Commit History

Yesterday

  1. Merge pull request #26 from S1lverElixir/agent/search-claude-parity⁠ Running

    SilverElixir
    Unverified signature
    12e3734
  2. search: дата в [[SEARCH]]-ретрае сверяется с хвостом промпта — подстрока в тексте пользователя не подавляет дату (раунд 8)

    SilverElixir
    8031eb4
  3. search: раунд 7 (ядро) — дубль комментария о дате снят, [[SEARCH]]-ретрай не дублирует дату в промпте

    SilverElixir
    d806ddf
  4. search: раунд 7 — килл-свитч тест в форме шпион+голова (красный на мутанте), дубль комментария о дате снят, [[SEARCH]]-ретрай не дублирует дату в промпте

    SilverElixir
    15fc41c
  5. search: зона 2 по ревью — AGENT_MAX_SEARCHES=0 владельца флор не обходит (килл-свитч), пометки в тестах сверяются с фактическими ключами языковых паков, зоне 2 нужна сегодняшняя дата для суждения о свежести

    SilverElixir
    f8a3814
  6. search: зона 2 — регекс молчал, а решает модель агент-цикла (прод 15.11: theoneprobe уходил по памяти); skip-список болтовни, фолбэк-фетч и «без live-поиска» в зоне 2 отключены, минимум один слот при авто-усилии, EFFORT_AUTO=0 глушит как раньше

    SilverElixir
    4ad5b2e
  7. Merge pull request #25 from S1lverElixir/agent/search-claude-parity⁠

    SilverElixir
    Unverified signature
    84bb4d5
  8. search: раунд 4 — «погоді» с границами слова (глаголы «погодімось» не зовут погоду), wikia.com в перечне ARCHITECTURE

    SilverElixir
    9ed506f
  9. search: третий раунд ревью — украинское «погоді» в слое погоды (детект интента вернулся), fresh-гейт бонуса описан в ARCHITECTURE, README называют все четыре вики-хоста

    SilverElixir
    a474bba
  10. search: второй раунд ревью — бонус фандома не поднимает недатированную страницу поверх свежей новости, guard вики-сигнала един для всех слов, реакция с эмодзи/скобками не триггер, украинское «погоді» вернуто словом, чекер считает вики-ожидания отдельно

    SilverElixir
    21d3779
  11. доки и промпт по ревью: таблица замера воспроизводится (20/10/2/0), указатель на живой скрипт, зеркала README с детализацией хостов, полный список сигналов, агрегаторские ссылки не попадают в «Источники»

    SilverElixir
    3d3a1cf
  12. search: правки триггера и ревью по корпусу недели — голое «вчера» и «Погоди»/«предпоследняя» не триггерят, скобочные вики-URL не ломают конвертер ссылок, «Источники» с приоритетом над правилами стиля, /wiki/-путь не вики-сигнал; офлайн-чекер 32 кейсов корпуса в eval

    SilverElixir
    77cda69
  13. search: фандом-вики в ранжировании по вики-сигналу запроса, инструкция агенту добавлять wiki к игровым сущностям, блок «Источники» в конце ответа, вики-проба в /diag

    SilverElixir
    1d6c75b
  14. eval: набор из 32 поисковых кейсов — промахи и ложные срабатывания недельного корпуса, follow-up с контекстом, двусмысленность, вики-сущности

    SilverElixir
    274de26
  15. Merge pull request #24 from S1lverElixir/dependabot/pip/google-genai-3.0.0⁠

    SilverElixir
    Unverified signature
    d72d7c1
  16. build(deps): bump google-genai from 2.34.0 to 3.2.0⁠

    dependabot[bot]
    Unverified signature
    e3b2ca6
  17. Merge pull request #23 from S1lverElixir/dependabot/pip/pip-minor-ad3ae27e4e⁠

    SilverElixir
    Unverified signature
    5659ee2

3 days ago

  1. agent: потолок планирующего вызова стал долей фазы, а не плоскими 8 с⁠

    SilverElixir
    30aaa70
  2. docs: три утверждения, которые ветка уже опровергла своими же замерами⁠

    SilverElixir
    cd2e2fe
  3. eval: три открытых пункта прошлого отчёта закрыты замерами, а не словами⁠

