POPRAWA_KB — plan naprawy warstwy wiedzy (agentic_knowledge)#
Status po realizacji (2026-10-28): etap 0–4 wykonany na gałęzi
fix.kb-improvements; każda pozycja ma status i commit poniżej przy sobie. Testy:1624 passed, 19 skipped(zestawagentic), pełny przebieg2067 passed, 19 skipped.
Data przeglądu: 2026-10-25 · Zakres: llm_router_plugins/utils/knowledge/agentic_knowledge/,
llm_router_plugins/cli/plugins/utils/agentic_knowledge/, polityka
llm_router_plugins/resources/knowledge/agentic_knowledge.json.
Metoda: replay 841 nagrań z agents-conversation/codex/payloads-gold przez prawdziwy plugin
(fałszywy tylko silnik i strumień) + testy właściwości na kodzie syntetycznym + testy
jednostkowe repozytorium (593 passed, 1 skipped).
Ustalenia, które determinują plan#
| miara z korpusu | wartość |
|---|---|
dowody faz: command / test_failure / patch |
23 854 / 35 / 4 |
| różne wywołania, które zakończyły się porażką testu | 1 |
wywołania z kopertą *** Begin Patch przy 61 381 function_call |
5 |
narzędzie apply_patch na liście narzędzi tego buildu CLI |
brak (edycja przez exec_command) |
zapisane zdarzenia: recipe / playbook / deadend |
0 / 0 / 0 |
zapisane zdarzenia: session_archive / doc |
1 877 / 57 |
loop_count maksimum (próg eskalacji 3) |
1 |
| żądania wykonujące zapytania do silnika | 177 / 841 (429 wywołań, 2–3 na żądanie) |
| kwerendy z sygnaturą błędu / ze ścieżkami | 0 / 841 · 4 / 841 |
| tryby zwrócone przez router w 776 decyzjach | git_review 332, implement 171, test 138, plan 103, compaction 19, aux_title 13 — review 0, debug 0 |
Wniosek nadrzędny: baza nie uczy się, bo nie widzi edycji agenta (nie dlatego, że miner jest zły), a odczyt płaci latencją za zbiory, które są puste. Wszystko poniżej jest podporządkowane naprawieniu tych dwóch rzeczy, przy zachowaniu dwóch invariantów: warstwa nigdy nie podnosi żądania i nigdy nie myli repozytoriów.
Zasady obowiązujące przy wszystkich zmianach#
- Fail-open na ścieżce żądania pozostaje nienaruszalny; nowe ścieżki błędu kończą się adnotacją, nie wyjątkiem.
- Każda zmiana ma test regresji przed zmianą kodu (tam, gdzie da się go zrobić bez silnika).
- Klucze filtrów (
thread_id,scope,kind,mode,phase,category,source_file,doc_type) pozostają zapisywane bez maskowania. - Zmiany w
phase.py/payload.pydotykają też routingu — wymagają przejścia pełnegopytest -k agentic(nie tylkoagentic_knowledge).
ETAP 0 — kliny i utrata danych (P0, jeden dzień, ryzyko niskie)#
Te cztery poprawki nie zmieniają zachowania zdrowego ruchu; eliminują stany, w których warstwa przestaje cokolwiek robić albo kasuje własną wiedzę.
0.1 Worker: jedno zdarzenie zawiesza cały strumień#
Zrobione —
11e880fworker.py:386—self._config.collection(event.scope, event.kind)jest wywołane pozatry, więcValueErrorzconfig.py:141-143ucieka ponad pętlą batcha: zdarzenie nigdy nie trafia doXACK, licznik prób nie rośnie i każdy kolejny odczyt przetwarza batch od nowa.
- Zmiana: przenieść wyliczenie kolekcji do
tryi potraktować wyjątek jak zwykłe_settle_failure(entry_id, event, exc); dodatkowo log zentry_idi rodzajem przyczyny (bez treści). - Test: zdarzenie z
scope="-"w strumieniu → batch kończy pracę, zdarzenie po limicie prób zostaje odrzucone z logiem, pozostałe indeksują się normalnie. - Kryterium:
XPENDINGnie rośnie monotonicznie w czasie.
