2 Commits

Author	SHA1	Message	Date
Chaim	70a06c3745	fix(calibration): drop block-yod + per-cell guard + incremental write (#208) ... A live calibration run crashed with no error handling and lost ~2h of work: the per-cell loop in _run() reached block-yod (discussion), block_writer.write_block raised ValueError("לא ניתן לכתוב בלוק דיון ללא כיוון מאושר…") because the discussion block needs an approved direction calibration cases don't have, and since the report was only written at the very end of main(), every completed generation was lost. Three robustness fixes (no metric/scoring change — G2): 1. Drop block-yod from default CALIBRATABLE_BLOCKS — out of WS5 interim-draft scope AND structurally non-calibratable standalone (needs brainstorm→approve_direction). Kept in new VALID_BLOCKS so a user can still force it via --blocks block-yod. 2. Per-cell try/except in _run(): any single (case, block, effort) cell failure is logged as a warning (case/block/effort/error) and skipped, never fatal — defense-in-depth for a forced block-yod and for transient rate-limits mid-run. 3. Incremental persistence: _write_report flushes after each completed block (ts threaded into _run), so a crash later in the grid never loses finished blocks. JSON/MD shape unchanged — partial results omit not-yet-done blocks from by_block. --self-test: ALL PASS (14/14). block-yod gone from --dry-run defaults. Invariants — נוגע / מקיים: - G8 (eval-harness robustness) — partial results persist; a single-cell failure is non-fatal; the harness survives block-yod's missing-direction raise and rate-limits. - G2 (מקור-מדידה יחיד) — no metric-path change; _score_cell / block_distance_to_final / recommend_effort / aggregate_cell untouched. Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>	2026-06-30 15:49:15 +00:00
Chaim	f935f166a9	feat(calibration): כיול-אמפירי model×effort מול הסופיים (#208) ... A/B harness שמכייל את ה-effort הנעוץ per-בלוק (#204) מול הסופיים של דפנה: מייצר מחדש כל בלוק דרך מסלול-הייצור (write_block(effort_override=…) → claude_session.query → claude -p, Opus 4.8, מקומי-בלבד) ומודד מול הסקשן המתאים בסופי דרך style_distance.block_distance_to_final (change_percent, anti_pattern_total, golden-ratio deviation, composite distance). ממליץ per-בלוק על ה-effort הקרוב-ביותר לסופי. - scripts/calibrate_effort.py — ההארנס (מודל eval_retrieval.py): --self-test (offline, מוכיח מדידה+המלצה, אפס DB/CLI) · --dry-run · --efforts/--blocks/ --case/--repeats. דוח data/eval/effort-calibration-<ts>.{json,md} עם גודל-מדגם בולט — עדות-כיוון, לא רגרסיה (מעט סופיים-עלויים). - style_distance.py — block_distance_to_final + split_final_by_section (מקור-מדידה יחיד, G2; reuse compute_diff_stats/count_anti_patterns/chunker). - block_writer.py — write_block(effort_override=) להזרקת effort per-קריאה בלי לדרוס את ברירות-המחדל הנעוצות; רושם את ה-effort האפקטיבי. - scripts/SCRIPTS.md — ערך חדש. Invariants: G8 (eval-harness — מדידה אמפירית, לא הנחה) · G2 (reuse של style_distance/learning_loop — אין מסלול-מדד מקביל) · claude_session local-only (reference_claude_generation_path) · INV-LRN4/5 (השוואה מול הסופי, מדידת-סגנון; אין מהות-תיק נגררת). אומת: --self-test 14/14 PASS. הריצה החיה host-only (claude CLI) — לא ניתנת-להרצה ב-worktree/קונטיינר. Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>	2026-06-30 12:13:43 +00:00