feat(ledger): 하네스 판 비교를 eval 줄로 남기고 시작 컨텍스트를 잰다
문제: 하네스 v2(분야 전문가 협업)를 v1과 견주려면 같은 과제를 판마다 돌린 실행을 한 줄씩 남기고 비교해야 하는데, 장부에는 예측·실측만 있다. 실측도 시간·호출·토큰뿐이라 모든 세션의 시작 비용(첫 호출 입력 토큰)과 서브에이전트가 메인에 돌려준 양(컨텍스트 비용)을 볼 수 없다. 고른 방법: - usage에 start_context(본 기록 첫 호출), subagents·subagent_output_tokens, agent_calls(Agent·Task 호출), agent_return_chars를 더한다. 반환 글자는 Agent 도구 결과와, 백그라운드 결과가 들어오는 대기열 알림 (queued_command의 <agent-message·<task-notification 머리)을 센다. 2026-11-11 세션 기록에서 백그라운드 결과가 tool_result가 아니라 알림으로 오는 것을 확인했다. - 새 줄 종류 eval(arm·case 필수)과 명령 eval(초안)·compare(과제·판별 중앙값, 마지막 판/첫 판 비율). precedents는 eval만 있는 작업을 세지 않는다. - Stop 훅이 0.2.0이 저장한 상태 파일을 이어 읽어도 깨지지 않게 새 칸은 setdefault로 채운다. - 버린 대안: eval을 actual 줄에 arm 칸으로 붙이기. 같은 작업의 판 여럿이 by_task에서 덮이고 회고 대기 계산에 섞인다. 위험: 대기열 알림 모양은 앱 내부 형식이다. 바뀌면 agent_return_chars가 조용히 줄어든다(시험이 지금 모양을 고정한다). 검증: python3 -m unittest discover -s plugins/harness/tests → 24건 통과 (알려진 실패 1). 조건을 하나씩 끈 변이 9개가 모두 시험에 걸렸다.
This commit is contained in:
@@ -11,6 +11,8 @@
|
||||
current 지금 폴더의 세션 기록 경로
|
||||
usage [기록 경로|uuid] 세션 기록의 실측(JSON). 하위 에이전트 기록(<uuid>/subagents/)을 더한다
|
||||
actual --task T [기록] T의 예측과 견준 actual 줄 초안(JSON). 쓰지는 않는다
|
||||
eval --task E --arm A --case C [기록] 평가 E의 한 실행(판 A, 과제 C) eval 줄 초안(JSON). 쓰지는 않는다
|
||||
compare --task E 평가 E의 과제·판별 중앙값 표와 마지막 판/첫 판 비율
|
||||
precedents [--kind K] [--size S] 장부의 지난 예측·실측 표와 보정 줄(실측/p50 중앙값). --ledger를 여러 번 줘도 된다
|
||||
pending 예측 밖인데 회고가 없는 작업, 효과 판정이 없는 개선
|
||||
append stdin의 JSON 한 줄을 검사해 장부 끝에 더한다
|
||||
@@ -31,16 +33,19 @@ import sys
|
||||
import time
|
||||
|
||||
GAP_SECONDS = 300
|
||||
KINDS = ("estimate", "actual", "retro", "verdict")
|
||||
KINDS = ("estimate", "actual", "retro", "verdict", "eval")
|
||||
REQUIRED = {
|
||||
"estimate": ("minutes", "basis"),
|
||||
"actual": ("active_minutes",),
|
||||
"eval": ("arm", "case", "active_minutes"),
|
||||
"retro": ("cause", "level"),
|
||||
"verdict": ("fix", "effect"),
|
||||
}
|
||||
CAUSES = ("지시 모호", "착수 전 조사 부족", "아키텍처 경직", "검증 대기", "외부 대기", "범위 변경", "예측 근거 없음")
|
||||
LEVELS = ("architecture", "gate", "instructions", "user")
|
||||
EFFECTS = ("effective", "reverted")
|
||||
AGENT_TOOLS = ("Agent", "Task") # 서브에이전트를 띄우는 도구 이름(옛 이름 Task)
|
||||
HANDBACK_PREFIXES = ("<agent-message", "<task-notification") # 백그라운드 결과가 대기열로 들어올 때의 머리
|
||||
VERDICT_AFTER = 2 # 개선 뒤에 예측한 다른 작업의 실측이 이만큼 쌓이면 효과를 판정한다
|
||||
NUDGE_EVERY = 20 * 3600 # 같은 repo에 넛지를 다시 내기까지(초)
|
||||
|
||||
@@ -67,11 +72,23 @@ def local_iso(seconds):
|
||||
# ---------------------------------------------------------------- 세션 기록 읽기
|
||||
|
||||
def new_file_state():
|
||||
return {"offset": 0, "ids": {}, "first": None, "last": None, "active": 0.0}
|
||||
# first_id: 첫 호출의 message.id(시작 컨텍스트). agents: Agent 호출 id → 결과를 셌나. agent_chars: 돌려받은 글자
|
||||
return {"offset": 0, "ids": {}, "first": None, "last": None, "active": 0.0,
|
||||
"first_id": None, "agents": {}, "agent_chars": 0}
|
||||
|
||||
|
||||
def result_chars(content):
|
||||
if isinstance(content, str):
|
||||
return len(content)
|
||||
if isinstance(content, list):
|
||||
return sum(len(b.get("text") or "") for b in content if isinstance(b, dict) and b.get("type") == "text")
|
||||
return 0
|
||||
|
||||
|
||||
def scan(path, st):
|
||||
"""path를 st["offset"]부터 마지막 완전한 줄까지 읽어 st를 갱신한다."""
