portfolio-optimiser/docs/2026-09-02-f15-maf-pinnen.md

F15 — MAF-pinnen løftet 1.9.0 → 1.16.0

Ordre: 20260829T155150Z-30491335-from-.claude (operatørbeslutning 29.08: operatøren betaler for F15 nå; F3 og F16 TIER 2 er UTSATT og er ikke rørt her). Grunnlag: MAF-gjelden — omfang § 2. Hvert tall under kommer fra en kommando kjørt i denne økten.

0. Resultat

agent-framework-core	1.9.0 → 1.16.0
agent-framework-orchestrations	1.0.1 → 1.1.1 (krever selv core>=1.15.0 — de to gulvene kan ikke løftes hver for seg)
agent-framework-foundry / -openai	1.8.2 / 1.8.2, uendret (målt etter uv sync)
Ny transitiv	msgspec 0.21.1
Testsuite	1089 passed / 5 skipped / 0 failed (før: 1087 passed + 2 failed = samme 1089 ikke-skippede; ingen test tapt eller lagt til)
uv run ruff check .	All checks passed
uv run ruff format --check .	187 files already formatted
uv run mypy src	Success, 34 source files
Golden demo-transcript.stdout	BYTE-UENDRET, ea8c534773acdbe41ae68f2c55724d69aaf8be4f
Golden demo-transcript.stderr	REGENERERT — fire linjer → to. Beslutning, ikke rydding; se § 3

1. Iron Law — vakten var rød først

tests/test_maf_version_guard.py er testen. Diffen som løfter gulvet til 1.16.0 lå uncommittet i treet fra en tidligere økt, og ble kjørt rød mot 1.9.0 før pinnen ble rørt:

2 failed, 2 passed  (test_installed_maf_version_is_supported, test_pyproject_pins_...)

Gulvet bor nå i én konstant (_MIN_VERSION), og pyproject-asserten deriverer sin forventede streng fra den — to literaler for ett faktum drifter (kø-(p)), og et driftet gulv er en vakt som slutter å vokte uten én lokal diff. Etter bumpen: 4 passed.

2. Nevner-disiplin — tre tall

17 distinkte private/ugaranterte MAF-former leaner po på · 16 sjekket MEKANISK av proben (19 sjekker), hvorav 1 endret seg · den 17. ble funnet av TESTSUITEN, og den endret seg også · 2 endret seg totalt.

Den formen er stilt opp slik fordi den første formuleringen var usann. Et tidligere utkast sa «16 former, 16 sjekket, 2 endret» — men den ene av de to (checkpoint-antallet per park) var aldri blant de seksten; proben så den ikke. «2 av 16» ville altså tilskrevet proben et funn den ikke gjorde, og skjult at nevneren for den mekaniske sjekken er 1. Nevner-disiplin gjelder også mitt eget instrument.

Inventaret er derivert fra repoets egne siteringer, ikke oppfunnet: hver underscore-modul- referanse i src/ (grep -rnoE "_[a-z_]+\.py:[0-9-]+" src/) pluss hver MAF-form en søm faktisk overstyrer eller konstruerer. Instrumentet (probe.py) kjørte mot BEGGE versjoner; det er efemert og bor ikke i repoet.

Form	1.9.0	1.16.0
P1 BaseChatClient._inner_get_response kw-only (messages/stream/options)	OK	OK
P2 BaseChatClient._build_response_stream	OK	OK
P3 …_magentic:MagenticPlanReviewRequest (allowlist-streng)	OK	OK
P4 …_magentic:MagenticPlanReviewResponse (allowlist-streng)	OK	OK
P5 strengt stall-sjekk stall_count > max_stall_count	OK	OK
P6 reset-sjekk reset_count >= max_reset_count	OK	OK
P7 next_speaker not in _participant_registry.participants-fallback	OK	OK
P8 nøyaktig ÉN ctx.request_info i _magentic.py	OK (1)	OK (1)
P9 is_request_satisfied på ledgeren	OK (8)	OK (8)
P10 list_checkpoints svelger blokkert type til logger.warning	OK	OK (men se § 4)
P11 get_latest velger på timestamp · P11b allowed_checkpoint_types=	OK	OK
P12 runner matcher på graf-signatur	OK	OK
P13 …_base_group_chat_orchestrator + reached max_rounds-meldingen	OK	OK
P14 extend_instructions to-arg GA-signatur (_sessions.py)	OK	OK
P15 console-exportere gatet på flagget · P15b ENABLE_INSTRUMENTATION	OK	OK
P16 ExperimentalWarning-emisjonen goldenen pinner	2 linjer	0 linjer — ENDRET
Checkpoint-antallet per park — form 17, IKKE i proben, fanget av SUITEN	1 lesbar	2 — ENDRET

Kjent-positiv (L93): proben KAN oppdage en endret form. MiddlewareFailure (ny i 1.15.0) er en delta målt uavhengig i § 2 av omfangsdokumentet. Kontrollen flippet NO → YES over bumpen. Den andre kandidaten, _compaction.pys @experimental-markører, er forkastet som kjent-positiv: den teller 0 i BEGGE versjoner, altså diskriminerer den ingenting — målt, ikke antatt.

Ærlighets-grense, uttalt: proben sjekker FORMER — statiske egenskaper ved kilden. Den mest konsekvensrike endringen (§ 4) er en egenskap ved KJØRINGEN (hvor mange checkpoints en park skriver), og den er usynlig for enhver form-probe uansett hvor mange former den teller. Den ble fanget av testsuiten. En form-probe er gulvet, ikke beviset, og nevneren skal leses som «16 former sjekket mekanisk» — ikke «alt som kunne endre seg er sjekket». Det finnes ingen påstand her om at 17 er en uttømmende liste; 17 er det repoets egne siteringer og sømmer gjorde synlig.

3. Golden stderr — regenerert som beslutning

Målt: null ExperimentalWarning fyrer på import under 1.16.0, mens @experimental-dekoratørene fortsatt FINNES i treet (3 i _skills.py, 5 i _harness/_memory.py). Verifisert mot exit-status (import portfolio_optimiser → rc 0, IMPORT-OK) før det negative resultatet ble lest som et faktum.

Rotårsak, lest ut av kilden: _feature_stage.py:411 bruker _add_runtime_warning(...) — 1.16.0 emitterer advarselen ved første bruk, ikke ved dekorering/import. Demoen instansierer verken SkillResource eller MemoryStore, så de to linjene sluttet å bli sendt oppstrøms. De ble aldri dempet av oss.

Fasiten er derfor regenerert fra en faktisk kjøring gjennom den uendrede normalisereren: fire linjer → to (blanklinje + arbeidskopi:). stdout er byte-uendret, og test_normalisation_does_not_mask_a_new_warning er fortsatt grønn — P4 pkt. 2s garanti om at en NY advarsel når stderr står. Span 1 (site-packages-maskeringen) er beholdt: spannet er ubebodd, ikke pensjonert, og en advarsel som kommer tilbake skal fortsatt felle pinnen med stien maskert.

Påstandene om «fire linjer» er rettet der de er LEVENDE (tracing.py, test_tracing_loadbearing.py, test_explore_loadbearing.py, test_golden_transcript_loadbearing.py, CLAUDE.md ×3, og operatørens docs/plan/2026-08-12-demo-runbook.md). De daterte plan-/reviewdokumentene er historikk og er IKKE omskrevet.

4. Den farlige endringen — en vakt som gikk inert i stillhet

Ordren ba spesifikt om formen som «fortsatt IMPORTERER men har endret SEMANTIKK i stillhet». Det er denne, og den traff en load-bearing garanti:

Målt: under 1.16.0 skriver én park TO checkpoint-filer. Bare den ene bærer plan-review-typen. Med en feildeklarert _ALLOWED_CHECKPOINT_TYPES blir derfor listingen ikke lenger tom — den taper nøyaktig den checkpointen som betyr noe, get_latest returnerer den ANDRE, og explore._parks vakt (latest is None) passerte. Kjøringen svarte rc=0 og skrev et spørsmål som peker på en checkpoint som aldri kan bære svaret: nøyaktig den døde spørsmålsfila laget finnes for å nekte, nå stille.

Per-fil-måling (samme park, samme katalog):

fil	FULL allowlist	TOM allowlist
76ac52bf… (bærer forespørselen)	ok	BLOCKED
b3fe53b7…	ok	ok

Fiksen tester egenskapen den alltid mente, ikke symptomet som pleide å innebære den: vakten sjekker nå at checkpointen den navngir faktisk bærer DENNE forespørselen, mot det deklarerte feltet WorkflowCheckpoint.pending_request_info_events — ikke mot den private, emergente «blokkert ⇒ tom listing»-oppførselen. Det fjerner en privat avhengighet i stedet for å legge til en.

if latest is None or str(request.request_id) not in latest.pending_request_info_events:
    raise CheckpointUnreadable(...)

