@dzhechkov/keysarium 1.3.0 → 1.5.0

package/templates/.claude/commands/harvest.md

@@ -2,66 +2,48 @@
 
 ## Использование
 ```
-/harvest [путь к директории исследования или "all"]
+/harvest [путь к директории или "all"] [only категория1,категория2]
 ```
 
 ## Аргумент
 $ARGUMENTS
 
-## Суть
-
-Систематический процесс извлечения и организации полезных знаний после завершения исследования. Не героическое усилие, а лёгкий процесс после каждого проекта.
-
-## Шаг 1 — Ревью с агентом
+## Скилл
 
-Просмотри указанную директорию исследования и TOOLKIT_HARVEST.md. Найди:
-1. Паттерны, которые можно обобщить
-2. Скиллы/команды/хуки, полезные за пределами этого проекта
-3. Ошибки и workaround-ы, которые стоит запомнить
-4. Удачные формулировки и шаблоны
-5. Инсайты о домене
-
-## Шаг 2 — Классификация
+```
+Read: .claude/skills/knowledge-extractor/SKILL.md
+```
 
-Каждая находка попадает в одну из корзин:
+Загрузи knowledge-extractor skill и следуй его Pipeline Protocol.
 
-| Категория | Что туда идёт | Пример |
-|-----------|--------------|--------|
-| skills/ | Новые или улучшенные SKILL.md | Лучший подход к CJM |
-| commands/ | Slash-команды для Claude Code | Новая фаза пайплайна |
-| rules/ | Правила и ограничения | "Не используй X потому что Y" |
-| templates/ | Шаблоны документов | Обновлённый шаблон архитектуры |
-| patterns/ | Архитектурные паттерны | Event sourcing для AI pipeline |
-| snippets/ | Готовые куски кода | Универсальный CJM renderer |
+## Парсинг аргументов
 
-## Шаг 3 — Деконтекстуализация
+1. **Путь:** Первый аргумент — путь к директории исследования или `"all"` для всех директорий в `researches/`
+2. **Scope filter:** Если после пути есть `only X,Y` — передай как `{SCOPE_FILTER}` в skill
+   - Допустимые значения: `skills`, `commands`, `hooks`, `rules`, `templates`, `patterns`, `snippets`
+   - Множественные через запятую: `only rules,templates`
+3. Если аргументов нет — запроси путь у пользователя
 
-Перед переносом в тулкит:
-1. **Деконтекстуализировать** — убрать привязки к конкретному проекту
-2. **Документировать** — когда использовать, когда нет, предусловия
-3. **Версионировать** — пометить что изменилось и почему
+## Примеры
 
