docs(1b): første levende kjøring — måleprotokoll, ikke konklusjon

Foundry-miljøet opprettet og målt. Stigen fra fase 1a fulgt: token → preflight fra
utpakket pakke → gatet triviell probe (prosjektets FØRSTE levende modellkall, 1 passed,
5,02 s) → full run_project.

Trinn 4 døde med BudgetExceeded rounds limit=12 observed=13. Diagnosen er utledet av
KODE, ikke av flere betalte kjøringer: _fetch_parsed tikker en runde per forsøk og
retryer ved parse-feil, så tolv oppbrukte runder betyr at svarene i hovedsak ikke lot
seg parse til IR-formen. Den råe svarteksten finnes ikke i noen artefakt i dag — å
skaffe den er en søm, altså Iron-Law-arbeid, ikke en omkjøring med høyere tak.

Uttalt bieffekt: BudgetExceeded forlot kjøringen som traceback, ikke strukturert utfall.
På den hostede flaten ville det blitt HTTP 500 for en normal, forventet tilstand.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01SeW1LhH5TtXxKZPe9JkqL1

docs/2026-08-14-fase1b-forste-levende-kjoring.md

@@ -0,0 +1,110 @@
+# Fase 1b — den første levende kjøringen (14. august 2026)
+
+Dette dokumentet er et **måleprotokoll**, ikke en konklusjon. Alt under er kjørt; ingenting er utledet.
+Der noe ikke er bevist, står det.
+
+## 0. Hva som ble opprettet
+
+| Ressurs | Verdi |
+|---|---|
+| Ressursgruppe | `portfolio-optimiser-rg` (eastus) |
+| Foundry-ressurs | `po-foundry-ktg` — `kind: AIServices`, `--allow-project-management` |
+| Prosjekt | `po-project` |
+| Deployment | `gpt-4-1-mini` (modell `gpt-4.1-mini`, versjon `2025-04-14`, GlobalStandard) |
+| Prosjekt-endepunkt | `https://po-foundry-ktg.services.ai.azure.com/api/projects/po-project` |
+| Rolle | `Foundry User` (`53ca6127-…`) på **prosjekt**-scope |
+
+**`gpt-4o-mini` ble avvist av plattformen** med `ServiceModelDeprecating` — modellnavnet måtte måles
+med `az cognitiveservices model list`, ikke hentes fra hukommelsen. Kommandoene er hentet fra
+Microsoft Learn (`az cognitiveservices account create` / `account project create`), ikke formulert
+fritt.
+
+**Rotårsaken til at dette ikke fantes før** var prosedural, ikke teknisk: den påloggede identiteten
+har vært **Owner på abonnementet** hele tiden, mens repoets egen state-fil hadde ført opprettelsen
+opp som operatørens oppgave og samtidig sagt at operatøren aldri kjører kommandoer selv. Arbeidet
+tilhørte ingen, og hver økt målte lydig på nytt at det ikke fantes.
+
+## 1. Stigen — billigste trinn først
+
+Disiplinen fra fase 1a: bevis så mye som mulig før det dyre trinnet, så en feil er attribuerbar.
+
+| Trinn | Kommando | Utfall |
+|---|---|---|
+| 1 | `az account get-access-token --resource https://ai.azure.com` | exit 0 |
+| 2 | `preflight --profile azure` (fra **utpakket overleveringspakke**) | `preflight OK (azure)` |
+| 3 | `pytest tests/test_foundry_profile_live.py` (gatet triviell probe) | **1 passed, 5,02 s** |
+| 4 | Full `run_project` mot levende modell | **RC=1 — `BudgetExceeded`** |
+
+**Trinn 3 er prosjektets første levende modellkall noensinne.** Det beviser at auth, RBAC,
+endepunkt-form og deployment-navn komponerer — og at en rød trinn 4 derfor *ikke* kan skyldes noen
+av dem.
+
+## 2. Trinn 4 — hva som faktisk skjedde
+
+```
+uv run python -m portfolio_optimiser.run BYGG-KONTOR-NORD \
+  --profile azure \
+  --docs-dir shared/examples/bygg-energi-mikro \
