Přichytit agenta, který tvrdí, že je hotov, a není

setup: challenge
given:
  - 'a repository with Majordomus installed, and a second worktree whose worker already claims lib'
  - 'a test, test/parse.sh, that passes only when the parser message names the column'
steps:
  - id: claim-the-work
    note: 'The task claims lib. Another worker already claims lib in a second worktree, and start says so before any file is touched.'
    run: ['start', 'refuse tabs in the parser', '--scope', 'lib']
    expect:
      exit: 0
      stdout_contains: ['^started t-', 'INFO overlap', 'claims lib']
  - id: the-worker-strays
    note: 'The worker makes the change it was asked for, and also edits a note under docs, which the task never claimed.'
    worker: 'echo "tabs are refused" >> lib/a && echo "parser notes" >> docs/d'
    expect:
      exit: 0
  - id: check-refuses-the-stray-file
    note: 'check names the file outside the claimed scope and exits non-zero. It is a failure, not a warning.'
    run: ['check']
    expect:
      exit: 10
      stdout_contains: ['FAIL scope', 'docs/d']
  - id: the-worker-says-it-is-done
    note: 'The worker reports the task finished. finish evaluates the contract instead of believing it, and refuses.'
    run: ['finish', '--outcome', 'completed', '--verify-command', 'sh test/parse.sh']
    expect:
      exit: 10
      stdout_contains: ['FAIL scope', 'FAIL verification', 'refused']
  - id: the-worker-reverts-the-stray-file
    note: 'The stray edit is taken back.'
    worker: 'git checkout -- docs/d'
    expect:
      exit: 0
  - id: hand-over
    note: 'The session ends. What the next one needs is written into the repository, not left in a transcript.'
    run: ['handover']
    stdin: challenge-handover.md
    expect:
      exit: 0
      files_exist: ['.ai/local/state/handovers']
  - id: the-next-session-resumes
    note: 'A new session asks the repository what it needs to know, and gets the task, its scope and the handover back.'
    run: ['context']
    expect:
      exit: 0
      stdout_contains: ['## TASK', 'LATEST COMPATIBLE HANDOVER', 'name the column']
  - id: finish-refuses-a-failing-verification
    note: 'Scope is clean now, but the repository''s own test still fails. finish runs it and refuses again.'
    run: ['finish', '--outcome', 'completed', '--verify-command', 'sh test/parse.sh']
    expect:
      exit: 10
      stdout_contains: ['OK +scope', 'FAIL verification', 'refused']
      stdout_not_contains: ['FAIL scope']
  - id: the-worker-finishes-the-work
    note: 'The worker does what the handover said was left.'
    worker: 'echo "the message names the column" >> lib/a'
    expect:
      exit: 0
  - id: finish-accepts
    note: 'Every line of the contract passes, so the outcome is recorded, with the verification that proved it.'
    run: ['finish', '--outcome', 'completed', '--verify-command', 'sh test/parse.sh']
    expect:
      exit: 0
      stdout_contains: ['OK +scope', 'OK +verification', 'completed']
      stdout_not_contains: ['FAIL']
then:
  - 'a file outside the claimed scope is refused by check and by finish'
  - 'a worker saying it is done is a claim finish evaluates, and a failing verification keeps it refused'
  - 'the next session resumes from what the repository recorded, not from the conversation'
  - 'the work is accepted only when every line of the contract passes'

Scénář

Provedeno proti skutečnému nástroji v repozitáři připraveném pomocí challenge, při každém generování tohoto webu. To, co následuje, není popis toho, co by se mělo stát; je to to, co se stalo.

Co nástroj udělal

Důkaz běhu, ze kterého byla tato stránka vygenerována: pass, 10 kroků. Výstup je normalizován: cesta repozitáře, časová razítka, id a doby trvání jsou zástupné; nic jiného není upraveno.

Testováno v test/cases/94_use_cases.sh, který spouští každý scénář a odmítne krok, jehož zaznamenaný výstup není tím, co vyprodukoval.

1. 1$ majordomus start 'refuse tabs in the parser' --scope lib exit 0

   Úloha si nárokuje lib. Jiný pracovník už si lib nárokuje v druhém worktree a start to řekne dřív, než se dotkne jakéhokoli souboru.

   started t-<id>  profile=implementation  scope=lib
   INFO overlap     repo-other — claims lib — contains your lib  [reproduce: majordomus check --overlap]
   next: majordomus context; checkpoint every 15m; majordomus check before claiming anything

   • exit 0
   • stdout_contains /^started t-/
   • stdout_contains /INFO overlap/
   • stdout_contains /claims lib/
2. 2worker$ echo "tabs are refused" >> lib/a && echo "parser notes" >> docs/d exit 0

   Worker provede změnu, o kterou byl požádán, a upraví také poznámku v docs, kterou úloha nikdy nenárokovala.

