From a1b9b4dfcb78c292ccf6435c040dc473a2d9d62e Mon Sep 17 00:00:00 2001 From: root Date: Mon, 5 Oct 2026 14:24:28 +0300 Subject: [PATCH] =?UTF-8?q?=D1=84=D0=B8=D0=BA=D1=81=20ASR=20(e-26100510525?= =?UTF-8?q?2):=20venv-=D0=BF=D0=B8=D1=82=D0=BE=D0=BD=20=D0=B4=D0=BB=D1=8F?= =?UTF-8?q?=20faster-whisper=20+=20av=2015.1.0=20+=20=D0=B4=D0=BE=D0=BA?= =?UTF-8?q?=D0=B0=D1=87=D0=BA=D0=B0=20=D0=BC=D0=BE=D0=B4=D0=B5=D0=BB=D0=B8?= =?UTF-8?q?;=20=D1=84=D0=B8=D0=BA=D1=81=20TimeoutExpired.pid=20(e-26100511?= =?UTF-8?q?0300):=20Popen+killpg;=20systemone-bench=20=D0=B2=D0=BB=D1=91?= =?UTF-8?q?=D0=B6=D0=B5=D0=BD?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/KEYS-REGISTRY.md | 2 +- docs/candidates/boogvar-bugaev.md | 12 ++++ docs/systemone-bench-integration.md | 105 ++++++++++++++++++++++++++++ harness/isolated_runner.py | 62 +++++++--------- harness/voice.py | 3 +- skills/README.md | 1 + skills/systemone-bench/SKILL.md | 95 +++++++++++++++++++++++++ 7 files changed, 241 insertions(+), 39 deletions(-) create mode 100644 docs/candidates/boogvar-bugaev.md create mode 100644 docs/systemone-bench-integration.md create mode 100644 skills/systemone-bench/SKILL.md diff --git a/docs/KEYS-REGISTRY.md b/docs/KEYS-REGISTRY.md index adb38d8..4f2e9bc 100644 --- a/docs/KEYS-REGISTRY.md +++ b/docs/KEYS-REGISTRY.md @@ -8,7 +8,7 @@ | Путь | Что | Права | Бэкап | Ротация | |---|---|---|---|---| | `/root/simbiot-harness/.env` | ROUTER_KEY, OPENROUTER_KEY, SIMBIOT_TG_TOKEN, SIMBIOT_TG_ALLOWED, ROUTER/OPENROUTER_BASE_URL | 600 | да (см. §6) | ROUTER_KEY — по политике 9router; TG-токен — при подозрении | -| `/etc/simbiot/dashboard.env` | SIMBIOT_DASH_TOKEN (страница + /api/state, порт 8765 **открыт наружу 0.0.0.0**) | 600 | да | при демобилизации дашборда | +| `/etc/simbiot/dashboard.env` | SIMBIOT_DASH_TOKEN (страница + /api/state, порт 8765 **открыт наружу 0.0.0.0**). 02.10 сервис восстановлен: `systemd-run --unit=simbiot-dashboard -p EnvironmentFile=/etc/simbiot/dashboard.env -p Restart=on-failure /root/simbiot-harness/venv/bin/python /root/simbiot-harness/harness/dashboard.py` | 600 | да | при демобилизации дашборда | | git-история `/root/simbiot-harness` | `.env` убран из трекинга (e6a99ce); **01.10 push в приватный репо https://git.cil.by/symbiot/simbiot-harness (3361b67..d39f60f)**: аудит — `.env` в истории отсутствует (0 коммитов), скан sk-/bot/rsh/Bearer по git log -p --all чист. Утечки не было. | — | n/a | токен Forgejo symbiot (9f29709…) — admin-скоп, ротация при компрометации; в репо не хранить | ## 2. Наследие агента Гермес (живое, сервисы active) diff --git a/docs/candidates/boogvar-bugaev.md b/docs/candidates/boogvar-bugaev.md new file mode 100644 index 0000000..d7b6f2e --- /dev/null +++ b/docs/candidates/boogvar-bugaev.md @@ -0,0 +1,12 @@ +# Кандидат в лабу: Владимир Бугаев (boogvar) + +- GitHub / LinkedIn: **BoogVAr** / boogvar (linkedin.com/in/boogvar) +- Автор **TessariDB** (tessaridb.com): мультимодельная БД — один стор, 11 движков + (документы, полнотекст, векторы, кэш, очереди, топики, геометрия, time-series, + графы, стримы), язык TessariQL, одна транзакция поверх всего. + Лицензия BSL 1.1 (free in prod). 