Plugin skills are stale: audit-session documents 6 of 12 finding types #92

⚠️ Выводы не проверены человеком — доверия к ним нет. Ишью заведено по аудиту, который сделал Claude Code. Автор репозитория просил считать эти выводы непроверенными: прежде чем чинить, дважды сверьте каждый пункт с кодом и отметьте результат в разделе «Перепроверка». Claude проверил один раз (grep по SKILL.md против FindingType); это не засчитывается.

Скиллы — это то, по чему Claude Code сам читает аудит и даёт рекомендации. Если скилл отстал от CLI, агент молча игнорирует половину findings или трактует их неверно.

Наблюдение

skills/audit-session/SKILL.md описывает 6 типов (duplicate_call, failed_call, oversized_output, context_spike, cache_dead, thinking_heavy) + !SLOW. В FindingType (src/cli/analyzeSession.ts:109) их 12. Не описаны:

• long_turn, loop_streak, stall_streak, wait_loop, cycle_motif, probe_no_progress;
• флаг --turn N и вердикт «цикл или длинный ход»;
• thinking (estimate) описан как надёжная оценка, хотя он сейчас ≈0 (thinking_heavy measures returned thinking text, not billed thinking tokens #83, Ledger drops content blocks: keep-last dedup treats split response lines as snapshots #88);
• правило «jumps usually trace to the tools listed on that row» неверно (context_spike blames the wrong tool: the spike comes from the previous round's results #89).

skills/sessions-inventory/SKILL.md не упоминает --min-turn-minutes и --min-streak (есть в pnpm analyze:sessions --help).

Как проверить

for t in $(grep -oE "'[a-z_]+'" src/cli/analyzeSession.ts | sed -n '/duplicate_call/,/probe_no_progress/p' | tr -d "'" | sort -u); do
  printf "%-18s %s\n" "$t" "$(grep -c "$t" skills/audit-session/SKILL.md)"; done
pnpm -s analyze:session --help; pnpm -s analyze:sessions --help   # сравнить с флагами в SKILL.md

Что сделать

1. Дописать в таблицу findings все 12 типов: что значит, когда это потеря, а когда наблюдение (long_turn), что рекомендовать.
2. Описать --turn N и вердикт.
3. Убрать или пометить ненадёжные места до исправления thinking_heavy measures returned thinking text, not billed thinking tokens #83 / Ledger drops content blocks: keep-last dedup treats split response lines as snapshots #88 / context_spike blames the wrong tool: the spike comes from the previous round's results #89.
4. Дописать недостающие флаги в sessions-inventory.
5. Тест: каждый член FindingType упомянут в skills/audit-session/SKILL.md — чтобы скилл не отставал снова.

Перепроверка (каждый пункт — дважды, независимо)

• 6 из 12 типов не описаны — проверка №1
• то же — проверка №2
• Флаги --turn, --min-turn-minutes, --min-streak отсутствуют в скиллах — проверка №1
• то же — проверка №2

Acceptance

• Все типы FindingType и все флаги из --help описаны в скиллах
• Тест на полноту скилла в pnpm test
• claude plugin validate . проходит