0.2 CLI dokumentów: --scope trafia do silnika bez normalizacji#
Zrobione —
9832570docs.py:219bierzeargs.scopedosłownie;--scope "-"albo" "produkuje scope, któregoconfig.collection()odmawia (czyli dokładnie sytuację z 0.1).
- Zmiana: przepuścić
--scopeprzezscope_key(...)/ten sam mechanizm co ścieżka proxy i przerwać z jasnym komunikatem, gdy wynik jest pusty (komunikat już istnieje dla przypadku domyślnego — rozszerzyć na jawne--scope). - Test:
--scope "-",--scope " ",--scope "../x"→ błąd walidacji przed jakimkolwiek zapisem do Redis.
0.3 Cofnięcie edycji pliku usuwa jego dokumentację#
Zrobione —
435379edocs_ingestor.py:1016-1049: odcisk dokumentu jest liczony z treści, aevents.pydeduplikuje poSET NX <fingerprint> EX 604800. Sekwencjav1 → v2 → git checkoutw oknie dedupu publikujedocs_prunena nazwie odv2, a publikacja kopiiv1zostaje cicho odrzucona jako duplikat. Dokument znika z kolekcji i nie wraca, dopóki treść się nie zmieni.
- Zmiana (dwuczęściowa):
docs_prunepublikowany wyłącznie dla plików, których dokument zastępczy faktycznie przeszedł (published, nieattempted— por.docs_ingestor.py:1040);- przy publikacji
docodświeżać TTL istniejącego claimu zamiast polegać na jego nieistnieniu (albo: claim per(fingerprint, document_name)z nadpisaniem). - Test: stan
v1→ skan (v2) → przywróceniev1→ skan; asercja: w kolekcji dokładnie jeden aktualny dokument pliku, astatewskazuje nazwę, która istnieje.
0.4 Scope: nazwy spoza ASCII tracą wiedzę albo mieszają repozytoria#
Zrobione —
f4ae064(normalizacja i transliteracja),baddc29(zgoda--scopez drogą nie-ASCII)scope.py:67,303— normalizacja[^a-z0-9._-]+→-kasuje znaki nie-ASCII.
Zmierzone: /home/u/проект, /home/u/日本, /home/u/- → scope pusty (cała warstwa bezgłośnie
niedziała); /home/u/repo-ą i /home/u/repo-ę → to samo kolekcja agentic_kb_repo;
ścieżki → cie-ki.
- Zmiana: transliteracja
unicodedata.normalize("NFKD", …)+ mapowanie znaku na ASCII przed usunięciem; gdy po transliteracji wynik jest pusty — deterministyczny skrót od pełnej ścieżki (sha1(path)[:8]) jako scope, nigdy pusty; kolizja dwóch różnych ścieżek do tego samego klucza jest błędem konfiguracyjnym logowanym raz na proces (ewentualnie wymuszającymscope.overrides). - Test: tabela
проект/日本/ścieżki/repo-ą/repo-ę— wszystkie dają niepusty klucz, różne ścieżki dają różne klucze, acollection()nigdy nie rzuca.
ETAP 1 — przywrócenie widzialności edycji (P0, wartość, 2–4 dni)#
Bez tego etapu pozostałe poprawki nie mają czego odzyskiwać: przy 4 dowodach patcha na 841 żądań
recipe, playbook i deadend pozostaną puste.
1.1 Rejestr dowodów patcha dla edycji przez exec_command#
Zrobione —
7323167(dowódweakzcat >/tee/sed -i/heredok pythona,metadata.edited_by="exec"; weryfikacja przepisu wymagastrong— hamulec z planu działa) Obecnie dowódpatchdają wyłącznie koperty*** Begin Patch(README: „a quoted envelope in a command that applies nothing does not count" — zasada zostaje). W tym buildzie CLI edycje idą przezcat > plik <<'EOF',tee,sed -i,python - <<'EOF' … write_text(...).