|
||||
for key, value in new_file_state().items(): # 옛 판이 저장한 상태에 없는 칸
|
||||
st.setdefault(key, value)
|
||||
try:
|
||||
with open(path, "rb") as f:
|
||||
f.seek(st["offset"])
|
||||
@@ -100,6 +117,21 @@ def scan(path, st):
|
||||
("input_tokens", "cache_creation_input_tokens", "cache_read_input_tokens", "output_tokens")]
|
||||
old = st["ids"].get(msg["id"])
|
||||
st["ids"][msg["id"]] = [max(a, b) for a, b in zip(old, vals)] if old else vals
|
||||
if st["first_id"] is None:
|
||||
st["first_id"] = msg["id"]
|
||||
queued = d.get("attachment") if d.get("type") == "attachment" else None
|
||||
if isinstance(queued, dict) and queued.get("type") == "queued_command" and isinstance(queued.get("prompt"), str) \
|
||||
and queued["prompt"].lstrip().startswith(HANDBACK_PREFIXES):
|
||||
st["agent_chars"] += len(queued["prompt"]) # 백그라운드 서브에이전트의 결과·완료 알림
|
||||
blocks = (d.get("message") or {}).get("content") if isinstance(d.get("message"), dict) else None
|
||||
for b in blocks if isinstance(blocks, list) else ():
|
||||
if not isinstance(b, dict):
|
||||
continue
|
||||
if b.get("type") == "tool_use" and b.get("name") in AGENT_TOOLS and b.get("id"):
|
||||
st["agents"].setdefault(b["id"], False)
|
||||
elif b.get("type") == "tool_result" and st["agents"].get(b.get("tool_use_id")) is False:
|
||||
st["agents"][b["tool_use_id"]] = True
|
||||
st["agent_chars"] += result_chars(b.get("content"))
|
||||
st["offset"] += end
|
||||
return st
|
||||
|
||||
@@ -112,8 +144,10 @@ def summarize(transcript, files):
|
||||
"""files: 경로 → 상태. 본 기록의 시간과 모든 기록의 토큰을 합친다."""
|
||||
main = files.get(transcript) or new_file_state()
|
||||
ids = [v for st in files.values() for v in st["ids"].values()]
|
||||
sub_calls = sum(len(st["ids"]) for p, st in files.items() if p != transcript)
|
||||
subs = [st for p, st in files.items() if p != transcript and st["ids"]]
|
||||
sub_calls = sum(len(st["ids"]) for st in subs)
|
||||
first, last = main["first"], main["last"]
|
||||
start = main["ids"].get(main.get("first_id")) or [0, 0, 0, 0]
|
||||
return {
|
||||
"transcript": os.path.basename(transcript)[:-len(".jsonl")],
|
||||
"started_at": local_iso(first),
|
||||
@@ -126,6 +160,11 @@ def summarize(transcript, files):
|
||||
"cache_read_tokens": sum(v[2] for v in ids),
|
||||
"input_tokens_total": sum(v[0] + v[1] + v[2] for v in ids),
|
||||
"max_context": max((v[0] + v[1] + v[2] for v in ids), default=0),
|
||||
"start_context": start[0] + start[1] + start[2],
|
||||
"subagents": len(subs),
|
||||
"subagent_output_tokens": sum(v[3] for st in subs for v in st["ids"].values()),
|
||||
"agent_calls": len(main.get("agents") or {}),
|
||||
"agent_return_chars": main.get("agent_chars") or 0,
|
||||
}
|
||||
|
||||
|
||||
@@ -331,6 +370,8 @@ def cmd_precedents(args):
|
||||
rows = []
|
||||
for name, t in tasks.items():
|
||||
e, a = t.get("estimate", {}), t.get("actual", {})
|
||||
if not e and not a: # 평가 줄만 있는 작업
|
||||
continue
|
||||
if args.kind and args.kind not in str(e.get("task_kind", "")):
|
||||
continue
|
||||
if args.size and args.size != e.get("size"):
|
||||
@@ -389,6 +430,69 @@ def cmd_actual(args):
|
||||
return 0
|
||||
|
||||
|
||||
EVAL_COLUMNS = (("작업 중 분", "active_minutes"), ("호출", "calls"), ("출력 토큰", "output_tokens"),
|
||||
("시작 컨텍스트", "start_context"), ("최대 컨텍스트", "max_context"), ("발견", "findings"),
|
||||
("틀린 발견", "false_findings"))
|
||||
EVAL_RATIOS = (("작업 중 분", "active_minutes"), ("호출", "calls"), ("출력", "output_tokens"),
|
||||
("시작 컨텍스트", "start_context"), ("발견", "findings"), ("최대 컨텍스트", "max_context"))
|
||||
|
||||
|
||||
def num(v):
|
||||
return "-" if v is None else ("%d" % v if float(v).is_integer() else "%.1f" % v)
