости.
- **Механизм не вскрыт.** Известно поведение, не причина: файл на входе и
  выходе дочернего процесса пуст, канал цел, песочница ни при чём. Пишу это
  свойством среды и не выдаю за объяснение.
- **Цена неверной атрибуции — коммит в репозиторий скилла.** Правило «пока
  причина не снята запуском с одним изменением, она гипотеза» у меня было —
  и не спасло: внутри серии я честно менял по одному параметру, но вся серия
  целиком стояла в одной среде, и согласованность её прогонов читалась
  подтверждением. Отсюда добавка к правилу: среда — тоже параметр, и первый
  кандидат на подозрение, когда наблюдение расходится с документацией
  инструмента. Сняла ошибку чужая проверка, не моя.
- **Уцелевшая ловушка**: запуск из недоверенного каталога (пробовал из
  `/tmp`) даёт `Not inside a trusted directory and --skip-git-repo-check was
  not specified.` Снаружи это видно в stderr и коде 1; изнутри харнесса
  сливается со всеми прочими отказами в пустоту и код 1.
- Цифры: два захода контрольных прогонов, промпт односложный («выполни
  `pwd`»), `model_reasoning_effort="low"`; отчёт `-o` — 46 байт в каждом,
  лог через канал — семь строк.