    SilverElixir
    aa69981
  4. Bump the pip-minor group with 2 updates⁠

    dependabot[bot]
    Unverified signature
    f057b40

4 days ago

  1. ревью документов и поведения: карта возможностей стала повторяемой, осколки имён сняты, устаревшие цифры помечены⁠

    SilverElixir
    9a27535
  2. приватность и живучесть по адверсариальным ревью: семь настоящих дефектов, каждый с тестом⁠

    SilverElixir
    294c70e
  3. effort по адверсариальному ревью: три блокера сняты, покрытие добрано, комментарии сверены с кодом⁠

    SilverElixir
    cf6d3ec
  4. ревью ветки: три настоящих пробела закрыты, один найденный дефект — преамбула показывала осколок имени модели⁠

    SilverElixir
    d85e176
  5. eval: к повторному прогону цикла добавлены медиана, p95 и худший замер фазы (4.66/4.94/5.13 с) — планка p95 внутри 40 с подтверждена

    SilverElixir
    9b8b0c6
  6. effort: перевёрнутый испанский знак вопроса в классе; персидская «؛» осознанно не добавлена (в арабском это точка с запятой)

    SilverElixir
    8a65d65
  7. eval: повторный живой прогон цикла после правки сигнала — 11 из 12 поисков, 4.36 с на вопрос; ухудшение времени объяснено таймаутами DuckDuckGo и Wikidata, а не правкой

    SilverElixir
    276cc6a
  8. docs+комментарии: 18 утверждений, которые ветка сделала ложными или которые никогда не мерялись⁠

    SilverElixir
    32827c7
  9. docs: из разбора 05.11 убран иероглиф, затесавшийся в русскую фразу про лимит сообщений

    SilverElixir
    1e18d7d
  10. effort: сигнал вопроса по 25 языкам вместо RU/EN — сетка 46/46 вместо 40/46⁠

    SilverElixir
    960099d
  11. selftest+статистика: строка состояния слоя поиска (переключатели и остаток дневного бюджета обращений) и тест на неё; метрики цикла AgentTurnResult (steps, planning_ms) читаются из log и devtrace

    SilverElixir
    a1cf6bc
  12. P1.11-P1.12: зеркала приведены в соответствие (цикл, усилие, статус в группах, потолок обращений), метрики цикла шагли в devtrace и в /stats; из документов убраны три утверждения, которые эта работа сделала ложными

    SilverElixir
    6cd048a
  13. P1 по ревью: планировщик виден в model_attempts/model_failures и в [usage], дневной потолок обращений к поиску (выведен из доли свежих вопросов), карта возможностей закрыта замером tools (gemma принимает tools, pplx не принимает ни того ни другого), мусорное значение усилия попадает в лог, EFFORT_AUTO=0 глушит цикл, живой статус включён в группах (гости — как были), третий путь поиска честно сообщает, каким запросом он искал

    SilverElixir
    72720bc
  14. eval: живой замер цикла поиска (12 вопросов, 11 поисков, 3.12 с, ~5.9К токенов на планирование) и зонд eval/agent_loop_probe.py; плюс лог ветки в message_core, чтобы «кто принёс источники» было видно в проде

    SilverElixir
    2afacb9
  15. agent+core: P0 по ревью — фаза доказательств получила собственный бюджет вместо None, лимит считается поисками (AGENT_MAX_SEARCHES), EFFORT_AUTO=0 глушит цикл, преамбула читится настоящим фильтром lumen_security вместо молчаливого suppress на несуществующем bot.-имени, планирование не качает прошлые фото, закрытый этап один на ответ, флаги ветки ушли в лог

    SilverElixir
    01d44ec
  16. routes+streaming: effort доезжает до каждого вызова — extras считаются на модель попытки (у gemma-4-12b и pplx-decider reasoning_effort даёт 400), thinking_config Gemini берётся из того же уровня, а не из отдельной эвристики не-heavy

    SilverElixir
    ddefbdb
  17. agent: новый слой lumen_agent.py — цикл web_search, где запросы пишет сама модель, а бот исполняет инструмент и собирает источники (14 тестов на цикл, кэш запросов, потолок шагов и зачистку преамбулы)

    SilverElixir
    bc87e36
  18. router: автовыбор усилия вместо плоского low — замеры 12.11.2026 показали, что уровень переключает правильность (glm-5.3-flash: 64 при low против верных 60 при high), а не только длину ответа; к нему же теперь привязан потолок поисков за ход⁠

