Record successful BUG-20 trial and display remediation handoffs

docs/bug20-working-brief-live-test-20261016.md

@@ -0,0 +1,89 @@
+# Bug 20: vollständiger Live-Test mit Investigation-Arbeitsstand
+
+Ausgeführt mit derselben Konfiguration wie Bug 17:
+`config/llm.working-brief.local.toml`, `config/project.local.toml`.
+Programmstand der Analyse: `816f525`; letzter Stand bei Vorbereitung `22fe68c`
+(zusätzlich lokales Lesewerkzeug). Keine Referenzlösung und keine alte Analyse
+als Input übergeben. Originalinputs: `BUG-000020-20261008-130429.tar.gz` und
+`WOWSRC-BUG-000020-20261008-130446.tar.gz`.
+
+## Ergebnis
+
+**OUTPUT_READY**, Generation 86, nach 16 Dispatches. Diagnose bestätigt H1:
+fehlende Spawn-Datensätze für Wild Wolpertinger, Creature Entry **23487**, auf
+Map 0 und damit am betroffenen Standort in Dun Morogh.
+
+Die entscheidende Datenbankabfrage E000002 filtert `creature.id = 23487`, liest
+unter anderem GUID, Map, Gebiet und Koordinaten, Limit 50/Offset 0. Sie liefert
+18 Zeilen, alle auf Map 1, `coverage=complete_filtered_rows`, `truncated=false`.
+Der alternative Entry 22943 liefert in E000005 mit derselben vollständigen
+Abdeckung keine Zeilen. Das sind tatsächliche Abfragen des lokalen DB-Snapshots,
+keine aus Schema oder Paket-Dateinamen abgeleiteten Behauptungen.
+
+Der Codingauftrag ist als **SQL-Vorlage mit expliziten Platzhaltern** für fehlende
+Koordinaten, GUIDs und weitere Spawnparameter angelegt; Event-Verknüpfung 24 ist
+vorgesehen. Vorhandene Horde-Spawns sollen unverändert bleiben. Der separate
+menschliche Auftrag verlangt, geeignete Koordinaten zu **recherchieren oder
+festzulegen**, GUIDs zuzuweisen und die Vorlage zu vervollständigen. Er verlangt
+nicht ausschließlich kanonische Originaldaten. BugAnalysis wartet nicht auf
+diese reine Behebungszuarbeit.
+
+H1 erreicht `strongly_supported`; H2 (Sichtbarkeit) und H3 (Event-Verknüpfung)
+werden geschwächt und verworfen. Der beantragte Frühabschluss wird von der
+finalen Diagnose akzeptiert. Restbudgets: H1 92, H2 97, H3 93. Das Budget wurde
+also nicht sinnlos aufgebraucht. H1 bleibt im internen Zustand `active`, weil
+sein Abschluss über das Early-Review-Protokoll erfolgt; die Gesamtanalyse ist
+abgeschlossen, nicht in einer Warteschleife.
+
+## Metriken
+
+| Metrik | Wert |
+|---|---:|
+| Nutzerberichtete Kosten | **0,18 EUR** (7,71 → 7,89) |
+| Gesamtlaufzeit | **7:19,0 Minuten** |
+| Provider-Zeit über alle Aufrufe | 328,671 Sekunden |
+| LLM-Aufrufe gesamt | 15 |
+| Davon Investigation | 9 |
+| Inputtokens insgesamt, Cache eingeschlossen | 366.105 |
+| Davon gecacht | 213.030 |
+| Outputtokens, Thinking eingeschlossen | 46.794 |
+| Davon Thinking | 33.638 |
+| Investigation: ungecachte Eingabetokens | 42.741 |
+| Investigation: Outputtokens inkl. Thinking | 26.735 |
+| Intern abgelehnte Antworten | 1 × LLM_OUTPUT_SCHEMA |
+
+Cache bei allen neun Investigation-Antworten bestätigt: je 23.670 Tokens,
+eine Erstellung und acht Wiederverwendungen. Die abgelehnte Antwort wurde
+kontrolliert verworfen und im Lauf korrigiert, ohne BLOCKED-Zustand.
