textmachine/eval/dovodka/SESSION-30-08.md

20 KiB
Raw Blame History

СЕССИЯ 2930.08 — ЖУРНАЛ И ПРОМТ ВОССТАНОВЛЕНИЯ ПОСЛЕ КОМПАКТА

⚠⚠ ЭТОТ ФАЙЛ — ПРОМТ ДЛЯ СЕССИИ ПОСЛЕ КОМПАКТА. Заведён по слову владельца 30.08 («контекст приближается к компакту, напиши себе скратчпад»). Читать ЦЕЛИКОМ, не грепом. Норма D39.121: сохраняются список изменённых файлов · незакрытые находки и диспозиции · обязательства и открытые вопросы · команды. ⚠ Персист, не scratch (норма владельца 01.08): файл лежит в зоне и коммитится, потому что эфемерный scratchpad умирает вместе с сессией.

0. КТО ТЫ И ГДЕ

Полигон-сессия TextMachine с полномочиями оркестратора в зоне полигона (слово владельца 29.08: можешь коммитить). Зона записи: eval/ + docs/experiments/ + секция «Полигон» в docs/PROGRESS.md. Ветка polygon, дерево держи чистым.

Подпись коммитов. 30.08 владелец сменил имя в gitconfig на heaven <vojochatdev@gmail.com> и попросил перегенерить локальные коммиты ветки. Сделано filter-branch-ем по диапазону 28c2d0f..polygon: 35 коммитов пере-подписаны, хеш дерева HEAD не изменился (24bb72e4… до и после — доказательство, что содержимое цело), авторские даты сохранены, origin/polygon остался предком (push пройдёт без force). Бэкап: ~/tm-backup-2026-08-30/polygon-before-rewrite.bundle, старая история в refs/original/refs/heads/polygon.

1. ЧТО БЕЖИТ ПРЯМО СЕЙЧАС — ПОКУПКА, САНКЦИОНИРОВАННАЯ И НЕ СДЕЛАННАЯ

Владелец 30.08 дословно: «Да, по поводу дипсика — бери».

Пре-рег Д45 отчёта docs/experiments/23-editor-tier.mdзаморожен коммитом 87dd124. Арм RNL заведён в rol.py (ARMS + THINK_LEVEL["RNL"]="low"), провод прочитан вслух, промт сверен побайтно с RN (True). Фильтр --only= добавлен, селфтесты зелены. Клетки НЕ куплены.

Следующая команда, ровно она:

eval/.venv/bin/python eval/dovodka/rol.py --buy en RNL --only=001e6ac4

ПРАВИЛО РЕШЕНИЯ ПО ЭТОЙ ОДНОЙ КЛЕТКЕ (записано ДО неё, Д45.1) — не пере-открывать:

  • reasoning_tokens < 5 000 ⇒ ручка работает, покупаешь остальные 15: --buy en RNL;
  • ≥ 10 000 ⇒ ручка НЕ работает, СТОП, 15 клеток не покупаются, пинг в квирк-бюллетень «вендор-дока разошлась с поведением»;
  • 5 00010 000 ⇒ СТОП и вопрос владельцу.

ПОКУПКА ЗАБЛОКИРОВАНА 30.08 — И НЕ ДЕНЬГАМИ. --buy упал на KeyError: 'DEEPSEEK_API_KEY'. Причина найдена и НЕ обойдена: в eval/.env у ВСЕХ СЕМИ ключей пропали подчёркиванияDEEPSEEKAPIKEY вместо DEEPSEEK_API_KEY, и так же GEMINI/OPENAI/XAI/ZAI/KIMI/MISTRAL. Код читает os.environ["DEEPSEEK_API_KEY"] (roster.py:41,45), load_dotenv отрабатывает, но имени такого нет. ⚠ Значения ключей я не читал и не читаю — снято только СПИСОК ИМЁН и признак непустоты. Файл владельца НЕ ТРОГАЮ, обёртку-переименовалку НЕ пишу: это ровно тот молчаливый workaround, который канон запрещает («ошибка тихо становится нормой»). Чинит владелец одной правкой; после этого команда покупки — та же, что выше. ⚠ Это ТРЕТЬЯ тихая поломка от переезда машины, после путей ~/books (65 вхождений в 31 файле) и обнулённых mtime (Д35.2). Класс один: переезд ломает окружение молча, и каждая поломка обнаруживается только исполнением.

