dev-skills/av-dev-pipeline/skills/review-pipeline/references/calibration.md

Калибровка проходов

Без измерения набор проходов растёт монотонно и вырождается в театр: каждый кажется полезным, потому что иногда что-то говорит. Калибровка отвечает на единственный вопрос — ловит ли проход дефект своего класса.

Процедура (инъекция дефекта)

1. Взять реальный коммит из истории (git log --oneline), лучше архивированный change с непустым диффом.
2. Внести в него один дефект того класса, который проход обязан ловить по своему charter'у. Дефект должен быть правдоподобным — таким, какой реально пишет модель, а не карикатурой (panic("TODO") не считается).
3. Прогнать только этот проход на подготовленном диффе — три раза, каждый в чистом контексте.
4. Зафиксировать: нашёл n/3, число находок всего, число ложных.
5. Вердикт:

Результат	Вердикт	Что делаем
нашёл 3/3 или 2/3, ложных немного	keep	ничего
нашёл 1/3 или 0/3	retune	правим charter — сужаем вход, убираем чек-лист, добавляем оракул
retune уже был дважды подряд	drop	удаляем проход
находит, но ложных больше трети от всех находок	retune	триаж съедает больше, чем экономит проход

Вердикты образуют храповик со счётчиком — его-то таблица и не показывает:

stateDiagram-v2
    state "проход в профиле" as live
    state "retune №1 — правка charter'а" as r1
    state "retune №2 — последняя попытка" as r2
    state "проход удалён" as dead

    [*] --> live: заведён и откалиброван ДО включения
    live --> r1: 1/3, 0/3 или ложных больше трети
    r1 --> live: замер keep — счётчик сброшен
    r1 --> r2: снова не ловит
    r2 --> live: замер keep — счётчик сброшен
    r2 --> dead: снова не ловит — это театр

retune не более двух раз подряд. Проход, не находящий дефект своего класса в 2 из 3 прогонов после двух правок промпта, — это театр. Удалять, а не бесконечно править формулировки: каждая итерация правки промпта стоит дороже, чем отсутствие прохода.

Существующий проход не удаляется без замера. Сначала калибровка, потом решение — иначе удаляется то, что работало, а остаётся то, что громче. Обратный пример уже был: проход про идиоматичность стоял в списке на удаление как «вкусовщина», а замер показал, что он зарабатывает экспериментами против поведения библиотеки и драйвера, — и находка, воспроизведённая числом, отменила решение, принятое по ощущению.

Состав проходов принадлежит плагину, а не проекту

Проходы общие. Проект не может удалить проход — он может не звать его, и тогда это идёт строкой «не запускался» в границы покрытия, как любой другой пропуск. Молча сузить состав нельзя: пропуск прохода не отличим от прохода без находок.

Отсюда два следствия:

• правка charter'а — правка для всех проектов. Прежде чем сужать формулировку под свою боль, проверь, не место ли ей в документах проекта: предмет проверки живёт там, метод — в charter'е;
• удаление прохода из плагина требует замера на двух проектах, а не на одном: класс, не всплывший здесь, мог быть единственным работающим там.

Пробы дефектов по проходам

Проба — заготовка инъекции. Список пополняется из журнала проскочивших дефектов (см. review-journal.md): реальный проскочивший дефект — лучшая проба, какая вообще возможна, потому что синтетические смещены в сторону тех, которые уже умеешь придумывать.

Проход	Класс дефекта для инъекции	Заготовка пробы
review-gate	отсутствующая верификация	убрать тест на изменённую ветку, оставить код рабочим
review-specs	поведение вне спеки	добавить незаказанный фолбэк-дефолт на пустом входе
review-code	нарушение прозаической конвенции	увести штатный отказ мимо единой точки трансляции ошибки
review-rubric	нарушенное свойство узла	у клиента внешнего сервиса убрать таймаут и протяжку context
review-reimpl	форма решения	размазать решение по трём слоям там, где хватало одной функции
review-architecture	второй способ	завести вторую точку генерации id мимо единой
review-adversary	построенный путь	принять внешний идентификатор без разбора до запроса в хранилище
review-ops	деградация окружения	убрать обработку недоступности внешней зависимости в фоновом цикле
review-triage	шум	подать 20 находок, из них 15 вкусовщина и 3 дубля — проверить потолок и дедуп

Метрик сверх этого не заводим. Precision, корреляция между проходами, стоимость прогона в токенах — всё это красиво звучит и никем не считается вручную; набор показателей, который не собирают, создаёт впечатление измеряемости и тем вреден. Работает ровно один механизм: инъекция дефекта и вердикт. Если корреляция двух проходов действительно бросается в глаза — это видно по полю Найдено проходом в триажированных отчётах и без отдельной метрики.

Когда калибровать

• при заведении нового прохода — до включения в профиль по умолчанию;
• при правке charter'а существующего — иначе непонятно, правка помогла или нет;
• при появлении записи в журнале проскочивших дефектов — калибруем тот проход, который должен был поймать;
• планово — нет. Календарная калибровка ради галочки сама превращается в театр.