Kjell Tore Guttormsen
ce7f687717
S2c / MAJOR-3, order 20260902T151931Z-250257273. The order's rule is MEASURE FIRST, so the numbers land as their own commit before the seam is touched. Instrument validated against a known positive before use: it reproduces commons' own published bundle_context fasit exactly (3 861 / 10 406 / 12 595). Prompts are measured as text + function_call + function_result -- .text alone undercounts a prompt whose whole payload is a tool result. Measured, per CLI --explore run: one read_bundle result rides in FIVE exploration prompts (navigator 1, manager 3, hypothesiser 1), which is 54-59 percent of every prompt-token in the run. The debate's three copies come from run.py's okf.bundle_context and are a separate decision; they are in the table as denominator and as the after-control, never as the target. One premise felled before building on it: the tunnel base's root index body is 4 763 chars alone, nearly the whole 1 500-token ceiling, so read_bundle carries the concept listing and not the index body -- which the catalogue already excerpts and read_file still returns whole.
6.5 KiB
S2c / MAJOR-3 — read_bundles kontekstkostnad: målingen
Ordre: 20260902T151931Z-250257273-from-.claude. Bindende ordretekst: ordreutkast M3 i
docs/2026-09-02-misjonsreview-v2.md § 7.
Regelen ordren gir: MÅL FØRST, så ÉN søm. Denne fila er tallene med nevner — skrevet og
committet FØR noe ble endret, og utvidet med ETTER-tabellen i sømmens egen commit.
0. Instrumentet, og hvorfor det er troverdig
Efemert, i /tmp/claude-s2c/ — utenfor repoet, som forrige gang (misjonsreview-v2 § 8): et
måleinstrument i tests/ ville vært en beslutning om å beholde det, og ordren ba om en måling,
ikke en ny produksjonsflate. Tokens telles med tiktokens o200k_base, kjørt med
uv run --with tiktoken (tiktoken er fortsatt IKKE en prosjekt-avhengighet).
Kjent-positiv kontroll FØR noe ble målt (Verifiseringsloven ansikt 4 — en spørring skal bevises
å KUNNE finne): instrumentet ble kjørt mot de tre eksempelbundlene og reproduserte commons' egne
publiserte fasittall for okf.bundle_context eksakt — 3 861 / 10 406 / 12 595. Et instrument
som ikke treffer en kjent fasit måler seg selv.
Prompten måles som tekst + function_call + function_result, ALDRI .text alene. Den
skriptede klientens egen sink samler kun .text, og en prompt hvis hele nyttelast er et
verktøyresultat måles da til noen få tegn. Den fella er dokumentert i misjonsreview-v2 vedlegg A
og er unngått her ved en egen wrapper på ScriptedChatClient._inner_get_response.
Kjøringen er ekte, ikke rekonstruert: hver rad er én run.main([... --explore ...]) gjennom
CLI-døra, med navigatøren skriptet som list_bundles → read_bundle → tekst (trinn-manuset fra økt
67, MAJOR-1 b). At navigatøren faktisk ÅPNET basen er lest av kjøringens eget artefakt
({run_id}-exploration.jsons tool_calls), ikke antatt.
Ærlighetsgrense, uttalt: kopi-telleren er en 160-tegns skive fra MIDTEN av read_bundles
nyttelast (samme sonde som misjonsreview-v2 § 4). Skiva finnes i dag i BEGGE de to strengene
kjøringen sender — utforskningens function_result OG debattens okf.bundle_context — fordi de er
den samme strengen. Kolonnene under skiller dem derfor på ROLLE, som er det eneste som skiller
dem: manager/navigator/hypothesiser er utforskningen (sømmen denne ordren rører),
proposer/checker er debatten (som ordren forbyr å røre).
1. FØR — hva read_bundle koster, og hvor mange prompts det rir med i
Per base, én CLI-kjøring med --explore:
| Base | read_bundle-nyttelast |
Prompts totalt | Prompt-tokens totalt | Utforsknings-kopier | Tokens i dem | Debatt-kopier | Tokens i dem |
|---|---|---|---|---|---|---|---|
bygg-energi-mikro |
12 005 tegn / 3 861 tok | 15 | 35 773 | 5 | 22 013 | 3 | 11 738 |
veglys-fv-soer |
32 201 tegn / 10 406 tok | 19 | 88 881 | 5 | 54 623 | 3 | 31 376 |
tunnel-hauglia |
39 583 tegn / 12 595 tok | 19 | 106 519 | 5 | 65 698 | 3 | 37 943 |
De fem utforsknings-kopiene, navngitt (tunnel-tall): navigatørens egen prompt etter kallet
(12 770) · managerens tre progress-ledger-/final-prompts (13 527 / 13 549 / 13 075) ·
hypotesiserens ene tur (12 777). Ett read_bundle-kall gjør hele basen til et function_result,
og det resultatet rir med i hver senere prompt i samme samtale — deltakerne deler
samtalehistorikk, så ingen av dem betaler for å be om det.