КЛЮЧИ ПОЧИНЕНЫ ВЛАДЕЛЬЦЕМ 30.08, ПРОБА КУПЛЕНА. Все семь имён в eval/.env восстановлены, живой вызов прошёл. Результат пробы — СРЕДНЯЯ ПОЛОСА: reasoning_tokens = 7 748 (правило 5 00010 000) ⇒ СТОП, пятнадцать клеток НЕ куплены, вопрос владельцу. Разбор — Д45.5. Коротко: ручка на pro ДЕЙСТВУЕТ (размышление ×2.52 вниз, цена ×2.16, промт побайтно тот же), но не на порядок, как ждал пре-рег. Эхо не пере-вооружилось (кириллица 1.000, латиницы 0). ⚠ Денег на пачку впритык: свободно $0.247, оценка $0.180.56 (проба была ХУДШЕЙ главой панели).

ПОСЛЕ КОМПАКТА 30.08 ДОБАВЛЕНЫ СЕКЦИИ Д46 и Д47, И ОНИ МЕНЯЮТ ДИСПОЗИЦИЮ.

  1. Бесплатная улика важнее купленной. При побайтно одинаковых messages вызов без параметра дал prompt_tokens 3270, с low3191: 79, серверная реакция. Два контроля детерминизма: замер 05.08 (дефолт и low дали ОДИНАКОВЫЕ 2124) и пред-полётные пробы рига (84 · 84 · 84 · 84, четвёртая — 30.08, через смену сервинга). ⇒ параметр ДОХОДИТ до модели, и это стоило $0. Квирк-бюллетень: новая запись 3г, статус закрыт в части «доходит ли».
  2. Пре-рег Д45 конфаундирован — и НЕ дрейфом, как я написал сначала, а СМЕНОЙ ВЕНДОРСКОГО СЕРВИНГА между 21.08 и 30.08 (её же зафиксировала вахта Д44). Дрейф — второй и слабее: у него есть знак, и он работает против нуля. Лечение у обоих одно: оба арма в ОДНОМ блоке, вперемежку.
  3. Неконфаундированный замер КУПИТЬ МОЖНО, и он вчетверо дешевле замороженного — дизайн Д: интерливинг RN2 против RNL на восьми дешёвых главах, $0.0780.133 при свободных $0.2472, n=8, минимальный двусторонний p = 0.0078. Пре-регистрация — Д47, не куплено. Д47 ЗАПУЩЕН ПО СЛОВУ ВЛАДЕЛЬЦА («Запускай») И ОСТАНОВЛЕН ГАРДОМ ПОСЛЕ ПЕРВОЙ ЖЕ ПАРЫ. Списано $0.134804, ФД-N теперь 3.187585 из 3.30 (свободно $0.1124), потолок НЕ поднимался. Результат: побайтно один промт, одна глава, ручка не слалась ни разу — 21.08 модель думала 466 токенов, 30.08 — 17 757, то есть ×38. ⚠⚠ Причина НЕ УСТАНОВЛЕНА (Д47.7): по лучшей оценке разброса (sd логарифма 0.82 ⇒ одно sd = ×2.3) это ≈3.1 sd — редко, но возможно; «модель сдвинулась» и «выпал хвост» обе живы, чистых повторов одного промта на роли onepass в корпусе НЕТ. Устояло то, что важнее: одиночные розыгрыши сравнивать нельзя ни при какой гипотезе — это осуждает и дизайн А, и мой дизайн Д. Внутри блока ручка дала ×1.40 (меньше, чем ×2.52 через девять дней — конфаунд эффект РАЗДУВАЛ); годных пар 1 из 8, p=1.0 ⇒ величина НЕ УСТАНОВЛЕНА, добор глав запрещён. Побочно: prompt_tokens = 3256 и 21.08, и 30.08, а low двигает их ровно на 79 — Клейм 1 подтверждён на боевом промте. Цена ответов посчитана (Д47.8): эффект ×2.5 — 13 пар (≈$1.1), ×2.0 — 22 (≈$1.8), ×1.4 — 93 (≈$7.6); «сдвиг или кости» — 4 повтора без ручки, ≈$0.31. Приоритет не сюда: ручка даёт ×1.42.5, а смена модели на луну — ×711, и она упирается в кап сессий (нужно 16, свободно 14), а не в деньги. Разбор — Д47.6, носитель вывода — eval/dovodka/stupen.py (написан ДО клеток). ⚠ Операционное: отказ гарда возвращает код 1, но в ФОНОВОМ shell set -e цикл не остановил — семь итераций отработали вхолостую ($0). Следующий цикл покупок несёт || break в теле.

