workflow-ai 1.1.0 → 1.3.0

package/src/skills/analyze-report/scripts/calc-plan-metrics.js

@@ -1,234 +0,0 @@
-#!/usr/bin/env node
-
-/**
- * calc-plan-metrics.js — аналитические метрики плана для analyze-report.
- *
- * Рассчитывает:
- *   1. Distribution by status
- *   2. Completion %
- *   3. Avg time-to-done
- *   4. Blocked rate
- *   5. Rework count
- *
- * Использование:
- *   node calc-plan-metrics.js <PLAN-NNN>
- *
- * Вывод: JSON через маркеры ---RESULT---
- */
-
-import fs from 'fs';
-import path from 'path';
-import { findProjectRoot } from 'workflow-ai/lib/find-root.mjs';
-import { parseFrontmatter } from 'workflow-ai/lib/utils.mjs';
-import { createLogger } from 'workflow-ai/lib/logger.mjs';
-
-const logger = createLogger();
-
-const PROJECT_DIR = findProjectRoot();
-const TICKETS_DIR = path.join(PROJECT_DIR, '.workflow', 'tickets');
-const PLANS_DIR = path.join(PROJECT_DIR, '.workflow', 'plans', 'current');
-const TICKET_DIRS = ['done', 'in-progress', 'blocked', 'ready', 'backlog', 'archive'];
-
-function normalizePlanId(raw) {
-  if (!raw) return null;
-  const basename = path.basename(raw, '.md');
-  const full = basename.match(/^plan-(\d+)$/i);
-  if (full) return `PLAN-${String(parseInt(full[1], 10)).padStart(3, '0')}`;
-  const num = raw.trim().match(/^(\d+)$/);
-  if (num) return `PLAN-${String(parseInt(num[1], 10)).padStart(3, '0')}`;
-  return null;
-}
-
-function collectPlanTickets(planId) {
-  const tickets = [];
-  const warnings = [];
-
-  for (const dirName of TICKET_DIRS) {
-    const dir = path.join(TICKETS_DIR, dirName);
-    if (!fs.existsSync(dir)) continue;
-
-    const files = fs.readdirSync(dir).filter(f => f.endsWith('.md') && f !== '.gitkeep.md');
-    for (const file of files) {
-      const filePath = path.join(dir, file);
-      let content;
-      try {
-        content = fs.readFileSync(filePath, 'utf8');
-      } catch (e) {
-        warnings.push(`Failed to read ${file}: ${e.message}`);
-        continue;
-      }
-
-      let parsed;
-      try {
-        parsed = parseFrontmatter(content);
-      } catch (e) {
-        warnings.push(`Failed to parse frontmatter in ${file}: ${e.message}`);
-        continue;
-      }
-
-      const { frontmatter } = parsed;
-      if (!frontmatter || typeof frontmatter !== 'object') {
-        warnings.push(`Invalid frontmatter in ${file}`);
-        continue;
-      }
-
-      const ticketPlanId = normalizePlanId(frontmatter.parent_plan);
-      if (ticketPlanId === normalizePlanId(planId)) {
-        tickets.push({
-          id: frontmatter.id || file.replace('.md', ''),
-          title: frontmatter.title || 'Unknown',
-          type: frontmatter.type || 'unknown',
-          status: dirName,
-          created_at: frontmatter.created_at || null,
-          updated_at: frontmatter.updated_at || null,
-          completed_at: frontmatter.completed_at || null,
-          raw: frontmatter,
-          body: parsed.body || ''
-        });
-      }
-    }
-  }
-
-  return { tickets, warnings };
-}
-
-function findPlanFile(planId) {
-  if (!fs.existsSync(PLANS_DIR)) return null;
-  const files = fs.readdirSync(PLANS_DIR).filter(f => f.endsWith('.md'));
-  const normalized = normalizePlanId(planId);
-  return files.find(f => normalizePlanId(f) === normalized) || null;
-}
-
-function parsePlan(planFileName) {
-  if (!planFileName) return null;
-  const planPath = path.join(PLANS_DIR, planFileName);
-  try {
-    const content = fs.readFileSync(planPath, 'utf8');
-    const { frontmatter } = parseFrontmatter(content);
-    return frontmatter;
-  } catch (e) {
-    logger.warn(`Failed to parse plan ${planFileName}: ${e.message}`);
-    return null;
-  }
-}
-
-function calcDistributionByStatus(tickets) {
-  const distribution = {};
-  for (const dirName of TICKET_DIRS) {
-    const count = tickets.filter(t => t.status === dirName).length;
-    if (count > 0) {
-      distribution[dirName] = count;
-    }
-  }
-  return distribution;
-}
-
-function calcCompletionPct(tickets) {
-  const total = tickets.length;
-  const doneCount = tickets.filter(t => t.status === 'done' || t.status === 'archive').length;
-  return total > 0 ? Math.round((doneCount / total) * 100 * 100) / 100 : 0;
-}
-
-function calcAvgTimeToDone(tickets) {
-  const doneTickets = tickets.filter(t => t.status === 'done' || t.status === 'archive');
-  const times = [];
-
-  for (const ticket of doneTickets) {
-    if (ticket.created_at && ticket.completed_at) {
-      const created = new Date(ticket.created_at);
-      const completed = new Date(ticket.completed_at);
-      const diffMs = completed.getTime() - created.getTime();
-      const diffDays = diffMs / (1000 * 60 * 60 * 24);
-      if (diffDays >= 0) {
-        times.push(diffDays);
-      }
-    }
-  }
-
-  if (times.length === 0) {
-    return null;
-  }
-
-  const avg = times.reduce((sum, d) => sum + d, 0) / times.length;
-  return Math.round(avg * 100) / 100;
-}
-
-function calcBlockedRate(tickets) {
-  const total = tickets.length;
-  const blockedCount = tickets.filter(t => t.status === 'blocked').length;
-  return total > 0 ? Math.round((blockedCount / total) * 100 * 100) / 100 : 0;
-}
-
-function calcReworkCount(tickets) {
-  let count = 0;
-  for (const ticket of tickets) {
-    const notes = ticket.raw?.notes || '';
-    if (/повторная работа/i.test(notes) || /Повторная/i.test(notes)) {
-      count++;
-    }
-  }
-  return count;
-}
-
-async function main() {
-  const planIdArg = process.argv[2];
-
-  if (!planIdArg) {
-    console.error('Ошибка: не указан ID плана');
-    console.error('Использование: node calc-plan-metrics.js <PLAN-NNN>');
-    process.exit(1);
-  }
-
-  const planId = normalizePlanId(planIdArg);
-  if (!planId) {
-    console.error(`Ошибка: невалидный ID плана "${planIdArg}". Ожидается формат PLAN-NNN или число.`);
-    process.exit(1);
-  }
-
-  logger.info(`Calculating analytics for ${planId}`);
-
-  const { tickets, warnings } = collectPlanTickets(planId);
-  if (tickets.length === 0) {
-    logger.warn(`No tickets found for plan ${planId}`);
-  }
-
-  const planFileName = findPlanFile(planId);
-  const planData = parsePlan(planFileName);
-
-  const distribution = calcDistributionByStatus(tickets);
-  const completionPct = calcCompletionPct(tickets);
-  const avgTimeToDone = calcAvgTimeToDone(tickets);
-  const blockedRate = calcBlockedRate(tickets);
-  const reworkCount = calcReworkCount(tickets);
-
-  const result = {
-    plan_id: planId,
-    total_tickets: tickets.length,
-    distribution,
-    completion_pct: completionPct,
-    avg_time_to_done: avgTimeToDone,
-    avg_time_to_done_unit: 'days',
-    blocked_rate: blockedRate,
-    blocked_rate_unit: 'pct',
-    rework_count: reworkCount,
-    plan_data: planData ? {
-      title: planData.title,
-      status: planData.status
-    } : null,
-    warnings: warnings.length > 0 ? warnings : undefined
-  };
-
-  console.log('---RESULT---');
-  console.log(JSON.stringify(result, null, 2));
-  console.log('---RESULT---');
-
-  logger.info(`Analytics calculated: ${tickets.length} tickets`);
-}
-
-main().catch(err => {
-  console.error(`Ошибка: ${err.message}`);
-  console.log('---RESULT---');
-  console.log(JSON.stringify({ error: err.message }, null, 2));
-  console.log('---RESULT---');
-  process.exit(1);
-});

