meta(wiki): ingest concepts/interns-grep-audit-design in OpeItcLoc03/claude-skills

.wiki/concepts/interns-grep-audit-design.md

@@ -0,0 +1,190 @@
+---
+date: '2026-05-22'
+status: design-approved
+parent: concepts/interns-design.md
+source_buffer: .workshop/.brainstorm/interns.md
+title: interns-grep-audit-design
+type: concept
+ingested_at: '2026-05-22T04:16:29.503Z'
+ingested_by: OpeItcLoc03@DESKTOP-NSEF0UK
+source_project: OpeItcLoc03/workshop
+---
+# Interns — `grep_audit` intern (v0.1.0)
+
+Расширение каталога `interns-mcp`: добавляет интерн `grep_audit`, специализированный на структурированном grep по списку путей с матрицей паттернов. Особенность — **детерминированный**, **без LLM-вызова**: server применяет `re` локально, endpoint Ollama Cloud не вызывается ни в каком режиме. Нулевая цена, нулевая hallucination-граница.
+
+## Context
+
+Pain-point всплыл при аудите 13 CLAUDE.md на 6 канонических триггер-строк в bootstrap-rollout сессии 2026-05-07. Делалось через `bulk_text_read` с длинной формулировкой «вот колонки, вот формат, вот сортировка». Шаблонная задача — выдать матрицу N×M по бинарному условию contains/not-contains. Интерн со специализированной сигнатурой убирает 80% текста запроса.
+
+Решение «без LLM вообще» зафиксировано 2026-05-21: семантический матч (если когда-нибудь возникнет pain-point) — отдельный путь через `bulk_text_read` с вопросом, а не режим `grep_audit`. Caller не держит в голове «иногда детерминированно, иногда нет» — граница проведена между интернами, не внутри одного.
+
+Это первый **LLM-free** интерн в каталоге — паттерн для будущих детерминированных тулзов (потенциально `path_classify`, `json_extract`, если pain-point всплывёт; те отброшены в текущем раунде как дублирующие jq/grep_audit).
+
+## Decisions
+
+| # | Решение | Аргумент |
+|---|---|---|
+| 1 | Шейп — `grep_audit(paths, patterns, output, case_sensitive) → matrix` | Структурированный matrix-output, не Q&A. Симметрия с другими интернами нарушена сознательно — это аудит, не вопрос. |
+| 2 | Без LLM на back-end совсем | substring/regex детерминирован, `re` локально достаточен. Cheaper, точнее, нулевая hallucination. |
+| 3 | `patterns: list[str \| dict]` — либо substring, либо `{pattern, name, regex?}` | Простой случай (substring) — одна строка; сложный (named regex для читаемой матрицы) — dict. |
+| 4 | Always-ask политика единообразна для всех интернов | Несмотря на отсутствие endpoint-вызова, server открывает файл. Caller не должен различать «безопасный/небезопасный» интерн. |
+| 5 | Routing в `using-interns/SKILL.md` явно фиксирует «детерминированный, no LLM, zero cost, zero hallucination» | Каталог не-гомогенный (один интерн без LLM, остальные с) — это надо явно проговорить чтобы Claude не путался. |
+| 6 | `output: "table" \| "json"` — default `"table"` | Markdown-таблица для human-readable аудитов; JSON для programmatic consumption. |
+
+## Сигнатура
+
+```python
+grep_audit(
+    paths: list[str],                       # absolute file paths
+    patterns: list[str | dict],             # str = substring; dict = {pattern, name, regex?}
+    output: Literal["table", "json"] = "table",
+    case_sensitive: bool = True,
+) -> InternResponse
+```
+
+`InternResponse = {text: str, usage: {files_scanned, patterns_evaluated, matches_total}}`
+
+Output shape:
+- `"table"`: markdown-таблица, rows = paths, cols = pattern names (или `pattern` если `name` не задан), ячейки ✅/❌.
+- `"json"`: `{"rows": [{path, matches: {<pattern_name>: bool}}]}`.
+
+При файле-не-найден / unreadable — соответствующая ячейка `null` в JSON, `⚠️` в table; не abort всего вызова (аудит идёт по N путям, partial-result полезнее total fail).