   • exit 0
3. 3$ majordomus check exit 10

   check pojmenuje soubor mimo zabraný rozsah a skončí nenulovým kódem. Je to selhání, ne varování.

   OK   knowledge   records — 0 record(s) valid against knowledge/v1; every reference resolves  [reproduce: majordomus knowledge check]
   ·    checkpoint  t-<id> — <timed against the checkpoint interval>
   OK   records     ledger.jsonl — every line is a well-formed event
   OK   blockers    t-<id> — none open
   OK   records     decisions.md — every entry is attributable
   FAIL scope       docs/d — outside claimed scope (lib)  [reproduce: git status --porcelain; git log --first-parent --no-merges --name-only --format= <sha>..HEAD]
   OK   state       t-<id> — exact (head <head>)
   INFO mesh        t-<id> — the repository declares no enabled mesh
   INFO use-case    30 advisory gap(s) — not covered by an active use case, and the policy does not require it: command:init command:update command:doctor command:watch command:start command:context command:checkpoint command:handover command:check command:finish command:history command:decision command:question command:prompt command:evidence command:skills command:capture command:search command:doctrine command:plan command:version command:session command:knowledge command:adr command:usecase command:rules command:migrate command:recover command:bench command:archive  [reproduce: majordomus usecase coverage]
   OK   use-case    0 of 30 target(s) covered — every public command the policy requires is named and run by an active use case (policy use_cases.coverage)
   INFO obligation  t-<id> — the task declares no obligations
   INFO gate        t-<id> — this repository declares no CI model at .ai/repo/ci/gates.yaml; nothing can be planned
   check: 12 finding(s), 1 failing

   • exit 10
   • stdout_contains /FAIL scope/
   • stdout_contains /docs/d/
4. 4$ majordomus finish --outcome completed --verify-command 'sh test/parse.sh' exit 10

   Worker ohlásí úlohu jako dokončenou. finish smlouvu vyhodnotí, místo aby jí věřil, a odmítne.

   OK   blockers    t-<id> — none open
   FAIL note        t-<id> — no --note file and no handover for this task  [reproduce: majordomus handover < note.md]
   INFO regression  t-<id> — profile implementation adds no requirement beyond the shared contract
   FAIL scope       docs/d — outside claimed scope (lib)  [reproduce: git status --porcelain; git log --first-parent --no-merges --name-only --format= <sha>..HEAD]
   OK   state       t-<id> — exact (head <head>)
   INFO continuity  t-<id> — applies to partial and blocked
   INFO mesh        t-<id> — the repository declares no enabled mesh
   INFO use-case    30 advisory gap(s) — not covered by an active use case, and the policy does not require it: command:init command:update command:doctor command:watch command:start command:context command:checkpoint command:handover command:check command:finish command:history command:decision command:question command:prompt command:evidence command:skills command:capture command:search command:doctrine command:plan command:version command:session command:knowledge command:adr command:usecase command:rules command:migrate command:recover command:bench command:archive  [reproduce: majordomus usecase coverage]
   OK   use-case    0 of 30 target(s) covered — every public command the policy requires is named and run by an active use case (policy use_cases.coverage)
   FAIL verification t-<id> — sh test/parse.sh — exit 1, <s>s  [reproduce: sh test/parse.sh]
   INFO obligation  t-<id> — the task declares no obligations
   INFO gate        t-<id> — this repository declares no CI model at .ai/repo/ci/gates.yaml; nothing can be planned
   INFO gate        t-<id> — not in verification.finish_requires
   finish: refused, 3 unmet
   blocking doctrines:
   - majordomus.note-integrity
   - majordomus.scope-integrity
   - majordomus.verification-integrity

   • exit 10
   • stdout_contains /FAIL scope/
   • stdout_contains /FAIL verification/
   • stdout_contains /refused/
5. 5worker$ git checkout -- docs/d exit 0

   Zbloudilá úprava je vzata zpět.

   • exit 0
6. 6$ majordomus handover exit 0< challenge-handover.md

   Relace končí. To, co potřebuje další, je zapsáno do repozitáře, ne ponecháno v přepisu.

   .ai/local/state/handovers/<time>--main--<head>--<hash>.md

   • exit 0
   • file_exists .ai/local/state/handovers
7. 7$ majordomus context exit 0

   Nová relace se ptá repozitáře, co potřebuje vědět, a dostane zpět úlohu, její rozsah a předávku.

   # Majordomus context — <time>
   # a projection of durable state, not a source of truth: validate every line against git
   
   ## GIT
   repository   <repo>
   branch       main
   head         <sha>
   working_tree dirty
   task_record  exact (recorded head <head>)
   
   ## TASK
   id           t-<id>
   task         refuse tabs in the parser
   profile      implementation
   owner        <owner>
   outcome      active
   scope        lib
   started      <time> (<age> ago)
   checkpoint   <time> (<age> ago, interval 15m)
   
   ## PROFILE implementation
   capability   standard
   effort       medium
   verbosity    concise
   presentation engineering
   verification verify command
   output       outcome, changes, verification, blockers, next_action
   
   ## CONTEXT DOCUMENTS (for the scope, root first; majordomus context explain <path>)
   lib  ai.layer
   
   ## KNOWLEDGE (candidates awaiting review on this branch; majordomus knowledge candidates)
   No knowledge candidates await review on this branch. That is an answer, not a gap: `majordomus knowledge candidates` lists every branch.
   
   ## DECISIONS (5 most recent for this task)
   (none)
   
   ## LATEST COMPATIBLE HANDOVER (.ai/local/state/handovers/<time>--main--<head>--<hash>.md)
   match        same_worktree_same_branch
   git state    exact
   created      <time> (<age> ago)
   task         t-<id>
   # Objective
   refuse tabs in the parser
   # Current State
   tabs are refused; the stray note under docs is reverted; the parser's test still fails
   # Next Action
   make the message name the column, then run the parser's test again
   
   ## FILES TOUCHED IN SCOPE (1)
   lib/a
   
   ## EXCLUDED
   - history — profile implementation sets context.recent_history_depth: 0
   
   ## BUDGET
   57 of 300 lines

   • exit 0
   • stdout_contains /## TASK/
   • stdout_contains /LATEST COMPATIBLE HANDOVER/
   • stdout_contains /name the column/
8. 8$ majordomus finish --outcome completed --verify-command 'sh test/parse.sh' exit 10

   Rozsah je teď čistý, ale vlastní test repozitáře stále selhává. finish jej spustí a znovu odmítne.

   OK   blockers    t-<id> — none open
   OK   note        t-<id> — <time>--main--<head>--<hash>.md
   INFO regression  t-<id> — profile implementation adds no requirement beyond the shared contract
   OK   scope       t-<id> — 1 touched file(s), all within scope
   OK   state       t-<id> — exact (head <head>)
   INFO continuity  t-<id> — applies to partial and blocked
   INFO mesh        t-<id> — the repository declares no enabled mesh
   INFO use-case    30 advisory gap(s) — not covered by an active use case, and the policy does not require it: command:init command:update command:doctor command:watch command:start command:context command:checkpoint command:handover command:check command:finish command:history command:decision command:question command:prompt command:evidence command:skills command:capture command:search command:doctrine command:plan command:version command:session command:knowledge command:adr command:usecase command:rules command:migrate command:recover command:bench command:archive  [reproduce: majordomus usecase coverage]
   OK   use-case    0 of 30 target(s) covered — every public command the policy requires is named and run by an active use case (policy use_cases.coverage)
   FAIL verification t-<id> — sh test/parse.sh — exit 1, <s>s  [reproduce: sh test/parse.sh]
   INFO obligation  t-<id> — the task declares no obligations
   INFO gate        t-<id> — this repository declares no CI model at .ai/repo/ci/gates.yaml; nothing can be planned
   INFO gate        t-<id> — not in verification.finish_requires
   finish: refused, 1 unmet
   blocking doctrines:
   - majordomus.verification-integrity

   • exit 10
   • stdout_contains /OK +scope/
   • stdout_contains /FAIL verification/
   • stdout_contains /refused/
   • stdout_not_contains /FAIL scope/
9. 9worker$ echo "the message names the column" >> lib/a exit 0

   Pracovník udělá to, co předávka označila jako zbývající.

   • exit 0
10. 10$ majordomus finish --outcome completed --verify-command 'sh test/parse.sh' exit 0

    Každý řádek smlouvy projde, takže se výsledek zaznamená spolu s ověřením, které jej dokázalo.