package/src/skills/analyze-report/templates/analysis-report.md

@@ -1,80 +0,0 @@
-# Шаблон: Отчёт анализа
-
-## Структура отчёта
-
-```markdown
-# Анализ: {тип — прогресс / ретроспектива}
-
-**Дата анализа:** {YYYY-MM-DD}
-**Анализируемый план:** {ID плана}
-**Анализируемый отчёт:** {ID отчёта, если есть}
-**Тип анализа:** {PROGRESS / RETROSPECTIVE}
-
----
-
-## Executive Summary
-
-{3-5 предложений: общий статус, ключевые находки, главная рекомендация}
-
----
-
-## Метрики
-
-| Метрика | Значение | Статус |
-|---------|----------|--------|
-| Completion Rate | {X}% | {🟢/🟡/🟠/🔴} |
-| Weighted Completion | {X}% | {🟢/🟡/🟠/🔴} |
-| First-Pass Rate | {X}% | {🟢/🟡/🟠/🔴} |
-| Block Rate | {X}% | {🟢/🟡/🟠/🔴} |
-| Тренд | {📈/➡️/📉} | — |
-
-## Распределение задач
-
-| Статус | Количество | % |
-|--------|-----------|---|
-| Done | {N} | {X}% |
-| In Progress | {N} | {X}% |
-| Ready | {N} | {X}% |
-| Blocked | {N} | {X}% |
-| Backlog | {N} | {X}% |
-
----
-
-## Ключевые находки
-
-### 1. {Находка}
-**Уверенность:** [HIGH/MEDIUM/LOW]
-**Данные:** {конкретные данные из отчёта/тикетов}
-
-### 2. {Находка}
-...
-
----
-
-## Проблемы и риски
-
-| # | Проблема | Серьёзность | Данные | Рекомендация |
-|---|---------|-------------|--------|-------------|
-| 1 | {описание} | {CRITICAL/HIGH/MEDIUM/LOW} | {факты} | {действие} |
-
----
-
-## Рекомендации
-
-| # | Действие | Приоритет | Почему | Ожидаемый результат |
-|---|---------|-----------|--------|-------------------|
-| 1 | {что сделать} | {CRITICAL/HIGH/MEDIUM/LOW} | {причина} | {результат} |
-
----
-
-## За пределами скоупа
-
-{Находки, не входящие в скоуп анализа, но потенциально полезные}
-
----
-
-## Решение
-
-**Статус плана:** {ON_TRACK / ATTENTION / AT_RISK / CRITICAL}
-**Рекомендуемое действие:** {продолжить / скорректировать / эскалировать}
-```

package/src/skills/analyze-report/tests/cases/TC-ANALYZE-REPORT-001/current/claude-sonnet/trial-1.md

@@ -1,5 +0,0 @@
-# TRIAL ERRORED
-
-agent: claude-sonnet
-trial: 1
-error: Agent exited with code 143

package/src/skills/analyze-report/tests/cases/TC-ANALYZE-REPORT-001/current/claude-sonnet/trial-2.md

