К основному содержанию
скилл CX Codex

vstack-s4-calibrate-tv — скилл для Claude Code: калибровка трасс

Скилл vstack-s4-calibrate-tv для Claude Code калибрует модели поведения и сверяет их с реальными трассами. Он запускает этап S4: проверяет баги, исправления, их компоненты и свидетельства достижимости.

MIT ★ 89 обновлён 2026-11-16

Установить в Claude Code · Через маркетплейс плагинов Все способы и платформы ↓
/plugin marketplace add hao-ai-lab/vstack
/plugin install vstack@hao-ai-lab-vstack
Открыть на GitHub

Что делает vstack-s4-calibrate-tv

Скилл проверяет, что модель воспроизводит ожидаемое поведение бага, а исправление проходит заданные проверки. Он также оценивает, что происходит при удалении каждого компонента исправления, и проверяет парные свидетельства достижимости. Для работы нужны модели, конфигурации, исходные привязки и свидетельства, подготовленные на этапе S3.

На реальных трассах скилл разделяет данные наблюдений, инструментирования, завершения и безопасности, а расхождение NOT_CONSUMED разбирает в точке первого отклонения. Затем он классифицирует контрпримеры чистой базовой версии и требует согласия с повторными запусками координатора. Тайм-аут, неизвестный результат, пустое исследование и нулевое обязательное покрытие не считаются успешной проверкой. Ошибку свойства возвращают в S2, а слишком узкую или широкую модель — в S3.

Какие задачи решает

  • проверить, воспроизводит ли модель ожидаемый баг
  • сверить исправление и его компоненты с проверками
  • найти первое расхождение между моделью и реальной трассой
  • разнести контрпримеры по категориям и отметить неподтверждённые случаи

Примеры запросов агенту

  • Выполни этап S4 для моделей, конфигураций и свидетельств из S3.
  • Проверь реальные трассы по чек-листу согласованности и классифицируй контрпримеры.
  • Разбери первый NOT_CONSUMED и подготовь откат с хешем трассы, индексом события и исходной привязкой.

Как установить vstack-s4-calibrate-tv

1Через маркетплейс плагинов

/plugin marketplace add hao-ai-lab/vstack
/plugin install vstack@hao-ai-lab-vstack

Команда ставит плагин vstack целиком, со всеми его скиллами

2Через Skills CLI (Vercel)

npx skills add hao-ai-lab/vstack --skill vstack-s4-calibrate-tv -a claude-code

3Вручную: положить файлы

~/.claude/skills/vstack-s4-calibrate-tv/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/vstack-s4-calibrate-tv/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о vstack-s4-calibrate-tv

Как установить vstack-s4-calibrate-tv в Claude Code?

Добавь маркетплейс командой /plugin marketplace add hao-ai-lab/vstack, затем установи скилл командой /plugin install vstack@hao-ai-lab-vstack.

Что делает vstack-s4-calibrate-tv?

Скилл калибрует модели поведения, проверяет исправления и сопоставляет результаты моделей с реальными трассами. Он также классифицирует расхождения и контрпримеры.

Какие материалы нужны для этапа S4?

Нужны модели, конфигурации, исходные привязки и свидетельства с этапа S3. Для проверки согласованности используются реальные трассы.

Исходный текст

SKILL.md · MIT
---
name: vstack-s4-calibrate-tv
description: "Calibrate buggy/fixed/ablated behaviors and validate model conformance using real traces, witnesses and explicit mismatch triage."
---

# S4 — Calibrate and align traces

Read [Layer 0: shared operating rules](../../docs/layer-0.md), this stage and the assigned input bundle.

## Role and write scope

Model and trace workers own distinct outputs; the coordinator consolidates the checklist and independently reruns representatives.

## 1. Input

Models, configurations, source anchors and witnesses from S3.

## 2. Procedure

1. Timestamp predictions. Run four calibration checks: the historical bug violates the expected property by the expected mechanism; the fix completes within bounds; removing each repair component causes a violation; reachability witnesses are reached and their negations fail. Aggregated over the frozen denominator `I_U`, these results give the numerators `Cov_expr` and `Cov_emergent` of the [adequacy readout](../../docs/model-adequacy.md#numerators).
2. Repeat two-sided contract calibration at the minimum scale and one increment above it. A component outside the abstraction is unverified, not a pass.
3. Apply [trace-conformance checklist](../../docs/trace-validation.md) to real traces. Keep observation, instrumentation, completion and safety evidence separate. Report [readout 1](../../docs/model-adequacy.md#readout-1-trace-and-baseline-agreement): `TAR` with its negative-mutant rejection rate, or `TAR = N/A (no trace harness)`, and clean-baseline counterexamples as `Confirmed Bug`, `Model Defect` and `Unjudged (pending repro)` counts.
4. Classify every NOT_CONSUMED at the first divergence; never edit a trace to make it count as accepted.
5. Review every run with [the seven questions](../../docs/run-review.md).

