portfolio-optimiser/docs/2026-09-04-syretest-s7b-k2.md

# S7b — søm 1 og syretesten på K2

**Dato:** 2026-09-04 · **Ordre:** `20260903T204605Z-215167684-from-.claude` (DEL A, B, C)
**Base:** `~/corpora/okf-telling-20260829/K2-bundle-20260903/` (erklært id `k2-trinn1-20260903`)

> **⚠️ PRISENE ER SYNTETISKE.** K2s eget prisskjema er upriset — dette er et anbud FØR tildeling.
> Hver kroneverdi i dette dokumentet stammer fra MAJOR-4s syntetiske prisskjema-fikstur
> (`tests/fixtures/k2-prisskjema-SYNTETISK/`), montert inn i en arbeidskopi av basen. Ingen av
> tallene er priser noen har tilbudt for Stange skole. Det som måles her er at **maskineriet**
> kommer helt fram — fra et ingestert korpus til en dom med et beløp — ikke hva beløpet er.

---

## 0. Sammendrag

| spørsmål ordren stiller | svar |
|---|---|
| Validert besparelse per kandidat | § 3.2 |
| Hvor mange kandidater validatoren feller, og på hvilket stage | § 3.3 |
| Tokenbruk per fase | § 3.4 |
| Hvilke konsepter navigatøren åpnet | § 3.5 |

Ingen terskel settes her — det er operatørens.

---

## 1. DEL A — søm 1, og de to premissene som ble felt

### 1.1 Formen

`okf.load_optional_ir_projection` ved siden av den fail-faste `load_ir_projection`, nøyaktig
`load_cost_baseline`/`load_optional_cost_baseline`-paret. Et **par**, ikke et `required=`-flagg:
PM-tillegg 5 målte hva en uøvet parameter koster (alle elleve `evidence_for`-kallsteder brukte
defaulten, så den andre grenen råtnet til den reiste), og et flagg ville dessuten gjort usanne de
docstringene på tvers av `hitl`/`ledger`/`verdicts`/`contracts` som siterer `load_ir_projection`
som **den** fail-faste presedensen.

**Toleransen stopper ved fravær.** En projeksjon som FINNES men er malformed reiser fortsatt, og
en `name` som rømmer basen reiser fortsatt. Å lese en korrupt projeksjon som «ingen projeksjon»
ville gitt en unøklet kjøring i forkledning — S4.0-radens egen regel.

### 1.2 Tre kallsteder, tre ULIKE stillinger

Nevneren er skrevet ned i `docs/2026-09-03-forslag-fra-mandat.md § 1.1`, og linjenumrene der er
premisser som ble verifisert mot kilden før de ble handlet på.

| kallsted | stilling ved fravær | hva som fortsatt nekter |
|---|---|---|
| `run._project_from_bundle` | hopper over en fail-fast som ikke har noe å sjekke mot | en projeksjon som FINNES og navngir et ANNET prosjekt |
| `run.run_mandate_across_bundles` | ruter på basens ERKLÆRTE `bundle_id` (S7a-3) | — (fila vinner når den finnes) |
| `verdicts.bundle_candidate_features` | Steg-1-folden hopper over, og SIER hvor mange dommer som falt ut | `seed_store_from_bundle`: en dom uten egen strukturell nøkkel NEKTES ved navn |

**Presedensen i dispatcheren bærer i BEGGE retninger.** Erklæring-først ville re-adressert hver
eksisterende base der `project_id` ≠ `bundle_id` — fila er dét de basene alltid har vært rutet
etter. Fil-bare var nekten sømmen fjerner: et ingestert korpus bærer ingen projeksjon, så det
kunne ikke rutes i det hele tatt.

**De to konsumentene av den tredje sømmen svarer ULIKT, og det er designet.** Folden hopper over
fordi fraværet av en kandidat er et faktum om basen; `seed_store_from_bundle` nekter fordi å mynte
en nøkkel for en dom som erklærer ingen er nøyaktig defekten S3.2 lukker (dommen ville blitt
festet til en kandidat den ikke handler om). Validering, ALDRI reparasjon.

