Архивный отчёт от 26 сентября 2026 года. Эта версия для чтения сохраняет результаты и ограничения исходного запуска; она не является актуальным руководством по продукту. Исходный отчёт, проверенная ревизия 61e75e9aa9a8719dfb480bf1f5226553b3a21d70.

Набор OKF, подготовленный вручную → независимый читатель — 2026-09-26

Зафиксированный протокол выполнен на чистом коммите dd8989ba36b8e27ac5762e2e0984cac7f88e8738 с моделью gpt-6-luna и низким уровнем рассуждений. Единственный синтетический случай смены режима очереди в writer_consumer_baseline.json (SHA-256 3fd56d975fa6570df6db81a939eea72d51178034a559882a52b1bb753baf522a) сравнивает исходные записи с набором OKF, подготовленным человеком и содержащим тот же ответ и идентификатор свидетельства. Go-тест проверки этого набора без вызова модели прошёл успешно. Каждую группу получил отдельный новый запуск читателя; AI-автор, восстановление знаний средствами Go и проверка поддержания актуальности не участвовали. Адаптер со скрытыми обозначениями групп (SHA-256 8f132bc3d12aeb1ea78d74642156427c1921a35b28d60f12b1296354a0b44ea9) передавал модели вопрос и артефакты группы без служебных меток среды оценки или эталонного ответа.

Сохранённые план, исходные записи и отчёт байт в байт совпадают с исходными файлами запуска в /private/tmp. Повторный анализ воспроизводит отчёт байт в байт:

GOCACHE=/private/tmp/okf-agent-gocache GOPROXY=off GOSUMDB=off GOTOOLCHAIN=local go run \
  ./benchmark/agent/cmd/okf-agent-eval analyze \
  -corpus benchmark/agent/corpus/writer_consumer_baseline.json \
  -plan benchmark/agent/runs/20260926-manual-writer-consumer-v3/plan.json \
  -rows benchmark/agent/runs/20260926-manual-writer-consumer-v3/rows.jsonl

Оба запланированных вызова завершились, отчёт содержит valid=true: контрольная группа дала 1/1 правильный ответ, экспериментальная — 1/1. Оба читателя ответили ровно B и сослались на decision. Не было устаревших, неправильных, не поддающихся оценке ответов или отказов, операционных сбоев или вызовов инструментов моделью. Следовательно, этот случай показывает возможность ответа читателя по вручную подготовленному набору, при отсутствии измеренной разницы качества относительно контрольной группы с исходными записями.

Наблюдаемое потребление за два вызова — 30,291 входной + 52 выходных = 30,343 токена. Из входных 27,136 отмечены как кэшированные и уже включены в потребление входных токенов. Суммарное время модели — 11.326 секунды. Стоимость в USD недоступна, поэтому нулевой cost_usd при нулевом cost_known_trials в отчёте не означает бесплатных вызовов.

Этот синтетический базовый эксперимент с одним случаем и одним повтором проверяет чтение независимым читателем корректного набора, подготовленного человеком. Он не измеряет качество AI-автора, восстановление из задачи 010, проверку из задачи 013 или общую пользу OKF. Более ранние черновики протоколов v1/v2 не содержали наблюдений модели и не входят в эти знаменатели.