@@ -1,98 +0,0 @@
-## Анализ прогресса PLAN-001 — Верификация атрибуции QA-001
-
----
-
-## Executive Summary
-
-Верификация по логу `pipeline-2026-04-06_qa-001-skip.log` выявила **критическую ошибку атрибуции** в REPORT-002. `check-conditions.js` отработал корректно и вернул `conditions_ok` — атрибуция в предыдущем отчёте неверна. Решение о пропуске QA-001 принял стейдж `check-relevance` (строка 29 лога, `decision=irrelevant, reason=dependencies_inactive`). Дополнительно обнаружено противоречие между двумя стейджами в оценке зависимостей, что указывает на системную проблему в пайплайне.
-
----
-
-## Верификация findings по логу
-
-### Finding 1 — Поведение `check-conditions` (Steps 312–313)
-
-| Параметр | Значение из лога |
-|---|---|
-| Stage | `check-conditions` |
-| Script | `check-conditions.js` |
-| `dependencies.resolved` | `true` |
-| `prerequisites.met` | `true` |
-| `blocking_tickets` | `[]` |
-| Итоговый статус | `conditions_ok` |
-
-**Вердикт `[HIGH]`:** `check-conditions.js` отработал корректно. Стейдж определил все условия как выполненные и передал тикет дальше. Атрибуция root cause в REPORT-002 (`check-conditions.js` неверно определил условия) — **ОШИБОЧНА**.
-
----
-
-### Finding 2 — Поведение `check-relevance` (Step 314)
-
-| Параметр | Значение из лога |
-|---|---|
-| Stage | `check-relevance` |
-| Script | `check-relevance.js` |
-| `dependencies.status` | `inactive` |
-| `decision` | `irrelevant` |
-| `reason` | `dependencies_inactive` |
-| Итоговый статус | `irrelevant` |
-
-**Вердикт `[HIGH]`:** Именно `check-relevance.js` принял решение о нерелевантности тикета и инициировал его пропуск. Root cause находится здесь.
-
----
-
-### Finding 3 — Противоречие между стейджами `[HIGH]`
-
-Два последовательных стейджа дают **противоречивые оценки зависимостей** одного тикета:
-
-| Стейдж | Оценка зависимостей |
-|---|---|
-| `check-conditions` (Step 313) | `dependencies.resolved: true` |
-| `check-relevance` (Step 314) | `dependencies.status: inactive` |
-
-Это указывает либо на то, что стейджи проверяют **разные аспекты** зависимостей (resolved ≠ active), либо на **несогласованность** между скриптами. Данный паттерн — более серьёзная проблема, чем ошибочная атрибуция: пайплайн может систематически пропускать тикеты, у которых зависимости формально resolved, но неактивны.
-
----
-
-### Finding 4 — `skip-ticket` (Step 315)
-
-Стейдж `skip-ticket` явно указывает источник решения:
-
-```
-Moving QA-001 → skipped/ (reason from check-relevance: dependencies_inactive)
-```
-
-**Вердикт `[HIGH]`:** Прямое подтверждение из лога — решение о skip пришло от `check-relevance`, не от `check-conditions`.
-
----
-
-## Корректная атрибуция
-
-| Атрибут | REPORT-002 (некорректно) | Корректно (по логу) |
-|---|---|---|
-| Root cause компонент | `check-conditions.js` | `check-relevance.js` |
-| Причина skip | неверно определил условия запуска | `decision=irrelevant, reason=dependencies_inactive` |
-| Статус `check-conditions` | — | `conditions_ok` (отработал верно) |
-| Предложенное действие | исправить логику зависимостей в `check-conditions.js` | исследовать логику `check-relevance.js` и устранить противоречие с `check-conditions.js` |
-
----
-
-## Рекомендации
-
-| # | Действие | Компонент | Приоритет |
-|---|---|---|---|
-| 1 | Исследовать `check-relevance.js`: почему `dependencies.status=inactive` при `dependencies.resolved=true` в том же прогоне | `check-relevance.js` | **CRITICAL** |
-| 2 | Определить семантическое различие между `resolved` (check-conditions) и `active` (check-relevance) — если различие легитимно, задокументировать; если нет — устранить дублирование | оба скрипта | **HIGH** |
-| 3 | Добавить в REPORT-002 корригирующую запись с исправленной атрибуцией | документация | **MEDIUM** |
-| 4 | Добавить в пайплайн assertion: если `check-conditions=conditions_ok`, а `check-relevance=irrelevant`, логировать явное предупреждение о противоречии | `PipelineRunner` | **MEDIUM** |
-
----
-
-## За пределами скоупа
-
-Общий прогресс PLAN-001 (остальные 4 тикета итерации) не верифицировался — задача ограничена атрибуцией QA-001.
-
----RESULT---
-status: has_gaps
-report_id: REPORT-002
-gaps: "Ошибочная атрибуция root cause QA-001: REPORT-002 указывает check-conditions.js, лог подтверждает check-relevance.js (decision=irrelevant, reason=dependencies_inactive). Обнаружено противоречие зависимостей между стейджами, требует исследования check-relevance.js."
----RESULT---

package/src/skills/analyze-report/tests/cases/TC-ANALYZE-REPORT-001/current/claude-sonnet/trial-3.md

