tasks: выкинуты задачи про сбор базы человеком

- закрыты few-shot на правках человека и eval-харнес с размеченным корпусом:
  направление — тюнинг автоматического распознавания без участия человека
- цель распознавания переписана: точность видна по рабочему потоку, а не по
  фиксированному корпусу
- поправлены ссылки на удалённые задачи в CLAUDE.md, review.md,
  research/README.md и в задаче про confidence-гейт

docs/tasks/items/auto-link-confidence-gate.md

@@ -44,12 +44,13 @@
    задача не должна.
 5. **Тесты:** `decide` с `threshold=0` (гейт выключен, авто при чистых 1–3);
    confidence ниже/выше порога при выполненных 1–3.
-6. Точное число порога откалибровать позже — для этого есть задача
-   [eval-харнес распознавания](recognition-eval-harness.md) (сейчас гейтим по
-   неизмеренному сигналу).
+6. Точное число порога откалибровать позже по рабочему потоку — сколько раздач
+   ушло в ревью и сколько из них пришлось поправить. Размеченный корпус, по
+   которому порог можно было бы подобрать заранее, решено не собирать
+   (`../REJECTED.md`, 2026-08-06), так что первое значение остаётся оценкой.
 
 Оформить как OpenSpec-change (дельта `recognition` + правки
 `validate.go`/`recognize.go`/`config`).
 
 Связано: openspec/specs/recognition, ADR-2026-06-13-auto-link-requires-db-match,
-[eval-харнес](recognition-eval-harness.md), пакет recognize.
+пакет recognize.

docs/tasks/items/learn-from-user-corrections.md

@@ -1,10 +0,0 @@
-# ✨ Подмешивать прошлые правки человека в промпт распознавания (few-shot)
-
-- **Тип:** feature
-- **Категория:** Ядро продукта
-- **Зачем:** правки человека (матч/тип/нумерация) не переиспользуются — few-shot из прошлых ревью поднял бы точность на «своих» трекерах без смены модели
-- **Теги:** goal:recognition-accuracy
-
-Когда человек поправил матч, тип или нумерацию — сохранять это как пример и подмешивать похожие в будущие промпты. Системно повышает точность на «твоих» трекерах и форматах имён без смены модели. Развитие идеи многоступенчатой верификации, но дешевле: учимся на уже собранных hint/override.
-
-Связано: specs/recognition.md (конвейер, промпт), «Многоступенчатая верификация», specs/architecture.md → «Хранилище» (hint, override).

docs/tasks/items/recognition-accuracy.md

@@ -1,12 +1,14 @@
-# 🎯 Раздача узнаётся верно, и точность этого измерима
+# 🎯 Раздача узнаётся верно без подсказок человека
 
 - **Тип:** goal
 - **Секция:** Направления
-- **Зачем:** смена модели или правка промпта сегодня вслепую — нет ни метрики, ни способа переиспользовать уже сделанные человеком правки
+- **Зачем:** распознавание ошибается молча и правдоподобно, а смена модели или правка промпта идёт вслепую — сдвига точности не видно ни до, ни после
 - **Теги:** decomposed
 
-Ради чего: распознавание — единственное место, где система может ошибиться молча и правдоподобно. Сегодня её точность не измеряется ничем, кроме впечатления, а накопленные правки человека пропадают.
+Ради чего: распознавание — единственное место, где система может ошибиться молча и правдоподобно. Сегодня о его точности судят по впечатлению, и сдвиг от смены модели или правки промпта заметен только задним числом.
+
+Размеченный корпус и обучение на правках человека из этой цели исключены сознательно (`REJECTED.md`, 2026-08-06): базу руками не собираем, точность поднимаем тюнингом автоматического распознавания.
 
 ## Завершение
 
-Достигнута, когда точность распознавания меряется числом на фиксированном корпусе реальных раздач, смена модели или правка промпта прогоняются через этот корпус до выкатки, а решение auto/review опирается на измеримую силу совпадения, а не на самооценку модели.
+Достигнута, когда решение auto/review опирается на измеримую силу совпадения с записью метабазы, а не на самооценку модели, и доля раздач, ушедших в ревью или поправленных после авто-раскладки, видна по рабочему потоку и не растёт от версии к версии.

docs/tasks/items/recognition-eval-harness.md

@@ -1,10 +0,0 @@
-# 🧹 Завести eval-харнес распознавания: корпус кейсов и метрику точности
-
-- **Тип:** chore
-- **Категория:** Инфраструктура
-- **Зачем:** смена модели или правка промпта распознавания сейчас вслепую — нет корпуса кейсов и метрики точности, регрессии не видно
-- **Теги:** goal:recognition-accuracy
-
-Распознавание — ядро продукта, но смена модели или правка промпта сейчас вслепую: регрессий не видно. Нужен корпус размеченных кейсов (русские релизы, аниме, сезон-паки, репаки, спецвыпуски) и прогон распознавания по нему с метрикой точности (тип/название/год/нумерация). Тогда можно сравнивать LLM-провайдеры и версии промпта по числам. Прогон — отдельной командой (jellybit eval или тестом), на фикстурах, без реального qBittorrent.
-
-Связано: specs/recognition.md (конвейер, модель уверенности), пакет recognize.