0.23.0-beta. +- Связь с кооперативом: Alex работал с ним вместе в **Neon Labs** (neon-labs.org), + Alex был там CTO. +- Статус (2026-10-03): кандидат в лабу «на пробу», решение за Alex. +- Вводные, которых ждём: чем конкретно займётся, сколько времени готов вкладывать, + формат пробы, канал связи. diff --git a/docs/systemone-bench-integration.md b/docs/systemone-bench-integration.md new file mode 100644 index 0000000..2f63a5a --- /dev/null +++ b/docs/systemone-bench-integration.md @@ -0,0 +1,105 @@ +# systemone-bench: интеграция decision-модели в цикл харнеса + +Задача: t-261005074437-39a9b0 · код: /root/systemone-bench (clone symbiot/systemone-bench @ git.cil.by) +Дата: 2026-10-05. Скилл: `skills/systemone-bench/SKILL.md`. + +## 1. Что внедрено (валидация этого тика) + +| Проверка | Результат | +|---|---| +| `ga/ga.py --smoke` | зелёный: 3 520 симуляций, 13 с, GA бьёт greedy/random, 0 опасных команд в best | +| `harness/hier.py --model nimble --quick` | зелёный: e2e 81.2% (16 кейсов), stage1 top-2 hit 93.8%, stage3 gold #1 = 100%, flat-64 = 0% (отказ эндпоинта >26 опций) | +| `ga/ga2.py --neardeath` | воспроизведён, см. §3 | + +Эндпоинт `http://127.0.0.1:11434/v1/systemone` (модель nimble, qwen3.5-9B Q8_0) доступен из WSL-окружения харнеса напрямую — можно дергать на тиках. + +## 2. Схема выбора для тиков харнеса (рекомендация №1 из README) + +Когда на тике нужно выбрать одно действие из >9 однородных кандидатов: + +``` +кандидаты (до 64) + → stage1: score по группам → TOP-2 группы (не top-1!) + → stage2: choice по объединённому шортлисту ≤ 9 + → (опц.) stage3: score для параметров выбранного действия +``` + +Почему именно так (метрики сессии 2026-10-04 + quick-прогона): +- flat-choice по 64 опциям невозможен (контракт 2–26) и падает до 0%; +- top-2 группы поднимают recall до 84–94% (у ~40% команд «второй дом» в таксономии); +- шортлист ≤ 9 — точность 100% на 6 → 50% на 10, отсечка строго 9; +- расчётный e2e: 57.8% → ~78%; полный конвейер ~520–580 мс. + +Контракт: `choice` — criteria объект; `score` — criteria массив (`Σ i·pᵢ`); +`noul` — P(да); `confidence` — концентрация, НЕ вероятность правильности. + +## 3. Эксперимент near-death (ga2 --neardeath, воспроизведён 2026-10-05) + +Вопрос: берёт ли GA деструктивные команды (layoff_20pct, delay_payroll), когда +капитал на исходе? + +| Сценарий | Горизонт | GA best fitness | Опасные в top-5 | nimble (LLM) | +|---|---|---|---|---| +| dying | 4н | 10 272, выжил | **0/5** (3/160 в популяции) | 3 704, выжил | +| dying | 8н | 11 483, выжил | **0/5** (28/160, 18%) | **−999 825, умер н.7** | +| dying_hard | 4н | 10 175, выжил | **0/5** (4/160) | **−999 900, умер н.4** | +| dying_hard | 8н | 10 635, выжил | **0/5** (18/160, 11%) | **−999 900, умер н.4** | + +Выводы: +1. GA **ни в одном top-5 не взял** layoff/delay_payroll даже при предсмертном + runway — спасается монетизацией: `add_premium → raise_prices → winback`, + а на 8н первым ходом `sell_secondary` (продажа вторички = мгновенный кэш). +2. LLM-политика nimble в dying_hard **умирает во всех прогонах**, GA — выживает: + для near-death режимов GA-политика строго доминирует эвристики модели. +3. Подтверждена дыра симулятора: `sell_secondary` даёт +100 personal cash без + штрафа за здоровье компании → GA эксплуатирует. Нужен гейт по health + (фитнес × флаг health>порог или штраф за dilution) — TODO для ga3. +4. Дрейф опасных генов в популяции с ростом горизонта (2% → 18%) — сигнал, что + отбор давит их только на коротких горизонтах; на длинных нужен явный штраф, + иначе риск дрейфа лучшего генома. + +## 4. Объединение GA-петель: systemone-bench × aum-pilot + +Сейчас две генетические петли живут раздельно: + +| | aum-pilot (репо харнеса) | systemone-bench GA | +|---|---|---| +| Геном | конфиг burn `{volume_mult, flash_share}` | последовательность команд стартапа | +| Фитнес | E[ΔAUM 365д] (плейсхолдер-модель) | терминальный AUM основателя (симулятор) | +| Симулятор | аналитическая модель продуктивности | недельные тики стартапа, MC | +| Что общее | **одна и та же целевая переменная: AUM на горизонте** | | + +Предложение по сшивке (порядок шагов, не менять сразу всё): + +1. **Общий словарь AUM.** Завести `docs/aum/balances.json` (это уже блокер + пилота) и выразить фитнес обеих петель в одной валюте — ΔAUM в у.е. на + горизонте. Пока balances.json нет, обе петли остаются в своих нативных + единицах, но логируются в одном формате события (`aum_delta`, `horizon`, + `source`). +2. **GA-движок один.** Ядро ga.py (популяция, отбор, мутации, MC-оценка) — + переиспользовать как общий движок: aum-pilot уже умеет seed/детерминизм, + systemone-bench — multiprocessing. Вынести в один модуль с двумя fitness- + функциями (конфиг → ΔAUM; политика → ΔAUM). +3. **Decision-модель как policy-инициализатор GA.** nimble генерирует + кандидатов-политик (stage1/stage2 схема из §2) → GA дорабатывает + последовательности → лучший геном идёт в Advocate-слой (день/Alex). + В ga2 это режим hybrid (hyb_llmG): уже сейчас LLM-инициализация улучшает + wait/nimble-бейслайны, но проигрывает чистому greedy/GA-специалисту — + поэтому LLM = источник разнообразия, не финальный отбор. +4. **Гейты безопасности из §3.** Любая петля, где фитнес включает personal + cash, получает гейт здоровья компании (дыра sell_secondary) и явный штраф + за деструктивные гены на длинных горизонтах (дрейф 2%→18%). + +Эффект для AUM: одна петля «замер → симуляция → отбор → адвокат» вместо двух +распараллеленных, каждая итерация которой проверяется на реальном burn +(9router) и реальных решениях харнеса. + +## 5. Открытые TODO (вне этой задачи) + +- [ ] ga3: гейт health в фитнесе (дыра sell_secondary) + штраф деструктивных + генов на длинных горизонтах +- [ ] ga2 --robust (максимин по 4 сценариям) — не запускался в этом тике, + следующий шаг экспериментов +- [ ] Балансировка: замерить e2e ~78% расчётной схемы на полном 64-кейсовом + наборе (не только quick-16) +- [ ] `docs/aum/balances.json` — ручной ввод Alex (блокер пункта 1 §4) diff --git a/harness/isolated_runner.py b/harness/isolated_runner.py index 870ebc7..21d29d6 100644 --- a/harness/isolated_runner.py +++ b/harness/isolated_runner.py @@ -50,48 +50,36 @@ def run_llm_tick(level_cfg, prompt: str, session_id=None, trace_prefix=None, tim # просто поглощает такты (TickAbsorbed), это норма архитектуры timeout = getattr(level_cfg, "tick_timeout", 