+
+## Реализация (`interns_mcp/interns/grep_audit.py`)
+
+```python
+import json
+import re
+from pathlib import Path
+from typing import Literal
+
+from .base import Intern, InternResponse
+from .. import safety
+
+
+class GrepAudit(Intern):
+    id = "grep_audit"
+
+    def run(
+        self,
+        paths: list[str],
+        patterns: list[str | dict],
+        output: Literal["table", "json"] = "table",
+        case_sensitive: bool = True,
+    ) -> InternResponse:
+        safety.check_paths(paths)            # raise if always-ask
+
+        compiled = _compile_patterns(patterns, case_sensitive)
+
+        rows = []
+        matches_total = 0
+        for p in paths:
+            try:
+                text = Path(p).read_text(encoding="utf-8", errors="replace")
+            except (FileNotFoundError, PermissionError, IsADirectoryError) as exc:
+                rows.append({"path": p, "matches": {c["name"]: None for c in compiled}, "error": str(exc)})
+                continue
+            row_matches = {}
+            for c in compiled:
+                hit = bool(c["matcher"](text))
+                row_matches[c["name"]] = hit
+                if hit:
+                    matches_total += 1
+            rows.append({"path": p, "matches": row_matches})
+
+        rendered = (
+            json.dumps({"rows": rows}, ensure_ascii=False, indent=2)
+            if output == "json"
+            else _render_table(rows, [c["name"] for c in compiled])
+        )
+
+        return InternResponse(
+            text=rendered,
+            usage={
+                "files_scanned": len(paths),
+                "patterns_evaluated": len(compiled),
+                "matches_total": matches_total,
+            },
+        )
+
+
+def _compile_patterns(patterns, case_sensitive):
+    out = []
+    for p in patterns:
+        if isinstance(p, str):
+            out.append({"name": p, "matcher": _substring(p, case_sensitive)})
+            continue
+        name = p.get("name", p["pattern"])
+        if p.get("regex"):
+            flags = 0 if case_sensitive else re.IGNORECASE
+            out.append({"name": name, "matcher": re.compile(p["pattern"], flags).search})
+        else:
+            out.append({"name": name, "matcher": _substring(p["pattern"], case_sensitive)})
+    return out
+
+
+def _substring(needle, case_sensitive):
+    if case_sensitive:
+        return lambda text: needle in text
+    n = needle.lower()
+    return lambda text: n in text.lower()
+
+
+def _render_table(rows, names):
+    header = "| Path | " + " | ".join(names) + " |"
+    sep = "|" + "---|" * (len(names) + 1)
+    lines = [header, sep]
+    for row in rows:
+        cells = []
+        for n in names:
+            v = row["matches"][n]
+            cells.append("⚠️" if v is None else ("✅" if v else "❌"))
+        lines.append(f"| `{row['path']}` | " + " | ".join(cells) + " |")
+    return "\n".join(lines)
+```
+
+**NB по базовому классу:** `Intern` base class должен пропустить интерны без `endpoint`/`model` — либо `GrepAudit` overrides `__init__`/`__call__`, либо base поддерживает `endpoint=null` без инициализации LLM-client. Решение — в impl-таске; рекомендую второй вариант (открывает дорогу другим детерминированным интернам).
+
+## Layer 1 — config (`.common/config/interns/config.yaml`)
+
+```yaml
+interns:
+  grep_audit:
+    description: "Deterministic grep matrix over N paths × M patterns. No LLM call, no endpoint cost."
+    endpoint: null              # local, no LLM call
+    # No model / max_tokens / temperature / system_prompt — этот интерн без LLM.
+```
+
+## Layer 3 — skill update (`using-interns/SKILL.md`)
+
+Routing-подсказки, добавить:
+
+> - **`grep_audit`** — аудит N путей × M паттернов (substring или regex). Детерминированный, без LLM-вызова, zero cost, zero hallucination boundary. Использовать когда нужна матрица contains/not-contains: проверка набора CLAUDE.md / SKILL.md / frontmatter полей на присутствие канонических строк. Возвращает markdown-таблицу (default) или JSON.
+> - **`bulk_text_read` vs `grep_audit`:** первый — Q&A над несколькими файлами (LLM-summary); второй — детерминированная проверка contains/not-contains. Семантический матч — это `bulk_text_read` с вопросом, не `grep_audit`.
+> - Always-ask paths применяются единообразно с остальными интернами (server всё равно открывает файл, даже без LLM-вызова).
+
+Bump `using-interns` MINOR (capability added — новый интерн в routing-таблице).
+
+## Cross-platform
+
+| Слой | Windows | Linux | macOS |
+|---|---|---|---|
+| `Path.read_text(encoding="utf-8", errors="replace")` | ✅ | ✅ | ✅ |
+| `re` substring/regex | ✅ | ✅ | ✅ |
+| Always-ask `PurePath.match` | ✅ POSIX-style globs работают везде | ✅ | ✅ |
+
+Полностью pure-Python, без subprocess/CLI зависимостей.
+
+## Open questions
+
+- **Cap на size файла** (e.g., 5 MB)? Сейчас server читает целиком в память. Если bytecode/blob случайно попадёт в paths — RAM-spike. Добавить если pain-point всплывёт; пока YAGNI.
+- **Batch-mode** (несколько output forms за один вызов)? YAGNI.
+- **Counting matches** (не bool, а number-of-occurrences)? Сейчас shape — boolean matrix. Если понадобится counts — расширение `output: "counts"`. Решение откладывается.
+
+## References
+
+- `concepts/interns-design.md` — parent design (архитектура interns-mcp).
+- `concepts/interns-repo-read-design.md` — sibling intern (с LLM-вызовом, для сравнения паттерна).
+- `using-interns/SKILL.md` — target file для routing-добавки.
+- `.workshop/.archive/2026-05-22-grep-audit-extract.md` — process trace (extract из living-catalog).