docs: KNOWN_ISSUES dedup (379->240) + Bootstrap external review + E11/E14 harness

AGENT_DIARY.md

@@ -1,5 +1,6 @@
 ## Key Historical Decisions
 
+- **Resume-инкрементальная запись IndexProjectRunner (2026-09-20, 0fcb0f33):** run() копил все эмбеддинги и писал одним bulk_write в конце — краш на 330K чанков (~9ч) терял всё. Теперь файл пишется порциями (WRITE_FLUSH_FILES=32) по завершению его чанков, RAM освобождается, restart = resume по known_hashes; `_verify_and_repair_table_integrity()` в начале run() (INC-6C62); `_flat_indices_by_file` (O(1) сбор vecs); fallback per-file сохранён. Тесты test_index_resume_incremental.py (6). Red Team 5/5.
 - **Умный ubatch по ролям (2026-09-20):** вместо одного `LLAMA_UBATCH_SIZE=2048` для обеих ролей — `resolve_ubatch(role)`: embed → ceil(480/128)*128=**512**, rerank → ceil(1000/128)*128=**1024**. Основание: A/B на реальных 2227 чанках — ubatch=512 → 596 MB / 18.9 ch/s vs 2048 → 1686 MB / 16.1 ch/s. Раньше llama.cpp требовал «entire input ≤ ubatch» (#25293), для b9940 целый батч делится по слотам, лимит остался на ОДИН текст/пару → клиентский трим: embed обрезает до `LLAMA_EMBED_MAX_TOKENS=480` (единый источник с remote_embedder), rerank — `_truncate_rerank_pair` до `LLAMA_RERANK_MAX_TOKENS=1000`. `LLAMA_UBATCH_SIZE` env — жёсткий override. Файлы: `llama_install.py` (resolve_ubatch), `llama_runner.py` (_ubatch_arg, 3 места запуска), `multi_provider.py` (трим пары), `remote_embedder.py` (импорт лимита), тест `test_ubatch_roles.py`. Live-check: реальный llama-server принял ubatch=512, embeddings 200 dim=384.
 
 - **PyPI-packaging + user-data isolation (2026-08-28):** wheel теперь содержит `tools.stale_detector`, `adapters`, `locales` (норм. данные в site-packages); бинарники/модели в pip-режиме — `get_data_root()` (`%LOCALAPPDATA%\mscodebase`), гейт-маркер `__mscodebase_ext__.marker` отличает расширение от установленного пакета; CLI `--project-path/--project-dir` → env `MSCODEBASE_PROJECT_PATH` (приоритет НАД CWD, trust_self_index); `PROJECT_PATH` остался после CWD (multi-window сохранён). Live-Smoke из чистого venv: tools-ok, `en (78 ключей)`, корень резолвится. Файлы: `pyproject.toml`, `project_resolution.py`, `main.py`, `llama_install.py`. INC-C4CD.

ISSUE.md

@@ -650,3 +650,24 @@
 
 ### Порядок выполнения (рекомендация)
 1. KI-R11 → KI-R7 → KI-R8. Потом KI-R1→R6 по плану.
+
+---
+
+## Bootstrap Pipeline — внешний обзор (2026-09-20)
+
+> Источник: внешний обзор (через community-memory). Числа и утверждения НЕ проверялись — только описание подхода.
+> **Статус:** research-отзыв, без кода.
+
+### Что подтверждено
+1. **Динамическая связка test→code — стандартный приём.** pytest-testmon и coverage.py делают то же же (сбор зависимостей тест↔код через coverage). Вывод Exp 7 «динамика лучше статики» совпадает с наукой: статика включает лишние вспомогательные методы, динамические трассы — нет. Exp 9 (статика как fallback/pre-filter) разумна.
+2. **Ниша TESTS-ребра для LLM-контекста незанята.** PyPI Chisel (LLM-агенты, граф тестов + git + статика), gograph `untested` (Go) — аналогичные задачи, но без динамических рёбер. Наше отличие — динамический источник, но точность нужно сравнить.
+3. **«Исполнено» ≠ «тестируется».** В среднем 10 функций на тест, макс 118. Наука: точность растёт с признаками (имя теста, последний вызов перед assert). TCTracer (динамика+статика) дал MAP ~85 на связи test↔function. Наш Tarantula (rank≤3 только 22.6%) — та же проблема.
+
+### Что стоит упростить
+- Плагин повторяет coverage.py с контекстами. sys.monitoring пока не поддерживает динамические контексты; в одном отчёте контексты по тестам удвоили CI на Django. Наши +13.6% на этом фоне неплохи.
+- Поверхность инструментов: из 62 использовались 5 (exp-24). Codebase-Memory (14 инструментов) достигает 90% качества разведки файлов с в разы меньшим числом токенов/вызовов. Перемудрена скорее поверхность, чем трассировка.
+
+### Три шага для проверки
+1. Запустить pytest-testmon или coverage на тех же 5 проектах, сравнить связи с ours.
+2. Добавить ранг «что именно тестируется» (имя теста + последний вызов перед assert).
+3. Разметить вручную 20–30 тестов, посчитать точность.