fix: use absolute path for sonar-scanner

.claude/hooks/.tool-counter

@@ -0,0 +1 @@
+19

.claude/sessions/latest.json

@@ -0,0 +1,16 @@
+{
+  "timestamp": "2026-03-24T18:22:41Z",
+  "branch": "main",
+  "phase": "unknown",
+  "modified_files": [
+  "RESEARCH-SDD-TOOLS.md"
+],
+  "staged_files": [],
+  "recent_commits": [
+  "0351a0f refactor: adjust agent model assignments based on role analysis",
+  "db5ba04 feat: expand agents (10), skills (20), and hooks (11) with profile system",
+  "cf86a91 docs: sync documentation with actual repo state; adapt for Gitea",
+  "6c644dd chore: remove .github templates (moved to Gitea)",
+  "ea21818 feat: add meta-skill create-skill for creating and improving skills"
+]
+}

.woodpecker.yml

@@ -64,8 +64,8 @@ steps:
       SONAR_TOKEN:
         from_secret: sonar_token
     commands:
-      - export PATH="/opt/sonar-scanner-6.2.1.4610-linux-x64/bin:$PATH"
+      - # sonar-scanner path set below
-      - sonar-scanner -Dsonar.token=$SONAR_TOKEN
+      - /opt/sonar-scanner-6.2.1.4610-linux-x64/bin/sonar-scanner -Dsonar.token=$SONAR_TOKEN
     depends_on: [lint, test]
 
