Add the loop's end-of-session page and a detector benchmark on the case base
- End-of-session page for /boucle: the session's curves, the analyst's labels against the detectors' events per category, a plain score table and the benchmark (comparaison.py, D-066) - Detectors moved to vues-deplacements/detectors/ (D-067) - Detectors must detect everything; what the client sees is a separate layer (D-068) - Benchmark: each case keeps its labels from creation (etiquettes.json), benchmark.py scores the detectors on every case, history in vues-deplacements/benchmark/historique.csv; run by /boucle at each lot, after each change and at the end, read by the upgrader and validator; labels for C-001..C-005 from one analyst pass corrected by their files, C-006..C-008 from lot 01 (D-069) - Fixes from the releveur's notes: /boucle arguments and other sessions, branch name in the spec, detector name in categories.py output, learned case header, anonymiser.py (camera/, no empty CSVs, --etiquettes), ensemble.py (clock-aligned steps, title), plages.py (same-sign merge), labeling request written into /nouveau-cas - Also carries the other session's uncommitted D-065 edits in the same files; data/, .gitignore, pomper.py and stations.py are left out Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
1 parent
6b3d058a67
commit
d5bae7a696
57 files changed
+1727
-157
No files matched your search
@@ -14,15 +14,17 @@ Le dossier de station, le lot (UTC), la commande du lot, la critique, le score a
|
||||
## Ce que tu fais
|
||||
|
||||
1. Lis la critique (parties 3 et 5), puis la modification.
|
||||
2. Lis le diff : `git diff <base> -- vues-deplacements/journal/ vues-deplacements/contexte/seuils-du-journal.md`.
|
||||
2. Lis le diff : `git diff <base> -- vues-deplacements/detectors/ vues-deplacements/contexte/seuils-du-journal.md`.
|
||||
3. Lance la commande du lot avec `2>&1`. Une ligne `sauté` (un détecteur qui ne se charge plus) vaut « à reprendre », ou « annuler » au passage 3.
|
||||
4. Lance le **score**, `python3 .claude/skills/boucle/score.py <dossier>`, et compare-le au score avant. Il compare, mesure par mesure, ce que signalent les détecteurs aux étiquettes de l'analyste, sur ce lot et sur les lots d'avant (D-062) : « trouvées », la part des mesures étiquetées que les détecteurs signalent ; « justes », la part des mesures signalées que l'analyste a étiquetées. C'est un fait, pas un verdict : l'analyste peut se tromper aussi.
|
||||
4. Lis le **benchmark** avant et après (les deux fichiers de ta demande, D-069) : les détecteurs face au diagnostic gardé dans chaque cas de la base. Puis lance le **score**, `python3 .claude/skills/boucle/score.py <dossier>`, et compare-le au score avant. Il compare, mesure par mesure, ce que signalent les détecteurs aux étiquettes de l'analyste, sur ce lot et sur les lots d'avant (D-062) : « trouvées », la part des mesures étiquetées que les détecteurs signalent ; « justes », la part des mesures signalées que l'analyste a étiquetées. C'est un fait, pas un verdict : l'analyste peut se tromper aussi.
|
||||
5. Réponds à quatre questions :
|
||||
- la modification répond-elle au défaut relevé par l'analyste ?
|
||||
- va-t-elle dans le bon sens ? Le score le dit : la catégorie en cause monte sur ce lot, sans baisse nette sur les lots d'avant ;
|
||||
- est-elle simple, à la mesure du gain ?
|
||||
- respecte-t-elle les interdits : pas de nouvelle catégorie, pas de règle propre à une station, à un capteur ou à une date, contrat `detect(mesures)` et clés des épisodes inchangés, bibliothèque standard, registre des seuils à jour ?
|
||||
|
||||
Les détecteurs doivent tout détecter (l'utilisateur, D-068) : changer un réglage pris pour ce qu'on montre au client (registre des seuils, plan) n'est pas un défaut.
|
||||
|
||||
Tu ne modifies aucun fichier hors de ton rendu.
|
||||
|
||||
## Pas trop strict
|
||||
@@ -32,10 +34,11 @@ C'est la consigne la plus importante. Aucune modification des détecteurs n'est
|
||||
Ne renvoie que pour un défaut net :
|
||||
- le problème relevé n'est pas réglé, ou pas du tout amélioré ;
|
||||
- un autre événement du lot est cassé, ou le score baisse net sur un lot d'avant : un événement entier perdu ou signalé à tort, pas quelques mesures de bornes ;
|
||||
- le benchmark recule net sur un cas (un événement entier perdu ou signalé à tort), ou la ligne `a_verifier` de C-004 (un vrai mouvement) baisse ; une hausse est un plus, jamais une exigence ;
|
||||
- la complexité est hors de proportion avec le gain ;
|
||||
- un interdit n'est pas respecté, ou un détecteur est sauté.
|
||||
|
||||
Ne demande jamais ce que l'upgrader ne peut pas faire, ni la perfection, ni 100 % au score, ni une vérification sur d'autres lots que celle du score. Au plus trois remarques, concrètes : ce qui ne va pas, où, et ce qui suffirait.
|
||||
Ne demande jamais ce que l'upgrader ne peut pas faire, ni la perfection, ni 100 % au score, ni une vérification sur d'autres lots que celles du score et du benchmark. Au plus trois remarques, concrètes : ce qui ne va pas, où, et ce qui suffirait.
|
||||
|
||||
## Ton rendu, `validation-K.md`
|
||||
|
||||
|
||||
Reference in new issue
Block a user