+
+Der bekannte frühere erfolgreiche Bug-20-Gesamtlauf kostete laut Nutzer 0,38 EUR.
+Der aktuelle berichtete Betrag liegt rund 53 % darunter. Dieser Vergleich
+isoliert nicht die Wirkung des Arbeitsstands: Prompts, Caching und lokale
+Verarbeitung wurden seitdem mehrfach verändert. Der Kostenstand kann außerdem
+verzögert abrechnen. Ein einzelner erfolgreicher Referenzfall garantiert keine
+allgemeine Erfolgsquote oder Kostenhöhe für andere Bugs.
+
+## Bewertung und Grenzen
+
+Für diesen bekannten positiven Referenzfall ist der Durchlauf fachlich und
+technisch erfolgreich: korrekte Creature-Identität, belegte fehlende Spawndaten,
+gezielte Gegenprüfungen, passende differenzierte Übergabe und vollständiger
+Paketabschluss innerhalb des gewünschten Kostenbereichs.
+
+Die Diagnose formuliert ihre Aussagen teilweise zu absolut: Fehlende statische
+DB-Spawns schließen nicht automatisch jeden denkbaren dynamischen Spawnpfad aus.
+Auch „Map 0“ ist keine Gebiets-ID für Dun Morogh. Die vollständige Abwesenheit
+auf Map 0 schließt aber statische Spawns am betroffenen Standort auf dieser Map
+mit ein. Der Befund trifft die bekannte Ursache; universelle Formulierungen
+sollten nicht mit einem vollständigen Ausschluss aller Laufzeitpfade verwechselt
+werden. Die bekannte Validierungsreibung des Arbeitsstand-Vertrags verschwindet
+durch diesen günstigeren Einzeltest nicht.
+
+Das Paket wurde validiert. Eine lokale HTML-Leseansicht mit eigenem Bereich für
+Coding-/Menschenaufträge wurde erzeugt; alle 507 Beleg-/Navigations-/Dateilinks
+auflösbar. Fünf Tests für das Lesewerkzeug bestanden. Die Analyseimplementierung
+wurde bei dieser Auswertung nicht verändert, keine weiteren API-Aufrufe gestartet.
+
+Messdaten: `measurements/bug20-working-brief-live-20261016.json`.
+Erfasste Testdaten vor der zusätzlichen Lesekopie: rund 16,89 GB, weiterhin
+unter der 20-GB-Vorgabe.

docs/measurements/bug20-working-brief-live-20261016.json

@@ -0,0 +1,110 @@
+{
+  "measurement": "bug20_working_brief_live_v1",
+  "commit": "22fe68c",
+  "workspace": "service-data\\trials\\bug20-working-brief-20261016",
+  "identity": {
+    "case_id": "BUG-000020",
+    "package_id": "trial-working-brief-BUG-000020-20261016",
+    "package_generation": 86,
+    "state": "OUTPUT_READY"
+  },
+  "duration_seconds": 439.0303,
+  "calls": 15,
+  "investigation_calls": 9,
+  "phase_calls": {
+    "INTERPRETING_CASE": 3,
+    "GENERATING_HYPOTHESES": 1,
+    "INVESTIGATING_HYPOTHESES": 9,
+    "BUILDING_DIAGNOSIS": 2
+  },
+  "usage": {
+    "input_tokens": 366105,
+    "output_tokens": 46794,
+    "reasoning_tokens": 33638,
+    "cached_input_tokens": 213030,
+    "cache_created_tokens": 23670,
+    "elapsed_seconds": 328.67100000000005,
+    "estimated_cost": 0.14828924999999998,
+    "estimated_cache_storage_cost": 0.00098625,
+    "estimated_cost_scope": "Known subtotal only; 9 of 15 calls have complete estimated_cost."
+  },
+  "investigation_usage": {
+    "input_tokens": 255771,
+    "output_tokens": 26735,
+    "reasoning_tokens": 20562,
+    "cached_input_tokens": 213030,
+    "cache_created_tokens": 23670,
+    "elapsed_seconds": 197.45199999999997,
+    "estimated_cost": 0.14828924999999998,
+    "estimated_cache_storage_cost": 0.00098625
+  },
+  "cache_statuses": {
+    "created": 1,
+    "reused": 8
+  },
+  "cached_tokens_per_inv": {
+    "23670": 9
+  },
+  "errors": [
+    {
+      "hypothesis": "H3",
+      "code": "LLM_OUTPUT_SCHEMA",
+      "kind": "invalid_response",
+      "llm_ref": "llm/operations/b7f2e84e7ce1ab15fea771e71ef5c71f3321d1b419eefa7f3f69f110b5c356c6/round-0001.json"
+    }
+  ],
+  "call_statuses": {
+    "SUCCESS": 14,
+    "ERROR": 1
+  },
+  "cost_eur_start": 7.71,
+  "cost_eur_end": 7.89,
+  "cost_eur_delta": 0.18,
+  "early_stop": {
+    "countercheck_refs": [
+      "E000004",
+      "E000005"
+    ],
+    "deferred_hypotheses": [],
+    "evidence_refs": [
+      "E000001",
+      "E000002",
+      "E000004",
+      "E000005"
+    ],
+    "fingerprint": "aefa64a8f813a1df46cfa3cc84f8be3339bceebefe7627610c636d139def6843",
+    "hypothesis_id": "H1",
+    "number": 1,
+    "reason": "Investigation of creature and game_event_creature tables confirms that Wild Wolpertinger (entry 23487) only has spawn entries on map 1 (Durotar) tied to Brewfest event 24, while Dun Morogh (map 0) has zero spawn entries for either 23487 or 22943.",
+    "status": "requested"
+  },
+  "hypotheses": {
+    "H1": {
+      "confidence": "strongly_supported",
+      "disposition": "active",
+      "iterations": 3
+    },
+    "H2": {
+      "confidence": "weakened",
+      "disposition": "reject",
+      "iterations": 2
+    },
+    "H3": {
+      "confidence": "weakened",
+      "disposition": "reject",
+      "iterations": 3
+    }
+  },
+  "hypothesis_remaining_budget": {
+    "H1": 92,
+    "H2": 97,
+    "H3": 93
+  },
+  "limitations": [
+    "Reported account delta, subject to billing latency.",
+    "No direct equal-progress comparison to the earlier interrupted BUG-17 trial.",
+    "Token output includes reasoning; cached input is part of total input.",
+    "Correct reference cause, but dynamic paths were not exhaustively excluded.",
+    "Estimated costs are incomplete: only investigation calls have configured input rates; do not treat their sum as a total analysis estimate."
+  ]
+}

scripts/render_case_review.py

@@ -116,7 +116,10 @@ def render(reader):
         '<p class="notice">Dies ist eine Leseansicht der gespeicherten Fallakte. Modellbewertungen sind keine unabhängig bestätigten Fakten. Die Originaltexte bleiben in ihrer gespeicherten Sprache.</p>']
     if not art.get('diagnosis'):
         parts.append('<p>Eine finale Diagnose und ein Abschlussauftrag liegen in diesem Paket noch nicht vor.</p>')
-    else:parts.append('<h3>Diagnose</h3>'+readable(load(art['diagnosis'])))
+    else:
+        result=load(art['diagnosis']);diagnosis=result.get('diagnosis',result)
+        parts.append('<h3>Diagnose</h3>'+readable(diagnosis.get('root_cause'))+
+                     details('Vollständige Diagnose und Gegenprüfung',readable(diagnosis)))
     parts.append('</section><section id="case"><h2>Was wurde gemeldet?</h2>'+readable(case.get('bug'))+
         '<h3>Menschliche Beobachtungen</h3>'+readable(case.get('human_observations'))+'</section>')
     parts.append('<section id="interpretation"><h2>Wie wurde der Fall eingeordnet?</h2>')
@@ -133,6 +136,28 @@ def render(reader):