   # Uncomment when deploy script is set up on VPS:

RESEARCH-SDD-TOOLS.md

@@ -228,3 +228,186 @@ Evolve skills based on patches (ai-factory aif-evolve)
 - Spec Kit README: https://github.com/github/spec-kit
 - AI Factory README: https://github.com/lee-to/ai-factory
 - AI Factory AGENTS.md: https://github.com/lee-to/ai-factory/blob/2.x/AGENTS.md
+
+
+
+
+Глубокий Research: SDD-инструменты и AI-assisted Development (март 2026)
+
+Ландшафт: что произошло с момента твоего исследования
+
+Твой RESEARCH-SDD-TOOLS.md от 2026-02-22 зафиксировал Spec Kit и AI Factory. За 2 недели ландшафт значительно расширился:
+
+Spec Kit вырос до 74.6K stars, 110+ релизов, поддерживает 22+ агентов. Но получил серьёзную критику:
+- CTO Scott Logic: "sea of markdown documents, long agent run-times and unexpected friction" — spec в 4x длиннее финального кода
+- Martin Fowler/Thoughtworks: "like using a sledgehammer to crack a nut" для мелких задач
+- Главная проблема: агенты не следуют инструкциям даже при больших контекстных окнах — "Just because context windows are larger doesn't mean AI will properly pick up on everything"
+
+AI Factory — v2.6.0 (5 марта 2026), 7 релизов за 15 дней. Очень активная разработка. Добавили extensions system, persist explore context (RESEARCH.md), docs policy checkpoint, incremental evolve, self-update.
+
+Новые игроки, которых нет в твоём research:
+
+┌─────────────────┬────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┬─────────────┐
+│   Инструмент    │                                                              Суть                                                              │   Статус    │
+├─────────────────┼────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┼─────────────┤
+│ AWS Kiro        │ Enterprise SDD с deep AWS интеграцией, 3 фазы (Specify→Plan→Execute), сильный brownfield support                               │ Production  │
+├─────────────────┼────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┼─────────────┤
+│ Tessl Framework │ Самый амбициозный — "spec-as-source", reverse-engineers specs из кода, Spec Registry с 10K+ библиотек против hallucination API │ Closed beta │
+├─────────────────┼────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┼─────────────┤
+│ BMAD Method     │ AI personas (Analyst, PM, Architect, Dev, QA), docs-as-code, epic sharding для context collapse                                │ V6 stable   │
+├─────────────────┼────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┼─────────────┤
+│ Qodo Rules      │ AI governance — auto-generates, enforces, measures coding standards как policy                                                 │ Production  │
+├─────────────────┼────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┼─────────────┤
+│ Beads (bd CLI)  │ Git-backed graph-oriented issue tracker как external memory для агентов                                                        │ Active      │
+├─────────────────┼────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┼─────────────┤
+│ Repomix         │ Пакует repo в single AI-friendly файл, MCP server mode, Tree-sitter compression                                                │ Mature      │
+└─────────────────┴────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┴─────────────┘
+
+  ---
+Ключевые паттерны индустрии (консенсус 2026)
+
+1. Constitution Files — универсальный стандарт
+
+Каждый инструмент теперь имеет "конституцию":
+- Spec Kit: memory/constitution.md — 9 Articles of Development (Library-First, Test-First, Simplicity Gate...)
+- Claude Code: CLAUDE.md — "as important as .gitignore"
+- Cursor: .cursor/rules/*.mdc с glob-scoped auto-attachment
+- Windsurf: .windsurfrules + автогенерируемые Memories
+- BMAD: PRD + Architecture docs как versioned constitutional assets
+
+У тебя: RULES.md + agents/ — это уже конституция, но без pre-implementation gates и phase gates.
+
+2. Deterministic Orchestration + Bounded Agents
+
+QuantumBlack (McKinsey) — ключевой инсайт: "Agents are good at generating content within a bounded problem; they struggle with meta-level decisions about workflow sequencing." Letting agents self-orchestrate
+fails at scale.
+
+Выигрывающая архитектура:
+Deterministic orchestration layer (pipeline, DAG)
+→ Agents generate content within bounded problems
+→ Two-layer quality gates:
+1. Deterministic checks (linters, tests, structural validation)
+2. Critic agent validates against definition of done
+
+Cursor's 1M-line browser (GPT-5.2): failed с equal-status agents, succeeded с hierarchy Planners → Workers → Judges.
+
+3. Iterative Loops — наука за ними
+
+Академические результаты подтверждают эффективность:
+- Reflexion (Shinn et al.): GPT-4 HumanEval 67% → 88% (+21pp) через self-reflection
+- Self-Refine (Madaan et al.): +5% to +40% improvement через FEEDBACK→REFINE loop
+- CYCLE: до 63.5% relative improvement, причём маленькая модель с refinement побеждает большую без
+
+Критический инсайт по stopping criteria: Secure Code Reflexion показал diminishing returns — Round 1: +6.00pp, Round 2: +1.66pp, Round 3: +1.03pp. Большая часть improvement в первой итерации.
+
+4. Quality Gates — двухслойная модель
+
+Индустриальный консенсус:
+1. Layer 1 (deterministic): linters, test suites, type checking, structural validation — быстро, reliable
+2. Layer 2 (critic agent): dedicated LLM validates output against definition of done — для judgment calls
+
+LLM-as-Judge: binary (pass/fail) или 3-point scales надёжнее 10-point scales. Strong judges: 80-90% agreement с humans. Multi-dimensional weighted rubrics работают для кода.
+