### 1.3 Synligheten: et ANTALL, og bæreren er målt

`RunResult.unkeyed_verdicts` teller de tidligere ekspertdommene som lå i storen men IKKE kunne
foldes inn i hypotese-prompten. `run.unkeyed_verdicts_notice` er ENESTE renderer og returnerer
`None` ved null — omisjon, aldri tom rad.

* **Et ANTALL, ikke et flagg.** «Folden skjedde ikke» og «to dommer nådde aldri modellen» er ulike
  operative fakta — `BudgetExceeded`-kø-(y)-regelen ett nivå ned.
* **Null er et ærlig POSITIVT utsagn** («hver dom storen holdt var nøklbar»), så feltet defaulter,
  som `skipped_links`' tomme tuppel — motsatt av `cost_baseline_anchored`, der begge defaults ville
  løyet.
* **Bæreren er MÅLT, ikke valgt.** `DryRunReport` kan ikke bære den: dry-run-kuttet returnerer
  OVER folden, så et felt der kunne bare rapportert null — ulikt `cost_baseline_anchored` og
  `skipped_links`, som begge oppløses over kuttet. `ProvenanceStamp` heller ikke: stempelet
  beskriver gaten som dømte ÉN kandidat, mens dette avgjøres én gang per kjøring før noen kandidat
  finnes (`skipped_links`' egen begrunnelse).

**Ærlighets-grenser, uttalt.** (1) Feltet når ikke utboksen — `write_proposal` dumper stempelet, og
dette er ikke på stempelet; det er samme grense `skipped_links` alt har. (2) Portefølje-armen er
BEVISST ikke wiret: folden er gatet på `bundle_dir`, som intet referanse-prosjekt setter, så en
utskrift der ville vært død kode. Det er `bundle_id_notice`s avgjørelse, ikke
`cost_baseline_notice`s (som ble wiret defensivt og drevet fra en crafted `PortfolioResult`) —
asymmetrien står her fordi stillhet om den er det eneste gale svaret.

### 1.4 To premisser felt før noe ble bygget på dem

**(a) Prosjektnavnet var et ikke-spørsmål.** Den arkiverte selv-ordren flagget fallbacken for
`Project.name` som «en REELL beslutning». MÅLT: `SavingsProposal` har fem felt — `project_id`,
`measure`, `affected_items`, `claimed_saving_nok`, `assumptions` — og ingen av dem er et navn.
Projeksjonen har **aldri** vært en navnekilde. `Project.name` kommer fra `type: project`-konseptets
`title` med den forespurte id-en som siste utvei, uendret før og etter.

**(b) DEL B kan ikke være ÉN kommando.** Ordren skriver kjeden
`--explore → --mandate → --proposals-from-mandate → validator → --revise`. Målt i kilden:
`--explore` NEKTES sammen med `--mandate` (to kilder til ett mandat), `--proposals-from-mandate` er
en TERMINAL modus som settler og returnerer før enhver kjøre-dispatch, og det finnes **ingen
`--revise`-flagg** i det hele tatt. Kjeden er derfor tre faser (§ 3), og `--revise` leses som
plan-review-døra `--plan-review` åpner (`approve` / `revise <hva>`) — sagt her som en tolkning,
ikke som en oppdagelse.

---

## 2. DEL C — sidefunnet

`--mandate` sto IKKE i `report_forbidden`-partisjonen, så `--report --ledger X --mandate Y`
droppet kommisjonen i **stillhet**: rapporten ble skrevet, kommisjonen hverken annonsert eller
settlet, exit 0. Report-modus returnerer over hver dispatch, så en utelatelse der er et stille
DROPP og ikke en nekt — F4-klassen. Flagget er nå en rad, og testarmen kjører mot en argv
report-modus ellers ville AKSEPTERT (gyldig `--ledger`, pluss en kontroll som beviser rc 0 uten
flagget), så rc 1 er mutantens motsatte utfall.