@@ -1,99 +0,0 @@
-## Анализ прогресса PLAN-001 — Верификация атрибуции QA-001
-
-**Дата:** 2026-04-25
-**Тикет:** ANL (PROGRESS)
-**Источник:** REPORT-002-incorrect-attribution.md + pipeline-2026-04-06_qa-001-skip.log
-
----
-
-## Executive Summary
-
-Предыдущий отчёт REPORT-002 содержит **некорректную атрибуцию root cause** для пропущенного тикета QA-001. Лог пайплайна однозначно показывает: `check-conditions.js` вернул `conditions_ok` (условия выполнены), а решение о skip принял стейдж `check-relevance` (`decision=irrelevant`, `reason=dependencies_inactive`). Рекомендации из REPORT-002, направленные на исправление `check-conditions.js`, не адресуют реальную проблему. Дополнительно выявлено противоречие в данных между двумя стейджами: `check-conditions` сообщает `dependencies.resolved: true`, а `check-relevance` — `dependencies.status: inactive`.
-
----
-
-## Верификация findings по логу
-
-### Трассировка пайплайна QA-001
-
-| Step | Stage | Компонент | Результат | Верифицировано |
-|------|-------|-----------|-----------|----------------|
-| 312 | `pick-next-task` | `script-pick` | QA-001 выбран, status=ready | ✓ |
-| 313 | `check-conditions` | `check-conditions.js` | **conditions_ok** (все условия выполнены) | ✓ |
-| 314 | `check-relevance` | `check-relevance.js` | **irrelevant**, reason=dependencies_inactive | ✓ — решение о skip здесь |
-| 315 | `skip-ticket` | `script-skip` | QA-001 → skipped/, reason из check-relevance | ✓ |
-
-### Детальный анализ стейджа check-conditions (Step 313)
-
-```
-dependencies.resolved: true   ← зависимости РАЗРЕШЕНЫ
-prerequisites.met: true       ← пресквизиты ВЫПОЛНЕНЫ
-blocking_tickets: []          ← блокеров НЕТ
-Result: conditions_ok         ← стейдж ПРОПУСТИЛ тикет дальше
-```
-
-`check-conditions.js` отработал корректно и не принимал решения о skip. `[HIGH]`
-
-### Детальный анализ стейджа check-relevance (Step 314)
-
-```
-dependencies.status: inactive        ← зависимости НЕАКТИВНЫ
-decision: irrelevant                 ← тикет признан нерелевантным
-reason: dependencies_inactive        ← причина — неактивные зависимости
-COMPLETE status="irrelevant"         ← статус передан в skip-ticket
-```
-
-Именно `check-relevance.js` принял решение о нерелевантности и инициировал skip. `[HIGH]`
-
----
-
-## Корректная атрибуция root cause
-
-| Атрибут | REPORT-002 (некорректно) | Фактически (по логу) |
-|---------|--------------------------|----------------------|
-| **Компонент** | `check-conditions.js` | `check-relevance.js` |
-| **Причина** | «неверно определил условия запуска» | `dependencies.status: inactive` → `decision=irrelevant` |
-| **Результат компонента** | (не указан) | `status="irrelevant"` → передано в `skip-ticket` |
-| **Инициатор skip** | `check-conditions.js` | `skip-ticket` по результату `check-relevance` |
-
----
-
-## Дополнительный finding: противоречие между стейджами
-
-**`[HIGH]`** Обнаружено противоречие в данных:
-
-- `check-conditions.js` (Step 313): `dependencies.resolved: true`
-- `check-relevance.js` (Step 314): `dependencies.status: inactive`
-
-Два стейджа получили **взаимоисключающие результаты** по зависимостям одного тикета QA-001 в рамках одной итерации пайплайна. Возможные причины:
-
-1. Стейджи используют **разные источники данных** или разные поля для оценки зависимостей
-2. **Семантическое расхождение**: `resolved` (зависимости определены/найдены) vs `inactive` (зависимости не активны/не выполнены)
-3. Ошибка в одном из скриптов при чтении состояния зависимостей
-
-Это противоречие само по себе является самостоятельной проблемой, независимо от вопроса атрибуции skip.
-
----
-
-## Рекомендации
-
-| # | Действие | Приоритет | Ожидаемый результат |
-|---|----------|-----------|---------------------|
-| 1 | Исправить root cause в REPORT-002: заменить `check-conditions.js` → `check-relevance.js`, скорректировать описание и рекомендации | **CRITICAL** | Отчёт содержит корректные данные; команда не тратит время на исправление не того компонента |
-| 2 | Расследовать логику `check-relevance.js`: почему `dependencies.status=inactive` при `dependencies.resolved=true` из предыдущего стейджа | **HIGH** | Устранение реальной причины skip QA-001; понимание, действительно ли тикет был нерелевантен |
-| 3 | Уточнить семантику полей `dependencies.resolved` и `dependencies.status` в документации пайплайна: разные ли это концепции или дублирующиеся проверки | **HIGH** | Предотвращение будущих противоречий и некорректных атрибуций |
-| 4 | Добавить в пайплайн cross-validation: если `check-conditions` возвращает `conditions_ok`, а `check-relevance` возвращает `irrelevant` по зависимостям — логировать предупреждение | **MEDIUM** | Ранняя детектируемость аналогичных расхождений в будущем |
-
----
-
-## За пределами скоупа
-
-Остальные 4 тикета итерации (упомянуты в REPORT-002 без деталей) в данный анализ не включены — исходные данные по ним отсутствуют.
-
----
-
----RESULT---
-status: has_gaps
-report_id: REPORT-002
-gaps: "Некорректная атрибуция root cause QA-001 (check-conditions.js вместо check-relevance.js); обнаружено противоречие между стейджами (dependencies.resolved=true vs dependencies.status=inactive) — требует расследования check-relevance.js и пересмотра рекомендаций отчёта."
----RESULT---