+Scoring biases: verbosity bias (длинный = лучше), self-preference bias, position bias. Mitigation: разные model families для generator и judge.
+
+5. Self-Improvement — работает, но дорого
+
+- Darwin Godel Machine (Sakana AI): SWE-bench 20% → 50% через self-modification. Но стоит ~$22K и 2 недели.
+- Roblox: PR acceptance rate 30% → 60% через structured human feedback + domain expert labeling.
+- AI Factory aif-evolve: practical approach — mandatory patches после каждого fix, cursor-based incremental processing, skill-context overlays.
+- Writer: RL from self-reflection с minimal catastrophic forgetting.
+
+Практичный подход: не self-modification кода агента, а structured memory из прошлых ошибок (patches → pattern extraction → skill improvement).
+
+6. Memory/Persistence — file-based побеждает
+
+Vercel's experiment: 8KB AGENTS.md = 100% pass rate на Next.js 16 eval suite (vs 79% для complex skills approach). Presence of AGENTS.md = 29% reduction в runtime, 17% reduction в output tokens.
+
+Letta benchmark: plain filesystem = 74% на memory tasks, beating specialized vector stores.
+
+Memory hierarchy (CPU cache analogy):
+- L1 (always loaded): CLAUDE.md / RULES.md — 2-10KB
+- L2 (on-demand): Skills, file references — progressive disclosure
+- L3 (session history): Conversation with compaction
+- L4 (external retrieval): RAG, codebase search
+
+7. Anti-Hallucination — 10-layer defence
+
+Layered defence model (от простого к сложному):
+1. Specification grounding (spec-first)
+2. RAG-based grounding (retrieve relevant code/docs)
+3. Confidence gates (100/100 or INSUFFICIENT INFORMATION)
+4. Chain-of-thought verification with citations
+5. Deterministic post-validation (linters, tests)
+6. Critic agent validation
+7. Cross-model QA
+8. Forced uncertainty markers ([NEEDS CLARIFICATION])
+9. Request classification (repo/doc/external-grounded)
+10. Spec Registry для external APIs
+
+Шокирующая находка: "Maximum Effective Context Window" (MECW) dramatically ниже рекламируемого. Hallucination rates at 2000+ tokens = до 99% для некоторых моделей. Less context, better structured > more
+context.
+
+8. Claude Code Ecosystem — best practices
+
+CLAUDE.md: target 50-100 lines, structure as WHAT/WHY/HOW, prefer pointers over copies, document what Claude gets wrong. Не используй для code style — linters дешевле и быстрее.
+
+Skills: limit to 20-30 high-quality (quality > quantity). Progressive disclosure: metadata ~100 tokens for scanning, full body <5K when triggered.
+
+Hooks: 12 lifecycle events, deterministic (always run). Key: PreToolUse для blocking, PostToolUse для auto-format/auto-commit.
+
+Context: start fresh sessions per task (#1 tip), manual /compact at max 50%, Claude Code uses 5.5x fewer tokens than Cursor.
+
+  ---
+Что это значит для твоего AI_template
+
+Сильные стороны (что ты уже сделал лучше многих)
+
+1. RULES.md — уже функционирует как конституция, чётко и лаконично
+2. 15 skills — хорошее покрытие lifecycle, правильная progressive disclosure архитектура
+3. 5 hooks — protect-files, bash-firewall, post-edit-format, audit-log, commit-docs-reminder
+4. 7 agent profiles — covers key domains
+5. Modular archetype system — 5 archetypes + mix & match modules
+
+Критические пробелы (приоритизированные по impact)
+
+P0 — Высший приоритет (фундамент):
+
+1. /specify skill — Structured spec creation с [NEEDS CLARIFICATION] markers (max 3), separation WHAT/WHY vs HOW, checklists as "unit tests for spec quality". Output: specs/[feature]/spec.md
+2. /plan skill — Technical plan с pre-implementation gates (Simplicity Gate, Anti-Abstraction Gate, Integration-First Gate). Output: specs/[feature]/plan.md + tasks.md
+3. Two-layer quality gate в /review skill — сейчас у тебя review как code review. Нужно усилить: Layer 1 (deterministic: run linters/tests/build) + Layer 2 (critic agent against spec/plan)
+
+P1 — Высокий приоритет (iterative quality):
+
+4. /loop skill — Reflex loop PRODUCE→EVALUATE→CRITIQUE→REFINE. Two-phase scoring (0.8/0.9). Stagnation detection (delta < 0.02). Persist state (run.json + history.jsonl) для resume после /clear. Max 3-5
+   iterations (research shows diminishing returns after round 1-2)
+5. /grounded skill — Confidence gate: classify request (repo/doc/external), mandatory verification for changeable facts, 100/100 or INSUFFICIENT INFORMATION. Strict output format.
+
+P2 — Средний приоритет (learning):
+
+6. /fix + patch system — Mandatory learning artifact после каждого bug fix в patches/YYYY-MM-DD-HH.mm.md. Problem, Root Cause, Solution, Prevention, Tags.
+7. /evolve skill — Cursor-based incremental processing patches → pattern extraction → skill-context overlays. Никогда не модифицирует base skills, только overlays.
+
+P3 — Улучшения:
+
+8. Constitution pattern — Формализовать immutable principles в отдельный файл (или секцию RULES.md) с phase gates. Сейчас RULES.md смешивает operational rules и architectural principles.
+9. Task parallelization — [P] markers в task lists + execution waves (Wave 1: parallel independent, Wave 2: depends on Wave 1...).
+10. CLAUDE.md generation — сейчас нет CLAUDE.md в проекте. /init-project skill должен генерировать его из RULES.md + RECOMMENDATIONS.md.
+
+  ---
+Рекомендуемый порядок реализации
+
+Phase A: Spec-first foundation
+/specify → /plan → enhance /review with two-layer gates
+
+Phase B: Iterative quality
+/loop → /grounded
+
+Phase C: Learning system
+/fix (patches) → /evolve (skill improvement)
+
+Phase D: Polish
+Constitution formalization → Task parallelization → CLAUDE.md generation
+
+Каждая фаза самостоятельно ценна — можно остановиться после любой.
+