+  --bundle-dir shared/examples/bygg-energi-mikro \
+  --outbox-dir <tmp>/outbox --run-id live-001
+```
+
+stdout var **tom**. stderr bar to linjer som betyr noe:
+
+```
+GroupChatOrchestrator reached max_rounds=3; forcing completion.
+portfolio_optimiser.budget.BudgetExceeded: budget exceeded: rounds limit=12 observed=13
+```
+
+Den første er forventet — maker/checker-debatten kjører til taket også i den offline demoen. Den
+andre er funnet.
+
+### Diagnosen, utledet av kode og ikke av flere betalte kjøringer
+
+`generate._fetch_parsed` er en `while True` som kaller `meter.tick_round()` for **hvert** forsøk og
+`continue`-er ved parse-feil. Rund-budsjettet i genereringsfasen er `max(max_rounds * 4, 4)` = **12**
+(`run.py:546`). Hadde modellsvarene parset til IR-formen, ville tre validerings-forsøk kostet tre
+runder. At alle tolv gikk med betyr at **de fleste svarene fra `gpt-4.1-mini` ikke lot seg parse** —
+taket ble brent på formatfeil, ikke på validator-avslag.
+
+**Dette er et FUNN, ikke en diagnose som er ferdig.** Det som mangler for å lukke den, er den råe
+svarteksten, og den finnes ikke i noen artefakt i dag (`--outbox-dir` skrev kun
+`live-001-runconfig.json`). Å skaffe den krever en endring i koden, altså Iron-Law-arbeid — ikke en
+rask omkjøring med høyere tak, som ville kostet penger og fortsatt ikke sagt hvorfor.
+
+### En bieffekt som er verdt å uttale
+
+`BudgetExceeded` forlot kjøringen som en **uhåndtert exception med traceback**, ikke som et
+strukturert utfall. På den hostede flaten ville nøyaktig dette blitt `HTTP 500` — altså ville
+ressurs-utmattelse (en normal, forventet tilstand) presentert seg for en ekstern kaller som en
+serverfeil. Det er ikke rettet her; det er notert.
+
+## 3. Hva som ER bevist, og hva som IKKE er det
+
+**Bevist, målt:**
+
+- Rammeverket når en levende Foundry-modell: auth, RBAC på prosjekt-scope, endepunkt-form,
+  deployment-oppslag og klientbygging virker.
+- Kunnskapsbase-navigasjon, debatt-orkestrering og genererings-løkka kjører mot ekte modellsvar —
+  kjøringen døde *inne i* løkka, ikke før den.
+- Preflight fra den **utpakkede overleveringspakka** er grønn mot et ekte prosjekt, både med vårt
+  eget endepunkt-variabelnavn og med plattformens injiserte.
+
+**Ikke bevist:**
+
+- At systemet produserer et **validert forslag** mot en levende modell. Det har det aldri gjort.
+  Kjøringen nådde aldri fram til validatoren med en parsebar kandidat.
+- At `gpt-4.1-mini` er en egnet modell for proposer-rollen. Målingen peker mot at den ikke er det
+  uten endret prompting eller structured output — men én kjøring er én kjøring.
+- Noe som helst om kostnad i drift. Denne kjøringen kostet noen få øre; det sier ingenting om en
+  reell portefølje.
+
+## 4. Neste steg, i rekkefølge
+
+1. **Fang den råe svarteksten** ved parse-feil (i dag forsvinner den i `except: continue`). Test
+   først — dette er en søm, ikke en logg-linje.
+2. Vurder **structured output** mot Foundry for proposer-rollen, framfor å prompte fram JSON.
+3. Vurder om `BudgetExceeded` skal bli et strukturert utfall i stedet for en traceback, særlig for
+   den hostede flaten.
+4. Først når 1 og 2 er på plass: en ny bundet kjøring, og en gatet test som dekker **hele
+   `run_project`-stien** (den eksisterende gatede testen dekker kun klient-nivået).