package/src/skills/analyze-report/tests/cases/TC-ANALYZE-REPORT-001/current/judge.json

@@ -1,163 +0,0 @@
-{
-  "per_model": {
-    "claude-sonnet": {
-      "pass_count": 3,
-      "total": 3,
-      "trials": [
-        {
-          "trial": 1,
-          "score": 5,
-          "passed": true
-        },
-        {
-          "trial": 2,
-          "score": 5,
-          "passed": true
-        },
-        {
-          "trial": 3,
-          "score": 5,
-          "passed": true
-        }
-      ]
-    },
-    "kilo-glm": {
-      "pass_count": 3,
-      "total": 3,
-      "trials": [
-        {
-          "trial": 1,
-          "score": 5,
-          "passed": true
-        },
-        {
-          "trial": 2,
-          "score": 5,
-          "passed": true
-        },
-        {
-          "trial": 3,
-          "score": 5,
-          "passed": true
-        }
-      ]
-    },
-    "kilo-minimax": {
-      "pass_count": 3,
-      "total": 3,
-      "trials": [
-        {
-          "trial": 1,
-          "score": 5,
-          "passed": true
-        },
-        {
-          "trial": 2,
-          "score": 4,
-          "passed": true
-        },
-        {
-          "trial": 3,
-          "score": 5,
-          "passed": true
-        }
-      ]
-    },
-    "kilo-deepseek": {
-      "pass_count": 3,
-      "total": 3,
-      "trials": [
-        {
-          "trial": 1,
-          "score": 5,
-          "passed": true
-        },
-        {
-          "trial": 2,
-          "score": 5,
-          "passed": true
-        },
-        {
-          "trial": 3,
-          "score": 5,
-          "passed": true
-        }
-      ]
-    }
-  },
-  "rubric_scores": [
-    {
-      "agentId": "kilo-deepseek",
-      "trial": 1,
-      "score": 5,
-      "errored": false
-    },
-    {
-      "agentId": "kilo-deepseek",
-      "trial": 2,
-      "score": 5,
-      "errored": false
-    },
-    {
-      "agentId": "kilo-deepseek",
-      "trial": 3,
-      "score": 5,
-      "errored": false
-    },
-    {
-      "agentId": "kilo-glm",
-      "trial": 1,
-      "score": 5,
-      "errored": false
-    },
-    {
-      "agentId": "kilo-glm",
-      "trial": 2,
-      "score": 5,
-      "errored": false
-    },
-    {
-      "agentId": "kilo-glm",
-      "trial": 3,
-      "score": 5,
-      "errored": false
-    },
-    {
-      "agentId": "kilo-minimax",
-      "trial": 1,
-      "score": 5,
-      "errored": false
-    },
-    {
-      "agentId": "kilo-minimax",
-      "trial": 2,
-      "score": 4,
-      "errored": false
-    },
-    {
-      "agentId": "kilo-minimax",
-      "trial": 3,
-      "score": 5,
-      "errored": false
-    },
-    {
-      "agentId": "claude-sonnet",
-      "trial": 1,
-      "score": 5,
-      "errored": false
-    },
-    {
-      "agentId": "claude-sonnet",
-      "trial": 2,
-      "score": 5,
-      "errored": false
-    },
-    {
-      "agentId": "claude-sonnet",
-      "trial": 3,
-      "score": 5,
-      "errored": false
-    }
-  ],
-  "timestamp": "2026-04-25T10:23:46.985Z"
-}