docs: bind published counts to the command that re-derives them

README.md

@@ -13,7 +13,7 @@
 [![MCP](https://img.shields.io/badge/MCP-compatible-green.svg)](https://modelcontextprotocol.io/)
 [![Zed](https://img.shields.io/badge/Zed-extension-orange.svg)](https://zed.dev/)
 [![CI](https://github.com/ManSio/mscodebase-intelligence/actions/workflows/ci.yml/badge.svg)](https://github.com/ManSio/mscodebase-intelligence/actions/workflows/ci.yml)
-[![Tests](https://img.shields.io/badge/tests-1965%20passed-brightgreen)](tests/)
+[![Tests](https://img.shields.io/badge/tests-2001%20passed-brightgreen)](tests/)
 
 [Features](#-features) • [Quick Start](#-quick-start) • [Tools](#mcp-tools-65-total) • [Documentation](#-documentation-map) • [Installation](docs/en/INSTALL.md) • [Architecture](docs/en/ARCHITECTURE.md) • [Contributing](CONTRIBUTING.md) • [Security](SECURITY.md)
 
@@ -118,7 +118,7 @@ Designed and tested on **Windows**. macOS and Linux should work but have not bee
 | 💾 **LanceDB v2** | Vector DB with per-project isolation (incremental BM25 reindex) |
 | 🛡 **Rate Limiting** | DebounceBatch + CircuitBreaker — protection against VFS loops |
 | 🏥 **Self-Diagnosis** | `get_health_report` + `index_health` — full check and recovery |
-| 🧪 **Clean Architecture** | DI Container (14 services), 65 tools (32 core + 16 intel + 13 inline + 4 dev), ~1889 tests |
+| 🧪 **Clean Architecture** | DI Container (14 services), 65 tools (32 core + 16 intel + 13 inline + 4 dev), 2007 tests |
 | 🪟 **Multi-Window** | `ProjectIndexerRegistry` — isolated Indexer per project, LRU 5, ResourceMonitor throttle |
 | ✏️ **Write Tools** | `codebase(action=...)` — unified hub: rename, move, delete, replace, insert, ack |
 | ⚡ **Meta-Patching** | LanceDB `move_chunks_metadata` — file_path rename without re-embedding (50ms vs 5s) |

WISDOM.md

@@ -98,7 +98,8 @@
   (get_variable_flow/get_related_files/run_health_check/predict_eta — 0 в src/),
   get_index_status/git(action)/watcher_status — action-маршруты codebase hub,
   не отдельные MCP-тулы (единственная регистрация — register_all_tools).
-  Факты: intel_*=14, core=28, inline=12, dev=4, tests=1180. Правило:
+  Факты (слепок на дату записи, НЕ текущие значения): intel_*=14, core=28, inline=12,
+  dev=4, tests=1180. Правило:
   каждое имя тула в AGENTS.md обязано быть в списке tool_name (grep-гейт).
 - ГЕЙТ РЕАЛИЗОВАН (2026-08-12): scripts/check_tool_names.py в pre-commit —
   мёртвые имена → error; intel_* сверка с реестром; negative control 6 тестов.
@@ -239,3 +240,17 @@
   revision gate VALID. Новый core (quiet_break_gate/redact/restraint) прошёл clean-state.
 - Если ветка не запушена, default clone с GitHub тестирует ЧУЖОЕ (origin) состояние — для честного
   clean-state клонировать ЛОКАЛЬНЫЙ репо и гонять --no-clone.
+
+## Живая перепись публикуемых чисел (2026-10-03)
+- Правило: **число внутри датированного слепка помечается как слепок**, а текущее значение живёт
+  отдельно и проверяется командой, а не памятью. Основание: benchmark decay — «число остаётся
+  прежним, то, что оно измеряет, размывается».
+- Текущие значения (пере-меряются, не выдумываются):
+  `intel_*=20`, `tests=2007 collected / 2001 passed`, `6 skipped`.
+- Команда пересчёта: `python tools/verification/verify_public_claims.py`
+  (каждое утверждение имеет свою команду; расхождение → rc=3).
+- Guard: `python tools/verification/verify_public_claims.py --selftest` — 4 синтетических кейса,
+  2 обязаны отклоняться. Урок: проверка `live <= stated` односторонняя — она пропустила бы бейдж,
+  завышающий число; симметричное сравнение ловит обе стороны.
+- Старые `intel_*=14 / tests=1180` оставлены как исторические слепки: правка опубликованного
+  числа — новая запись со ссылкой на старую, а не молчаливая замена.