## 3. Exit checks

- Check expected verdicts and mechanisms for the bug, fix, repair ablations and paired witnesses. Generic mechanism and action-coverage automation is missing.
- Supply evidence and state covered and untested scope for every trace checklist item.
- Require agreement with the coordinator's clean reruns. Timeout, unknown, empty exploration and zero required coverage cannot pass.
- Complete S4 even when an S7 proof is planned.

## 4. Rollback

Return a wrong property to S2 and an overly narrow or broad model to S3. Repair instrumentation errors and record new traces within S4. Send real code failures to S6. Carry the trace hash, event index and source anchor. Use [a rollback ticket](../../templates/rollback.md).

## Concrete Examples

A PD slot model can pass its configured safety checks while rejecting a real slot-reuse trace. Diagnose the first divergence before using that model to justify a repair.

© Hao AI Lab · MIT · hao-ai-lab/vstack

Похожие скиллы

Все скиллы по теме «Тесты и QA» →
amc-run-sample-calibration Shubham Agrawal Скилл amc-run-sample-calibration для Claude Code запускает калибровку на тестовом архиве синтетических камер склада и проверяет развёрнутый микросервис AutoMagicCalib. CX Codex +1 647установок simulation-calibrator davila7 Команда simulation-calibrator для Claude Code помогает проверять точность симуляций, находить смещения и планировать улучшения. Принимает тип модели или флаги --business, --technical, --behavioral, --strategic. CX Codex +1 150установок OpenSysML MCP server Open-MBEE MCP-сервер OpenSysML MCP server для Claude Code диагностирует и редактирует SysML v2 и KerML, а также запускает модели и REPL-сессии. CX Codex +1 ★ 64звёзд репо adk-debugger botpress Скилл adk-debugger для Claude Code помогает выяснить, почему ADK-агент отвечает неверно, зависает или не проходит сборку. Разбирает логи и трассировки, а также ведёт по шагам проверки после исправления. CX Codex +1 1 700установок agent-observability-eval-bootstrap datadog-labs Скилл agent-observability-eval-bootstrap генерирует эвалюаторы качества LLM по продакшен-трейсам Datadog. Создаёт черновики онлайн-судей, код на Python для тестов или датасеты. CX Codex +1 687установок agent-observability-session-classify datadog-labs Скилл agent-observability-session-classify оценивает удовлетворённость пользователя в трейсах и сессиях Datadog Agent Observability. Возвращает вердикт yes, partial или no с коротким пояснением. CX Codex +1 665установок

Из того же набора13

Весь набор →
vstack Плагин vstack для Claude Code помогает агентам формально проверять модели состояний и не ослаблять условия проверки. Запускает рабочий процесс для модуля и заданного свойства безопасности. ★ 89звёзд репо vstack-s1-select Скилл vstack-s1-select для Claude Code выбирает методы проверки и уровень гарантий для каждого свойства системы. Разбивает обязательства по свойствам, учитывая масштаб, владельца кода и последствия сбоя. CX Codex +1 ★ 89звёзд репо vstack-s6-hunt-fix Скилл vstack-s6-hunt-fix для Claude Code ищет баги в пределах проверенной трассами модели и помогает проверить исправления. Он разбирает контрпримеры и сверяет результат с реальным кодом. CX Codex +1 ★ 89звёзд репо vstack-s0-decompose Скилл vstack-s0-decompose для Claude Code строит карты управления, данных и границ системы, а затем собирает подтверждённые исторические ориентиры. Он включается на этапе анализа закреплённой версии исходников перед проверкой. CX Codex +1 ★ 89звёзд репо vstack-mode Скилл vstack-mode для Claude Code проводит проверку свойств конкурентного, распределённого и системного ПО. Запускает этапы от изучения исходников до доказательства и регрессионных проверок. CX Codex +1 ★ 89звёзд репо vstack-s2-spec Скилл vstack-s2-spec для Claude Code фиксирует проверяемые свойства системы и условия их проверки. Он включается при подготовке спецификации по утверждённому проекту S1 и матрице обязательств. CX Codex +1 ★ 89звёзд репо vstack-s5-redteam Скилл vstack-s5-redteam для Claude Code проверяет модель и её защитные ворота независимыми атаками. Включается на этапе S5, когда нужно найти слабые места в проверках и подтвердить их на реальном коде. CX Codex +1 ★ 89звёзд репо vstack-s8-package-maintain Скилл vstack-s8-package-maintain для Claude Code упаковывает проверенную область проекта в регрессионный сценарий из пяти шагов. Он подключается при подготовке проверок и их обновлении после изменений кода. CX Codex +1 ★ 89звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой