2.9 KiB
Пилот AUM: симуляции + генетический отбор — 2026-10-02
Задача: t-260929161138 (фиксация Alex, m-516173142). Запуск: cli.py aum-pilot.
Вход: суточный burn 9router за 7 дней (usageHistory живой БД), среднесут 311.61 у.е.
Конфигурация = {"volume_mult", "flash_share"} — множитель расхода и доля
дешёвой модели (glm-5.3-flash). fitness = E[ΔAUM за 365 дней] (модель продуктивности
калибруется так, что бейзлайн «как сейчас» даёт −5%/день — давление к оптимизации).
Результат прогона 2026-10-02
- baseline
{volume: 1.0, flash: 0.84}→ −19 279.56 - лучшая найденная
{volume: 0.153, flash: 0.511}→ +19 695.11 (+202%) - поколений 6, популяция 12, детерминировано (seed=7), ошибки симуляции 0
- вердикт: конфигурация лучше статус-кво — вынести дню/Alex'у (адвокат, не авто-применение)
Честные оговорки
- Модель продуктивности — плейсхолдер. Выручка аппроксимирована
P·√(полезность токенов); коэффициент P калиброван от бейзлайна. Реальные выручочные ставки проектов кооператива (Simbiot — 100% согласно coop_data.json, v0.2) заменят P — тогда recommendations станут деньгами, а не знаками. - Конфигурация двоична — реальные решения finer grained, но петля (замер → симуляция → отбор → отчёт-адвокат) уже рабочая.
- AUM до сих пор не замерен: нужен
docs/aum/balances.json(схема{"accounts":[{"name","amount_usd"}]}) с ручным вводом Alex. До этого метрика «деньги на счету» = None, burn — реальный.
Что означают числа
Направление сигнала: уменьшение объёма burn (~×0.15) при сохранении смешанной модели выгоднее, чем сжигать 2 500 у.е./нед при непроверенной отдаче. Это согласуется с дайджестом расходов 25.09–02.10 (пики 27–28.09 = 61% недели при спорной пользе). Не директива: пока productivity не калиброван выручкой, пилот отвечает только на вопрос «где направление улучшения», не «сколько именно».