@dzhechkov/keysarium 1.2.0 → 1.4.0

package/templates/docs/continuous-learning-guide.md

@@ -0,0 +1,622 @@
+# Непрерывное обучение в Keysarium — Полное руководство
+
+> Как данные, генерируемые в ходе продуктовых исследований, превращаются в улучшения системы.
+
+## Содержание
+
+1. [Обзор цикла обучения](#1-обзор-цикла-обучения)
+2. [Установка и первый запуск](#2-установка-и-первый-запуск)
+3. [Фаза 1: Исследование — генерация данных](#3-фаза-1-исследование--генерация-данных)
+4. [Фаза 2: Reward Learning — автоматический сбор](#4-фаза-2-reward-learning--автоматический-сбор)
+5. [Фаза 3: Harvest — извлечение знаний](#5-фаза-3-harvest--извлечение-знаний)
+6. [Фаза 4: BTO — оценка и оптимизация скиллов](#6-фаза-4-bto--оценка-и-оптимизация-скиллов)
+7. [Фаза 5: Dream Cycles — обнаружение паттернов](#7-фаза-5-dream-cycles--обнаружение-паттернов)
+8. [Фаза 6: Brain Export/Import — перенос знаний](#8-фаза-6-brain-exportimport--перенос-знаний)
+9. [Куда деваются данные: карта потоков](#9-куда-деваются-данные-карта-потоков)
+10. [Контекстные данные vs Actionable данные](#10-контекстные-данные-vs-actionable-данные)
+11. [Как улучшать скиллы в npm-пакете](#11-как-улучшать-скиллы-в-npm-пакете)
+12. [Полный цикл: пошаговый чеклист](#12-полный-цикл-пошаговый-чеклист)
+
+---
+
+## 1. Обзор цикла обучения
+
+Keysarium реализует **замкнутый цикл обучения**, где каждое исследование не просто решает задачу, а делает систему лучше для будущих задач:
+
+```
+┌──────────────┐     ┌──────────────┐     ┌──────────────┐
+│  ИССЛЕДОВАНИЕ │────→│   REWARD     │────→│   HARVEST    │
+│  /casarium    │     │  (авто)      │     │  /harvest    │
+└──────────────┘     └──────────────┘     └──────┬───────┘
+       ↑                                          │
+       │              ┌──────────────┐            │
+       │              │   DREAM      │            │
+       │              │   /dream run │            │
+       │              └──────┬───────┘            │
+       │                     │                    │
+       │              ┌──────┴───────┐     ┌──────┴───────┐
+       │              │  LEARNING    │     │     BTO      │
+       │              │  STATS       │     │  /bto-test   │
+       │              └──────────────┘     │  /bto-optimize│
+       │                                   └──────┬───────┘
+       │                                          │
+       │              ┌──────────────┐            │
+       └──────────────│   BRAIN      │←───────────┘
+                      │  EXPORT/     │
+                      │  IMPORT      │
+                      └──────────────┘
+```
+
+### Два типа обучения
+
+| Тип | Что происходит | Автоматически? | Результат |
+|-----|---------------|----------------|-----------|
+| **Reward Learning** | Система запоминает, какие подходы получили одобрение пользователя | Да | Лучшие подходы приоритизируются в будущих фазах |
+| **Knowledge Harvesting** | Из артефактов извлекаются переиспользуемые паттерны, правила, шаблоны | Нет (ручной запуск) | Новые правила, шаблоны, скиллы добавляются в систему |
+
+---
+
+## 2. Установка и первый запуск
+
+### Шаг 1: Установка пакетов
+
+**Основной пакет** (обязателен):
+```bash
+npx @dzhechkov/keysarium init
+```
+
+Это создаёт:
+- `.claude/commands/` — 18 slash-команд (исследование, harvest, brain, dream, learning-stats)
+- `.claude/skills/` — 7 скиллов (explore, goap-research, problem-solver, presentation, reverse-engineering, frontend-design, feature-adr)
+- `.claude/rules/` — 16 правил
+- `.claude/shards/` — 9 governance-шардов
+- `lib/` — библиотечные протоколы
+- `CLAUDE.md` — мастер-инструкция
+
+**BTO пакет** (нужен для оценки и оптимизации скиллов):
+```bash
+npx @dzhechkov/skills-bto init
+```
+
+Добавляет:
+- `.claude/commands/` — 6 команд (`/bto`, `/bto-build`, `/bto-benchmark`, `/bto-test`, `/bto-optimize`, `/verify-chain`)
+- `.claude/skills/bto/` — скилл BTO (модули build, benchmark, test, optimize + references)
+
+> **Нужен ли BTO?** Для проведения исследований (`/casarium`) — нет. Reward learning и harvest работают без BTO. Но **для замыкания цикла обучения** — да: без BTO невозможно объективно оценить качество скиллов, обнаружить слабые места и оптимизировать. Если вы хотите просто проводить исследования без улучшения системы — BTO можно не ставить. Если хотите **непрерывное обучение** — BTO обязателен.