-Каждый артефакт должен содержать:
-```markdown
-## Maturity: 🟡 Beta / 🟢 Stable
-## Used in: [список проектов]
-## Last updated: [дата]
-## Changelog:
-- v1: начальная версия из [проект]
+```
+/harvest researches/bank-kc-automation/          ← полный harvest одной директории
+/harvest researches/bank-kc-automation/ only patterns  ← только паттерны
+/harvest all                                     ← все исследования
+/harvest all only rules,templates                ← все исследования, только правила и шаблоны
+/harvest features/add-user-auth/                 ← harvest фичи (не только исследования)
 ```
 
-## Шаг 4 — Обновление TOOLKIT_HARVEST.md
-
-Обнови корневой `TOOLKIT_HARVEST.md` с новыми находками.
+## Параллелизация
 
-## Что НЕ тащить
+Если путь = `"all"`:
+1. Получи список всех директорий в `researches/`
+2. Для каждой директории запусти отдельную harvest сессию
+3. Каждая сессия создаёт свой findings JSON и проходит полный pipeline
+4. По завершении всех сессий — объедини отчёты
 
-- Код, который работает только в контексте конкретного домена
-- Паттерны, использованные один раз без уверенности в качестве
-- Workaround-ы для конкретных багов библиотек (устаревают)
+## Суть
 
-## Параллелизация
+Систематический процесс извлечения и организации полезных знаний после завершения проекта. Использует 5 параллельных агентов-экстракторов, 7-категорийную классификацию, 8 блокирующих quality gates, и автоматическое размещение артефактов.
 
-Если `$ARGUMENTS` = "all", запусти агентов параллельно для каждой директории в `researches/`:
-- Каждый агент ревьюит свою директорию
-- Результаты синтезируются в единый TOOLKIT_HARVEST.md
+Pipeline: Extract (5 agents) → Classify (7 categories) → User Checkpoint → Gate (8 checks) → Integrate (auto-place)

package/templates/.claude/rules/trust-tiers.md

@@ -20,6 +20,12 @@
 | presentation-storyteller | 1 | Structured | SKILL.md + references/ |
 | reverse-engineering-unicorn | 1 | Structured | SKILL.md + modules/ + references/ + examples/ |
 | bto | 1 | Structured | SKILL.md + modules/ + references/ + examples/ |
+| knowledge-extractor | 2 | Validated | /bto-test Layer 2 score 7.5, optimized 2026-03-03 |
+| analyst-manual-full | 0 | Advisory | SKILL.md only (composite orchestrator, depends on explore + goap-research + problem-solver) |
+| feature-adr | 1 | Structured | SKILL.md + modules/ + references/ + examples/ |
+| edu-site-generator | 1 | Structured | SKILL.md + modules/ + references/ + examples/ |
+| transcript-site-generator | 2 | Validated | /bto-test Layer 2 score 7.82 |
+| ai-factory-mapper | 1 | Structured | SKILL.md + references/ + assets/ + scripts/ (v1.0, апрель 2026) |
 
 ## Tier Enforcement
 

package/templates/.claude/shards/feature-adr.shard.md

@@ -19,6 +19,7 @@ Load: `.claude/skills/feature-adr/SKILL.md`
 All of S, plus:
 - `features/<slug>/01_requirements.md`
 - `features/<slug>/03_adr/001-*.md`
+- `features/<slug>/03.5_ideation_report.md` (QCSD quality swarm)
 - `features/<slug>/05_architecture.md`
 - `features/<slug>/07_code_changes/change_manifest.md`
 - `features/<slug>/diagrams/` (component diagram)
@@ -27,6 +28,7 @@ All of S, plus:
 All of M, plus:
 - `features/<slug>/02_research.md`
 - `features/<slug>/04_domain_model.md`
+- `features/<slug>/09_fleet_qe_assessment.md` (fleet QE)
 - `features/<slug>/diagrams/domain-model.mermaid`
 - `features/<slug>/diagrams/architecture-c4.mermaid`
 - `features/<slug>/diagrams/sequence-*.mermaid`
@@ -41,27 +43,70 @@ All of L (full depth on every artifact)
 | 0 | Tier classification justified with dimension scores |
