VALIDATION.md

Walidacja paczki

Stan walidacji: 2026-08-01, todo2code 0.5.0. Najnowsza lokalna kontrola została wykonana na bieżącym drzewie roboczym. Poniższe próby origin/workspace i live OpenRouter są zachowanymi pomiarami historycznymi i mają własne identyfikatory runów — nie należy interpretować ich jako porównania aktualnego drzewa.

Kontrole lokalne

Kontrola	Wynik
TypeScript strict / npm run check	PASS
Transitive no-LLM import boundary	PASS — 9 entrypointów, 36 modułów
Granice modułów	PASS — 104 moduły, 484 importy wewnętrzne, brak cykli, niezależny src/core
Kontrakt środowiska	PASS — 75 zmiennych kodu/Dockera/skryptów, 75 kluczy .env.example; klucze prywatnego .env zsynchronizowane; brak duplikatów i nadmiarowych kluczy
Generowana analiza	PASS — tracked-only snapshot; brak odwołań do nieśledzonych wejść, ścieżek tymczasowych i awarii pobrania parsera
Build TypeScript	PASS
Testy Node	PASS — 306 zaliczonych, 0 błędów, 1 skip lokalnego JDK; dedykowany job CI nie pozwala pominąć adaptera Java
Pipeline examples/	PASS — 227 rekordów i 84 relacje, w tym 5 agent_log, 4 document i 6 system (2 agregaty plikowe); NL, Markdown, dokumentacja, konfiguracja i komunikacja deterministyczne, bez sieci i fallbacku
Git extractor na repo z 12 commitami	PASS — dokładnie 10 rekordów commitów
TypeScript/JavaScript + Python + Go + Java + Rust AST + PHP syntax	PASS — Java 7 faktów w JDK 21 Docker, wymagany job CI na Temurin 17, Rust fixture i cargo test; PHP namespace/use/type/function/method/call, skip oraz fail-open bez runtime
PHP A/B na semcod/redsl	PASS — 40 śledzonych plików: 2 127 unikalnych rekordów, +80 relacji, 730→712 warning diagnostics, 0 ostrzeżeń ekstrakcji i bez zmiany 1 planu
Audytowane NL → DSL	PASS — mock LLM, oznaczony fallback i błąd require-llm
Audytowane TODO/CHANGELOG → DSL	PASS — zachowanie struktury, runtime validation, oznaczony fallback i błąd require-llm
npm run evaluate:gold	PASS — gold v2: ekstrakcja (4 kanały), linkowanie (exact-target 10, capability-topic 8) i kody diagnostyk 100% precision/recall; cytowania i klasyfikacja duplikatów 100%; linker cross-language 0/6, captured reranker 6/6 z 0/6 naruszeń i 1 abstencją; knownGap 0/6 poza metryką; stabilność 2/2 przebiegów
Rozstrzyganie symboli NL względem AST	PASS — 6 testów unique/ambiguous/path/qualified/conflict/missing-fields; niejednoznaczny symbol nie tworzy relacji, a diagnostyka podaje ścieżki kandydatów
Ścieżka vs implementacja funkcji	PASS — gold existing-path negative/positive, reality coverage gate i pure-file control; Koru PLF-003 utworzył zweryfikowany commit 55a8b15, 6/6 pytest, re-analiza 0 target plans; weekly/nlp2uri/algitex succeeded
Eksperymentalny reranker live	REJECTED/FAIL-CLOSED — czysty tracked snapshot platformy; Plus łamie envelope/typ, Flash dodaje decisions[0].decision; 0 relacji i brak eksportu produkcyjnego
Pełny kontrakt runtime DSL	PASS — exact keys, enumy, ID/hash/czas/linie, relacje, końce i statystyki grafu
Governed operation-plan DSL	PASS — 9 testów ID/hash, authority, sekretów, ryzyka, rollbacku, fail-closed bindingów i prywatnego atomowego artefaktu bez overwrite/dispatch
Code-change plan, source patch i acceptance	PASS — 18 testów: ugruntowane i użyteczne ścieżki/ID, zachowanie złożonej intencji w tytule, content hash, risk/rollback, provenance, tampering/sekrety, persisted CLI, zatwierdzone apply z preflightem/rollbackiem oraz re-diagnose pass/fail
Manifest każdej awarii pipeline	PASS — require-llm i nieoczekiwana awaria summary zapisują etap/kod bez publikowania latest.json
