Cantieri aperti: differenze tra le versioni
| [versione verificata] | [versione verificata] |
handoff automatico |
handoff automatico |
||
| Riga 8: | Riga 8: | ||
== Cantieri attivi == | == Cantieri attivi == | ||
=== harness-standard === | === harness-standard === | ||
''Aggiornato 2026-08-12 09: | ''Aggiornato 2026-08-12 09:18 UTC'' — dominio: architettura / knowledge base | ||
; Obiettivo : Sostituire il MASTER READ ORDER monolitico con un harness gerarchico e togliere Marco dal ruolo di loop di esecuzione | ; Obiettivo : Sostituire il MASTER READ ORDER monolitico con un harness gerarchico e togliere Marco dal ruolo di loop di esecuzione | ||
| Riga 102: | Riga 102: | ||
* QWEN 3.8-MAX su v7.9: 5 e 5, mediana 5.0, IDENTICO a DeepSeek. Il confronto precedente Qwen 3/6 contro DeepSeek 4/6 era interamente rumore del giudice | * QWEN 3.8-MAX su v7.9: 5 e 5, mediana 5.0, IDENTICO a DeepSeek. Il confronto precedente Qwen 3/6 contro DeepSeek 4/6 era interamente rumore del giudice | ||
* Il caso che fallisce sistematicamente e scelta_domanda: il modello descrive invece di scegliere ed eseguire | * Il caso che fallisce sistematicamente e scelta_domanda: il modello descrive invece di scegliere ed eseguire | ||
* BATTITO E GUARDIANO costruiti su proposta di Marco. scripts/battito.py: una sessione scrive lo stato completo a intervalli, con il COMANDO ESATTO da eseguire dopo. scripts/guardiano_battito.py in cron ogni 2 minuti: se un battito non arriva da 5 minuti e il lavoro non e chiuso, esegue quel comando e avvisa su Telegram | |||
* VARIANTE DI SICUREZZA rispetto alla proposta: il guardiano NON fa leggere il log a un modello che decide. Esegue solo il comando gia registrato dalla sessione. Nessun modello nel ciclo, quindi nessuna deriva e nessun comando inventato | |||
* Altre sicurezze: massimo 6 ripartenze per lavoro, pausa 10 minuti fra due ripartenze, rispetto del cost guard OpenRouter, avviso Telegram a ogni ripresa | |||
* PROVA END-TO-END SUPERATA: battito invecchiato di 9 minuti, guardiano ha rilevato la chat ferma, eseguito il comando, file /tmp/ripresa_ok.txt creato davvero, Telegram inviato | |||
* La prima prova era fallita correttamente: cost guard TRIPPED, non e ripartito. La sicurezza ha funzionato prima ancora della funzione | |||
* GUARD OPENROUTER era di nuovo TRIPPED da ieri sera 20:15 con spesa gia rientrata (1.243 su cap 3.00): riarmato, backup in .bak_20260812 | |||
; Provato ed escluso : | ; Provato ed escluso : | ||
* Adottare ahar / agentharnesses-cli: presuppone Claude Code su repo locale, Marco lavora da smartphone via route CC | * Adottare ahar / agentharnesses-cli: presuppone Claude Code su repo locale, Marco lavora da smartphone via route CC | ||
| Riga 132: | Riga 138: | ||
* Il giudice LLM come strumento di misura: varianza 3 punti su 6 sullo stesso input, inutilizzabile per un gate | * Il giudice LLM come strumento di misura: varianza 3 punti su 6 sullo stesso input, inutilizzabile per un gate | ||
* Le tre conclusioni basate su di lui: v7.7 peggiorata (falso), Qwen inferiore a DeepSeek (falso), differenze fra versioni del Master (non dimostrate) | * Le tre conclusioni basate su di lui: v7.7 peggiorata (falso), Qwen inferiore a DeepSeek (falso), differenze fra versioni del Master (non dimostrate) | ||
* Far decidere a un modello cosa eseguire alla ripresa: e la strada al loop infinito e al danno non sorvegliato. Il comando lo scrive la sessione quando e lucida, il guardiano lo esegue e basta | |||
* Riarmo automatico del cost guard: resta manuale di proposito, ma la sentinella ora lo segnala | |||
; Prossimo passo : | ; Prossimo passo : | ||
* | * Aggiungere il battito al Master come passo dello STEP 5, con lindicazione di scrivere sempre il prossimo comando eseguibile | ||
* Agganciare gate_master.py e la sentinella a eval_det.py al posto del giudice LLM | |||
* Rendere piu operativa la regola C: scelta_domanda e lunico caso doro che fallisce con tutti i modelli | |||
* Migrare i 289 script al gateway partendo dai 5 in cron | * Migrare i 289 script al gateway partendo dai 5 in cron | ||