+
+### Шаг 2: Первый запуск
+
+При первом `/casarium` система работает **без исторических данных** — это нормально:
+
+```
+memory_query() → пустой результат → "No historical patterns found, proceeding normally"
+```
+
+Директория `.keysarium/memory/` будет создана автоматически при первом checkpoint.
+
+### Что НЕ нужно настраивать заранее
+
+- `.keysarium/memory/config.json` — создаётся автоматически с дефолтами
+- `.keysarium/memory/index.json` — создаётся при первом `memory_store()`
+- `TOOLKIT_HARVEST.md` — создаётся при первом `/harvest`
+
+---
+
+## 3. Фаза 1: Исследование — генерация данных
+
+### Запуск исследования
+
+```
+/casarium [текст кейса]
+```
+
+Пайплайн проходит 7 фаз (Phase 0 → Phase 5 + Packaging), на каждой создавая артефакты в `researches/<slug>/`.
+
+### Что генерируется (для обучения)
+
+На каждой фазе генерируются два типа данных:
+
+**1. Артефакты фазы** (видимые файлы):
+```
+researches/<slug>/
+├── 00_product_discovery.md    ← Phase 0
+├── 01_case_brief.md           ← Phase 1
+├── 02_research_findings.md    ← Phase 2
+├── 02.5_trend_brief.md        ← Phase 2.5
+├── 03_solution_strategy.md    ← Phase 3
+├── 04_architecture.md         ← Phase 4
+├── 05-08_*.md                 ← Phase 5
+└── prototype/cjm-prototype.jsx
+```
+
+**2. Reward-записи** (невидимые, автоматические):
+```
+.keysarium/memory/<domain>/<slug>/
+├── phase-0_2026-03-01T10-00-00.json
+├── phase-1_2026-03-01T10-30-00.json
+├── phase-2_2026-03-01T11-00-00.json
+└── ...
+```
+
+### Ключевой момент: Checkpoint
+
+После каждой фазы система показывает checkpoint и **ждёт вашего ответа**. Именно ваш ответ определяет reward:
+
+| Ваш ответ | Reward | Что запоминает система |
+|-----------|--------|----------------------|
+| "ок" / "next" | 1.0 (excellent) | "Этот подход отлично работает" |
+| "углуби секцию X" | 0.7 (good) | "Подход хороший, но нужна доработка в одном месте" |
+| "переделай подход" | 0.3 (needs_work) | "Подход не оптимален, нужен другой" |
+| "начни заново" | 0.0 (failed) | "Подход провалился" |
+
+> **Важно**: Если сессия прервалась без ответа на checkpoint — запись НЕ сохраняется. Только явные ответы генерируют reward-данные.
+
+---
+
+## 4. Фаза 2: Reward Learning — автоматический сбор
+
+### Как это работает
+
+Reward Learning работает **полностью автоматически** — вам ничего не нужно делать.
+
+**При начале каждой фазы** — `memory_query()`:
+1. Система ищет похожие прошлые записи (тот же домен + та же фаза)
+2. Сортирует по reward (лучшие сначала), потом по usage_count (проверенные сначала)
+3. Загружает топ-10 записей + паттерны домена
+4. Агент учитывает лучшие подходы из прошлого
+
+**При checkpoint** — `memory_store()`:
+1. Система классифицирует ваш ответ → reward score
+2. Сохраняет запись со всем контекстом (какой скилл, какой домен, какой результат)
+3. Обновляет индекс `.keysarium/memory/index.json`
+
+### Жизненный цикл записей
+
+```
+HOT (0-30 дней)  →  WARM (30-90 дней)  →  COLD (90-180 дней)  →  PURGE (>180 дней)
+ Полные записи       Полные, но            Сжатые, в              Удалены
+ Приоритет в          депри-                _archive/
+ поиске               оритизированы
+```
+
+### Что делать с Reward Learning?