OpenRouter invalid-model discovery	PASS — lista modeli po błędnym identyfikatorze
Dokumentacja → DSL	PASS — deterministyczny baseline oraz mock OpenRouter: structured output, target hints, limity rekordów/chunków, timeout i współbieżność
Cache AST i chunków	PASS — content hash, cold/warm equivalence, invalidacja po zmianie pliku/parametru, recovery po uszkodzeniu, bypass oraz brak cache odpowiedzi providera
Konfiguracja/infrastruktura → DSL	PASS — JSON, TOML, Dockerfile i workflow CI (także z aktywną regułą .*/), jeden deterministyczny agregat na plik, explicit-path linking bez szumu tematów oraz publiczne interfejsy
Graf → NL przez mock OpenRouter	PASS — uziemione cytowania i budżet AST
Scheduled live OpenRouter	PASS/SKIP — osobny opt-in job sprawdza wszystkie 6 etapów w require-llm, budżety etapów/przebiegu, zredagowany audyt i historię; bez klucza jawnie pomijany
MCP 2026-07-28 server/discover + tools/list	PASS — 26 narzędzi, w tym TODO propose/render/apply oraz code-change propose/render/source-patch/approved-apply/evaluate/close
MCP legacy initialize 2025-11-25 + tools/list	PASS — 26 narzędzi, w tym TODO propose/render/apply oraz code-change propose/render/source-patch/approved-apply/evaluate/close
A2A v1 SendMessage	PASS — deterministyczny task completed, 1 artifact
A2A versioning, pagination, ownership, Bearer i persistent store	PASS
Watch + ignore rules	PASS — rate limit, agregacja, brak pętli, błędy reportera
Ochrona przed ../ i symlink escape w MCP/A2A	PASS
Diff graf/pliki/Git i reality: JSON/SVG/HTML/Markdown	PASS
Origin → niecommitowany workspace	PASS — prawdziwy bare origin i prywatny worktree
Python wheel + lokalny most do TypeScript runtime	PASS — test wykonuje reality bez serwera
project/<ticket>: komunikacja ludzi i agentów	PASS — główny pipeline, manifest/history/UI/filter/watch; user-*/ai-* zachowują rolę i typ sekcji, dowody ticketu są pomijane, a każdy problem wskazuje responseRequiredRole i niepuste responseRequiredFrom; brak odbiorcy daje jawny sentinel roli; migracja Opus/GPT wykrywa brak typu, a standard wellmanifest/new-project 0.6.0 przechodzi izolowany test interoperacyjności
Audytowane wzbogacanie komunikacji	PASS — mock structured OpenRouter, syntezy per uczestnik z cytowaniami, zachowane runtime-owned identity/role/ticket/source/epistemic class, jawny fallback i require-llm
Kanoniczne odpowiedzi LLM	PASS — 7 produkcyjnych wywołań chatStructuredWithMetadata, 0 surowych wywołań JSON; schema i parser z jednego kontraktu, dokładne ścieżki błędów, metadata odrzuconej odpowiedzi zachowana
Publikowany schemat dokumentów	PASS — npm run verify:schemas porównuje plik JSON z mechanicznie generowanym kontraktem runtime
t2c.participant-registry/v1	PASS — exact stable IDs, mapowanie Git/A2A/human aliases, wykrywanie duplikatów i konfliktów; brak dopasowania po display name
npm run examples:check	PASS — offline demo, DEMO-101, strict backend/frontend, HTTP integration i 5 SDK ze wspólnym fingerprintem grafu 0e0e4a1f1daeeb95 oraz patcha 1b7fef6a7789866d
Docker build + health smoke	PASS — obraz todo2code:local, A2A /healthz zwraca status=ok
CLI doctor, --help, --version	PASS
npm audit rdzenia	PASS — 0 podatności przy zwykłym npm install
Izolowany adapter TensorFlow	PASS/WARN — nie należy do drzewa core; jego osobny audit nadal raportuje 7 high i 1 critical

Pełny przebieg wykonano poleceniem make validate. Próby MCP i A2A jawnie nadpisują lokalne ustawienia wersji/LLM, dlatego kontrola offline nie zależy od zawartości prywatnego .env.