- Zmiana: wprowadzić dwa poziomy sygnału edycji:
strong(obecny) — koperta patcha: pozwala pisaćrecipe,playbook,deadend;weak— strukturalne zapisy pliku rozpoznawane z samej komendy i jej argumentów:cat > path <<EOF,… | tee path,sed -i,open(path, "w")/write_text(w heredoku pythona; dowódweakpozwala pisać tylkoplaybooki nigdy nie domyka weryfikacji przepisu. Nowe dowody trafiają dophase.py(wspólne z routingiem) z osobnymreason=, żeby dało się liczyć, ile z nich to fałszywe trafienia.- Ryzyko i hamulec: fałszywy patch → fałszywy playbook. Dlatego
weaknie startuje weryfikacji (_verifieswymaga zielonego przebiegu postrong), amineroznacza dokument polemmetadata.edited_by="exec"; polityka czytająca może go później odrzucić jednym filtrem. - Test: dla 10 nagrań z korpusu, w których agent zapisał plik przez
cat >, powstaje dowódweak; dlacat > notes.md <<EOFbez zmian kodu — nie powstajestrong.
1.2 Mierzalnik: dlaczego epizod nie powstał#
Zrobione —
b1e4de8(licznikino_failure/no_patch/not_verified/covered_by_recipe/publishedw diagnostyce minera) Zanim dołożymy cokolwiek dalej, niech mining mówi, czego zabrakło — dziś „brak zdarzeń" i „brak dowodów" wyglądają identycznie.
- Zmiana: liczniki w adnotacji
routing.knowledge.write:no_failure,no_patch,not_verified,covered_by_recipe,published. - Kryterium: po 1.1 na korpusie
no_patchspada z 100% do wartości odzwierciedlającej realne braki, a replay syntetyczny (failure → patch → green) dajerecipe.
1.3 Nie płakać nad pustym repozytorium#
Zrobione —
757b74d(zimny scope pomija wyszukiwanie wydobytą, archiwum i dokumentacja pytane jak zawsze) Repozytorium, które nie ma jeszcze żadnego wiedzy wydobytej, nie powinno płacić za jego przeszukanie.
- Zmiana: licznik zdarzeń zapisanych per scope w Redis (albo flaga „kolekcja istnieje");
dopóki zero — pomijamy szukanie po
recipe/playbook/deadend, zostawiającdocisession_archive. - Kryterium: na korpusie liczba wywołań silnika na żądanie spada z 2,4 do ~1,2 bez utraty czegokolwiek, co dziś wraca.
ETAP 2 — odczyt: jakość odpowiedzi i koszt (P1, 3–5 dni)#
2.1 Kwerenda bez tego, co wiadomo#
Zrobione —
223a823(sygnatura błędu itest_commandz minera do kwerendydebug;touched_pathsjadą z dowodów edycji z 1.1) Zmierzone: 0/841 kwerend ma sygnaturę błędu, 4/841 ma ścieżki — mimo że obie rzeczy są policzone w minerze i w adapterze.
- Zmiana A: wynieść sygnaturę z
miner._loop(wynik miningu już ją zwraca jakosignature_hash) doAgentTurn, aQueryBuilderma dokładać do kwerendydebugczytelnesignature(nie sam hash) +test_command. - Zmiana B:
git_review/review/testmają dokładaćtouched_paths; skoro są puste przy braku dowodów patcha, po etapie 1.1 pojawią się naturalnie. - Test: na syntetycznym
debugz znaną sygnaturą kwerenda zawiera jej tekst; asercja długości — kwerenda nie przekracza 512 znaków i nie wciąga całego okna.