         else:parts.append('<p class="muted">Noch kein strukturierter Arbeitsstand gespeichert.</p>')
         parts.append('<h4>Offene Fragen</h4>'+readable([q for q in h['questions'] if not q['resolved']]))
         parts.append(details('Ansatz und vollständiger Hypothesenzustand',raw(h))+'</article>')
+    parts.append('</section><section id="handoffs"><h2>Welche Aufträge wurden übergeben?</h2>')
+    if art.get('change_request'):
+        coding=load(art['change_request'])
+        parts.append('<h3>Codingauftrag</h3><p>Status: '+e(coding.get('assignment','nicht angegeben'))+'</p>')
+        request=coding.get('request',{})
+        for key,label in [('required_change','Geforderte Änderung'),('implementation_guidance','Vorgehen'),
+                          ('placeholders','Offene Platzhalter'),('missing_information','Fehlende Angaben'),
+                          ('validation_requirements','Prüfung nach Umsetzung')]:
+            if key in request:parts.append('<h4>'+label+'</h4>'+readable(request[key]))
+        parts.append(details('Vollständiger Codingauftrag',raw(coding)))
+    else:parts.append('<p>Noch kein Codingauftrag vorhanden.</p>')
+    if art.get('human_dev_request'):
+        text=reader.read_bytes(art['human_dev_request']).decode('utf8')
+        # Deterministic plain Markdown display, no embedded HTML execution.
+        import re
+        parts.append('<h3>Auftrag an den menschlichen Entwickler</h3>')
+        for line in text.splitlines():
+            line=re.sub(r'\\([\\`*_{}\[\]()#+\-.!|])',r'\1',line)
+            if line.startswith('#'):
+                parts.append('<h4>'+e(line.lstrip('# ').strip())+'</h4>')
+            elif line.strip():parts.append('<p>'+e(line)+'</p>')
+    else:parts.append('<p>Noch kein menschlicher Auftrag vorhanden.</p>')
     parts.append('</section><section id="evidence"><h2>Was wurde tatsächlich recherchiert?</h2><p>Beleg-Links aus den Hypothesen führen hierher. Jeder Beleg zeigt seine eigene Abfrage und Reichweite.</p>')
     for eid,entry in evidence.items():
         content=entry['content'];captures=content.get('items',[])
@@ -162,7 +187,7 @@ def render(reader):
         body='<ul>'+''.join('<li><a href="'+quote(n,safe='/')+'">'+e(n)+'</a></li>' for n in names)+'</ul>'
         parts.append(details(group+' · '+str(len(names))+' Dateien',body))
     parts.append('</section>')
-    nav=''.join('<a href="#'+anchor+'">'+label+'</a>' for anchor,label in [('overview','Überblick'),('case','Fehlerbericht'),('interpretation','Einordnung'),('hypotheses','Hypothesen'),('evidence','Recherchebelege'),('history','Verlauf'),('calls','LLM-Aufrufe'),('files','Originaldateien')])
+    nav=''.join('<a href="#'+anchor+'">'+label+'</a>' for anchor,label in [('overview','Überblick'),('case','Fehlerbericht'),('interpretation','Einordnung'),('hypotheses','Hypothesen'),('handoffs','Aufträge'),('evidence','Recherchebelege'),('history','Verlauf'),('calls','LLM-Aufrufe'),('files','Originaldateien')])
     css='''*{box-sizing:border-box}html{scroll-behavior:smooth;scroll-padding-top:24px}body{margin:0;background:#f3f5f7;color:#202d3d;font:16px/1.65 system-ui,Segoe UI,sans-serif}aside{position:fixed;width:230px;inset:0 auto 0 0;padding:36px 24px;background:#172b3c;color:white}aside b{display:block;margin-bottom:30px}aside a{display:block;color:#d7e6ed;text-decoration:none;padding:10px 12px;border-radius:6px}aside a:hover{background:#294555}main{max-width:1200px;margin-left:230px;padding:42px 48px 80px}header{padding:0 10px 