Najnowsze npm run verify na bieżącym drzewie roboczym zakończyło się wynikiem 307 testów, 306 zaliczonych, 0 błędów i 1 lokalnego skipu JDK. Szerszy przebieg z 2026-07-31 obejmował również npm run examples:check, smoke offline, build i health smoke Dockera oraz kontrolowany live:check bez klucza. Stan funkcjonalny oraz pozostałe ograniczenia opisuje PROJECT_STATUS.md.

SDK i przykłady

• TypeScript: build strict i przykład na żywym A2A — PASS.
• Python: py_compile i przykład na żywym A2A — PASS.
• Go: go test ./... i przykład na żywym A2A — PASS.
• Rust: 2 testy jednostkowe, 1 doc-test i przykład na żywym A2A — PASS.
• PHP: lint klienta i przykładu oraz przykład na żywym A2A — PASS.

Wszystkie przykłady przeszły ścieżkę NL → AST → Markdown → graf → diagnostyka → Intent vs Reality → Git diff i uzyskały ten sam fingerprint 1dacf2edc8d603a2…; każdy potwierdził audyt NL i Markdown o statusie succeeded i trybie deterministic. Opcjonalny przykład TypeScript uruchomił także compare_workspace i zwrócił unchanged dla niezmienionego examples/backend. Porównanie nie wywołało summary LLM; oba manifesty oznaczają je jako świadomie pominięte i zapisują deterministyczny raport.

Origin vs bieżący filesystem

Końcowy przebieg:

T2C_NL_MODE=deterministic T2C_MARKDOWN_MODE=deterministic OPENROUTER_API_KEY= \
node dist/src/cli.js compare-workspace . \
  --base origin/main \
  --task none \
  --markdown-mode deterministic \
  --communication-mode deterministic \
  --out .intent-workspace-current

Artefakty znajdują się w .intent-workspace-current/comparisons/20260730T181851Z-769520b7/. Był to pre-commit audit opisanych tu zmian: HEAD był równy origin/main (ahead=0, behind=0), a analizator widział 13 zmienionych lub nowych plików. Jeden z nich, niezwiązany nlp2uri.yaml, pozostaje plikiem użytkownika i nie wchodzi do commita.

Metryka	origin/main	filesystem	Zmiana
Tematy	497	497	0
Wyrównane tematy	83	83	0
Tematy rozbieżne	414	414	0
Pokrycie implementacji	22,31%	22,31%	0 p.p.
Kod posiadający plan	42,78%	42,78%	0 p.p.
Kod posiadający dokumentację	42,78%	42,78%	0 p.p.
Diagnostyka blocking	4	4	0

Trend jest unchanged. Zmiany dodały pięć obserwowanych rekordów netto, ale nie pogorszyły żadnej metryki semantycznej ani ciężkich diagnostyk. Duży diff rekordów i relacji pozostaje metryką pomocniczą: zawiera line/source churn AST, a nie liczbę funkcji biznesowych.

Live OpenRouter

Pełny kontrakt 0.5.0

Ticket-012 uruchomił rzeczywisty pipeline require-llm dla wszystkich sześciu etapów. qwen/qwen3.7-plus naruszył schemat dokumentacji i komunikacji także po jednej korekcie, a openai/gpt-5.4-mini dwukrotnie naruszył schemat NL. Jawny domyślny google/gemini-3.6-flash przeszedł 6/6 bez fallbacku: 125 486 ms, 177 953 tokeny, $0.412363. Wynik zapisano w redaktowanym t2c.live-contract-check/v2; historia obejmuje bieżący run.

Ticket-013 dodał porównanie na tym samym kontrakcie. Codestral 2508 przeszedł 6/6 w 57 129 ms, 118 920 tokenach i za $0.037994; Gemini 3 Flash Preview przeszedł 6/6 w 64 064 ms i za $0.076411. DeepSeek V4 Pro nie wytworzył manifestu przed twardym limitem 900 s. Codestral został nowym domyślnym modelem, a globalny deadline aktywnie przerywa oczekujące żądanie.

