chimera-carry-the-failure-forward

У вас есть цикл, который делает попытку, оценивает её и запускает следующую с обратной связью: агент с верификатором, чинилка кода против набора тестов, конвейер «сгенерируй и проверь». Бюджет — больше двух попыток, а рабочая копия откатывается между ними, так что каждая попытка стартует с чистого места.

Это не относится к идемпотентному повтору поверх нестабильного транспорта — к сетевому вызову, который упал по причинам, не связанным с тем, что вы отправили. Учиться у попытки 1 там нечему, и тащить её вперёд — просто лишний груз.

1. Храните попытки в списке, а не в переменной, которую переприсваиваете. По одной записи на попытку: вывод верификатора, патч, который попытка реально записала, и то, какой шаг инструмента упал первым.
2. Берите патч из снимка рабочей копии, до отката, — настоящий дифф, а не описание модели о том, что она поменяла. Именно откат делает это необходимым: как только дерево откатили, на диске не остаётся и следа неверного пути, так что следующей попытке ничто не мешает вывести тот же самый.
3. Собирайте промпт повтора из всех записей, от самой старой, каждую с номером попытки и её вердиктом, под заголовком, где сказано, что это уже пробовали и откатили.
4. Ограничивайте каждую запись. Chimera режет возвращаемый дифф на 2000 символах и обрезает с маркером; неограниченная история из трёх попыток забьёт собой весь промпт.
5. Дедуплицируйте по сигнатуре сбоя. Если две попытки упали одинаково, оставьте одну и отметьте, что она повторилась, — сигнал именно в повторе, вторая копия новой информации не несёт.
6. Когда сигнатура повторяется, прекращайте дописывать и меняйте что-то структурное: перепланируйте, отдав накопленные причины планировщику как контекст (TaskLedger.context() выводит их под заголовком «Why earlier attempts failed (do NOT repeat these):»), либо эскалируйте на более сильную модель. Ещё больше обратной связи об одном и том же тупике из тупика не выводит.
7. Выдавайте считаемое событие при каждой подстановке истории, чтобы плечо бенчмарка могло доказать, что подстановка вообще срабатывала.

Якорение — зарегистрированная контргипотеза, а не умозрительная: показав модели неверный патч, можно приковать её внимание к этому патчу и получить вариации мёртвого подхода вместо другого подхода. Именно поэтому в Chimera это поведение включается явно и измеряется (--diff-feedback), а не работает по умолчанию. Считайте это утверждением, которое надо проверить на своих задачах, а не решённым улучшением.

Вторая цена — бюджет контекста. Три диффа, три дампа верификатора и обзор менеджера могут вытолкнуть промпт за порог сжатия, и тогда компактор без восстановления выбросит ровно ту накопленную историю, за построение которой вы платили. Ограничивайте записи и знайте свой бюджет, прежде чем это включать, иначе два механизма подерутся, а видимым симптомом не будет ни один из них.