---

## 3. DEL B — syretesten på K2

### 3.1 Oppsettet, og hva som er syntetisk

Basen er KOPIERT ut av `~/corpora` (aldri mutert der), og MAJOR-4s syntetisk prisede
prisskjema er montert inn i K2s egen `del-ii-bilag-7-prisskjema/`-katalog, kryss-lenket fra den
katalogens `index.md` — `navigate_bundle` følger lenker, aldri katalog-enumerering, så en umontert
fil ville vært usynlig.

**Et premiss ble målt før noe ble bygget på det.** Ordren sier K2s prisskjema er upriset (0/28).
Målt er det verre enn som så: K2 som levert har **null** kandidat-tabeller —
`prissammenstilling-sheet-1.md` renderes som en pandoc SIMPLE table med ÉN kolonne-overskrift
(`Prisskjema`), så den navngir ikke rollene `Postnr`/`Mengde`/`Enhetspris` i det hele tatt. Det
betyr at monteringen legger til nøyaktig én kandidat-tabell, og at
`derive_cost_baseline`s «mer enn én tabell»-nekt ikke er i veien.

Basen etter montering: **630 konseptfiler, 0 ufulgte lenker**, erklært id `k2-trinn1-20260903`
mot monteringsnavnet `K2-priset-SYNTETISK` — så S7a-3-slakken øves samtidig, og kjøringen sier det
(`bundle_id_notice` fyrer).

Det avledede prisskjemaet (SYNTETISKE priser):

| kode | mengde | enhetspris | sum |
|---|---|---|---|
| 21.1 Grunnarbeider | 1 250 | 850 | 1 062 500 |
| 24.2 Bærekonstruksjon stål | 48 000 | 42,5 | 2 040 000 |
| 36.1 Ventilasjonsaggregat | 4 | 187 500 | 750 000 |
| **sum** | | | **3 852 500** |

### 3.2 At løkka kommer HELT fram — hovedresultatet

Hele åtte-stegs-løkka kjørte på et ingestert korpus UTEN `validator-input.json`:
utforskning → mandat → generering → deterministisk validator → dom. Det er nøyaktig nekten søm 1
fjerner; før i dag stoppet den samme kommandoen på `FileNotFoundError` før første modellkall.

```
uv run portfolio-optimiser K2 \
  --docs-dir  scratchpad/s7b-syretest/K2-priset-SYNTETISK \
  --bundle-dir scratchpad/s7b-syretest/K2-priset-SYNTETISK \
  --derive-cost-baseline \
  --explore "Finn kostnadsbesparelser i Stange skole-anbudet" \
  --explore-config    scratchpad/s7b-syretest/explore-config.json \
  --scripted-replies  scratchpad/s7b-syretest/scripted-replies.json \
  --outbox-dir scratchpad/s7b-syretest/outbox --run-id syretest-s7b
```

→ `K2: ValidatedProposal (no expert verdict given; verdict key=be8535e204cdc4c6)`, mandatet settlet
2 av 2 tilnærminger validert, beste 200 000 NOK.

### 3.3 Validert besparelse per kandidat, og hvem validatoren feller

Den deterministiske døra, med en kommisjon på fem tilnærminger — **null modellkall**
(`evaluate_mandate_candidates` er SYNC, så det er en egenskap ved typen, ikke et løfte kroppen må
holde):

```
uv run portfolio-optimiser K2 \
  --docs-dir  scratchpad/s7b-syretest/K2-priset-SYNTETISK \
  --bundle-dir scratchpad/s7b-syretest/K2-priset-SYNTETISK \
  --derive-cost-baseline --proposals-from-mandate \
  --mandate scratchpad/s7b-syretest/kommisjon.json
```

| id | tiltak | kostlinjer | krav | utfall | stage |
|---|---|---|---|---|---|
| a1 | Redusert sprengningsvolum i sone A | 21.1 | 200 000 | **VALIDERT** | — |
| a2 | Slankere stålprofiler | 24.2 | 900 000 | FELT | **stage 4** — P90 feasible 612 000 |
| a3 | Færre ventilasjonsaggregater | 36.1 | 150 000 | **VALIDERT** | — |
| a4 | Samordnet rigg | 21.1 + 24.2 | 500 000 | **VALIDERT** | — |
| a5 | `energy_efficiency` (samme linje som a3) | 36.1 | 150 000 | FELT | **stage 5** — metode-cap 112 500 |

**Validert i alt: 850 000 NOK** av et prisskjema på 3 852 500 NOK (22,1 %). **2 av 5 felt, på TO
ULIKE stages.**

a5 er ikke pynt: den bærer SAMME kostlinje og SAMME krav som a3, og skiller seg bare ved at
`label` ordrett er et REGISTRERT metodenavn. Da slår `METHOD_CAPS` inn med 15 % i stedet for den
generiske 30 %-en, og samme tall felles. Det er § 2.1s grense i `docs/2026-09-03-forslag-fra-mandat.md`
gjort konkret: en ekspert-label treffer metode-cap-en KUN når den ER et registrert metodenavn.

**Ærlighets-grense, uttalt (og den er strukturell):** stage 0 — avstemmingen mot baselinen — kan
**ikke** felle noe på denne veien, fordi kandidaten er BYGGET fra baselinen og derfor avstemmer med
0 % avvik ved konstruksjon. Det er samme faktum som M7 i økt 82, som forble grønn av samme grunn.
Og `assumptions` er tom (et bånd kan ikke avledes fra én pris), så Monte Carlo er degenerert:
P10 == P50 == P90. Det som faktisk binder er stage 4/4b og stage 5.

### 3.4 Tokenbruk per fase — og det dominerende funnet

Instrumentet (`o200k_base`, prompt lest som tekst + `function_call` + `function_result`) er
validert mot en KJENT POSITIV før bruk: rotnivå-listingen på levert K2 måles til **3 954 tegn /
1 495 o200k-tokens over 629 konsepter**, som reproduserer S7a-3s publiserte tall eksakt.

| fase | prompter | o200k-tokens | andel |
|---|---|---|---|
| 1 — utforskning (navigatør 5, manager 6, hypotesiser 1) | 12 | **18 355** | 0,9 % |
| 2 — debatt + generering (proposer 3, checker 1) | 4 | **1 947 342** | 99,1 % |
| 3 — deterministisk dom | 0 | **0** | 0 % |
| **sum** | **16** | **1 965 697** | |

**Funnet:** MAJOR-3 og S7a-3 gjorde UTFORSKNINGEN billig — den koster nå 18 355 tokens over hele
K2 — men **debatten stapper fortsatt hele basen inn i hver prompt**. `okf.bundle_context` på denne
basen er **648 962 o200k-tokens**, og den rir i **3 kopier** (2 debatt-turer + genererings-prompten):
3 × 648 962 = 1 946 886, altså praktisk talt hele fase 2. Nitti-ni prosent av en K2-kjørings
tokenkostnad er kontekst ingen ba om på nytt.

Dette er IKKE en ny oppdagelse i sin form — CLAUDE.mds MAJOR-3-rad sier allerede at «debattens 3×
er PM-ens egen beslutning og er urørt», og at prefiks-caching er NOTERT, ikke bygget. Det nye er
**nevneren på et ekte korpus**: på de tre eksempelbasene var den samme kopien 12 047–39 104 tokens,
her er den 648 962. Ingen terskel settes her; det er operatørens.

### 3.5 Hvilke konsepter navigatøren åpnet

Fra `{run_id}-exploration.json`s `tool_calls`, i KALL-REKKEFØLGE (S7a-3 pkt. 3s `path`-felt er dét
som gjør dette lesbart i det hele tatt — uten det leser sporet `read_file, k2` og hvilken av 630
det var kan ikke leses ut av leveransen):

| # | verktøy | bundle_id | path |
|---|---|---|---|
| 1 | `list_bundles` | — | — |
| 2 | `read_bundle` | `k2-trinn1-20260903` | — |
| 3 | `read_dir` | `k2-trinn1-20260903` | `del-ii-bilag-7-prisskjema` |
| 4 | `read_file` | `k2-trinn1-20260903` | `del-ii-bilag-7-prisskjema/prisskjema-SYNTETISK.md` |

Stigen brukes som den er ment: katalog → basens rotnivå → én underkatalog → ETT dokument.
`tokens_spent` i artefaktet er 96 (ledger-regnskapet, ikke prompt-tokens — de to måler ulike ting).

### 3.6 Ærlighets-grenser for hele DEL B

* **Prisene er syntetiske.** Ingen levende K2-pris er lest. Det som er vist er at maskineriet
  kommer fram, ikke hva et tilbud koster.
* **Ingen levende modell er kalt.** Hver agent-replikk kommer fra `--scripted-replies`; banneret
  sier det på hver kjøring. Dette er den GRATIS halvdelen av måleprotokollens stige.
  Multiplikatoren 3 gjelder dette manuset.
* **Kjeden er tre faser, ikke én kommando** (§ 1.4 b), og `--revise` er lest som plan-review-døra.
* **Artefaktet bærer ikke de formede tilnærmingene.** `{run_id}-exploration.json` har
  `rounds`/`tool_calls`/`plan_reviews`/`quick_validations`, mens hvilke approaches løkka formet
  står i mandat-annonseringen på stdout. Uttalt, ikke endret.
* **`BudgetExceeded` ut av `--explore` tracebacker fortsatt** — målt her ved et uhell, da et
  uparsebart proposer-svar brant rundetaket. Det er CLAUDE.mds egen uttalte grense fra økt 57, nå
  observert på et ekte korpus.

---

## 4. Mutasjonsmålingen (DEL A + DEL C)

Grønn kontroll **1290 passed / 5 skipped** (fra 1275/5 — supersett, 0 fjernet), golden
`demo-transcript.stdout` BYTE-UENDRET, `shasum -a 1` av **INNHOLDET** =
`ea8c534773acdbe41ae68f2c55724d69aaf8be4f` (ikke git-blob-id-en). Hver mutasjon kjørt mot HELE
suiten, én om gangen, alltid restaurert.

| id | mutasjon | røde |
|---|---|---|
| M1 | `_project_from_bundle` tilbake til den fail-faste loaderen | 4 |
| M2 | toleransen utvidet fra FRAVÆR til UENIGHET | 3 |
| M3 | den valgfrie loaderen svelger en MALFORMED projeksjon også | 1 |
| M4 | presedensen INVERTERT: erklært id slår den håndskrevne projeksjonen | 7 |
| M5 | dispatcheren tilbake til den fail-faste loaderen | 1 |
| M6 | folden hoppes over i STILLHET (ingenting telles) | 2 |
| M7 | over-rapportering: hver kjøring med en store påstår at dommene var unøklbare | 1 |
| M8 | antallet forlater aldri `run_project` (konstant 0 på resultatet) | 2 |
| M9 | rendereren skriver ALLTID linja — omisjonen er selv gatet | 1 |
| M10 | rendereren kalles aldri fra CLI-en | 1 |
| M11 | en unøklbar dom hoppes STILLE over i stedet for å nektes | 1 |
| M12 | seedens fallback beholder den fail-faste loaderen | 3 |
| M13 | `--mandate` faller ut av report-partisjonen igjen (DEL C) | 1 |

**To mutasjoner har vitner UTENFOR den nye fila, og det er dét som gjør dem sterke.** M2 (toleranse
utvidet til uenighet) rødner `test_content_keyed_script_loadbearing::test_the_project_id_is_data_too`
og `test_live_dry_run::test_cli_live_dry_run_local_unknown_project_no_azure_hint` — begge eldre enn
dette arbeidet. M4 (invertert presedens) rødner fire eksisterende armer i
`test_multibase_loadbearing` og `test_bundle_id_reconciliation_loadbearing`, altså nøyaktig den
retningen hovedarmen strukturelt ikke kan se.

**Ingen mutasjon forble grønn.** Alle tretten rødnet en NAVNGITT test.