2.2 Skala wyników: przestać mieszać RRF z bonusami#
Zrobione —
a8b996e(ranga RRF remapowana do 0–1 wewnątrz zbioru,score_scalew trafieniu i w adnotacji, progi walidowane względem skali;min_similarityzostaje po stronie silnika). Domknięte po pomiarze na żywym silniku —f666970: test obiecujący, że „przy włączonym rerankerze próg 0,75 jest osiągalny”, nie zachodził na silniku odniesienia: przepis niosący własną sygnaturę zapytania dawałscore=0,731z rerankerem i1,0bez niego. Skala to nie nazwa — jest noszona na każdym trafieniu (score_scale) i decyzja eskalacji czyta próg tylko na skalach, na których on coś znaczy (cosine, remapowane RRF, brak skali = próg zostaje); na skali rerankera decyduje tożsamość sygnatury +test_command, a decyzja to nazywa (strong_recipe_identity), więc reguła nie znika cicho. Walidacja progu na starcie wypala też dla nogi rerankera (wcześniej wracała bez słowa).assembler.py:400liczyvote = base * weight + bonus, przy czymbasetoscore_normalized, czyli przy domyślnej konfiguracji (hybrid_search: true,rerank_results: false) ranga RRF o maksimum ~0,033, a bonusy to 0,20–0,44 (assembler.py:64-84). Wykonany test: przyscore = 0,033wynik to 0,033,has_strong_recipe = False, a maksymalny osiągalny wynik przepisu to ~0,47 przy progustrong_recipe_score: 0.75.
Konsekwencje dziś: (a) o kolejności decyduje waga źródła i trafienie ścieżką, nie podobieństwo; (b) po włączeniu eskalacji zasada „najpierw daj szansę przepisowi" nigdy nie zadziała.
- Zmiana: wprowadź
score_scale(już zwracany przez silnik, patrzy na tosse.py) jako jawny argument wejściowy assemblera i znormalizuj głos w ramach skali: dlarrfprzelicz rangę na0…1(albo użyj kolejności rang i traktuj bonusy jako przesunięcia o ułamek szerokości skali), dlacosine/rerankerzostaw obecne progi. Progi konfiguracyjne (min_similarity,strong_recipe_score) muszą być walidowane względem skali — brak zgodności to ostrzeżenie na starcie, nie cichy brak trafień. - Dodatkowo:
min_similaritypozostaje progiem nogi wektorowej po stronie silnika (udokumentowane wsse.py), więc assembler nie może go ponownie nakładać nascore_normalized; jeśli dziś gdzieś nakłada — usunąć. - Test: dwa dokumenty, jeden z bazą 10× lepszą, drugi z trafieniem ścieżką — przy
rrfwygrywa lepszy bazą (bonus nie może przykryć rzędu wielkości); przy włączonym rerankerze próg 0,75 jest osiągalny ikeepzamiastescalate.
2.3 Polityki trybów, których router nie emituje#
Zrobione —
ec0d3c7(git_reviewdostajedocguide/contributing/security,reviewjest aliasem; test liczy tryby z konfiguracji routingu, więc lista nie rozjedzie się ponownie)reviewidebugnie pojawiły się ani razu w 776 zagranych decyzjach, agit_review(332 żądania) nie ma źródładocw ogóle. Czyli polityka pisana pod przegląd kodu (jedynesecurity+contributing) nigdy nie startuje.
- Zmiana: w polityce
resources/knowledge/agentic_knowledge.json: - dodać
doc(guide,contributing,security) dogit_review; - oznaczyć
reviewjako aliasgit_review(albo przenieść jego treść dogit_reviewi usunąć wpis), żeby nie utrzymywać martwej konfiguracji; - przemyśleć
escalation_model_namedladebugw sytuacji, gdydebugnie jest emitowany (wtedy realną ścieżkę eskalacji ma tylkotest). - Test: dla każdego trybu, który router jest w stanie zwrócić (wyczerpująca lista z
resources/routing/agentic_routing_codex.json), istnieje polityka z co najmniej jednym źródłem nie pustym. Test wylicza tryby z konfiguracji routingu, żeby lista się nie rozjechała ponownie.
2.4 Latencja: jeden budżet, mniej wywołań, równoległość#
(a) zrobione —
d062dc1(źródła trybu pytane równolegle pod jednym budżetem); (b) częściowo —d062dc1(domyślnyread.timeout_seconds6.0 → 3.0; obniżenieSSE_API_TIMEOUTdo ~1.5 pominięte, bo wymaga pomiaru na prawdziwym silniku); (c) pominięte — kolejność ofiary budżetu zostaje kolejnością polityki, wymaga pomiaru na prawdziwym silniku
Dziś 2–3 wywołania seryjnie przy read.timeout_seconds: 6.0 i medianie ~1,7 s na hybrid search
(własny pomiar README) — czyli ogon 4–5 s na 21% żądań.