    SilverElixir
    a83edce

5 days ago

  1. документы: ночной замер сеткой — таблица у второй модели маршрута была 1 из 5 ответов и стала 5 из 5, псевдоструктура на коротком уточнении у головы ушла, отделка идемпотентна на 673 исторических ответах, а явные форматные просьбы исполняются 6 из 6 — поэтому зачистка по тексту запроса не добавлена

    SilverElixir
    dc8befc
  2. промпт: сравнение по названным осям обязано начинаться с таблицы, а короткое уточнение — не больше двух абзацев без псевдозаголовков; замеры 12.11.2026: таблица у второй модели маршрута была 1 ответ из 5, после клаузы 5 из 5 (голова — 5 из 5), псевдоструктура у головы на «а словарь?» ушла с 2 промахов из 3 на 0 из 3. Плюс тест: слой отделки идемпотентен на всех формах, которые он правит — иначе повторный проход при правке пузыря или после [[SEARCH]] снимал бы по эмодзи за раз

    SilverElixir
    1dee6b9
  3. eval: детерминированная сетка манеры считает вопросы, математику и длину ответа, а корпус несёт подсказки style по каждому вопросу — судья поставил 2/2 ответу без единого эмодзи при явной просьбе, и только счётчик нашёл это строкой

    SilverElixir
    b362d99
  4. промпт: английские цитаты объявлены образцами формы, а не текстом для копирования (правило в RESPONSE LANGUAGE + переписанный образец признания ошибки) — замер на запасной модели показал, что слабая голова копирует цитату буквально и отвечает английской фразой на русский вопрос; после правки четыре русских многоходовых вопроса на запасной модели дают свой язык и ноль флагов

    SilverElixir
    497339f
  5. замер на запасной модели маршрута нашёл дефект, внесённый ночной правкой промпта: пример ответа был написан по-английски, и слабая голова копировала его на русский вопрос («No, I am Lumen.» вместо «Нет, я Lumen.»); пример заменён описанием формы, проверено на обеих головах. Плюс сборщик замера теперь сам пишет script_ok и style_flags — детерминированная сетка манеры вместо reliance на судью

    SilverElixir
    5753a9a
  6. аудит: детерминированные правила по 25 многоязычным ответам — ноль нарушений, и честная поправка к тайскому кейсу: счётчик нашёл в том ответе один вопрос, а не два, то есть снятый балл был шумом судьи; правило в промпте осталось как страховка, доказанного дефекта за ним нет

    SilverElixir
    ed5a389
  7. персона: пообещал один вопрос — задаёт один (многоязычный замер 12.11.2026 снял балл за то, что тайский ответ после «спрошу только одно» задал два; после правки тот же вопрос 2/2) + описана многоязычная ветка замера и то, что судьёй с этой машины может быть только модель Munito

    SilverElixir
    23be32a
  8. замер персоны сам чистит NO_PROXY от скобочных IPv6-записей: глобальное значение владельца с «[::1]» роняло судебного вызов Gemini на InvalidURL: Invalid port, и прогон обрывался после сбора ответов (замер 12.11.2026)

    SilverElixir
    1cb20b3
  9. замер по всем языкам научился проверять язык ответа сам, без судьи: answer_script_ok сверяет графику с языком вопроса (латиница для vi/tr/pl/fil/zu считается нормой, имя бота в знаменатель не входит) и пишет в answers.json поле script_ok — раньше «ответ не на языке человека» ловился только на вкус судьи

    SilverElixir
    899d501
  10. замер персоны по всем языкам: 25 вопросов, по одному на каждый SUPPORTED_LANGS (идентичность, длина, эмодзи-просьба, отказ, таблицa, сохранность терминов for/range в не-латинском ответе) — раньше многоязычная манера Claude проверялась только строками интерфейса, а не ответами

    SilverElixir
    b30ff98
  11. политика украшательных эмодзи уточнена по замеру: в прозе снимаются только лишние сверх нормы «1-2», все — лишь трём и больше маркерам списка; тотальная зачистка, которую предложило ревью, склеивала предложения и оставляла ноль значков там, где человек их прямо попросил (48/50 вместо 50/50, после правки вопросы 9-10 снова 2/2)

    SilverElixir
    2b8224c