Files
Support-Agent/.claude/skills/review-labels/SKILL.md
T
maximeandClaude Opus 5.5 35b5ed4d74 Auto labels reviewed per station and cross-reviewed; all labeling knowledge in labeling/ (D-130)
- Every station's auto labels reviewed by an analyst (/review-auto-labels), then a
  cross-review per family across all stations (new skill /cross-review-labels),
  a finishing pass, and descriptions rewritten in words (no numeric values).
- The three never-labeled ranges (WILDSTRUBEL 07/09-01/10, NORDEND 16/08-01/10)
  labeled and reviewed: 991 auto labels on 11 stations, labeling/controle.py at 0 errors.
- Labeling knowledge gathered in labeling/: regles-d-etiquetage.md (new), familles.md
  (settled boundaries), connaissances/ (notes moved from docs/, links updated),
  the label map rebuilt from reviewed labels, events and cases; events tied to their
  stations (PS_DES_COUDRES is JUNGFRAU). The labeler and reviewers read only labeling/.
- labels-map reads auto labels and events; decision D-130; living plan points 73-75.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-11-05 08:21:57 +01:00

9.1 KiB

name, description, argument-hint
name description argument-hint
review-labels Revue des étiquettes de l'expert (labeling/manual/<STATION>.jsonl) avec lui, dans la conversation, une étiquette à la fois dans l'ordre chronologique — confronter chacune aux données de sa plage, aux autres étiquettes et à la documentation, lui proposer un texte fluide et qualitatif, appliquer sa réponse, passer à la suivante. Lancé par l'utilisateur, /review-labels <STATION>. <STATION>

Revue des étiquettes

L'expert, c'est l'utilisateur : il écrit à la main (labeling/labeling.py) des plages de données, avec ce qu'il y voit, la cause et comment il l'a sue. Ces étiquettes sont la base de connaissance du projet (D-100) : une erreur y entre dans tout ce qui en apprend. Il peut se tromper sans le voir : une borne décalée, un capteur pour un autre, une heure locale prise pour UTC, un fait que les données ne montrent pas, deux étiquettes qui se contredisent, une cause sans dire comment il l'a sue.

Une étiquette est qualitative, en langage naturel : ce qu'on voit, la cause, comment on l'a sue, sans valeurs (ni MAD, ni mm, ni seuils chiffrés). Quantifier viendra après, par l'analyste. Tu mesures pour vérifier, mais tes chiffres restent dans la revue.

Tu fais la revue avec lui, dans la conversation, une étiquette à la fois (D-103). Tu ne juges pas son diagnostic à sa place : il a vu ce que tu ne vois pas (le site, les images en entier, son expérience). Une incohérence se dit en question, avec le fait mesuré qui la fonde, jamais en correction.

Pendant la revue, il travaille aussi dans l'outil

L'outil d'étiquetage reste ouvert : en cours de revue, il change des bornes, réécrit un texte ou retire une étiquette (Delete), souvent sans le dire en détail (« j'ai modifié », « j'ai delete 4/8 »). Donc :

  • relis le fichier avant chaque étape (avant de présenter, avant d'écrire) ; repère les étiquettes par leurs bornes du moment, jamais par celles d'avant ;
  • un Save dans l'outil retire revue : une étiquette déjà revue dont il a seulement changé les bornes retrouve revue, et tu le dis en une ligne ; s'il en a changé le texte, présente-la de nouveau ;
  • une étiquette retirée : ne la propose plus ; le rang des suivantes se compte sur ce qui reste ;
  • s'il a réécrit une étiquette et demande de « relire » ou « fluidifier » : pars de son texte, garde son contenu, rends-le fluide et complet.

Ses étiquettes à lui, celles des events

Deux sortes d'étiquettes, à traiter autrement :

  • celles qu'il a écrites lui-même (son style : « on voit… », raisonnement en phrases, sans chiffres en série) : elles sont de meilleure qualité. Ne propose ni de les fusionner ni de les retirer ; garde ses bornes et son raisonnement, reformule seulement pour clarifier (fluide, complet, sans valeurs), et ne pose une question que sur une vraie objection (un fait contredit par les données, ou par ce qu'il écrit ailleurs) ;
  • celles tirées des events (chiffres, MAD, classification, « selon l'expert ») : là, un doublon ou un détail mineur peut se retirer, et plusieurs phases d'un même fait se fusionner, sur sa parole.

S'il dit « tu peux y aller pour cette station » : écris directement les reformulations sans objection (avec revue), puis présente seulement celles qui en ont une, chacune avec sa proposition et sa question.

1. Les étiquettes à revoir

labeling/manual/<STATION>.jsonl : une ligne par étiquette (debut, fin, description, parfois revue, en UTC). À revoir : celles sans champ revue, sauf demande contraire, triées par debut. Données : data/<STATION>/ ; pour les lire, skill lire-les-donnees (outils de agent-tools/), jamais en affichant les CSV. Où est la station (pour le jour et la nuit) : l'export, ou l'event dont viennent ses étiquettes.

Dis le nombre d'étiquettes à revoir, puis prends la première.