Прежняя развилка (закрыта): (а) пятнадцать клеток по фризу Д45 — НЕ покупать ни при каком ответе; (б) Д47 — по его слову. Величина среза остаётся НЕ УСТАНОВЛЕННОЙ, и так и записана.Первая редакция Д46 утверждала «ни один неконфаундированный дизайн не влезает» — ЭТО БЫЛО НЕВЕРНО (пропущена дешёвая восьмёрка). Сломал адверсариальный проход, разбор — Д46.6. Там же — единственная находка прохода, которую я ОТКЛОНИЛ (корреляция по порядку вызовов: у всех 16 клеток RN один mtime, порядка не существует).

Зачем замер (одной фразой): развести конфаунд Д44.6 — весь разрыв «luna дешевле якоря в 8.1×» снят с якоря, которому ручку размышления не слали вовсе (= вендор-дефолт high), против испытуемого на явном low. По норме Д28 это разные армы.

Деньги: касса ФД-N, потрачено $3.014505 при потолке $3.30, свободно $0.285, смета ~$0.16. Потолок сессией НЕ поднимать. Гард остановит сам — порядок «одна клетка, потом пачка» для этого.

Ранговый эндпойнт (слепое чтение) в этой сессии НЕ снимается и объявлен таким ДО покупки: он стоит 16 агент-сессий, свободно 14 из 200 (израсходовано 186). Кап — слово владельца 20.08, поднимать решением сессии запрещено. Панель эмитируется и передаётся, либо владелец поднимает кап.

2. ЧТО СДЕЛАНО ЭТОЙ СЕССИЕЙ (секции отчёта — единственный носитель)

секция что там
Д35 переезд машины: окружение поднято · mtime обнулены ⇒ гейты на mtime не пере-снимаются · Gemini выбрасывает ПЕРВОЕ системное (улика sysmsg.py)
Д36 Шаг 4 плана 22.08 ЗАКРЫТ: вес ролевого промта ≈1.3 порога, и он на ПРОЗЕ, не на браке
Д36.8а блокер приёмки: декой не оказался последним, буква фриза требовала аннулировать панель — диспозиция за приёмкой
Д37 третий круг панели-0: шум прибора 0.34 порога, долг Д34.5 закрыт
Д38 ОТВЕТ на два главных вопроса владельца + статус Вопроса 0
Д39 сдача: сверка --final КРАСНАЯ, диагноз на каждую из трёх строк
Д40 приёмка исполнением своей же работы: 1 блокер + 6 важных, все с диспозициями
Д41 деньги: связка $127/книга, 90% — редактор, замена редактора → $20
Д42 сплошное чтение корпуса: «$11 за книгу» = июльский прайс · смена черновика = 6% · конфликт приборов
Д43 реестр потерянного: ~25 намерений, растерянных между планами
Д44 у якоря НЕ БЫЛО выключателя размышления · живая вахта 30.08: вендор изменил таблицу, low→low теперь и у pro · temperature на dspro молча игнорируется
Д45 пре-рег покупки (см. §1)

3. ОБЯЗАТЕЛЬСТВА И ВОПРОСЫ, ВИСЯЩИЕ НА ВЛАДЕЛЬЦЕ

  1. Ручка размышления: запускать ли Д47 — интерливинг на восьми дешёвых главах, $0.0780.133, влезает в свободные $0.2472 без поднятия потолка. Пятнадцать клеток по фризу Д45 не покупать ни при каком ответе. Если Д47 не запускается — фаза закрывается на «параметр доходит (замерено), величина среза не установлена (и записана как неустановленная)».
  2. Диспозиция по декою (Д36.8а) — считать Шаг 4 закрытым по цели или пере-собирать панель по букве.
  3. Кап агент-сессий: 186/200, ранговый эндпойнт Д45 требует 16.
  4. Шаг 7 (~$2 + движковый прогон) — единственный прибор под Вопрос 0; в резерв $1.26 не влезает.
  5. Пере-выбор ЧЕРНОВОЙ роли (PLAN-17-08.md:105-119) — его собственная развилка, потерянная всеми планами; приз 6%, разбор в Д42.5а.
  6. Прочее — Д43.1 (семь развилок).

4. ЧЕГО НЕ ДЕЛАТЬ

  • Не править реестр eval/dovodka/requirements.md — ни строки. Три красных в --final (R37, R71, R77) диагностированы в Д39.2 как ПРОТУХШИЕ УЛИКИ, а не невыполненная работа. Правка улик в момент сдачи = «дописать таблицу под результат».
  • Не чинить гейты под зелень (verify22.py не тронут ни одним коммитом сессии — проверяемо).
  • Не пере-эмитировать существующие теги (p0, p4, arch2, vendor2): раскладка есть функция соли и НАБОРА армов, пере-эмиссия превращает уже полученные ответы в мусор.
  • Не поднимать потолки касс и кап сессий решением сессии.
  • Не читать .env.
  • Не считать cost_usd в клетках списанными деньгами: roster.cost() вычисляет их из пина; весь леджер фазы — оценка (Д32.11, долг В21 перенесён с доказательством невозможности).

5. КОМАНДЫ

eval/.venv/bin/python eval/dovodka/rol.py --selftest        # ОБЯЗАТЕЛЕН перед покупкой
eval/.venv/bin/python eval/dovodka/rol.py --wire en --arm=RNL
eval/.venv/bin/python eval/dovodka/rol.py --buy en RNL --only=001e6ac4   # ← пробная клетка
eval/.venv/bin/python eval/dovodka/rol.py --buy en RNL   # ⛔ НЕ ЗАПУСКАТЬ НИКОГДА: дизайн А, конфаундирован
# Д47, ТОЛЬКО по слову владельца — интерливинг по главе, пара за парой, восемь глав из Д47.2:
#   for u in b065a92dc0 5a8f48d24a 100b088f71 49ca859c94 8e50448cea c3517980c7 3bd6481182 26c3bff1d4; do
#     rol.py --buy en RN2 --only=$u && rol.py --buy en RNL --only=$u ; done
eval/.venv/bin/python eval/dovodka/schet.py --report RNL RN RL           # П2, $0
eval/.venv/bin/python eval/dovodka/money_d.py --report | --selftest
eval/.venv/bin/python eval/dovodka/runs.py --report
eval/.venv/bin/python eval/dovodka/sysmsg.py                 # улика квирка Gemini
eval/.venv/bin/python eval/conformance.py eval/dovodka/requirements.md --final
python3 docs/scripts/counts.py --lint | grep ✗              # якоря доков

⚠ Окружение на чистой машине: ln -s <репо>/books ~/books + venv (eval/README.md, врезка про переезд).

6. ЧТО Я НАПУТАЛ ЗА СЕССИЮ — чтобы не повторить

  1. Объявил дефект движка живым, не посмотрев в код — он был закрыт лендингом 7d0c6f2 28.08.
  2. Напечатал контроль декоя пройденным по критерию, которого не было во фризе (блокер приёмки).
  3. Свалил luna и gemini в одну строку «цензур-ось не мерена» — у gemini она мерена и против него.
  4. Подал «однопроходка дешевле» без границы «прибор читает ОДНУ главу», хотя блокер про банк нашёл сам владелец 16.08.
  5. Написал «плана про луну нет» — план есть, PLAN-17-08.md §1б, и его потеряли все.
  6. Чуть не позеленил гейт R77 тем, что процитировал строку, которую гейт грепает.
  7. Три неточности чисел (знаки в матрице, описание метода класса Б, ложная точность) — поймал адверсариальный пере-счёт.

Общее у всех семи: вывод публиковался раньше, чем проверялся первоисточник. Ловили их — адверсариальные опровергатели и сплошное чтение корпуса, а не мои гейты.