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

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. 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): при наблюдавшемся запуске через memfd помог профиль на бинарь Codex. Актуальная настройка и границы этого обхода — в 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) — уточнено 2026-08-03: ключи сверены на 0.145.0 и не совпали, у resume есть -m, -o, --json, --strict-config, нет только -s и -C; 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.