 | 1 | All requirements have acceptance criteria (M+) |
 | 2 | Research findings verified, not hallucinated (L/XL) |
-| 3 | Every ADR has ≥2 alternatives (M+) |
+| 3 | Every ADR has ≥2 alternatives + shift-left testability check (M+) |
+| 3.5 | QCSD ideation: 3 core agents + GO/CONDITIONAL/NO-GO verdict (M+) |
 | 4 | Domain model compatible with existing codebase (L/XL) |
 | 5 | Mermaid diagrams valid syntax (M+) |
-| 6 | Task dependencies form valid DAG |
+| 6 | Task dependencies form valid DAG + SPARC-GOAP goal state defined |
 | 7 | Code follows existing codebase conventions |
-| 8 | No blocker findings remain, all MUST requirements pass |
+| 8 | Brutal-honesty review complete, gap loop closed, all MUST requirements pass |
+| 9 | Fleet QE: 4 agents, traceability matrix complete (L/XL) |
+
+## Agentic QE Integration
+
+Skills from [agentic-qe](https://github.com/proffesor-for-testing/agentic-qe) loaded from `references/agentic-qe/`.
+
+### Three Modes
+
+| Mode | Flag | `{AGENTIC_QE_MODE}` | Skills | Requires install |
+|------|------|---------------------|--------|-----------------|
+| Reference | (none) | `reference` | 9 core (condensed) | No |
+| Direct | `--full-qe` | `direct` | 9 core (full protocols) | `npm i -g agentic-qe` |
+| Direct Extended | `--full-qe-extended` | `direct-extended` | 15 (9 core + 6 extended) | `npm i -g agentic-qe` |
+
+### Core Skills (all modes)
+
+| Step | Skill | Protocol |
+|------|-------|----------|
+| 3 | shift-left-testing | Level 4: Risk Analysis in Design — testability questions + BDD scenarios per ADR |
+| 3.5 | qcsd-ideation-swarm | 3 core agents (HTSM + SFDIPOT + Testability) + conditional agents per flags |
+| 6 | code-goal-planner | SPARC-GOAP: Specification → Pseudocode → Architecture → Refinement → Completion |
+| 8 | brutal-honesty-review | Linus mode (code) + Ramsay mode (tests) + gap detection loop |
+| 9 (Agent 1) | qe-requirements-validation | SMART validation + traceability matrix + orphan test detection |
+| 9 (Agent 2) | risk-based-testing | Probability×Impact 5×5 + 4-tier effort allocation |
+| 9 (Agent 3) | enterprise-integration-testing | Contract testing + E2E flow validation + data consistency |
+| 9 (Agent 4) | regression-testing | Change-based test selection + impact analysis + regression pyramid |
+| 9 (shared) | qe-coverage-analysis | Risk-weighted coverage scoring + differential coverage |
+
+### Extended Skills (`--full-qe-extended` only)
+
+| Step | Skill | Condition |
+|------|-------|-----------|
+| 7 | tdd-london-chicago | Always — guides test-first coding |
+| 8 | mutation-testing | If test suite exists |
+| 8, 9 | security-testing | If `HAS_AUTH` or `HAS_EXTERNAL_API` |
+| 8, 9 | performance-testing | If `HAS_PERFORMANCE_SLA` |
+| 9 | chaos-engineering-resilience | If `HAS_INFRASTRUCTURE_CHANGE` |
+| Post-9 | qcsd-production-swarm | Advisory — feedback loops for future runs |
 
 ## Agent Swarm
 
 ### S/M tier
-Sequential execution. No parallel agents needed.
+Sequential execution. Step 3.5 spawns 3 core agents for M tier.
 
 ### L tier
 - Steps 2+3: 2 parallel agents (sonnet + opus)
-- Step 8: 3 parallel agents (sonnet × 3)
+- Step 3.5: 3-9 parallel agents (core + conditional)
+- Step 8: 3 parallel agents (brutal-honesty review panel)
+- Step 9: 4 parallel agents (fleet QE); 4-7 with `--full-qe-extended`
 
 ### XL tier
 - Steps 2+3: 2 parallel agents
-- Steps 4+5: 2 parallel agents (if Step 3 done)
+- Step 3.5: 3-9 parallel agents (core + conditional)
+- Steps 4+5: 2 parallel agents (if Step 3.5 done)
