portfolio-optimiser/docs/plan/2026-08-09-egnethetsreview-plan.md

Egnethetsreview → plan — funnene gjort varige, én økt av gangen

Hva dette er. Fable-reviewen (2026-08-09, kjørt fra 2026-08-09-fable-egnethetsreview-prompt.md) leverte funnene sine i et chat-transkript som forsvinner. Dette dokumentet er den varige formen: hvert funn i klarspråk, med belegget som produserte det, rangert som en plan STATE.md peker inn i økt for økt. Chatten kan glemmes — alt som trengs står her.

Slik brukes den: STATE.mds «👉 NESTE»-blokk peker alltid på det ØVERSTE ulukkede P-punktet her. En økt lukker et punkt → setter ✔ med commit-hash HER → overskriver STATE.md → neste økt leser videre. Demo-uke-planen (2026-08-06-demo-uke-plan.md) og innholdsgate-planen (2026-08-09-innholdsgate-og-aerlighet.md) BESTÅR uendret — denne planen føyer review-funnene inn i samme løp og flytter ingenting som er besluttet (O1–O4 står).

Voyage: småjobber (≤1 økt, kjent sti) kjøres direkte med /tdd-disiplin. Full Voyage-syklus (/trekbrief → /trekplan → /trekexecute → /trekreview) brukes der et punkt er merket [Voyage] — punktene med reell design-usikkerhet eller ≥2 økters bygging.

0. TO SPOR (operatørbeslutning 2026-08-09 — overordner rekkefølgen under)

Operatøren har delt uka i to spor. P-punktene under består, men hører nå hjemme slik:

SPOR 1 — KOMPLETT VERSJON 1, klar til torsdag 13. (inkludert andre repo)

v1 = den målte kjernen (alle åtte steg wiret, 42 load-bearing-testfiler, 766/770 grønn — inventaret i 2026-08-06-v1-inventory.local.md) + to lukkinger + release-kuttet:

Post	Innhold	Kost	Nedgradering hvis tid/kvote ryker
S1.a = P1	Steg 7-innboksen inn i demoløpet	1 økt	ærlig etikett (0,1 økt)
S1.b = P2	Innholdsgaten (Spor B)	1–2 økter	NEI-varianten i ærlighets-teksten (ferdigskrevet)
S1.c (ny)	Release-kuttet: versjon 1.0.0 synket FIRE steder (pyproject/__init__/uv.lock/test_smoke) + CHANGELOG ([Unreleased] → 1.0.0; Steg-5-API-endringen står alt der) + [project.scripts]-entry (flyttet HIT fra P9 — release-hygiene, målbilde §11 pkt. 7) + tag v1.0.0 på begge remotes ETTER grønn generalprøve	1 økt (ons kveld)	tag fredag i stedet — aldri tag før grønn generalprøve

Andre repo — hva som faktisk MÅ gjøres der (målt, ikke antatt):

• commons: energieksemplet MED cost-baseline.json — ALLEREDE bestilt (frist tir 11., coord 20260806T112037Z…); GO/NO-GO tirsdag står. Reserven (mikro) gjør at v1 ALDRI blokkeres av commons: rammeverket er v1, innholdet er data.
• llm-ingestion-okf: ingenting — pinnet v0.3.2 gjennom v1 (målt at den holder).
• guard-repoet: ingenting — v0.3.4 finnes, stdlib-only; wiringen skjer HER (S1.b).
• po-claude: PARKERT (ramme B) — v1 er MAF-siden alene, og det SIES i release-notatet.

→ Ingen ny coord-melding trengs. Alt andre-repo-arbeid er enten bestilt eller ikke nødvendig.

Flagget konflikt (operatøren eier den): O4 sier README-løftet kommer ETTER demoen (fre–lør). Anbefaling: tag v1.0.0 onsdag med nøktern README-status; nivå-2-påstanden inn i README fre/lør som besluttet. Beviset først, påstanden etterpå — det gjelder også taggen.

EKSPLISITT UTE av v1 (sies i release-notatet, ikke i en fotnote): CLI-porteføljetak (P6), commons-amendmentene (P7), metode-skillen (P8), bestiller-flaten (åpen beslutning i STATE), bundle-fabrikken (O1), søsken-repoet (parkert), okf v0.4.0+.

SPOR 2 — KOMPLETT OG OVERBEVISENDE DEMO av alle åtte steg

= P3 (GO-dag + kostnads-sjekk-prøven) + P4 (fresh-clone-/stderr-/golden-kriterier + to ærlighets-setninger) + generalprøven + én muntlig mandat-setning (bestillingsflyten er svaret på «kan vi styre hva som analyseres?» — docs/bestille-en-kjoring.md). Valgfritt før frys (0,1 økt — inventarets kosmetikk-funn «leser som en feil i en sal»): demp de fire stderr-støylinjene i simulation.main (logging-/warnings-filter; rører ikke stdout, altså ikke kriterium 6). Ellers nevnes de høyt.

Økt-regnskap for uka i dette repoet: S1.a (1) + S1.b (1–2) + S1.c (1) + P3 (0,25) + P4/generalprøve (0,5–0,75) ≈ 3,75–4,75 økter. Ved kvotepress er nedgraderingskolonnen rekkefølgen — v1 forblir ærlig komplett på hvert nivå, den blir aldri stille ufullstendig.

1. Funnene i klarspråk

Reviewen fant ingen brann i koden: suiten er grønn (766 passed / 4 skipped), demo-outputen er byte-identisk over to kjøringer, og alle åtte steg har sin merkede linje. Det den fant, er fire steder der demoen lover mer enn den viser, og noen hull i sikkerhetsnettet rundt torsdag.

Funn 1 — kostnads-sjekken har aldri kjørt på ekte innhold. Validatoren KAN avstemme et forslag mot prosjektets faktiske kostnadstall (S4.0), men sjekken aktiveres bare når kunnskapsbasen shipper cost-baseline.json — og ingen bundle i repoet har den fila (målt, §4 rad 3). I dagens demo regner validatoren derfor kun på tall forslaget selv oppgir. Bestillingen til commons krever fila (bra) — men første gang sjekken møter ekte innhold blir på leveransedagen, og avviker manus-tallene mer enn 5 % fra de leverte kostnadstallene, avvises BÅDE det overdrevne og det korrigerte forslaget på scenen. Og reserven (mikro-eksemplet) kan aldri få fila, så NO-GO-tilfellet trenger sin egen ærlige setning.

Funn 2 — demoen sier «fil-innboks for ekspertdommer», men bruker den ikke. Steg 7-linja i demoen sier «lang fil-løkke». I virkeligheten leveres dommen som et funksjonsargument — simulate_learning_loop kaller run_project uten verdict_dir (§4 rad 4). Fil-innboksen finnes og er testet (test_step7_async_loop_loadbearing.py), men demoen kjører den ikke. Dette er samme klasse som Steg 5 var før 7. august: et steg som omtales er ikke vist.

Funn 3 — «last ned og kjør» er aldri testet fra en fersk nedlasting. Ingen av de åtte demo-kriteriene kjører fra en ren klone. uv.lock finnes, så beviset er én kommandosekvens — og den fanger miljøavhengigheter (PORTFOLIO_SHARED_ROOT re-peker kunnskapsbasen!), utrackede filer og lokal .venv-drift.

Funn 4 — små presisjonshull i det som sies og vises. Kjøring A kalles «fersk kunnskapsbase, ingen tidligere dommer», men bundelen shipper ett dom-frø, og Kjøring B viser «2 dommer» der bare én kom fra sløyfa — én muntlig setning retter det. Stderr-støyen (to warnings + to «forcing completion») er det første publikum ser.

Etter demoen (feature-settet):

• Funn 5: porteføljekjøring fra kommandolinja har ikke noe samlet token-tak — taket finnes i biblioteket (PortfolioMeter, seks målte mutasjoner), men main() kobler det aldri på; koden sier det selv (§4 rad 6).
• Funn 6: spec-gjelden mot commons/søskenet vokser — seks lokale semantikk-beslutninger er uspeilet (D7-speiling ÅPEN i CLAUDE.md), og «rettferdig sammenligning» (A6) blir mindre sann for hver av dem.
• Funn 7: «metoden som Agent Skill» er en CLAUDE.md-konvensjon uten realisering — kun ekspert-personaen finnes (§4 rad 5).
• Funn 8: [project.scripts] mangler (release-hygiene, målbilde §11 pkt. 7).
• Null-funn: bytte av orkestrering (Sequential/Handoff/graf-laget/checkpointing) skal IKKE gjøres — målt: debatten er i praksis en fast sekvens og Group Chat beholdes av byttekost-grunner, gevinsten er kosmetisk, kostnaden er re-verifisering av hele offline-beviskjeden (§4 rad 7–8).

2. Plan FØR demoen (P1–P4, i utførelsesrekkefølge)

P1 — Steg 7-innboksen kobles på i demoen ☐

[1 økt · Opus 5/high · TDD direkte · MÅ lande før onsdags-frysen] Rute persona-dommen gjennom en faktisk verdict_dir-katalog i simulate_learning_loop — sømmene finnes allerede (run_project(verdict_dir=…) + write_verdict er offentlig primitiv). Ny load-bearing-test: detach innboks-lesingen → markør-/Steg 7-linja endres → RØD. Kriterium 6 (byte-identisk stdout) måles på nytt etterpå. Faller den på tid: minimumsvarianten = ærlig etikett i _run_trace_lines («dom levert direkte her; fil-innboksen er samme søm, bevist i test») + én muntlig setning. 0,1 økt.

P2 — Spor B: innholdsgaten ☐

[1–2 økter · Opus 5/high · TDD direkte · følger innholdsgate-planen §3–§4 uendret] Reviewens skjerpelse, ellers ingen endring: §4-beslutning 2 (avvisning per dokument eller per bundle?) tas FØR bygging, og innholdsgate-planens kriterium 5 (byte-uendret demo-stdout) måles ETTER wiring. Målt frys-sikker: verken run.py eller simulation.py importerer ingest.

P3 — Tirsdag 11.: GO/NO-GO + kostnads-sjekk-prøven ☐

[0,25 økt, del av tirsdagsøkta · Opus 5/medium] Som demo-uke-planen — PLUSS to tillegg fra funn 1: (a) kjør demo-kriterium 1+2 (åtte steg-linjer; REJECTED- og VALIDATED-linje for samme kandidat) mot den NYE bundelen allerede tirsdag, ikke først onsdag; (b) skriv manus-registerets tall FRA den leverte cost-baseline.json, aldri ved siden av den. Dette er første gang S4.0-forankringen kjører på ekte innhold. Prøve som feller feil: kjør sim mot ny bundle med bevisst 10 %-avvik i manuset → skal gi FORKASTET; korrigert → FORESLÅTT.

P4 — Onsdag 12.: tre nye kriterier + to setninger, så generalprøve og FRYS ☐

[0,5 økt, del av generalprøve-økta · Opus 5/low]

1. Fresh-clone-kriterium: klon til scratch → uv sync → kjør simuleringen → diff mot arbeidskopiens output. Beviser «last ned → kjør»-påstanden.
2. Stderr pinnes: de fire kjente linjene er fasit; nye advarsler etter subtree-pull fanges.
3. Golden-transkript: sjekk inn demo-outputen som fasit-fil og diff mot den — selvidentitet (kriterium 6) fanger ikke-determinisme, men ikke regresjon mellom onsdag og torsdag.
4. To ferdigskrevne setninger inn i ærlighets-teksten (mønsteret fra innholdsgate-planen §5): NO-GO-varianten «kostnads-forankringen er ikke aktiv i reserve-eksemplet», og frø-setningen «én av de to tidligere dommene i Kjøring B fulgte med eksempelet — den andre er den demoen lærte».

3. Plan ETTER demoen (P5–P10, i verdirekkefølge)

P5 — README + nivå-2-påstanden (O4, fre 14.–lør 15.) ☐

[1 økt · Opus 5/medium] Allerede besluttet (O4). Reviewens tillegg: G5-forbeholdet skal stå i teksten som løftes — sammenligningen mot søskenet gjelder den spec-ede kjernen, ikke hele dette repoet (mandat/hovedbok/portefølje-budsjett m.m. er utenfor spec-ene, målt 0 treff).

P6 — Globalt token-tak inn i CLI-en ☐

[1 økt · Opus 5/high · TDD direkte] --budget-dør i main(): PortfolioMeter + read_spend/write_spend-wiring + BudgetRefused inn i except-tuplen (TRAP-kommentaren i run.py sier selv at den ikke fanges i dag). Feller: CLI-test med spend-fil nær taket + --portfolio → strukturert refusal; detach flagget → rød.

P7 — Amendment-pakken til commons — ÉN samlet bestilling ☐

[1 økt · Fable 5/high (spec-review er formen) · leveres via coord-send, ALDRI arbeid i commons] D-A-restene samlet i én tekst: F2/F3-validator-semantikken, S3.2-seedingregelen, S4.0-baseline-formatet, (p)-kvantiseringen, Steg-5-returtypen. Feller: amendmentet gir spec-tester/goldens som binder semantikken på tvers av stackene — i dag kan søskenet følge spec-en korrekt og likevel divergere fra dette repoet.

P8 — Metoden som Agent Skill (B6) ☐ [Voyage]

[/trekbrief først; bestilling til commons + liten konsum-søm her] Målt: kun shared/skills/expert-reviewer/SKILL.md finnes. Innholdet eies av commons (bestilling som tekst); konsum-sømmen her er liten (MAF SkillsProvider er experimental — pin versjon). [Voyage] fordi formen har reell design-usikkerhet — hva av metoden som skal være skript vs. referanse er ikke avgjort.

P9 — Småting ☐

[0,5 økt samlet · Opus 5/low] Kapabilitetskartets to korreksjoner (topologi-notatet fra funn «null»: debatten er en fast sekvens, Group Chat beholdes av byttekost; checkpointing-raden nedgraderes fra «ADOPT (later)» til «NEI med begrunnelse» — pass-nivå-gjenopptakelse er allerede levert via spend-fila). ([project.scripts] er flyttet inn i v1-release-kuttet, §0 S1.c.)

P10 — Eksplisitt NULL (ingen økt) ✔

Ingen Sequential-swap, ingen Handoff, ingen graf-adopsjon, ingen checkpointing. Står her så ingen senere økt «oppdager» dem på nytt. Falsifisering av selve null-beslutningen: forsvinner «forcing completion»-linjene en dag uten bytte, var topologi-analysen feil.

4. Belegg (kommandoene bak påstandene, målt 2026-08-09 på HEAD c96ef90)

#	Påstand	Kommando → resultat
1	Suiten grønn	uv run pytest -q → 766 passed / 4 skipped (111 s)
2	Demo deterministisk + 8 steg	to kjøringer, stdout adskilt fra stderr, diff → tom; grep -cE "^ *Steg [1-8]" → 8. (Første måling viste avvik — det var målefeil: 2>&1 blandet inn stderr; mkdtemp-linja går bevisst til stderr, simulation.py:531-534)
3	Ingen bundle har kostbaseline	ls shared/examples/bygg-energi-mikro/ → 8 filer, ingen cost-baseline.json; bestillingen (coord 20260806T112037Z…) krever den per ny bundle
4	Steg 7 vises uten fil-innboksen	simulation.py:328-366: run_project kalles uten verdict_dir; dommen er argumentet verdict_input (:322); etiketten «lang fil-løkke» står i :478
5	Metode-skill finnes ikke	find shared -name "SKILL.md" → kun expert-reviewer
6	CLI-porteføljen uten pass-tak	run.py:1679-1686: budget-stop-armen «currently UNREACHABLE from here»; BudgetRefused (RuntimeError) utenfor except-tuplen
7	Debatten er en fast sekvens	workflow.py:97-108: round-robin-selector, terminerings-nett = max_rounds*2+1 = 7 > 3 dispatcher → fyrer aldri; «forcing completion» ×2 i hver kjøring (målt)
8	MAF-alternativene gir ikke gevinst	introspeksjon installert orchestrations 1.0.0: ingen innebygd round-robin (kun docstring-eksempel _group_chat.py:149-151); SequentialBuilder.__init__ tar checkpoint_storage direkte; Handoff = modelldreven ruting
9	[project.scripts] mangler	grep -n scripts pyproject.toml → 0 treff
10	Spor B er frys-sikker	grep -n "ingest" src/portfolio_optimiser/{run,simulation}.py → kun docstring-omtaler, ingen import

5. Ukens kalender (hvor punktene lander)

Dag	Innhold
søn 9.–man 10.	P1 (Steg 7-innboksen) + P2 (Spor B økt 1, evt. 2)
tir 11.	P3: GO/NO-GO på commons-innholdet + kostnads-sjekk-prøven
ons 12.	P4: nye kriterier + setninger → generalprøve → FRYS → S1.c: release-kuttet + tag v1.0.0
tor 13.	DEMO = v1 vises
fre 14.–lør 15.	P5: README (O4)
deretter	P6 → P7 → P8 → P9, ett punkt per økt; STATE.md peker på øverste åpne