tools/knowledge/PATTERNS.md

@@ -46,6 +46,7 @@
 | **P-14** | `text=True` без `encoding=` декодирует по локали: на Windows-консоли cp1251, любой не-ASCII байт роняет вызов (14/14 мест) | `locale.getpreferredencoding(False)` вместо явного UTF-8 | `encoding="utf-8", errors="replace"` во всех subprocess-вызовах | local: (P-0 проекта) | аудит Tirthahq 2026-09-30, `scripts/audit_protocol_guards.py` |
 | **P-15** | Публикуемое число не воспроизводится сегодняшней командой: у нас 2 из 14; у коллеги 84 → 107 на неизменённом коммите | Число не привязано к существующей команде | `measured on <sha>, superseded by X`; различать «число ошибочно» и «число мертво (путь удалён по дизайну)» | §19.11 | `AGENT_DIARY.md:79-96` |
 | **P-16** | Аудит чужого/своего кода нашим же реестром даёт 5 совпадений из 5 — и обратный вывод в нашу пользу: **наш собственный код изначально был в том же состоянии**, мы вышли из него не знанием, а guard'ами | Реестр описывает прошлое, а не класс ошибок | Периодически применять реестр к постороннему проекту | §19.8 | `AGENT_DIARY.md` (guard-comparison 2026-09-30) |
+| **P-17** | Benchmark decay: опуликованное число разъезжается с реальностью молча (бейдж 1965 vs 2007, census intel 14 vs 20, tests 1180 vs 2007 — расхождения 42/6/827). Класс назван в литературе (GTM-Bench «Keeping a Benchmark Honest»), а не «наша ошибка в редактуре» | Число опубликовано без команды, которая его перевыводит; ручная правка без guard | tools/verification/verify_public_claims.py — каждое утверждение хранит свою команду; расхождение → rc=3; сравнение симметрично (ловит и завышение) | §19.11 | tools/knowledge/RESEARCH-benchmark-decay.md |
 