- Zmiana: (a) uruchamiać zapytania do różnych kolekcji równolegle (krótka pula wątków,
limit = liczba źródeł, bez zmian kontraktu
KnowledgeStore.search); (b) obniżyćread.timeout_secondsdo ~3,0 iSSE_API_TIMEOUTdo ~1,5 po pomiarze na prawdziwym silniku; (c) kolejność źródeł w trybie tak, aby najtańsze i najbardziej wartościowe szło pierwsze, a porzucone przy wyczerpaniu budżetu było najmniej wartościowe (dziś kolejność = kolejność w polityce, czyli ofiarą pada najczęściej dokumentacja). - Kryterium: p95 dodatkowego czasu warstwy na żądanie < 400 ms przy włączonym cache i < 1,5 s przy pudle; liczba wywołań na żądanie ≤ 1,5.
2.5 Cache generacji a zmiana trybu#
Zrobione —
5a4282c(klucz cache nosi podpis polityki trybu; zmiana trybu na inną politykę nie podaje odpowiedzi poprzedniego, przy tej samej polityce blok jest identyczny i zero wywołań) Klucz unieważnia każda zmianamode, a tryb w trakcie jednej komendy skacze (pudło ~48% żądań, ~60% par w obrębie tej samej generacji).
- Zmiana: nie unieważniać przy zmianie trybie, jeśli nie zmienił się fingerprint dowodów; przy pudle z powodu trybu — przeliczać tylko sekcje, których tryb dotyczy, zamiast całego bloku. Atrybuty rozjechania bajtów pod provider prompt-cache opisane w README mają wtedy szansę być spełnione naprawdę.
- Test: ta sama generacja, dwa tryby, te same dowody → identyczny blok i zero wywołań.
ETAP 3 — dokumenty: retencja, spójność stanu, szczelność (P2, 2–3 dni)#
| # | problem | zmiana | status |
|---|---|---|---|
| 3.1 | docs_ingestor.py:1048 zapisuje stan po skanie uciętym przez max_files; _next_entries zostawia tylko sczytane pliki, więc dokumenty pozostałych są nieusuwalne |
nie zapisywać stanu przy truncated, albo zapisywać z flagą „lista niepełna" i przy niej nie prune'ować nigdy |
Zrobione — 3e5aff1 (skan ucięty nie prune'uje plików, których nie zobaczył) |
| 3.2 | retencja sprząta wyłącznie _sessions (worker.py:962-992); _docs nie starzeje się w ogóle |
objąć retencją _docs (TTL liczony od publikacji dokumentu) albo udokumentować, że _docs czyści wyłącznie prune |
Pominięte — niska priorytetowość: _docs czyści wyłącznie przez prune, to już jest zachowanie; TTL od publikacji to osobna decyzja |
| 3.3 | doc_context.py:208-227: śledzenie fence trzyma 3 znaki i domyka po startswith, więc blok ```zamyka się na przykładzie z ``` i komentarze # … stają się „nagłówkami" wstrzykiwanymi bez maskowania |
pełne porównanie długości znaku otwierającego; test na przykładach z README w README; asercja, że w dyżescie nie ma linii zaczynającej się od # wewnątrz bloku kodu |
Zrobione — 3b2a430 (fence domyka się na pełnym znaku otwierającym, nie na prefiksie) |
| 3.4 | pliki binarne/nie-UTF-8 dekodowane z errors="replace" trafiają do indeksu jako mojibake |
odmówić publikacji pliku, który nie jest tekstem (stosunek znaków niedrukowalnych) | Pominięte — niska priorytetowość: errors="replace" zostaje; odmowa nie-tekstu to osobna zmiana |
| 3.5 | --force przy częściowej porażce (część xadd nie weszła) kończy się, ale state opisuje stan sprzed operacji |
nie ruszać stanu przy statusie unavailable; komunikat ma mówić, ile zdarzeń weszło |