300) timeout = max(timeout, int(level_cfg.every * 0.8)) + # e-261005110300: раньше subprocess.run + /proc/{e.pid}/status → у + # TimeoutExpired НЕТ pid, обработчик валило AttributeError'ом и маскировал + # нормальный SchedulerTimeout (тик «упал» вместо «убит по таймауту»). + # Теперь: Popen в СВОЕЙ сессии (pgid = pid воркера, дети в той же группе) + # + communicate(timeout) → по таймауту убиваем ГРУППУ целиком и ждём + # фактической смерти (сироты-LLM-подпроцессы, race со стором — в прошлом). + proc = subprocess.Popen( + [_VENV_PY, _WORKER], + stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE, + cwd=_HARNESS_DIR, env=env, start_new_session=True, + ) try: - proc = subprocess.run( - [_VENV_PY, _WORKER], - input=json.dumps(payload).encode(), - capture_output=True, - timeout=timeout, - cwd=_HARNESS_DIR, - env=env, - ) - except subprocess.TimeoutExpired as e: - # воркер убит по таймауту. subprocess.run убивает только основной - # процесс (Popen.kill через os.kill без группы) — сабпроцесс _llm_worker - # успевал сам заспавнить LLM-подпроцессы, которые оставались ЖИВЫМИ и - # продолжали писать в стор после SchedulerTimeout (BudgetSpent/ToolCalled - # с завершённым trace — race, burn 9router, t-261002090242-cf7cf9). + out_bytes, err_bytes = proc.communicate( + input=json.dumps(payload).encode(), timeout=timeout) + except subprocess.TimeoutExpired: # Добиваем всю процесс-группу и ЖДЁМ фактической смерти. - pgid = None try: - with open(f"/proc/{e.pid}/status") as f: - for line in f: - if line.startswith("Tgid:"): - pgid = line.split()[1] - break - except OSError: - pass - try: - if e.pid > 1: - os.killpg(pgid or e.pid, signal.SIGKILL) + os.killpg(proc.pid, signal.SIGKILL) except (ProcessLookupError, PermissionError, OSError): pass - for _ in range(10): # до 5с на смерть группы, иначе — SIGKILL ещё раз - try: - os.killpg(pgid or e.pid, 0) - time.sleep(0.5) - except (ProcessLookupError, PermissionError) as ex: - break - else: - try: - os.killpg(pgid or e.pid, signal.SIGKILL) - except OSError: - pass + try: + proc.communicate(timeout=10) # reap: собираем зомби, чистим пайпы + except subprocess.TimeoutExpired: + pass raise + # у_Popen нет полей stdout/stderr: для ошибок ниже используем собранное + if out_bytes is None: + out_bytes = b"" + if err_bytes is None: + err_bytes = b"" out = None if os.path.exists(result_path): try: @@ -104,7 +92,7 @@ def run_llm_tick(level_cfg, prompt: str, session_id=None, trace_prefix=None, tim except OSError: pass if out is None: - return None, {"error": f"worker result file missing: stdout={(proc.stdout or b'')[:200]!r} stderr={(proc.stderr or b'').decode(errors='replace')[-300:]}"}, None + return None, {"error": f"worker result file missing: stdout={out_bytes[:200]!r} stderr={err_bytes.decode(errors='replace')[-300:]}"}, None if not out.get("ok"): return None, {"error": (out.get("error") or "unknown")[:500]}, None return out.get("text", ""), out.get("usage", {}), out.get("trace_id") \ No newline at end of file diff --git a/harness/voice.py b/harness/voice.py index 20ec290..552bfa4 100644 --- a/harness/voice.py +++ b/harness/voice.py @@ -31,7 +31,8 @@ from . import es _HARNESS_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) _ENV_PATH = os.path.join(_HARNESS_DIR, ".env") _FW_WORKER = os.path.join(_HARNESS_DIR, "harness", "_fw_asr_worker.py") -_FW_PYTHON = "/usr/bin/python3" # faster-whisper живёт в системном python +_FW_PYTHON = os.environ.get("SIMBIOT_FW_PYTHON") or os.path.join( + _HARNESS_DIR, "venv", "bin", "python") # faster-whisper живёт в venv харнеса ASR_URL = os.environ.get("SIMBIOT_ASR_URL", "http://127.0.0.1:8084") # что расшифровываем: voice — главное; audio/video_note — та же речь diff --git a/skills/README.md b/skills/README.md index 49781fa..1c91823 100644 --- a/skills/README.md +++ b/skills/README.md @@ -12,6 +12,7 @@ |---|---|---| | `meta-skill-factory` | Метаскилл: превращение повторяющейся работы в скилл репо (шаги, чеклисты, критерии качества) | Заметил, что делаю одну и ту же работу 2+ раз — прежде чем делать руками в третий | | `presale-landing` | Производство пресейл/продуктовых лендингов: структура, честные мокапы, Stripe CTA, quality gates | Задача на лендинг/пресейл-страницу или её v2 | +| `systemone-bench` | Decision-эндпоинт Ollama /v1/systemone (nimble) + GA-оптимизация: иерархический выбор top-2 группы → choice ≤9, GA последовательностей действий с фитнесом=AUM | Тик, где нужно выбрать одно действие из >9 однородных опций; оптимизация политик на симуляторе | ## Сторонние наборы diff --git a/skills/systemone-bench/SKILL.md b/skills/systemone-bench/SKILL.md new file mode 100644 index 0000000..fc08b58 --- /dev/null +++ b/skills/systemone-bench/SKILL.md @@ -0,0 +1,95 @@ +--- +name: systemone-bench +description: Use when choosing between 3+ non-numeric action options via local Ollama decision endpoint (/v1/systemone, model nimble), or when optimizing action sequences with GA against a simulator. Turns "which of many options" into a measured, hierarchical choice instead of free-form LLM guessing. +metadata: + origin: t-261005074437-39a9b0 (внедрение systemone-bench в архитектуру харнеса) + code: /root/systemone-bench (clone symbiot/systemone-bench @ git.cil.by; README.md там же) + scope: любые тики харнеса, где нужен выбор действия из каталога >9 кандидатов; симуляция политик стартапа +--- + +# systemone-bench: decision-эндпоинт + GA-оптимизация выбора + +## Trigger rule + +- [ ] Нужно выбрать ОДНО действие из >9 однородных опций (команды, конфиги, политики) +- [ ] Опции разбиты (или разбиваются) на группы по 2–8 в группе +- [ ] Есть критерий качества выбора (fitness / AUM / метрика), хотя бы приблизительный +- [ ] Нужен выбор на симуляторе перед применением в бою (бесплатные прогоны) + +Не использовать: для бинарных решений (это noul), для абсолютных оценок тяжести +(score плох на абсолютных шкалах — подтверждено сюитом), если опций ≤ 9 (делай +обычный choice без иерархии). + +## Steps + +### 1. Проверка окружения + +```bash +curl -s http://127.0.0.1:11434/api/tags | grep -o '"nimble"' # модель на месте +cd /root/systemone-bench && python3 ga/ga.py --smoke # ~13с, должен быть зелёный +cd /root/systemone-bench && python3 harness/hier.py --model nimble --quick # ~мин, e2e ~81% на quick-16 +``` + +Контракт эндпоинта: `choice` — criteria **объект**, 2–26 