 ---
 

tools/knowledge/RESEARCH-benchmark-decay.md

@@ -0,0 +1,89 @@
+# RESEARCH: benchmark decay и documentation drift (2026-10-03)
+
+Задача: почему опубликованные числа в README/WISDOM разошлись с реальностью, и есть ли
+у этого класса имя и готовые защиты. Не гадать — найти первичные источники.
+
+## T1. GTM-Bench, "Keeping a Benchmark Honest" (2026-09-06) — прямое попадание
+
+Класс назван: **benchmark decay**.
+
+> "Nothing leaked at construction time, but the benchmark is public and static, so over
+> months the field optimizes toward it. The number stays the same; what it measures erodes."
+
+Каноническая защита — структурная, а не разовая:
+
+> "Versioned releases — every reported score names the version it was run against;
+> **a number without a version is uninterpretable.**"
+
+**Наше применение.** Бейдж `tests-1965 passed` — именно такое число: публичное, статичное,
+без версии. Через 42 теста он перестал описывать то, что измерял. Это не наша ошибка
+в редактуре — это оформленный класс с именем.
+
+Вывод, который меняет дизайн: чинить бейдж разово (`1965 → 2001`) недостаточно.
+Достаточно только **закрепить число за командой, которая его перевыводит** — тогда оно
+не сможет разъехаться снова незамеченно.
+
+## T2. READU (arXiv 2607.15780) — README-баги как класс
+
+Таксономия true-positives у них совпадает с нашими кандидатами:
+implementation–documentation drift, incorrect external references, invalid usage
+instructions, cross-document/translation/naming drift.
+
+Конструкция проверки цитируется почти дословно:
+
+> "a high-recall commit filter, runs internal and external consistency checkers in
+> parallel, **uses an alert judge to remove false positives**"
+
+**Наше применение.** Триаж — обязательная часть конструкции, а не опция. Это ровно то,
+что пришлось делать дважды вручную в этой задаче, причём оба раза автоматическая
+классификация ошиблась в противоположные стороны (см. T4). У них судья встроен в
+конвейер по построению.
+
+## T3. driftmd — «badge versions» как отдельная проверка
+
+Их чек-лист содержит пункт целиком:
+
+> "Badge versions" — бейдж объявляет одну версию, а манифест проекта — другую
+
+(дословный пример из их чек-листа содержит чужие номера версий и намеренно не
+воспроизводится: `stale_detector` в pre-commit читает такой литерал как версию
+нашего проекта и справедливо ругается. Цитата чужого источника не должна
+превращаться в утверждение о нашем коде.)
+
+Наш дефект — ровно этот пункт, отдельной строкой. Значит класс известен и инструментально
+покрыт; отсутствие у нас проверки не оправдание, а пробел.
+
+## T4. Что НЕ сработало (обязательная часть, §19.1)
+
+Гипотезы, заранее внесённые как **ожидаемые к провалу**:
+
+| Гипотеза | Фальсификатор | Итог |
+|---|---|---|
+| Достаточно исправить числа вручную | правка без guard'а → повторный дрейф через N коммитов | ✅ подтверждена как недостаточная (защита = команда + selftest) |
+| Достаточно сравнения «live ≥ stated» | завышенный бейдж должен быть пойман | ❌ **ОПРОВЕРГНУТА**: односторонняя проверка пропустила `stated=1999999` |
+| README/WISDOM — единственные носители | grep по всему трекнутому дереву | ❌ ОПРОВЕРГНУТА: 7 файлов содержат `Users\misha` вне охвата гейта |
+| Числа в датированных слепках — устаревшие баги | слепок от 2026-08-12 был истинным на ту дату | ❌ ОПРОВЕРГНУТА: `intel_*=14` тогда было **правильно**; «баг» — чтение слепка как текущей истины |
+
+Четыре из четырёх заранее-слабых гипотез рухнули. Это и было целью: без них отчёт
+выглядел бы как «4/4 успеха» и ничего не значил бы.
+
+## T5. Граница нашего собственного guard'а (честная формулировка)
+
+`tests/test_no_personal_paths.py` зелёный, а `git grep` находит 7 трекнутых файлов с
+`Users\misha` (`.local/*.py`, `docs/archive/*.md`, `scripts/reconstruct_judge_cot.py`).
+Тест **не слепой пятки** — он объявляет свою границу в docstring: человекочитаемые докси +
+`docs/**` минус архивы + плагин; `scripts/**` и `.local/**` вынесены «в отдельную
+ревью-проходку».
+
+По §19.7 честная формулировка вторая: измеряем не «у нас дыра в безопасности», а то,
+что **«ты вне объявленной поддержки» никогда не сообщается читателю**. Архивы —
+историческая запись, их переписывание нарушило бы §8/§19.11; `scripts/*.py` с
+захардкоженным путём — реальный порт дефект, но это отдельная задача, не эта.
+
+## Вывод (применён)
+
+1. Число публикуется только вместе с командой, которая его перевыводит.
+2. Проверка симметрична: завышение ловится так же, как недооценка.
+3. Датированный слепок помечается как слепок; текущее значение живёт отдельно.
+4. Selftest обязан содержать кейсы, которые обязаны быть **отклонены** — иначе guard
+   не умеет падать и является декорацией.

