portfolio-optimiser/docs/plan/2026-08-06-demo-uke-plan.md

Demo-uke — alle åtte steg live torsdag 13. august 2026

Grunnlag: 2026-08-06-intensjons-qa.md (påstander A1–C8, funn G1–G6, beslutninger O1–O4). Rammene A/B/C fra briefen står. Denne planen legger til dagsrekkefølge, den ene kodejobben, og et go/no-go-punkt som gjør uka robust mot at innholdet ikke kommer.

0. Låst — ikke gjenåpne

	Beslutning
A	«Live» = sanntids-gjennomgang, skriptet under panseret. Preflight/Foundry er UTE av kritisk sti.
B	MAF-siden alene. Søsken-repoet er parkert.
C	Det realistiske eksemplet bygges i commons, i en egen tab.
O1	Ferdigbygd eksempel. Fabrikken (D-G/T0 okf-toolkit) er eksplisitt utsatt.
O2	Steg 5 bygges og vises live.
O3	Bestilt commons 2026-08-06 med frist 11. august; reserve planlagt.
O4	README oppdateres ETTER demoen (14.–15. august), ikke før.

Bestillingen er levert: 20260806T112037Z-2648131757-from-portfolio-optimiser.md.

1. Hva demoen ÆRLIG er — formuleringen er avtalt på forhånd

D-I setter publiserings-påstanden til nivå 2: realistisk case, modellerte tall, aldri salgsspråk over beleggsnivået. Tre ting sies høyt i demoen, ikke i en fotnote:

1. Agent-svarene er skriptet. Dette beviser dataflyten, den deterministiske ryggraden og at læringssløyfa lukkes — ikke at en levende modell ville produsert nettopp dette forslaget. (Banneret sier det allerede i dag; det skal stå, ikke pyntes bort.)
2. Innholdet er håndkuratert, ikke fabrikkert. Den besluttede demo-stien (D-H pkt. 4) går via en bundle-fabrikk som ikke er bygget. Vi viser «last ned → kjør», men et menneske lagde innholdet.
3. Tallene er modellerte, ikke målte. Ingen pilot har validert dem i drift.

Dette er ikke en unnskyldning som svekker demoen — det er selve grunnregelen repoet er bygget på (A5: koden får ikke påstå mer enn den gjør). En demo som overselger bryter med det den demonstrerer.

2. De åtte stegene → hva som faktisk vises

RunResult bærer allerede retrieved, debate_output, checker_verdict, outcome (ValidatedProposal | Rejection), verdict og coverage. Presentasjonen er ~30 print-linjer (simulation.py:295–326). Derfor er sju av åtte steg presentasjonsarbeid, og ett er ekte bygg:

Steg (method-spec §3)	Vises som	Status i dag	Arbeid
1 — Forstå konteksten	navigerte filer + ExpeL-folden (retrieved)	markør-linja antyder det	print
2 — Hypotese	forslaget med parametere	data finnes, printes ikke	print
3 — Debatt (maker-checker)	begge deltakere + checker_verdict	checker printes	print
4 — Valider / falsifiser	validator-linja med P90	printes ✔	—
5 — Forbedre, informert og bundet	avvisning → korrigert forslag	bygget 7. aug ✔	—
6 — Forkast eller foreslå	typet outcome	data finnes, printes ikke	print
7 — Svar på tilbakemelding	persona-dom + fil-innboksen	dommen printes	print
8 — Promoter godkjent kunnskap	promotert fil + index-lenke	printes ✔	—

Steg 5 er den eneste ekte kodejobben. generate_via_llm forbruker den mellomliggende avvisningen internt (last) og returnerer bare sluttresultatet — og i dagens demo-kjøring validerer forslaget på FØRSTE forsøk, så forbedringsløkka trigges aldri. Det kreves to ting: en søm som slipper avvisnings-historikken ut, og et nytt skriptet forløp der forslaget først blir avvist og deretter korrigert.

3. Dagsplan

Fredag 7. august — steg 5-sømmen (den ene kodejobben). ✔ GJORT. Slipp avvisnings-historikken ut av generate_via_llm uten å endre løkkas tak (max_attempts + meter.tick_round står urørt — «forbedre til god nok» uten tak er forbudt). Nytt skriptet avvis-så-korriger-forløp. Ny load-bearing-test: RØD når sømmen kobles fra. Ligger først i uka med vilje — det er den eneste jobben som kan overraske, og den har fem dagers slakk bak seg.

Utfall: den åpne beslutningen ble egen returtype — generate_via_llm returnerer GenerationResult(outcome, refinements), og RunResult.refinements bærer den ut av kjøringen. En returverdi kan ikke bli stille tapt slik en out-parameter kan, og mypy tvinger hvert kallsted til å ta stilling. refinements bærer KUN avvisninger som faktisk ble matet tilbake (den siste avvisningen ved uttømt budsjett ER outcome). Simuleringens proposer overklager 250 000 NOK, som den deterministiske validatoren felt mot P90 = 90 000; det korrigerte forslaget på 30 000 validerer. Fire mutasjoner målt røde mot hele suiten, med kontroll.

Lørdag 8. – søndag 9. august — presentasjonslaget. De fem print-tilleggene over, formet som én lesbar gjennomgang med steg-nummer i margen. Ingen ny logikk. Målet er at en tilhører kan følge hvert steg uten at du forklarer hva de ser på.

Mandag 10. august — gjør manuset innholds-drevet. ScriptedChatClient tar en reply_selector over (prompt_blob, role) — den ser altså prompten og KAN nøkle svaret på kandidaten i stedet for å ha ett hardkodet svar. Bygg det nå, før innholdet kommer: da er et nytt prosjekt en data-oppføring, ikke et nytt manus skrevet for hånd under tidspress. Dette er ukas viktigste risikoreduksjon.

Tirsdag 11. august — GO/NO-GO på innholdet. Er commons-leveransen hentbar? git subtree pull --prefix=shared commons main --squash, så kjør. JA: pek simulate_learning_loop på den nye bundelen, utvid selector-dataene, mål rendret kontekst-størrelse per bundle. NEI: lås mikro-eksemplet som demo-innhold og si det i ærlighets-avsnittet. Beslutningen tas tirsdag, ikke onsdag kveld.

Onsdag 12. august — generalprøve, så fryse. Kjør hele gjennomgangen to ganger. Identisk output begge ganger (determinisme er et poeng, ikke en detalj). Full suite grønn. Etter generalprøven: ingen endringer i kjørestien.

Torsdag 13. august — demo.

Fredag 14. – lørdag 15. august — README (O4). Nivå-2-påstanden løftes ETTER at beviset finnes.

4. Risiko

Risiko	Utslag	Tiltak
Commons rekker ikke 11. august	Tynt innhold	Reserve låst tirsdag; bestillingen sier eksplisitt at det er en reserve, ikke en krise
Nytt innhold krever nytt manus	2 dager håndarbeid under press	Innholds-drevet reply_selector bygges mandag, FØR innholdet kommer
Prompten sprenges av stor bundle	Token-tak slår inn midt i demoen	Bestillingen er størrelses-kappet på målt grunnlag (~25 000 tegn/bundle); mål på nytt tirsdag
Steg 5-sømmen tar lengre tid	Ett steg mangler	Ligger fredag; fallback er testbevis-varianten (vurdert og valgt bort, men den finnes)
docs/presentasjon-*.html eies av annen sesjon	Konflikt	Røres aldri; alltid eksplisitt filliste ved git add

5. Verifisering

Konkrete kriterier, ikke «sjekk at det virker»:

1. uv run python -m portfolio_optimiser.simulation → exit 0, og outputen har én merket linje per steg 1–8. Verifiseres med ... | grep -cE "^ *Steg [1-8]" → 8.
2. Steg 5 er synlig som to forslag: ett avvist med grunn, ett korrigert som validerer. Verifiseres ved at outputen inneholder både en REJECTED- og en VALIDATED-linje for samme kandidat.
3. Ny load-bearing-test for steg 5-sømmen blir RØD når sømmen kobles fra. Måles mot HELE suiten, med kontroll, restaurert fra scratchpad-kopi + shasum -c.
4. uv run pytest -q grønn (baseline i dag: 759 kollektert, 755 passed / 4 skipped).
5. uv run ruff check . + uv run mypy src rene.
6. Generalprøve onsdag: to kjøringer, byte-identisk output (diff <(kjøring1) <(kjøring2) tom).
7. Ved commons-leveranse: rendret kontekst per bundle måles med okf.bundle_context og skal ligge under ~25 000 tegn. Over det → bruk færre bundles, ikke større prompt.
8. shared/examples/bygg-energi-mikro/ og nav-golden-* er uendret etter subtree-pull (git diff --stat på de stiene → tomt). Goldenene er load-bearing.

6. Nøkkelantakelser som skal testes, ikke antas

• «Sju av åtte steg er ren presentasjon.» Testes fredag/lørdag: hvis et av de fem print-tilleggene viser seg å kreve ny logikk, er det samme klasse funn som C7 og skal meldes med en gang.
• «reply_selector kan nøkle på kandidaten.» Signaturen er (prompt_blob, role) -> str, så prompten er tilgjengelig — men at kandidaten er entydig identifiserbar i blobben er ikke verifisert. Testes mandag, på mikro-eksemplet, før innholdet kommer.
• «Ny bundle plugges inn som parameter.» simulate_learning_loop(bundle_dir, work) tar katalogen som argument (simulation.py:183, kalt :293) — verifisert i dag. Det som IKKE er verifisert, er at en bundle med flere kandidater kjører gjennom uendret; det er S3.2-stien, og den testes tirsdag.