+
+**Ничего.** Это фоновый процесс. Просто:
+1. Проводите исследования через `/casarium`
+2. Давайте честную обратную связь на checkpoint-ах
+3. Система сама учится
+
+**Проверить статистику** можно командой:
+```
+/learning-stats                     ← всё
+/learning-stats --domain banking    ← по домену
+/learning-stats --phase 2           ← по фазе
+```
+
+### Когда Reward Learning начинает работать?
+
+- **3+ записей в домене** — появляется bottleneck detection
+- **4+ записей по фазе** — появляется trend detection
+- **10+ записей** — паттерны достигают confidence 1.0
+
+---
+
+## 5. Фаза 3: Harvest — извлечение знаний
+
+### Зачем нужен Harvest
+
+Reward Learning запоминает "этот подход сработал/не сработал". А Harvest **извлекает конкретные переиспользуемые артефакты** из завершённого исследования: паттерны, правила, шаблоны, сниппеты.
+
+### Когда запускать
+
+**После завершения каждого исследования** (Phase 5 + Packaging done):
+
+```
+/harvest researches/<slug>/
+```
+
+Или для всех завершённых исследований:
+```
+/harvest all
+```
+
+### Как работает Harvest
+
+Pipeline: **Extract (5 agents) → Classify (7 categories) → User Review → Gate (8 checks) → Integrate**
+
+**5 параллельных экстракторов** сканируют проект через разные линзы:
+1. Архитектурные паттерны
+2. Исследовательские паттерны
+3. Промпт-инжиниринг находки
+4. Доменные специфики
+5. Процессные улучшения
+
+**7 категорий** артефактов:
+| Категория | Куда размещается | Пример |
+|-----------|-----------------|--------|
+| skills | `.claude/skills/` | Новый скилл для специфичной задачи |
+| commands | `.claude/commands/` | Новая slash-команда |
+| hooks | `.claude/rules/` | Хук на определённое событие |
+| rules | `.claude/rules/` | Новое правило (например, для нового домена) |
+| templates | `.claude/skills/*/templates/` | Шаблон артефакта |
+| patterns | `TOOLKIT_HARVEST.md` | Доменный паттерн |
+| snippets | `TOOLKIT_HARVEST.md` | Переиспользуемый фрагмент |
+
+### User Review — ваш контроль
+
+После извлечения система показывает нумерованный список находок. Вы контролируете:
+- `#3 пропусти` — не включать находку #3
+- `#5 перенеси в rules` — изменить категорию
+- `пропусти G3,G4 для #14` — пропустить определённые quality gates
+- `ок` — принять всё
+
+### Результат Harvest
+
+- Новые артефакты размещены в правильных директориях
+- `TOOLKIT_HARVEST.md` обновлён
+- Harvest report сохранён
+
+---
+
+## 6. Фаза 4: BTO — оценка и оптимизация скиллов
+
+### Зачем нужен BTO
+
+Harvest извлекает знания. Но как оценить, достаточно ли хороши существующие скиллы? И как их улучшить? Для этого — **BTO (Build-Test-Optimize)**.
+
+### Какой режим BTO использовать?
+
+| Ситуация | Команда | Что делает |
+|----------|---------|-----------|
+| Хочу оценить существующий скилл | `/bto-test .claude/skills/<name>/` | Layer 0 → Layer 1 → Layer 2 (3 судьи) |
+| Хочу оценить + оптимизировать | `/bto .claude/skills/<name>/` | BENCHMARK → TEST → OPTIMIZE (полный цикл) |
+| Хочу только оптимизировать (уже знаю score) | `/bto-optimize .claude/skills/<name>/` | Эволюционная оптимизация (3 раунда) |
+| Хочу создать новый скилл | `/bto-build "описание"` | Генерация скилла из описания |
+| Хочу создать + сразу оценить + оптимизировать | `/bto "описание"` | BUILD → BENCHMARK → TEST → OPTIMIZE |
+| Хочу только бенчмаркнуть | `/bto-benchmark .claude/skills/<name>/` | Детерминистический бенчмаркинг (B0-B3) |
+
+### Рекомендуемый сценарий после Harvest
+
+Если Harvest создал новый скилл или значительно изменил существующий:
+
+```
+1. /bto-benchmark .claude/skills/<name>/      ← Дешёвая проверка (детерминистическая)
+   Если BENCHMARK_SCORE < 0.50 → BLOCK:
+     Исправить структурные проблемы, не тратить бюджет на судей
+   Если BENCHMARK_SCORE >= 0.50 → продолжить:
+
+2. /bto-test .claude/skills/<name>/           ← Оценить качество (3 судьи)
+   Если score < 7.0:
+
+3. /bto-optimize .claude/skills/<name>/       ← Оптимизировать
+   Если score >= 7.0:
+     Скилл автоматически промотируется в Tier 2
+```
+
+### Почему Benchmark первый?
+
+`/bto-benchmark` — это **детерминистическая** оценка из 4 слоёв:
+
+| Слой | Что проверяет | LLM cost |
+|------|--------------|----------|
+| B0 — Golden Sample | Структурное сравнение с эталонами | **0** (diff) |
+| B1 — Test Suite | Кросс-ссылки, терминология, специфичность | **0** (rule-based) |
+| B2 — Consistency Probe | 3 haiku-агента интерпретируют артефакт, измеряют согласие | **Minimal** (haiku x 3) |
+| B3 — Performance | Эффективность токенов, баланс секций, покрытие references | **0** (metrics) |
+
+Формула: `BENCHMARK_SCORE = B0 * 0.30 + B1 * 0.35 + B2 * 0.15 + B3 * 0.20`
+
+Если benchmark показывает BLOCK (< 0.50), нет смысла тратить бюджет на панель из 3 sonnet-судей в `/bto-test`. Сначала исправьте структурные проблемы.
+
+### Trust Tiers: что за уровни доверия
+
+| Tier | Label | Как получить |
+|------|-------|-------------|
+| 0 | Advisory | Скилл создан (только SKILL.md) |
+| 1 | Structured | SKILL.md + references/ или modules/ |
+| 2 | Validated | `/bto-test` Layer 2 score >= 7.0 |
+| 3 | Verified | Score >= 8.5 + eval test suites |
+
+**Цель**: довести каждый скилл минимум до Tier 2. Скиллы Tier 0 выдают предупреждение при загрузке.
+
+### Что делает BTO с данными Harvest
+
+BTO работает **с файлами скилла напрямую**. Он:
+1. Читает `SKILL.md` и все reference-файлы
+2. **BENCHMARK**: детерминистическая оценка (B0-B3) — golden samples, test suite, consistency probe, performance metrics
+3. Если BENCHMARK_SCORE < 0.50 → BLOCK, не переходит к судьям
+4. Прогоняет через 71 структурную проверку (Layer 0)
+5. Отправляет на панель из 3 судей (Layer 2)
+6. Если score < 8.0 — оптимизирует (мутации + кроссовер)
+7. Модифицирует файлы скилла in-place
+
+Никакого экспорта не нужно — BTO работает прямо с файлами в `.claude/skills/`.
+
+---
+
+## 7. Фаза 5: Dream Cycles — обнаружение паттернов
+
+### Зачем нужны Dream Cycles
+
+Reward Learning копит данные. Dream Cycles **анализируют накопленные данные** и находят нетривиальные паттерны:
+- "Банковские кейсы систематически проваливаются на Phase 2"
+- "TRIZ работает лучше Game Theory для ритейла"
+- "Phase 1 качество улучшается — текущий подход работает"
+
+### Когда запускать
+
+```
+/dream run        ← Запуск анализа
+/dream insights   ← Посмотреть найденные инсайты
+/dream status     ← Проверить триггеры (пора ли запускать?)
+```
+
+**Рекомендация**: запускать после каждых 5-10 завершённых checkpoint-ов, или когда `/dream status` показывает активный триггер.