26px}.eyebrow{letter-spacing:.16em;color:#537581;font-size:12px;font-weight:700}h1{font-size:40px;line-height:1.15;margin:14px 0}.subtitle{font-size:22px;color:#536574}h2{font-size:25px;margin:0 0 20px}h3{font-size:20px;line-height:1.4;margin:20px 0 12px}h4{font-size:15px;margin:16px 0 6px}p{margin:8px 0 12px;white-space:pre-wrap;overflow-wrap:anywhere}section{background:white;border:1px solid #e0e5ea;border-radius:12px;padding:28px;margin-bottom:24px}.stats{display:flex;gap:12px;margin-bottom:20px}.stats article{background:#eef4f6;border-radius:8px;padding:16px;flex:1}.stats strong{display:block;font-size:30px;line-height:1.2}.badge{display:inline-block;border-radius:20px;background:#e4f1ed;color:#1f6552;padding:4px 12px;font-size:13px;font-weight:650;margin-right:12px}.small,.muted{font-size:13px;color:#607181}.notice{background:#fff6df;border-left:3px solid #d6a449;padding:12px 16px;font-size:14px}.hypothesis{padding:8px 0 28px;border-bottom:1px solid #e2e8ef}.finding{padding:8px 16px;margin:12px 0;border-left:3px solid #a4b6c5;background:#f5f8fa}.finding.against{border-color:#c67d64;background:#fff8f4}.finding.support{border-color:#5e9c87;background:#f1f8f5}.chip{display:inline-block;padding:2px 8px;background:#e6edf4;border-radius:4px;text-decoration:none;color:#305975;font-size:12px;margin:2px}details{margin:12px 0;border:1px solid #e0e6eb;border-radius:7px;padding:12px 16px}summary{cursor:pointer;font-weight:600;overflow-wrap:anywhere}details[open]>summary{margin-bottom:16px}pre{white-space:pre-wrap;overflow-wrap:anywhere;background:#f0f3f6;padding:16px;font:12px/1.6 Consolas,monospace;max-height:650px;overflow:auto}.code{white-space:pre;overflow:auto}.field{margin:12px 0}.field-label{display:block;font-weight:650;color:#4b6172;font-size:13px}li{margin:6px 0}a{color:#246b91}article:target{outline:3px solid #78abc5;outline-offset:5px}@media(max-width:850px){aside{position:static;width:auto;padding:16px}aside b{margin-bottom:10px}aside a{display:inline-block}main{margin:0;padding:24px 16px}.stats{flex-wrap:wrap}section{padding:20px}}@media print{aside{display:none}main{margin:0;padding:0}details{break-inside:avoid}}'''
     return '<!doctype html><html lang="de"><meta charset="utf-8"><meta name="viewport" content="width=device-width,initial-scale=1"><title>'+e(manifest['case_id'])+' · Fallakte</title><style>'+css+'</style><aside><b>VianoBugAnalysis<br>Fallakte lesen</b>'+nav+'</aside><main>'+''.join(parts)+'</main></html>'
 

tests/test_case_review.py

@@ -55,3 +55,17 @@ def test_reserved_filename_never_overwrites_package_payload(make_package,tmp_pat
     with pytest.raises(ValueError,match='reserved'):
         review.create(p,dest)
     assert not dest.exists()
+
+
+def test_completed_package_displays_coding_and_human_handoffs(make_package,manifest,tmp_path):
+    manifest['artifacts'].update(change_request='handoffs/coding.json',human_dev_request='handoffs/human.md')
+    p=make_package(document=manifest,entries={
+        'handoffs/coding.json':json.dumps({'assignment':'assigned','request':{
+            'required_change':'SQL template with placeholders','placeholders':[{'token':'{{POSITION_X}}'}]}}),
+        'handoffs/human.md':'# Human\n\nResearch or define suitable coordinates.\n<script>bad()</script>'})
+    output=review.create(p,tmp_path/'view')
+    html=output.read_text(encoding='utf8')
+    assert 'href="#handoffs"' in html
+    assert 'SQL template with placeholders' in html and '{{POSITION_X}}' in html
+    assert 'Research or define suitable coordinates.' in html
+    assert '<script>bad()' not in html and '&lt;script&gt;' in html