Верификация вывода и маршрутизация моделей
lean-ctx включает Quality Guardrail, проверяющий целостность сжатого вывода, и систему маршрутизации моделей на основе намерений.
Проверки вывода
После сжатия lean-ctx выполняет детерминированные проверки целостности.
Якорение путей
Извлекает пути файлов и проверяет их сохранение.
Проверка идентификаторов
Обнаруживает имена функций и структур и проверяет их сохранение.
Согласованность номеров строк
Проверяет, что номера строк не превышают фактическое количество строк.
Структурная целостность
Проверяет сбалансированность скобок в блоках кода.
Конфигурация
Верификация настраивается по профилям.
# Profile-specific verification settings
[verification]
enabled = true
# Optional explicit mode (recommended for clarity):
# "warn" (default) -> FAIL only on High severity warnings
# "fail" -> FAIL on Medium+High warnings (strict)
mode = "warn"
check_paths = true
check_identifiers = true
check_line_numbers = false # opt-in
check_structure = true
# Legacy alias (still supported):
# strict_mode = true Формат результата
При обнаружении предупреждений добавляется строка [VERIFY].
[VERIFY] WARN(mangled_identifier=2, missing_path=1) loss=15.0%
[VERIFY] FAIL(brace_mismatch=1, missing_path=1) loss=40.0% Proof artifacts (ContextProofV2)
82 Lean4 theorems back the proof system, covering policy invariants (PathJail, Budget, Scope), compression safety, and the terse engine (TerseQuality, TerseEngine).
# MCP
ctx_proof action="export" format="summary"
# CLI
lean-ctx proof --summary Verification observability (versioned stats)
# MCP
ctx_verify action="stats" format="json"
# CLI
lean-ctx verify --json Маршрутизация моделей на основе намерений
lean-ctx классифицирует задачи по трём измерениям и рекомендует уровень модели.
Измерения маршрутизации
| Измерение | Типы задач | Уровень модели |
|---|---|---|
| What | Explore, Debug | Fast |
| How | Review, FixBug, Test | Standard |
| Do | Generate, Refactor, Deploy | Premium |
Вывод ctx_intent
ctx_intent теперь возвращает рекомендуемый уровень модели.
INTENT_OK id=42 type=fix_bug source=heuristic conf=90% subj=file(auth.rs)
| route: dimension=how model_tier=standard reason=fix_bug(how) + complexity -> standard Адаптивное ML-сжатие
Используется сэмплирование Томпсона для обучения оптимальным порогам сжатия.
Бандиты Томпсона
Три руки (консервативная, сбалансированная, агрессивная) с разными порогами.
Threshold Bandits (Thompson Sampling):
rs_feedback (pulls: 120):
conservative: α=15.2 β=8.1 mean=65% entropy=1.20 jaccard=0.80
balanced: α=22.3 β=5.2 mean=81% entropy=0.90 jaccard=0.70
aggressive: α=8.4 β=12.0 mean=41% entropy=0.60 jaccard=0.55 Цикл обратной связи
Каждый результат сжатия подаётся в систему бандитов.
API панели управления
Доступ к статистике верификации через API панели.
# Verification stats
curl http://localhost:3179/api/verification
# Prometheus metrics (includes verification counters)
curl http://localhost:3179/metrics | grep verification