+
+### Результат
+
+Инсайты сохраняются в `.keysarium/insights/` и **автоматически подгружаются** при следующем `/casarium`:
+- Phase 0 получает рекомендации по time budget
+- Phase 2 получает предупреждения о проблемных фазах
+- Все фазы получают рекомендации по выбору скиллов
+
+---
+
+## 8. Фаза 6: Brain Export/Import — перенос знаний
+
+### Зачем нужен Brain Export
+
+Знания накоплены в одном проекте. Как перенести их в другой?
+
+```
+/brain-export all                           ← Полный экспорт в JSON
+/brain-export --delta parent-brain.json     ← Дельта (только новое)
+```
+
+### Что экспортируется
+
+| Секция | Содержимое | Actionable? |
+|--------|-----------|-------------|
+| `skills` | Метаданные скиллов, trust tiers, BTO scores | Контекст |
+| `domain_patterns` | Обнаруженные паттерны (из reward tracker) | **Actionable** |
+| `research_summaries` | Саммари завершённых исследований | Контекст |
+| `harvest_patterns` | Извлечённые знания из TOOLKIT_HARVEST.md | **Actionable** |
+| `pipeline_metrics` | Метрики пайплайна (время, фазы) | Контекст |
+| `reward_data` | Агрегаты reward-ов, средние по фазам/доменам, most_reused_records | **Actionable** |
+
+### Как импортировать
+
+В другом проекте (после `npx @dzhechkov/keysarium init`):
+
+```
+/brain-import path/to/brain.json
+```
+
+Стратегия: **merge-not-overwrite** — импорт не затирает существующие данные, а дополняет.
+
+### Нужно ли экспортировать отдельно или использовать напрямую?
+
+**Короткий ответ**: Для одного проекта — используйте напрямую. Для переноса между проектами — экспортируйте.
+
+| Сценарий | Действие |
+|----------|---------|
+| Работаю в одном проекте | Ничего экспортировать не нужно. Reward data, harvest, patterns — всё используется автоматически |
+| Начинаю новый проект, хочу опыт из старого | `/brain-export all` в старом → `/brain-import` в новом |
+| Делюсь опытом с командой | `/brain-export all` → передать файл коллеге → `/brain-import` |
+| Инкрементальный перенос | `/brain-export --delta prev-brain.json` → импорт только дельты |
+
+---
+
+## 9. Куда деваются данные: карта потоков
+
+### Автоматические данные (не требуют действий)
+
+```
+                           ЗАПИСЬ                      ЧТЕНИЕ
+                           ──────                      ──────
+Checkpoint ответы ──→ .keysarium/memory/{domain}/  ←── memory_query() в каждой фазе
+                      {slug}/{phase}_{ts}.json
+
+Агрегаты ────────→ .keysarium/memory/_stats/       ←── /learning-stats
+                    reward-summary.json
+
+Паттерны ────────→ .keysarium/memory/_patterns/    ←── memory_query() (enrichment)
+                    domain-patterns.json
+
+Индекс ──────────→ .keysarium/memory/index.json    ←── memory_query() (fast lookup)
+```
+
+### Ручные данные (требуют запуска команд)
+
+```
+                           ЗАПИСЬ                      ЧТЕНИЕ
+                           ──────                      ──────
+/harvest ────────→ .claude/skills/                 ←── Загрузка скиллов в фазах
+                   .claude/rules/
+                   TOOLKIT_HARVEST.md
+
+/bto-test ───────→ Evaluation reports              ←── /bto-optimize (baseline)
+                   Trust tier promotion
+
+/bto-optimize ──→ Модифицированные файлы           ←── Следующие исследования
+                   скиллов (in-place)
+
+/dream run ─────→ .keysarium/insights/             ←── Phase 0 (auto-load)
+                   dream-{date}.json
+
+/brain-export ──→ keysarium-brain.json             ←── /brain-import (другой проект)
+```
+
+---
+
+## 10. Контекстные данные vs Actionable данные
+
+### Actionable данные — непосредственно улучшают работу системы
+
+| Данные | Где | Как используются | Действие |
+|--------|-----|-----------------|---------|
+| Reward records (high score) | `.keysarium/memory/` | `memory_query()` загружает в начале фазы как best practices | Автоматически |
+| Domain patterns | `_patterns/domain-patterns.json` | Подгружаются при `memory_query()`, применяются как advice | Автоматически |
+| Harvest artifacts | `.claude/skills/`, `.claude/rules/` | Загружаются при чтении SKILL.md, shard-ов, правил | Автоматически |
+| Dream insights | `.keysarium/insights/` | Загружаются в Phase 0, влияют на time budget и skill selection | Автоматически |
+| BTO improvements | Файлы скилла (in-place) | Скилл стал лучше → следующая загрузка использует улучшенную версию | Автоматически |
+| usage_count | В каждом reward record | Более переиспользуемые записи приоритизируются при сортировке | Автоматически |
+
+### Контекстные данные — полезны для понимания, но не автоматизированы
+
+| Данные | Где | Для чего |
+|--------|-----|---------|
+| Research summaries | В brain export | Понимание, какие кейсы проводились |
+| Skill metadata | В brain export | Понимание, какие скиллы есть и их trust tier |
+| Pipeline metrics | В brain export | Понимание, сколько времени тратится на фазы |
+| Trend detection | В `/learning-stats` | Понимание, становятся ли результаты лучше/хуже |
+| Witness chain | `.witness-chain.json` | Аудит, целостность артефактов |
+| BTO evaluation reports | В директории оценки | Понимание сильных/слабых сторон скилла |
+
+### Правило большого пальца
+
+> **Если данные имеют прямое влияние на `memory_query()`, загрузку скиллов, или модификацию файлов — это Actionable.**
+>
+> **Если данные нужно читать и интерпретировать человеку — это Context.**
+
+---
+
+## 11. Как улучшать скиллы в npm-пакете
+
+### Проблема
+
+Скиллы установлены через `npx @dzhechkov/keysarium`. Как propagate improvements обратно в пакет?
+
+### Рабочий процесс
+
+```
+┌─────────────────────────────────────────────────────────┐
+│  Ваш проект (потребитель)                                │
+│                                                          │
+│  npx @dzhechkov/keysarium init                          │
+│       ↓                                                  │
+│  .claude/skills/<name>/SKILL.md  ← локальная копия      │
+│       ↓                                                  │
+│  /casarium → /harvest → /bto-benchmark → /bto-test → /bto-optimize │
+│       ↓                                                  │
+│  Улучшенный SKILL.md (локально)                          │
+│       ↓                                                  │
+│  Тестирование на реальных кейсах (ещё N casarium runs)   │
+│       ↓                                                  │
+│  Если score стабильно ≥ 7.0 на 3+ кейсах:               │
+│       ↓                                                  │
+│  Contribute back → PR в product-keysarium-2026           │
+└─────────────────────────────────────────────────────────┘
+```
+
+### Шаг за шагом
+
+**1. Локальная оценка и оптимизация:**
+```
+/bto-benchmark .claude/skills/goap-research-ed25519/
+# BENCHMARK_SCORE: 0.72 — PASS (структурно OK, можно к судьям)
+
+/bto-test .claude/skills/goap-research-ed25519/
+# Score: 6.5/10
+
+/bto-optimize .claude/skills/goap-research-ed25519/
+# Score: 6.5 → 7.2 (+0.7)
+```
+
+> Если `/bto-benchmark` показал BLOCK (< 0.50) — исправляйте структурные проблемы до запуска `/bto-test`. Это экономит бюджет: benchmark стоит ~0, а `/bto-test` Layer 2 = 3 sonnet-агента.
+
+**2. Валидация на реальных кейсах:**
+Проведите 2-3 исследования `/casarium` с оптимизированным скиллом. Проверьте, что:
+- Reward scores не ухудшились
+- `/learning-stats` показывает stable или improving trend
+- Реальное качество артефактов устраивает
+
+**3. Contribute back (если вы — мейнтейнер пакета):**
+```bash
+# В репозитории product-keysarium-2026:
+cp <your-project>/.claude/skills/<name>/ packages/dz-keysarium/skills/<name>/
+# + обновить trust tier в .claude/rules/trust-tiers.md
+# + обновить SKILL.md frontmatter (bto_score, bto_date)
+# + commit + publish
+```
+
+**4. Contribute back (если вы — пользователь пакета):**
+```
+/brain-export all
+# Отправить brain.json мейнтейнеру
+# или создать PR с изменёнными файлами скилла
+```
+
+### Что именно менять в скилле?