Selve nyttelasten, som andel av alt: 5 kopier × nyttelast = 19 305 / 52 030 / 62 975 tokens,
altså 54 % / 59 % / 59 % av ALLE prompt-tokens i kjøringen. Debattens tre kopier (11 738 /
31 376 / 37 943 = 33 % / 35 % / 36 %) kommer fra run.pys okf.bundle_context og er en EGEN
beslutning (PM) — de er med i tabellen som nevner og som ETTER-kontroll, ikke som mål.
Nevneren for «hvor mange prompts»: 15 / 19 / 19 prompts i alt, hvorav 8 bærer konteksten.
Tallet 5 gjelder DETTE manuset (én navigatør-tur, én hypotesiser-tur, tre manager-prompts).
misjonsreview-v2 § 4 målte 7× på bibliotek-armen med et annet manus (to hypotesiser-turer, fire
navigatør-prompts); begge er sanne om sitt eget manus, og ingen av dem er en påstand om hva en
LEVENDE manager gjør. Multiplikatoren er en egenskap ved samtalehistorikken, ikke ved manuset:
den er antall prompts etter kallet, og den er ≥ 1 uansett.
2. Hva basene faktisk inneholder — premisset for formen
| Base | Filer navigert | Konseptfiler | type: verdict |
Rot-index.md (body) |
|---|---|---|---|---|
bygg-energi-mikro |
6 | 4 | 1 | 1 884 tegn |
veglys-fv-soer |
7 | 5 | 1 | 3 646 tegn |
tunnel-hauglia |
7 | 5 | 1 | 4 763 tegn |
Ett premiss felt før noe ble bygget på det: «basens indeks er selve navigasjonsprosaen, så den
hører hjemme i read_bundle». Tunnelbasens rot-indeks er alene 4 763 tegn ≈ 1 400 o200k-tokens
— altså nesten hele ordrens tak på 1 500 for HELE kallet. Å legge den inn ville brukt opp budsjettet
på et felt katalogen alt gir et bundet utdrag av (_CATALOGUE_EXCERPT_CHARS), og som fortsatt er
nøyaktig ett read_file(id, "index.md") unna. read_bundle bærer derfor konseptlista og ikke
indeksbodyen.
3. Hva prefiks-caching ville kjøpt — notert, IKKE bygget
Ordren ber om notatet, ikke mekanismen. Regnet av prompt-prefiksene i misjonsreview-v2 § 4
(ikke av en fakturering — leverandørens faktiske cache-treff er UMÅLT): ≈ 60 % av debattens og
≈ 40 % av utforskningens prompt-tokens er prefiks-cachebart som koden står i dag, uten én
kodeendring, fordi prefiksene allerede er byte-stabile. Caching virker på KOPIENE; et
kontekstbudsjett virker på GRUNNTALLET de multipliserer. De to utelukker ikke hverandre, og
denne ordren gjør bare det siste.
4. Verifiseringslogg (FØR-halvdelen)
| # | Påstand | Kommando → resultat |
|---|---|---|
| 1 | Instrumentet treffer en kjent fasit | uv run --with tiktoken python /tmp/claude-s2c/measure.py <repo> → 3 861 / 10 406 / 12 595 = commons' publiserte tall |
| 2 | Kjøringen ÅPNET basen (ikke bare listet den) | measure-exploration.jsons tool_calls → list_bundles, read_bundle(<base>) |
| 3 | Prompt-størrelse inkluderer verktøyresultatet | wrapper på _inner_get_response serialiserer contents (function_call/function_result), ikke .text |
| 4 | Nevner | 15 / 19 / 19 prompts per kjøring; 8 bærer konteksten i alle tre |
| 5 | Indeksbodyen alene sprenger nesten hele taket | len(navigate_bundle(tunnel).index_summary) → 4 763 tegn ≈ 1 400 tok |