 - Step 7: N parallel agents (per module)
 - Step 8: 3 parallel agents (review panel)
+- Step 9: 4 parallel agents (fleet QE); 4-7 with `--full-qe-extended`
 
 ## Model Routing
 
@@ -70,12 +115,14 @@ Sequential execution. No parallel agents needed.
 | 0 | haiku | Simple classification |
 | 1 | sonnet | Analytical requirements |
 | 2 | sonnet | Research synthesis |
-| 3 | opus | Complex trade-off reasoning |
+| 3 | opus | Complex trade-off reasoning + shift-left |
+| 3.5 | sonnet | QCSD swarm (multiple parallel agents) |
 | 4 | opus | Domain modeling |
 | 5 | opus | System design |
-| 6 | sonnet | Task decomposition |
+| 6 | sonnet | SPARC-GOAP task decomposition |
 | 7 | opus | Code generation |
-| 8 | sonnet | Review and testing |
+| 8 | sonnet | Brutal-honesty review + gap loop |
+| 9 | sonnet | Fleet QE assessment (4 parallel agents) |
 
 ## Promise Tags
 
@@ -83,16 +130,23 @@ Sequential execution. No parallel agents needed.
 |------|---------|
 | 0 | `<promise>FEATURE_ADR_ROUTED</promise>` |
 | 1 | `<promise>FEATURE_ADR_REQUIREMENTS_GATHERED</promise>` |
-| 2-5 | `<promise>FEATURE_ADR_DESIGNED</promise>` |
+| 2-3 | `<promise>FEATURE_ADR_DESIGNED</promise>` |
+| 3.5 | `<promise>FEATURE_ADR_QUALITY_ASSESSED</promise>` |
+| 4-5 | `<promise>FEATURE_ADR_ARCHITECTED</promise>` |
 | 6 | `<promise>FEATURE_ADR_PLANNED</promise>` |
 | 7 | `<promise>FEATURE_ADR_IMPLEMENTED</promise>` |
 | 8 | `<promise>FEATURE_ADR_VERIFIED</promise>` |
+| 9 | `<promise>FEATURE_ADR_FLEET_VERIFIED</promise>` |
 
 ## Anti-Patterns to Check
 
 - Skip Step 0 → BLOCK
 - Code without plan (skip Step 6) → BLOCK
 - No QE (skip Step 8) → BLOCK
+- Skip QCSD ideation (skip Step 3.5 for M+) → BLOCK
+- Ignore NO-GO verdict from Step 3.5 → BLOCK
+- Skip fleet QE for L/XL (skip Step 9) → BLOCK
 - Over-engineer S-tier (run full pipeline for trivial change) → FLAG
 - Under-engineer XL-tier (skip ADR/DDD) → FLAG
 - ADR with only 1 alternative → FLAG
+- Gap loop skipped in Step 8 → FLAG

package/templates/.claude/shards/phase-ai-factory.shard.md

@@ -0,0 +1,109 @@
+# AI Factory Mode — Governance Shard
+
+## Activation
+This shard is active ONLY when `/casarium --ai-factory` flag is present.
+Without `--ai-factory`: this shard is completely ignored.
+
+## Skill
+Load: `.claude/skills/ai-factory-mapper/SKILL.md` at init, before Phase 0.
+Also load: `.claude/skills/ai-factory-mapper/references/catalog.md` (cache in working memory).
+
+## Variable
+`{AI_FACTORY_MODE}` = `true` — set at casarium init when flag detected.
+
+## Per-Phase Integration
+
+### Phase 0 — Discovery
+After standard JTBD + competitor analysis completes:
+- Identify which AI Factory service tiers map to each JTBD segment (Advisory, based on cached catalog.md).
+- Add section `## AI Factory Applicability` to `00_product_discovery.md`:
+  - 2–3 sentences: which platform layer (Foundation Models / ML Inference / Managed RAG / AI Agents / AI Workflows) is most relevant.
+  - No deep analysis yet — this is orientation only.
+
+### Phase 1 — Explore
+After case brief is written:
+- Add 1-paragraph note to `01_case_brief.md`: which AI Factory capabilities are likely load-bearing for the proposed solution.
+- Set `{AI_FACTORY_SCENARIO}` = concise 2–3 sentence description of the case as an AI Factory scenario (used in Phase 3).
+
+### Phase 2 — Research
+After standard research completes:
+**Run ai-factory-mapper Phases 1–3** (catalog sync + decomposition + mapping):
+1. Read `.claude/skills/ai-factory-mapper/references/catalog.md`.
+2. Run `web_search "Cloud.ru Evolution AI Factory новые сервисы {CURRENT_YEAR}"` to check for updates.
+3. Decompose `{AI_FACTORY_SCENARIO}` into 7–12 workflow steps using `decomposition-checklist.md`.
+4. Map each step → AI Factory service → ✅ / ⚠️ / ❌.
+5. Create artifact: `researches/{CASE_NAME}/02.6_ai_factory_mapping.md`.
+
+### Phase 2.5 — CJM Prototype
+In each CJM variant (A / B / C / D):
+- Annotate each CJM step with the AI Factory service that handles it (1 line per step).
+- Use the mapping from `02.6_ai_factory_mapping.md` — no re-analysis needed.
+
+### Phase 3 — Solve
+After solution strategy is drafted:
+**Run ai-factory-mapper Phases 4–5** (gap identification + coverage scoring):
+1. Enumerate all ❌ and ⚠️ steps from `02.6_ai_factory_mapping.md`.
+2. For each gap: what is missing, why, and the 5 closure options (a–e from skill).
+3. Apply `coverage-formula.md` → round to nearest 5%.
+4. Add section `## AI Factory Coverage` to `03_solution_strategy.md`:
+   - Coverage score (e.g. "~75%")
+   - Top 2–3 priority gaps with closure recommendations.
+
+### Phase 4 — Architecture
+In architecture diagrams:
+- C4 Container diagram: show AI Factory services as named external systems or containers (use their official names: "Cloud.ru Foundation Models", "Cloud.ru Managed RAG", etc.).
+- Add `diagrams/ai-factory-pipeline.mermaid` — flowchart of the solution pipeline mapped to AI Factory services (reuse Mermaid structure from ai-factory-mapper Phase 6 output).
+
+### Phase 5 — Presentation
+**Run ai-factory-mapper Phase 6** (synthesis + full output):
+1. Build structured JSON from the analysis accumulated across Phases 2–4.
+2. Generate `ai_factory_analysis.md` (Markdown report per `assets/report-template.md`).
+3. Attempt DOCX generation via `node .claude/skills/ai-factory-mapper/scripts/build_docx_report.js`.
+4. Add "AI Factory Coverage" slide to presentation (`05_presentation_content.md`):
+   - Coverage % badge, top services used, top gaps.
+5. Add "Platform Architecture" talking point to `06_speaker_script.md`.
+
+## Artifact Inventory (--ai-factory additions)
+
+| Artifact | Phase | Always? |
+|----------|-------|---------|
+| `02.6_ai_factory_mapping.md` | Phase 2 | ✅ |
+| `diagrams/ai-factory-pipeline.mermaid` | Phase 4 | ✅ |
+| `ai_factory_analysis.md` | Phase 5 | ✅ |
+| `ai_factory_analysis.docx` | Phase 5 | If Node.js + docx available |
+
+## Promise Tags
+
+| Milestone | Promise |
+|-----------|---------|
+| Phase 2 mapping done | `<promise>AI_FACTORY_MAPPED</promise>` |
+| Phase 3 gap analysis done | `<promise>AI_FACTORY_GAPS_IDENTIFIED</promise>` |
+| Phase 5 report done | `<promise>AI_FACTORY_REPORT_READY</promise>` |
+
+## Quality Gates
+
+- [ ] Catalog sync performed (web_search + catalog.md read)
+- [ ] Scenario decomposed into 7–12 steps (not more, not less)
+- [ ] Every step has ✅ / ⚠️ / ❌ (no "probably")
+- [ ] Coverage % rounded to 5%
+- [ ] `02.6_ai_factory_mapping.md` exists before Phase 3 starts
+- [ ] CJM variants annotated with AI Factory services (Phase 2.5)
+- [ ] `ai-factory-pipeline.mermaid` valid Mermaid syntax
+
+## Model Routing
+
+| Task | Model |
+|------|-------|
+| Catalog sync + decomposition | sonnet |
+| Mapping + gap analysis | sonnet |
+| Coverage scoring | haiku |
+| Report synthesis | sonnet |
+| DOCX generation | haiku (Node.js subprocess) |
+
+## Non-Degradation Contract
+
+This shard MUST NOT be loaded when `--ai-factory` is absent.
+All `--ai-factory` additions are purely additive:
+- Existing phase artifacts are extended (new sections appended), never replaced.