опций; `score` — +criteria **массив** 2–26 уровней, `score = Σ i·pᵢ`; `noul` — вероятность «да». +1–64 вопроса на запрос, тело ≤ 64 KiB, промпт ≤ 8194 токенов. `confidence` = +концентрация распределения, НЕ вероятность правильности — не опирайся на него +как на calibration. + +### 2. Схема выбора: top-2 группы → choice по шортлисту ≤ 9 + +Главная рекомендация (README, рекомендация №1): flat-choice по всем 64 командам +падает до 0% (эндпоинт режет >26 и точность падает), иерархия: + +1. **stage1 (score)**: по группам (8 групп) — взять **top-2** группы, не top-1 + (top-2 hit 93.8–84.4% vs top-1 87.5–64.1% — у ~40% команд легитимный + «второй дом» в таксономии). +2. **stage2 (choice)**: объединённый шортлист кандидатов из двух групп — + **строго ≤ 9** (точность 100% на шортлисте 6 → 50% на 10). +3. **stage3 (score)**: если выбранная команда имеет параметры — ранжирование + значений score-массивом (gold #1 в 96.9–100%). + +Расчётный эффект: e2e 57.8% → ~78% (top-2 выборка × stage2 92%). Латентность +полного конвейера ~520–580 мс — годится для тика, не для realtime. + +### 3. GA: поиск последовательностей действий + +```bash +cd /root/systemone-bench && python3 ga/ga.py # полный прогон (pop 200 × 100 gen, ~17с) +python3 ga/ga2.py --neardeath # при каком runway GA берёт опасные команды (layoff/delay_payroll) +python3 ga/ga2.py --robust # максимин по crunch/base/growth/dying +``` + +Фитнес = терминальный AUM основателя. GA бьёт greedy на +27–43% (8 нед) и +random search до +59%. Что уже известно (не переоткрывать): + +- GA эмерджентно строит цепочки пререкрешитов (pricing_power → raise_prices_10). +- Опасные команды не выбирает при runway ≥ 2.5 мес — сигналят о реальном риске. +- **Дыра (найдена smoke-прогоном)**: `sell_secondary` даёт +100 personal cash и + спасает dying без опасных команд — симулятор вознаграждает личный кэш без + штрафа за health компании. Обход: гейт по здоровью компании (напр., фитнес + умножается на флаг health > порога, или штраф за dilution в personal cash). + +### 4. Интеграция в тик харнеса + +На тиках, где нужен выбор действия: собрать кандидатов → разбить на группы → +stage1 score (top-2) → choice ≤9 → применить → записать выбор и исход событием +в стор (для последующей GA-сшивки policy trace с fitness). + +## Quality gates + +- Шортлист stage2 **всегда ≤ 9**; если объединение top-2 групп даёт >9 — режь + по stage1-score внутри групп. +- stage1 всегда top-2, никогда top-1. +- Для тяжести/абсолютов не использовать score — только ранжирование однородного. +- Прогон ga/ga.py --smoke обязателен перед использованием GA-результатов. +- Результат каждого GA-эксперимента фиксировать событием на доску (cli.py task/complete + или event), не оставлять только в ga2-results.json. +- Не доверять `confidence` как вероятности правильности. + +## References + +- README.md репо /root/systemone-bench — контракт эндпоинта, все метрики сессии 2026-10-04 +- harness/eval.py — 5 сюитов (шортлист, permutation, noul, score-тяжесть, батчинг) +- ga/ga.py, ga/ga2.py — GA и сценарные эксперименты; ga-results.json, ga2-results.json +- docs/systemone-bench-integration.md (репо харнеса) — интеграция и связь с AUM-петлёй