Zrobione — 435379e (claim odświeża TTL; przy unavailable stan nie opisuje stanu sprzed operacji) |
| 3.6 | docs_ingestor.py:1311 liczy kubełek nazwy po date.today(), worker po created_at — skan i indeksowanie przez północ zostawiają dokument, którego prune nigdy nie znajdzie |
jedna strefa/timestamp: nazwa liczona z created_at zdarzenia |
Zrobione — 8141007 (nazwa liczona z created_at zdarzenia, nie z date.today()) |
| 3.7 | --force znosi wszystkie limity bez zastępczego zabezpieczenia (cały markdown do pamięci i na strumień) |
zostawić możliwość, ale wymagać jawnego --yes-unbounded przy przekroczeniu np. 20 MB i logować rozmiar |
Pominięte — niska priorytetowość: --yes-unbounded to zabezpieczenie operacyjne, nie poprawka zachowania |
ETAP 4 — ewaluacja i obserwowalność (P2, 2 dni)#
Obecna ewaluacja nie jest w stanie pokazać żadnej z powyższych regresji: _FakeStore
(evaluation.py:113-144) indeksuje tylko przepisy, ignoruje doc_types, kolekcje i
min_similarity, a assemble() wywoływany jest bez doc_context, więc injected_chars_per_turn
zaniża to, co realnie jedzie do modelu (mapa dokumentów to do 700 znaków na żądanie, domyślnie
włączone).
- 4.1 Fake store: respektuj kolekcję,
doc_types,min_similarityi kolejność rang; indeksuj wszystkie rodzaje, nie tylkorecipe. Status: Zrobione —dd05abb(fake store respektuje kolekcję,doc_typesi kolejność rang; indeksuje wszystkie rodzaje) - 4.2
assemble(...)w replay dostarczajdoc_context; mierzinjected_chars_per_turnz nim i bez, jako dwie metryki. Status: Zrobione —dd05abb(doc_contextw replay;injected_chars_per_turnmierzony z nim i bez, jako dwie metryki) - 4.3 Zestaw syntetyczny (bo korpus prawdziwych przepisów nie zawiera):
failure → patch → green,failure → patch → failure → patch → green,patch → green,patch → green → failure, edycja przezcat >— z oczekiwanymi rodzajami i odciskami dokumentów. To ten zestaw ma pilnować etapu 1. Status: Zrobione —dd05abb(zestaw syntetyczny z oczekiwanymi rodzajami i odciskami; pilnuje etapu 1) - 4.4 Metryki produkcyjne do logów (bez treści):
searches_per_request,read_budget_skips,cache_miss_reason(mode/evidence/cold),mined_kinds,no_patch,docs_publish_dropped_as_duplicate,pending_stream_age. Status: Zrobione —2c3821d(blokmetricsw adnotacji:searches,budget_skipped,cache_miss_reason; heartbeat workera:pending,oldest_age) - 4.5 Jedna linia w README na każdy zmieniony kontrakt (skala wyników,
--scope, scope nie-ASCII, widzialność edycji). Status: Zrobione —2c3821d(README: skala wyników, równoległe czytanie i budżet,metrics,--scope)
Kolejność i oszacowanie#
| kolejność | etap | dni | ryzyko | co odblokowuje |
|---|---|---|---|
| 1 | 0.1–0.4 (kliny, utrata dokumentów, scope) | 1 | niskie | bezpieczeństwo pracy workera i CLI |
| 2 | 1.1–1.3 (widzialność edycji, liczniki, zimne repo) | 2–4 | średnie (fałszywe weak patche) | jakikolwiek mined knowledge |
| 3 | 2.2 (skala wyników) | 1–2 | niskie | sensowna kolejność i przyszła eskalacja |
| 4 | 2.1 + 2.3 (kwerenda, polityki trybów) | 1–2 | niskie | trafność |
| 5 | 2.4–2.5 (latencja, cache) | 2 | średnie (równoległość) | obietnica „szybciej" |
| 6 | 3.1–3.7 (dokumenty) | 2–3 | niskie | trwałość wiedzy |