|
||||
|
||||
|
||||
def med(rows, key):
|
||||
vals = [r[key] for r in rows if isinstance(r.get(key), (int, float))]
|
||||
return statistics.median(vals) if vals else None
|
||||
|
||||
|
||||
def cmd_compare(args):
|
||||
rows = [r for r in read_ledger(ledger_path(args.ledger)) if r.get("kind") == "eval" and r.get("task") == args.task]
|
||||
if not rows:
|
||||
print("평가 줄 없음: %s. 실행마다 `ledger.py eval` 초안을 채워 append한다." % args.task)
|
||||
return 0
|
||||
groups, arms = {}, []
|
||||
for r in rows:
|
||||
groups.setdefault((r.get("case"), r.get("arm")), []).append(r)
|
||||
if r.get("arm") not in arms:
|
||||
arms.append(r.get("arm"))
|
||||
print("| 과제 | 판 | 실행 | %s |" % " | ".join(label for label, _ in EVAL_COLUMNS))
|
||||
print("|---|---|---|%s" % "---|" * len(EVAL_COLUMNS))
|
||||
for (case, arm), rs in groups.items():
|
||||
print("| %s | %s | %d | %s |" % (case, arm, len(rs), " | ".join(num(med(rs, k)) for _, k in EVAL_COLUMNS)))
|
||||
if len(arms) < 2:
|
||||
return 0
|
||||
base, cand = arms[0], arms[-1]
|
||||
parts = []
|
||||
for label, key in EVAL_RATIOS:
|
||||
ratios = []
|
||||
for case in dict.fromkeys(c for c, _ in groups):
|
||||
b, c = med(groups.get((case, base), []), key), med(groups.get((case, cand), []), key)
|
||||
if b and c is not None:
|
||||
ratios.append(c / b)
|
||||
if ratios:
|
||||
parts.append("%s %.2f" % (label, statistics.median(ratios)))
|
||||
print("\n%s/%s 중앙값: %s. 과제마다 비율을 내고 그 중앙값이다. 발견은 리뷰가 찾은 결함 수다(클수록 좋다)." % (
|
||||
cand, base, " · ".join(parts)))
|
||||
return 0
|
||||
|
||||
|
||||
def cmd_eval(args):
|
||||
transcript = resolve_transcript(args.transcript)
|
||||
if not transcript:
|
||||
print("세션 기록을 찾지 못했다. 기록 경로나 uuid를 넘긴다.", file=sys.stderr)
|
||||
return 1
|
||||
summary, _ = usage(transcript)
|
||||
row = {"schema": 1, "kind": "eval", "task": args.task, "arm": args.arm, "case": args.case,
|
||||
"recorded_at": now_iso(), "transcript": summary["transcript"]}
|
||||
row.update({k: summary[k] for k in ("active_minutes", "calls", "output_tokens", "input_tokens_total",
|
||||
"start_context", "max_context", "subagents", "subagent_calls",
|
||||
"agent_calls", "agent_return_chars")})
|
||||
row.update({"findings": None, "false_findings": None, "result": "done", "note": ""})
|
||||
print(json.dumps(row, ensure_ascii=False))
|
||||
return 0
|
||||
|
||||
|
||||
def cmd_append(args):
|
||||
row = json.loads(sys.stdin.read())
|
||||
problems = []
|
||||
@@ -448,6 +552,14 @@ def main(argv):
|
||||
pr.add_argument("--kind")
|
||||
pr.add_argument("--size", choices=("small", "medium", "large"))
|
||||
pr.add_argument("--ledger", action="append")
|
||||
ev = sub.add_parser("eval")
|
||||
ev.add_argument("--task", required=True)
|
||||
ev.add_argument("--arm", required=True)
|
||||
ev.add_argument("--case", required=True)
|
||||
ev.add_argument("transcript", nargs="?")
|
||||
cp = sub.add_parser("compare")
|
||||
cp.add_argument("--task", required=True)
|
||||
cp.add_argument("--ledger")
|
||||
for name in ("pending", "append"):
|
||||
sub.add_parser(name).add_argument("--ledger")
|
||||
args = p.parse_args(argv)
|
||||
@@ -470,8 +582,8 @@ def main(argv):
|
||||
return 1
|
||||
print(json.dumps(usage(transcript)[0], ensure_ascii=False, indent=1))
|
||||
return 0
|
||||
return {"actual": cmd_actual, "precedents": cmd_precedents, "pending": cmd_pending,
|
||||
"append": cmd_append}[args.cmd](args)
|
||||
return {"actual": cmd_actual, "precedents": cmd_precedents, "pending": cmd_pending, "append": cmd_append,
|
||||
"eval": cmd_eval, "compare": cmd_compare}[args.cmd](args)
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
|
||||
Reference in New Issue
Block a user