+- Existing checkpoints are unchanged; AI Factory checkpoint is appended at the end of Phase 2 and Phase 5 checkpoints.
+- Phase timing remains the same; AI Factory work is parallelised where possible (e.g. alongside Phase 2 research agents).

package/templates/.claude/skills/ai-factory-mapper/README.md

@@ -0,0 +1,90 @@
+# ai-factory-mapper
+
+Скилл для Claude Code / Claude Desktop, который декомпозирует любую бизнес-задачу на оптимальный пайплайн из сервисов **Cloud.ru Evolution AI Factory** (Foundation Models, ML Inference, Managed RAG, ML Finetuning, Notebooks, AI Agents, AI Workflows + 50+ MCP-серверов и 21 готовый агент).
+
+## Что делает
+
+На входе — бизнес-сценарий (агент поддержки, обработка документов, маркетинг, discovery и т.д.).
+На выходе:
+1. Декомпозиция workflow на 7–12 шагов
+2. Маппинг каждого шага на сервисы AI Factory
+3. Категоризация покрытия: ✅ Полное / ⚠️ Частичное / ❌ Нет
+4. Список gap'ов с вариантами закрытия
+5. Воспроизводимая оценка покрытия в %
+6. Mermaid-диаграмма пайплайна
+7. Готовый Markdown + DOCX-отчёт
+8. Если сценариев несколько — сводная таблица ранжирования
+
+## Философия: оркестрация, а не копирование
+
+Скилл **не дублирует** функционал других скиллов — он вызывает их через `view()`:
+- `explore` — если задача сформулирована нечётко
+- `problem-solver-enhanced` — для first-principles декомпозиции
+- `goap-research-ed25519` — для верификации актуальности каталога
+- `docx` — для генерации финального отчёта
+- `analyst-manual-full` — для комплексных кейсов с checkpoints
+
+Получает обновления этих скиллов автоматически.
+
+## Структура
+
+```
+ai-factory-mapper/
+├── SKILL.md                       # workflow и оркестрация (470 строк)
+├── references/
+│   ├── catalog.md                 # актуальный каталог AI Factory
+│   ├── decomposition-checklist.md # 10-пунктов чек-лист
+│   ├── coverage-formula.md        # воспроизводимая формула %
+│   └── pattern-library.md         # 10 типовых паттернов
+├── assets/
+│   └── report-template.md         # шаблон отчёта
+├── scripts/
+│   └── build_docx_report.js       # генератор DOCX из JSON
+└── evals/
+    ├── evals.json                 # тест-кейсы
+    ├── smoke_test_input.json      # минимальный smoke-тест
+    └── real_case_input.json       # полный тест на 5 сценариях
+```
+
+## Триггеры
+
+Скилл активируется на фразы вроде:
+- «Разложи задачу X на сервисы AI Factory»
+- «Какие сервисы Cloud.ru нужны для агента поддержки?»
+- «Можно ли реализовать X на Evolution AI Factory?»
+- «Собери пайплайн на AI Factory»
+- «Какое покрытие у сценария X сервисами Cloud.ru?»
+- «Сравни сценарии по покрытию AI Factory»
+
+## Quick test
+
+```bash
+cd ai-factory-mapper
+node scripts/build_docx_report.js evals/smoke_test_input.json /tmp/smoke.docx
+# → ✅ DOCX создан: /tmp/smoke.docx
+```
+
+Для полной проверки:
+```bash
+node scripts/build_docx_report.js evals/real_case_input.json /tmp/real.docx
+python3 <path-to-docx-skill>/scripts/office/validate.py /tmp/real.docx
+```
+
+## Maintenance
+
+Раз в 1–2 месяца обновляй `references/catalog.md`:
+1. Проверь `cloud.ru/products/evolution-ai-factory` на новые сервисы
+2. Пройдись по Evolution Agents Marketplace
+3. Обнови дату в шапке catalog.md
+
+Если появились фундаментально новые категории — добавь паттерны в `pattern-library.md`.
+
+## Dependencies
+
+- Node.js + `docx` package (`npm install -g docx`)
+- Python 3 для валидации DOCX
+- Зависит от скиллов: `explore`, `problem-solver-enhanced`, `goap-research-ed25519`, `docx`, `analyst-manual-full`
+
+## Версия
+
+v1.0 — апрель 2026