2. Une étiquette

  1. Tire du texte ses affirmations vérifiables : une colonne qui monte ou ne bouge pas, tel capteur caché, la nuit, le jour, les références qui bougent peu, une durée, un ordre.
  2. Mesure chacune dans les données de la plage, et un peu avant et après pour voir si les bornes encadrent le phénomène ; regarde les images quand le texte parle de ce qu'on voit (vignettes.py, gif.py, l'image entière au besoin).
  3. Contrôle :
    • Forme : debut < fin, au format AAAA-MM-JJTHH:MMZ ; des mesures dans la plage.
    • Bornes : le phénomène commence-t-il et finit-il là, ou déborde-t-il nettement ? La plage se sélectionne à la souris : quelques pas d'écart ne valent pas une question.
    • Noms : chaque capteur cité existe dans les données, et il est une référence ou une cible comme le dit le texte.
    • Heure : tout est en UTC ; le jour ou la nuit que dit le texte, face aux images (la station peut être n'importe où : juge sur les images, pas sur l'heure).
    • Faits : chaque affirmation, face à ta mesure ; un écart de chiffre qui ne change pas le sens ne vaut pas une question.
    • Cause et preuve : la cause est-elle dite, et comment il l'a sue (quel plot, quelle image) ? Sinon, demande-le (run.md, « Étiqueter des données »). S'il dit voir sur les images ce que tu ne vois pas, sa parole tient : la revue note que tu ne l'as pas vu, sans insister.
    • Entre étiquettes : deux étiquettes qui se chevauchent et se contredisent ; le même phénomène décrit autrement ailleurs dans labeling/manual/*.jsonl. Un phénomène déjà étiqueté à la station (un autre passage de train, la même pluie) : dis-le ; un exemple par phénomène lui suffit d'ordinaire, il garde ou retire.
    • Face à la documentation : events/carte-des-evenements.md et labeling/connaissances/chaine-de-mesure.md, la section utile seulement (grep -n '^#'). Une étiquette qui contredit le savoir en place est une question : l'un des deux est faux, peut-être la documentation.
  4. Présente-la, court :
    • en titre, son rang (« 3/8 ») et ses bornes ; puis son texte, tel quel, en citation ;
    • ce que tu as vérifié et qui tient, en une ou deux lignes ;
    • ce qui ne colle pas, s'il y en a : le fait mesuré, en mots ; trois points au plus, les plus graves d'abord (une cause ou un fait contredit avant une borne) ;
    • toujours une proposition de texte, qui règle ces points (voir « Le texte proposé ») ; une question seulement quand la proposition ne peut pas trancher pour lui (comment il a su la cause, sur quelle image il voit tel fait).
  5. Attends sa réponse. Ne passe pas à la suivante avant.

Le texte proposé

Le modèle, ce sont les étiquettes revues de NIEDERHORN (labeling/manual/NIEDERHORN.jsonl) :

  • en mots, sans valeurs ni unités ni MAD : « monte presque à 1 », « monte nettement, sans pic isolé », « un petit saut le temps d'une mesure », « loin de leur seuil » ;
  • dans l'ordre : ce qui se passe et la cause ; ce qu'on voit dans les courbes (cibles, puis références) ; la preuve (« visible sur l'image de HH:MM UTC », ou « déduite » et de quoi) ; le retour à la normale ; la conclusion pour l'ouvrage (« Les voies ne bougent pas : rien à faire. ») ;
  • des phrases courtes et liées, pas d'énumération entre points-virgules ;
  • un capteur nommé seulement s'il est le sujet (la cible derrière les feuilles), pas pour lister les plus touchées ;
  • ni classification (target-local degradation…) ni question ouverte (« effet optique ou fléchissement, à revoir ») : elles restent dans l'event ;
  • une hypothèse reste une hypothèse (« sans doute ») ; rien qu'il n'ait pas dit ou que tu n'aies pas vérifié.

3. Sa réponse

  • « Oui », « tu peux y aller », « modifie directement » : écris le texte proposé, puis "revue": "<AAAA-MM-JJ du jour>".
  • Il corrige : applique exactement ce qu'il dit (bornes, texte) ; un texte, c'est le sien : tu n'écris que celui qu'il a validé ; puis revue.
  • Il ne sait pas, ou veut y revenir : l'étiquette reste sans revue.
  • Une réponse qui n'est pas nette : ne devine pas, repose la question.

Modifie le fichier par script, en relisant d'abord le fichier : une ligne JSON par étiquette, les autres lignes telles quelles, les champs dans leur ordre (revue en dernier), ensure_ascii=False ; vérifie que l'étiquette visée a été trouvée (par ses bornes) et que chaque ligne se relit par json.loads. Si elle n'est pas trouvée, il l'a changée dans l'outil : relis, ne force pas.

La revue ne laisse pas d'autre trace que le fichier des étiquettes et revue : dis en une ligne ce qui a changé, et présente l'étiquette suivante.

À la fin de la station : un bilan dans la réponse (les étiquettes qui restent, revues ; retirées ; restées ouvertes), puis la station suivante. Le commit attend l'accord de l'utilisateur.

Règles

  • Tu n'écris que dans labeling/manual/<STATION>.jsonl, sur sa parole.
  • Lecture seule sur les données ; aucun identifiant (SIM_CCID, ip, ip_*) dans une étiquette ; jamais le registre de anonymize-event.
  • Vocabulaire : confirmed / strongly supported / consistent with / possible / insufficient evidence / not observed ; pas de pseudo-probabilités.