| 7 | 4.1–4.5 (ewaluacja, metryki) | 2 | niskie | obrona przed regresjami |
Kryteria sukcesu (do zmierzenia replayem + logami, nie deklaracją)#
XPENDINGstrumienia wiedzy nie rośnie; zdarzenia odrzucone mają limity prób i log.- Na korpusie syntetycznym:
recipe > 0,playbook > 0,deadend > 0; na korpusie prawdziwymno_patch< 20% żądań z dowodami poleceń. - p95 dodatkowej latencji warstwy < 400 ms przy trafieniu cache; liczba wywołań silnika
na żądanie ≤ 3 (po jednym na kolekcję, odczyt równoległy). Sformułowanie po pomiarze
(2026-10-29): pierwotna obietnica „< 1,5 s przy pudle” nie jest osiągalna na silniku
odniesienia dla odczytu 3-źródłowego — warm read mierzony na 0,00 s (cel 400 ms spełniony),
zimne pudło na 5–7 s, bo silnik obsługuje zapytania sekwencyjnie; sufit, który ma sens,
to
read.timeout_seconds(3,0 s) jako budżet całego odczytu, a nie latencja pojedynczego pudła. - Żaden dokument nie znika po
git checkoutpliku markdown; żaden dokument nie zostaje osierocony przez ucięty skan. - Zero kolizji scope i zero pustych scope'ów dla ścieżek z polskimi i diakrytycznymi nazwami.
- Po włączeniu
escalation.enabled: dla przepisu spełniającego warunki decyzja tokeep, a nieloop_without_recipe(czyli 2.2 zostało dowiezione).
Świadomie poza zakresem#
- Przebudowa routingu (
agentic_routing_codex): rejestrowane decyzje nie emitująreviewanidebug; to osobna decyzja projektowa, tu tylko domykamy polityki wiedzy do realnych trybów. - Zgoda na „patcha" rozpoznawanego semantycznie z treści polecenia — zostajemy przy
rozróżnieniu
strong(koperta) /weak(skierowany zapis pliku) i przy tym, że przepis domyka wyłącznie zielony przebieg w tym samym zakresie (_verifies, sprawdzone:cd … && pytestcelowo nie weryfikuje). - Włączanie eskalacji na produkcji — najwcześniej po 2.2 i po 4.3.
Co zostało po realizacji, a co wymaga pomiaru#
Testy repozytorium domykają zachowanie (testy regresji z każdej pozycji plus
pełny zestaw agentic); kryteria, których test nie może zmierzyć, zostają do
weryfikacji na prawdziwym silniku i na ruchu produkcyjnym:
- Kryterium 3 — zmierzone (2026-10-29): cache trafiony = 0,00 s (cel 400 ms spełniony), zimne pudło 3 źródeł = 5–7 s, bo silnik odniesienia serializuje zapytania (3 równoległe = 7,3 s ścienne vs 5,2 s sekwencyjnie); hybrydowe zapytanie mediana ~1,7 s, p95 ~2,9 s. Stąd sformułowanie kryterium wprost (powyżej) i pominięcie 2.4b (część) i 2.4c.
- Kryterium 2 na korpusie prawdziwym (
no_patch< 20%) — liczniki (1.2) są na miejscu, wartość na 841 nagraniach trzeba zmierzyć jeszcze raz po etapie 1. - Kryterium 6 (eskalacja:
keepzamiastloop_without_recipe) — zweryfikowane na żywym silniku (2026-10-29): ten sam przepis + pętla 3 →keep/strong_recipena gałęzi,escalate/loop_without_recipenamainz surowym RRF; pof666970zachowanie jest to samo na obu skalach odczytu (reranker decyduje tożsamością, powódstrong_recipe_identity). Decyzja o włączeniu eskalacji na produkcji zostaje świadomie poza tymi zmianami. - Pominięte z priorytetu: 3.2 (TTL
_docs), 3.4 (odmowa nie-tekstu), 3.7 (--yes-unbounded) — każda to osobna zmiana z własnym testem, żadna nie blokuje reszty.