    OK   blockers    t-<id> — none open
    OK   note        t-<id> — <time>--main--<head>--<hash>.md
    INFO regression  t-<id> — profile implementation adds no requirement beyond the shared contract
    OK   scope       t-<id> — 1 touched file(s), all within scope
    OK   state       t-<id> — exact (head <head>)
    INFO continuity  t-<id> — applies to partial and blocked
    INFO mesh        t-<id> — the repository declares no enabled mesh
    INFO use-case    30 advisory gap(s) — not covered by an active use case, and the policy does not require it: command:init command:update command:doctor command:watch command:start command:context command:checkpoint command:handover command:check command:finish command:history command:decision command:question command:prompt command:evidence command:skills command:capture command:search command:doctrine command:plan command:version command:session command:knowledge command:adr command:usecase command:rules command:migrate command:recover command:bench command:archive  [reproduce: majordomus usecase coverage]
    OK   use-case    0 of 30 target(s) covered — every public command the policy requires is named and run by an active use case (policy use_cases.coverage)
    OK   verification t-<id> — sh test/parse.sh — exit 0, <s>s, tree <tree>
    INFO obligation  t-<id> — the task declares no obligations
    INFO gate        t-<id> — this repository declares no CI model at .ai/repo/ci/gates.yaml; nothing can be planned
    INFO gate        t-<id> — not in verification.finish_requires
    finish: t-<id> completed

    • exit 0
    • stdout_contains /OK +scope/
    • stdout_contains /OK +verification/
    • stdout_contains /completed/
    • stdout_not_contains /FAIL/

Proč to nástroj ví

Řetězec od této stránky ke kódu: případ užití jmenuje příkazy, pravidla a tvrzení; každé pravidlo se dispatchuje z registru a každé tvrzení jmenuje test, který ho dokazuje; scénář výše provedl příkazy. Nic v tomto řetězci není text o záměru.

• majordomus startZahájit jednu úlohu s rozsahem pod profilem a odmítnout, dokud je aktivní jiná.
• majordomus checkJe aktuální úloha stále konzistentní se svou politikou, rozsahem a tímto checkoutem?
• majordomus finishVyhodnotí kontrakt dokončení a odmítne výsledek, pokud je jakýkoli jeho řádek nesplněn.
• majordomus handoverZapíše append-only záznam pokračování a vyhledá nejrelevantnější předchozí.
• majordomus contextCo potřebuje vědět další worker právě teď, v pořadí podle autority a v rámci rozpočtu.

Pravidla, díky nimž platí

• ✕blokující Integrita rozsahuÚloha se dotkne jen cest, které uplatnila; práce nalezená jinde se nepřijímá jako hotová.
• ✕blokující Konzistence stavuZáznam úlohy stále popisuje tento checkout — stejná branch a HEAD na zaznamenaném commitu nebo před ním.

Uplatněné záruky

• ○zaručeno Úloha se spouští s deklarovaným rozsahem souborů a profilem a na checkout je aktivní jen jedna úloha
• ○zaručeno Dotčený soubor mimo nárokovaný rozsah je selhání, nikoli varování
• ○zaručeno Překryv mezi paralelními workery se počítá na nárokovaných cestách v obou směrech zahrnutí
• ○zaručeno handover zapisuje záznam jen pro připojování s vypočtenou front matter a povinnými sekcemi
• ○zaručeno finish vyhodnotí kontrakt dokončení řádek po řádku a odmítne, pokud některý řádek není splněn
• ○zaručeno Výsledek je hodnota z uzavřeného slovníku, ne volný text

Související případy užití

Vypočteno z toho, co sdílejí: tvrzení, pravidla, příkazy, kategorie, aplikace. Tento seznam nikdo neudržuje.

• Provozovat několik workerů v jednom repozitáři, aniž by se sraziliDejte každému workeru deklarovaný rozsah a zjistěte okamžitě, když dva z nich nárokují stejné cesty.
• Předat práci s otevřenou otázkou a nechat ji blokovatUzavřít úlohu do předávky, dokud je otázka nevyřešená, spustit navazující úlohu a vidět, že tatáž otázka tam přijetí stále odmítá.
• Rozhodnout, zda je dokončená práce skutečně dokončenáVyhodnoťte kontrakt řádek po řádku, místo abyste přijali větu, která tvrdí, že je práce hotová.
• Zablokovat přijetí kvůli otázce, na kterou nikdo neodpovědělOtevřete k úloze otázku, sledujte, jak finish odmítá dokončení, dokud je nevyřešená, vyřešte ji odpovědí a teprve pak úlohu dokončete.
• Dodávejte úkoly ve vlnách, které graf spočítá, a berte dalšíOvěřte plán, přečtěte si vlny provádění, které z grafu závislostí plynou, podívejte se, které úkoly jsou připravené a které na co čekají, a vezměte ten jeden úkol, který má worker dělat teď.