Согласовать запуск, оценку качества и проверку выпуска

[Ev0lv3nta]

Проблема

Установка, CLI и проверка выпуска использовали несколько расходящихся сценариев. Метрики могли смешивать самопроверку модели с независимой оценкой, а интерфейс не показывал результат исполнения на входных данных.

Решение

• Один профиль local для native, CLI и контейнера, явная установка модели, понятный doctor без скрытых прогонов. Старые дублирующие gate/VRAM-скрипты удалены.
• CLI читает запрос/контекст из файла или stdin, сохраняет контракт продолжения и поддерживает структурированный выбор источника. UI показывает реальный результат, объём проверки и корректно начинает новую сессию.
• Public v2: 16 преобразований, 2 уточнения и 2 отказа. Независимые fixtures не передаются модели; один полученный код выполняется на всех входах. Не выполненные измерения не превращаются в успешные.
• Один ограниченный живой gate: preflight, CPU, public, короткая stability и отчёт без приватных адресов. Исторический failed holdout не скрыт и не выдаётся за текущую проверку.
• Package smoke устанавливает wheel вне checkout. Container smoke проверяет реальную Lua, non-root запуск и сохранение сессии после пересоздания контейнера с тем же томом.
• README и документация описывают действующие команды, ограничения и отсутствие нового подтверждённого quality score.

Проверка

Локально: Ruff, format, strict mypy всего app, полный unit/integration CPU-набор, целостность eval, лицензии, сборка wheel/sdist и установка wheel в чистое окружение. В браузере проверены генерация, уточнение источника без текстового ответа, результат и новая сессия — с тестовым backend и настоящей Lua.

Linux Python 3.11/3.12, контейнер и dependency/security checks выполняются CI этого PR.

Риски и оставшаяся работа

Живой прогон новой модели ещё не выполнен. Требуются финальный GPU gate на чистом merged SHA и API/UI smoke с реальной моделью. Пороги не подстраиваются по результату прогона; релиз и тег пока не создаются. Reviewer той же модели — эвристика, ограниченный Lua runtime не является production sandbox.