Load-bearing MÅLT mot HELE suiten, grønn kontroll 1089/5: M1 — reverter vakten til latest is None: 1 rød (test_a_park_with_no_readable_checkpoint_refuses_instead_of_writing_a_dead_question), restaurert og shasum -c OK.

Ærlighets-grense på selve fiksen, uttalt: vakten hviler på at get_latest returnerer den checkpointen som BÆRER forespørselen. Det er målt sant i dag, og park → spørsmål → svar → resume → andre park er dekket av 19 grønne tester — men skulle MAF en gang skrive en checkpoint ETTER at forespørselen er reist, ville _park nekte en gyldig kjøring. Det er fail-closed-retningen (en nekt, aldri et dødt spørsmål), så det står som en grense å kjenne, ikke som en defekt å fikse.

Checkpoint-formen verifisert med FAKTISK KJØRING, ikke import: tests/test_async_plan_review_loadbearing.py (19 tester) driver park → spørsmålsfil → svarfil → resume i en fersk interpreter, og er grønn. Det er den kjøringen ordren ba om.

5. Spiken traff den samme fella — og gaten er ÆRLIG svakere enn M1

spikes/e_magentic.py gjenopptok fra checkpoint_ids[-1] — SISTE element i en glob-ordnet listing, nøyaktig det explore._parks egen docstring advarer mot. Med to checkpoints døde resumen på RuntimeError: No pending requests found in workflow context. Spiken velger nå den checkpointen som bærer forespørselen, som produksjonen.

MÅLT, og det motsier det jeg antok: mutasjonen som setter [-1] tilbake ble IKKE rød (1089 passed). Feilen er rekkefølge-avhengig (Path.glob) — den ble observert rød i den første fullkjøringen etter bumpen og grønn med samme effektive valg her. Spikens gamle form er altså flaky, ikke deterministisk gal, og fiksen står på den observerte feilen pluss fjerningen av et dokumentert anti-mønster — ikke på en gate. Sagt høyt fordi en mutasjon som ikke ble rød ikke er et bevis, og å presentere den som ett ville vært den vakuøse gaten dette repoet teller instanser av.

6. Fant IKKE, og bygde IKKE

• Ingen F3. Ingen F16 TIER 2. Utsatt av operatøren; ikke rørt, ikke forberedt.
• Ingen publisering, ingen push, ingen release.
• README-ens hosting-begrunnelse mistet sitt premiss og er RETTET, ikke gjenåpnet: agent-framework-foundry-hosting krever core>=1.13.0, og treet låser nå 1.16.0 — så versjonsgrunnen til stdlib-serveren er borte. Om pakka skal adopteres er et ÅPENT spørsmål denne bumpen bevisst ikke gjenåpner; det som er målt og shippet er fortsatt stdlib-serveren.
• Ordrens steg 0 om STATE-linjen er en no-op: git stash list er tom OG STATE.md:20 sier allerede at den er tom. Linje 36 er en sann historisk merknad om økt 73. Det var ingenting å rette, og det sies her i stedet for å produsere en kosmetisk endring.

7. Verifiseringslogg

#	Påstand	Kommando
1	Vakten rød på 1.9.0 før pinnen	uv run pytest tests/test_maf_version_guard.py -q → 2 failed
2	Installerte versjoner etter bump	importlib.metadata.version(...) → core 1.16.0, orch 1.1.1, foundry/openai 1.8.2
3	16 former / 19 sjekker, begge versjoner	probe.py mot 1.9.0 (0 CHANGED) og 1.16.0 (1 CHANGED)
3b	Form 17 endret, funnet av suiten, ikke av proben	full suite → test_a_park_with_no_readable_checkpoint… failed
4	Kjent-positiv virker	KP1 MiddlewareFailure NO → YES
5	Kjent-positiv-kandidat forkastet	KP2 _compaction.py @experimental = 0 i begge
6	Advarslene borte, ikke import-feil	python -c "import portfolio_optimiser" → rc 0 + warnings.catch_warnings → 0
7	Rotårsak	_feature_stage.py:411 _add_runtime_warning
8	To checkpoints, én bærer forespørselen	per-fil decode_checkpoint_value med FULL vs TOM allowlist
9	M1 rød, restaurert	full suite → 1 failed; shasum -c OK
10	M2 ikke rød	full suite → 1089 passed
11	Grønn kontroll + de tre portene	pytest 1089/5 · ruff check · ruff format --check · mypy src
12	stdout byte-uendret	shasum → ea8c534773acdbe41ae68f2c55724d69aaf8be4f
13	Demoens stdout fortsatt 61 linjer	python -m portfolio_optimiser.simulation | wc -l → 61