+
+BTO оптимизация модифицирует файлы скилла **in-place**. Типичные улучшения:
+
+| Файл | Что улучшается |
+|------|---------------|
+| `SKILL.md` | Инструкции, workflow, output format |
+| `modules/*.md` | Шаги выполнения, anti-patterns, edge cases |
+| `references/*.md` | Quality gates, rubrics, golden samples |
+| `templates/*.md` | Шаблоны выходных артефактов |
+
+### Чего НЕ нужно делать
+
+- **Не экспортируйте reward data для улучшения скилла** — reward data влияет на выбор подхода в runtime, а не на содержимое скилла
+- **Не копируйте `.keysarium/memory/` между проектами** — используйте `/brain-export` + `/brain-import`
+- **Не модифицируйте core протоколы** (`lib/*.md`, `packages/dz-keysarium-core/`) — если нужно изменить протокол, это архитектурное решение, не результат обучения
+
+---
+
+## 12. Полный цикл: пошаговый чеклист
+
+### После установки (однократно)
+
+- [ ] `npx @dzhechkov/keysarium init` — установить основной пакет
+- [ ] `npx @dzhechkov/skills-bto init` — установить BTO (для оценки и оптимизации скиллов)
+- [ ] Ознакомиться с `CLAUDE.md` — понять pipeline
+
+### После каждого исследования
+
+- [ ] Запустить `/casarium [кейс]`
+- [ ] Давать честную обратную связь на каждом checkpoint (reward learning = авто)
+- [ ] После завершения: `/harvest researches/<slug>/`
+- [ ] Просмотреть harvest findings, принять/отклонить
+
+### Каждые 3-5 исследований
+
+- [ ] `/learning-stats` — проверить тренды
+- [ ] `/dream run` — запустить анализ паттернов (или проверить `/dream status`)
+- [ ] `/bto-benchmark` на скиллах с низким reward — быстрая дешёвая проверка
+- [ ] Если benchmark PASS → `/bto-test` — полная оценка с судьями
+- [ ] `/bto-optimize` если test score < 7.0 — оптимизировать
+
+### При переносе в новый проект
+
+- [ ] `/brain-export all` — экспорт знаний
+- [ ] В новом проекте: `/brain-import brain.json` — импорт
+- [ ] `/learning-stats` — убедиться, что данные импортировались
+
+### При публикации улучшений в пакет
+
+- [ ] Убедиться, что BTO score ≥ 7.0 для изменённых скиллов
+- [ ] Провести 2-3 реальных исследования с улучшенным скиллом
+- [ ] Скопировать файлы скилла в packages/ репозитория
+- [ ] Обновить trust-tiers.md, SKILL.md frontmatter
+- [ ] Commit + publish
+
+---
+
+## Приложение: Быстрая справка по командам
+
+| Этап цикла | Команда | Когда запускать | Стоимость |
+|-----------|---------|----------------|-----------|
+| Исследование | `/casarium [кейс]` | Когда нужно провести исследование | opus |
+| Статистика | `/learning-stats` | Проверка трендов (каждые 3-5 кейсов) | 0 (file read) |
+| Извлечение знаний | `/harvest researches/<slug>/` | После каждого исследования | sonnet |
+| Бенчмарк скилла | `/bto-benchmark .claude/skills/<name>/` | Быстрая проверка перед оценкой | ~0 (haiku x 3) |
+| Оценка скилла | `/bto-test .claude/skills/<name>/` | Если benchmark PASS и reward падает | sonnet x 3 |
+| Оптимизация скилла | `/bto-optimize .claude/skills/<name>/` | Если BTO score < 7.0 | haiku + sonnet |
+| Полный цикл BTO | `/bto .claude/skills/<name>/` | Для полной переоценки скилла | all layers |
+| Генерация скилла | `/bto-build "описание"` | Создание нового скилла с нуля | opus |
+| Dream cycle | `/dream run` | Каждые 5-10 checkpoint-ов | sonnet |
+| Экспорт знаний | `/brain-export all` | Перед переносом в новый проект | haiku |
+| Импорт знаний | `/brain-import brain.json` | При старте нового проекта с опытом | 0 (file ops) |