Na repozytoriach zewnętrznych Codestral wzbogacił 161 rekordów weekly w 53 362 ms oraz 619 rekordów nlp2uri w 194 750 ms po dodaniu ograniczonej współbieżności trzech batchy. Oba manifesty miały succeeded / llm, bez fallbacku i degradacji.

To potwierdza ścieżkę runtime, nie stałą jakość zewnętrznego providera. Live pozostaje kontrolą opt-in, a druga odpowiedź niezgodna ze schematem nadal kończy require-llm błędem.

Audytowane NL → DSL działa. W oddzielnym przebiegu live openrouter/auto-beta przetworzył TASK.md do 19 rekordów w 19,0 s. Manifest zapisał status=succeeded, degraded=false, model, runtime 0.2.0, bezpieczne parametry i fingerprint konfiguracji; nie zawiera klucza API.

Audytowane TODO/CHANGELOG → DSL również działa live. Model qwen/qwen3.7-plus wzbogacił 10/10 rekordów (6 TODO, 4 CHANGELOG) w około 67 s. Wszystkie rekordy miały llmUsed=true, degraded=false, zapisany model i runtime 0.2.0; zachowano 3 lifecycle completed, 3 planned i 4 released oraz niezmienione source/version/date/category.

Są to historyczne próby live sprzed wydania 0.3.0. W 0.3.0 ta sama ścieżka ma testy regresyjne z mockowanym providerem; nowy envelope dodatkowo zapisuje audit.runtimeVersion, redacted audit.configuration i metadata generowania dokumentacji.

Nowy bounded extractor przetestowano live na jawnie wskazanym historycznym raporcie .intent/runs/20260729T163133Z-1f8c316b/team-summary.md. qwen/qwen3.7-plus przekroczył osobny limit 45 s zarówno dla 8000, jak i 2000 znaków. Runtime wykonał dokładnie jedno żądanie, zapisał DOC_CHUNK_BUDGET i timeout, bez powtórnego schema-fallbacku. Ten sam 2000-znakowy chunk na qwen/qwen3.7-flash zakończył się powodzeniem: 10 rekordów, jedno response ID, resolved provider Alibaba i 5900 total tokens. Dowodzi to poprawności ścieżki runtime; plus pozostaje problemem latencji providera dla przyjętego SLA. Był to etap ekstrakcji/podsumowania, a nie eksperymentalny reranker semantyczny. Późniejsza próba rerankera na Flash została odrzucona przed zmianą grafu z powodu dodatkowego pola response.decisions[0].decision, zgodnie z wynikiem w tabeli powyżej. Szeroki glob .intent/**/*.md pozostaje zablokowany; domyślne exclusions może ominąć wyłącznie literalny .intent/runs/<id>/team-summary.md.

Docker

docker compose config -q, make docker-build i odtworzenie usługi z obrazu todo2code:local przeszły. Kontener osiągnął stan healthy; /healthz zwrócił poprawny A2A 1.0, a /ui HTTP 200. Usunięto konfliktujący compose.yml, więc zarówno zwykłe docker compose, jak i cele Makefile używają jednego docker-compose.yml.

Pozostałe ograniczenia 0.5.0

• Pełne pokrycie dokumentacją wymaga włączenia --docs-llm; porównanie offline poprawnie raportuje 0%, czyli brak załadowanego dowodu, nie brak dokumentacji.
• Alias symbolu jest przypisywany do ścieżki tylko wtedy, gdy w grafie wskazuje jednoznacznie jeden plik; symbole o tej samej nazwie w wielu modułach wymagają jawnej ścieżki lub kwalifikatora.
• Plikowy A2A task store wymaga wspólnego wolumenu; A2A nie implementuje jeszcze streamingu ani push notifications.
• TensorFlow jest świadomym, odizolowanym rozszerzeniem. Jego własny łańcuch instalacyjny ma advisories, a fallback heurystyczny nie jest semantycznie równoważny LLM ani modelowi klasyfikacyjnemu.