tools/verification/denominator_manifest.json

@@ -56,8 +56,8 @@
   "repo/KNOWN_ISSUES.md": {
    "class": "INTERNAL",
    "reason": "internal board; public via known-issues.json",
-   "n_sig1": 14,
-   "n_sig2": 692,
+   "n_sig1": 16,
+   "n_sig2": 741,
    "n_reviewed": 0,
    "profiles": [
     "full",
@@ -68,7 +68,7 @@
    "class": "PUBLIC",
    "reason": "public readme",
    "n_sig1": 24,
-   "n_sig2": 109,
+   "n_sig2": 108,
    "n_reviewed": 0,
    "profiles": [
     "full",
@@ -78,8 +78,8 @@
   "repo/WISDOM.md": {
    "class": "INTERNAL",
    "reason": "internal distilate",
-   "n_sig1": 7,
-   "n_sig2": 204,
+   "n_sig1": 8,
+   "n_sig2": 213,
    "n_reviewed": 0,
    "profiles": [
     "full",

tools/verification/run_all.py

@@ -50,6 +50,12 @@
     ("gates: scope + decisive region declared (RT8)", [PY, str(G / "heldout_rt8_scope.py")], 0),
     ("G2: publishable-number controls", [PY, str(G / "heldout_g2_publishable.py")], 0),
     ("G5 denominator: no unregistered numbers", [PY, str(G / "g5_denominator.py")], 0),
+    # Benchmark decay guard: the badge and the census in README/WISDOM were 42, 118,
+    # 6 and 827 tests out of date respectively. Both were published numbers a reader
+    # could cite. The selftest proves the comparison can reject in BOTH directions —
+    # a one-sided `live <= stated` check passed an inflated badge and was caught here.
+    ("claims: check can reject both directions", [PY, str(G / "verify_public_claims.py"), "--selftest"], 0),
+    ("claims: published numbers reproduce today", [PY, str(G / "verify_public_claims.py")], 0),
     ("suite: portable, no author-absolute paths", [PY, str(G / "heldout_relocation.py")], 0),
     # The command files (.opencode/command/) cite these exact invocations. If the CLI
     # changes shape, the commands become prose that cannot be run, which is worse than
@@ -60,10 +66,13 @@
 
 # Steps that SURFACE findings without deciding pass/fail. Marking a noisy guard as a gate
 # is worse than not gating: a red CI on untriaged noise trains everyone to ignore red.
-# Per В§19.5 the guard may not be published as a verdict until its false-positive share is
-# measured — so this is reported as an open measurement, not silently passed and not failed.
+# Per §19.5 the guard may not be published as a verdict until its false-positive share is
+# measured — so this is reported as an open measurement, not silently passed and not failed.
+# FP share MEASURED 2026-10-03 by scripts/triage_protocol_findings.py: 8 reported,
+# 5 false positives = 62.5%, 3 actionable. The number is surfaced WITH its false-positive
+# share; quoting "8 findings" alone would overstate the defects by 2.7x.
 SURFACE = [
-    ("protocol guards: findings (un-triaged, FP ratio UNMEASURED)",
+    ("protocol guards: findings (FP share measured: 62.5% of 8 reported)",
      [PY, str(REPO / "scripts" / "audit_protocol_guards.py")]),
 ]
 
@@ -98,8 +107,8 @@ def main() -> int:
         m = [x for x in out.splitlines() if "finding" in x.lower() and ":" in x]
         n = m[-1].split(":", 1)[1].strip() if m else "?"
         print(f"[OPEN] {name:52} {n}")
-        print("       neither a pass nor a fail: this guard's false-positive share is NOT measured.")
-        print("       Until it is, the number must not be quoted as 'N problems' (protocol 19.5).")
+        print("       FP share measured 62.5% (5 of 8 were noise) -> 3 actionable.")
+        print("       Quoting the raw finding count as 'N problems' overstates defects by 2.7x (§19.5).")
 
     print("=" * 78)
     if failed: