collab-proof

Geliştiricinin bilinçli olarak kaydetmediği AI işbirliği kanıtlarını ortaya çıkar. Vela 3 katmanlı pipeline × ADHD 4 çerçeve akıl yürütme — prompt-native, sıfır bağımlılık.

Layer 01 — Signal tespiti

Önce git log --oneline -10 ve git diff --stat HEAD~3..HEAD komutlarını çalıştırın.

Bu rubriği kullanarak sinyal seviyesini sınıflandırın (en yüksek eşleşeni seçin):

HIGH → tam artifact'lar (DECISIONS.md + session-history + WORKLOG + HTML)

Yeni dosya oluşturuldu, VEYA
4+ dosya değiştirildi, VEYA
Konuşmada açık seçenek karşılaştırması ("vs", "yerine", "X'i Y'ye tercih etti"), VEYA
Tasarım tartışması 15+ değişim sürdü, VEYA
Kök neden tanısı ile hata — konuşma hatanın NEDEN olduğunu içerir (sadece "X düzeltildi" değil, "hata Y'den kaynaklandı çünkü Z")

BUG_FIXING özel kuralı — dosya sayısını geçersiz kıl: Sadece 1 dosya değişse bile, konuşma şunları içeriyorsa HIGH olarak sınıflandırın:

Kök neden açıklaması ("hata şuydu...", "bu şu nedenle oldu...", "sorun şuydu...")
Tanı süreci ("kontrol ettim...", "ortaya çıktı...", "sorun şuydu...")
Düzeltme mantığı ("bu yaklaşımı seçtim çünkü...", "X yerine Y'yi kullandım çünkü...") Hatalar için dosya sayısı önemli değil — iyi tanısı konmuş tek dosyalı bir düzeltme, tartışması olmayan 10 dosyalı bir özellikten daha değerlidir.

MEDIUM → yalnızca WORKLOG

1–3 dosya değiştirildi, kök neden tartışması yok, VEYA
Küçük özellik eklendi, tradeoff tartışılmadı

LOW → sessizlik, kullanıcıya "Rutin oturum — hiçbir şey kaydedilmedi." deyin

Kod değişikliği yok, yalnızca planlama/tartışma, VEYA
Tek önemsiz değişiklik, bağlam yok ("bunu değiştir", "yazım hatası düzelt", "değişkeni yeniden adlandır")

Kullanıcıya gösterin: Signal: HIGH / MEDIUM / LOW — [tek satırlık sebep]

Layer 02 — WorkIntentClassifier

Konuşma bağlamı + git diff'e karşı dört çerçevenin hepsini aynı anda çalıştırın. Aşağıdaki rubriği kullanarak her çerçeveyi 0.0–1.0 arasında puanlayın. Sonra budama ve sınıflandırma kurallarını uygulayın.

Çerçeve puanlama rubriği

Çerçeve A — Teknik (kod değişikliği karmaşıklığı)

1.0 Yeni modül/dosya oluşturuldu, karmaşık mantık eklendi (state machine, Lua script, yeni algoritma)
0.5 Mevcut fonksiyon mantığı değiştirildi, basit API endpoint'i eklendi
0.1 Yazım hatası düzeltmesi, yorum değişikliği, düz metin düzenleme

Çerçeve B — Belirsizlik (geliştirici şüphe sinyalleri)

1.0 Kod yazılıp tamamen geri alındı, açık şüphe ifadesi ("bu doğru mu?", "çalışmıyor"), git revert
0.5 Uygulama sırasında Claude'dan tavsiye istendi, aynı alan üzerinde 2+ revizyonlar
0.0 Kesintisiz direktif yürütme — geliştirici tam olarak ne yapacağını biliyordu

Çerçeve C — Fork (karar dalı varlığı)

1.0 Konuşmada iki veya daha fazla alternatif açıkça karşılaştırıldı (A vs B)
0.5 Açık karşılaştırma yok ama tradeoff'dan bahsedildi (performans vs okunabilirlik)
0.0 Tek standart yaklaşım uygulandı, alternatif düşünülmedi

Çerçeve D — AI katkısı (Claude'un gerçek etkisi)

1.0 Claude geliştirici tarafından fark edilmeyen bir hatayı/kenar durumu belirledi ve düzeltme önerdi
0.6 Claude yürütmeyi önemli ölçüde hızlandıran yapısal boilerplate/iskelet oluşturdu
0.2 Claude geliştirici tarafından yönlendirilen kodu bağımsız katkı olmadan yeniden biçimlendirdi veya transkripsiyonunu yaptı

Budama kuralı

0.4'ten düşük puan alan herhangi bir çerçeveyi budayın.

İstisna — Yüksek Hızlı Yürütme Koruma: Eğer Frame A >= 0.8 VE Frame D >= 0.6 ise, Frame B = 0.0 ve Frame C = 0.0 olsa bile budama yapmayın ve oturumu sessiz bırakmayın. Bu bir boilerplate-ağır FEATURE_BUILDING oturumudur. Hemen FEATURE_BUILDING olarak HIGH sinyaliyle sınıflandırın. Neden: hızlı hareket eden bir oturumda sıfır belirsizlik onu atılması için bir neden değil, bir özelliktir.

Niyet sınıflandırması

Kalan çerçeveler	Baskın niyet	Anlamı
A yüksek + D orta-yüksek (B, C düşük)	`FEATURE_BUILDING`	Yüksek hız özellik oluşturma, Claude iskelet yapısı
B yüksek + A/D yüksek	`BUG_FIXING` veya `STUCK`	Aktif hata ayıklama veya çözülmemiş döngü
C yüksek + A yüksek	`REFACTORING` veya `EXPLORING`	Mimari keşif, alternatifleri tartma
Tüm çerçeveler < 0.4	`FLOW_STATE` veya LOW	Rutin yazım, Layer 01 HIGH değilse sessiz

Birden fazla niyet bağlı kalsa, en yüksek birleşik çerçeve puanı olanını seçin. Runner-up'ı kaydedin — oturum anlatısına ait.

İç çıktı formatı

Layer 03'e geçmeden önce bu yapıya çözünleyin (kullanıcıya gösterin):

{
  "frames": {
    "technical": 0.0,
    "uncertainty": 0.0,
    "fork": 0.0,
    "ai_contribution": 0.0
  },
  "pruned": ["budanan çerçeve adlarının listesi"],
  "intent": "FEATURE_BUILDING",
  "signal": "HIGH",
  "calibration_note": "uygulanan herhangi bir istisna kuralını açıklayan bir cümle"
}

Layer 03 — Çıktı

Eğer HIGH sinyal ise

DECISIONS.md'ye ekleyin — gerçek fork başına bir giriş (Frame C alternatiflerin var olduğunu onaylamalı):

## [YYYY-MM-DD] <başlık>

**Bağlam**: [Frame A — bu seçimi zorlayan şey]
**Karar**: ne seçildi
**Düşünülen alternatifler**: [Frame C — gidilmeyen yol]
**Sebep**: neden — bağlamdan yeniden yapılandırılmışsa "inferred:" ile başlayın
**AI katkısı**:
  - Belirledi: [Frame D — geliştirici tarafından kaçırılan bir şey]
  - Önerdi: [Frame D — yaklaşım veya alternatif]
  - Geliştirici tarafından yönlendirildi: [geliştirici tarafından bağımsız olarak karar verilen]
**Niyet sınıfı**: [Layer 02'den]
**Sinyal puanı**: HIGH
**Sonuç**: uygulandı | beklemede | tersine çevrildi

Gerçek fork yoksa → hiçbir şey yazma. Kararları asla uydurma.

BUG_FIXING niyeti: bunun yerine bu formatı kullanın:

## [YYYY-MM-DD] <hata başlığı>

**Kök neden**: hatanın gerçekten ne yaptığı — sadece ne değil, NEDEN
**Semptom**: geliştirici tarafından gözlemlenen ne
**Düzeltme**: ne değiştirildi
**Bu düzeltme neden**: mantığı — açıkça belirtilmemişse inferred
**Düşünülen alternatif düzeltmeler**: tartışılan diğer yaklaşımlar (varsa)
**AI katkısı**:
  - Belirledi: [Frame D — Claude kök nedeni buldu mu?]
  - Önerdi: [Frame D — düzeltme yaklaşımı veya teşhis adımı]
  - Geliştirici tarafından yönlendirildi: [geliştirici tarafından tanısı konmuş/karar verilen]
**Niyet sınıfı**: BUG_FIXING
**Sinyal puanı**: HIGH
**Sonuç**: düzeltildi | geçici çözüm | ertelendi

Oluşturun session-history/YYYY-MM-DD-HHMM.md:

# Oturum [YYYY-MM-DD HH:MM]

**Niyet**: [sınıf] (runner-up: [sınıf varsa])
**Sinyal**: HIGH
**Etkin çerçeveler**: A ([puan]) / B ([puan]) / C ([puan]) / D ([puan])

## Gönderilen ne
[git log'a dayalı]

## Anlaşılan ne
[Frame B + C — akıl yürütme, tradeoff'lar, hata ayıklama — geliştiricilerin unuttukları]

## Bu oturumda alınan kararlar
[DECISIONS.md girdilerine refs]

## Zorlu olduğu yerler
[Frame B bulguları — belirsizlik, revert'ler, EXPLORING/STUCK sinyalleri]

## AI katkısı özeti
[Frame D sentezi — bir dürüst paragraf, kalibre edilmiş]

## Anlaşılan sonraki adımlar
[açıkça eksik olan ne]

WORKLOG.md'ye ekleyin:

YYYY-MM-DD HH:MM | [niyet] | HIGH | D:[puan] | cache:[hit%]% | tok:[toplam] | <fiil cümlesi> — <neden önemli olduğu>

Alanlar:

D:[puan] — Frame D AI katkısı puanı (0.0–1.0)
cache:[hit%]% — token analizinden cache hit oranı (veri yoksa cache:n/a)
tok:[toplam] — bu oturum için toplam tokenlar (input + cache_read + cache_create + output, K cinsinden, örn. 45K)
fiil cümlesi — ne gönderildi, git log'a dayalı

Token kullanımını topla (bash — bunu çalıştırın ve çıktıyı yakala):

python3 -c "
import json, sys
from pathlib import Path

projects = Path.home() / '.claude/projects'
files = sorted(projects.rglob('*.jsonl'), key=lambda f: f.stat().st_mtime, reverse=True)
if not files:
    print('no_data'); sys.exit()

with open(files[0]) as fp:
    lines = [json.loads(l) for l in fp if l.strip()]

ti = to = cr = cc = 0
turns = []
for i, line in enumerate(lines):
    if line.get('type') == 'assistant':
        u = line.get('message', {}).get('usage', {})
        if not u: continue
        inp = u.get('input_tokens', 0)
        ti += inp; to += u.get('output_tokens', 0)
        cr += u.get('cache_read_input_tokens', 0)
        cc += u.get('cache_creation_input_tokens', 0)
        prompt = ''
        for j in range(i-1, -1, -1):
            if lines[j].get('type') == 'user':
                c = lines[j].get('message', {}).get('content', '')
                prompt = (c if isinstance(c, str) else next((x.get('text','') for x in c if isinstance(x,dict) and x.get('type')=='text'), ''))[:80]
                break
        turns.append((inp, prompt))

total = ti + cr + cc
hit = cr / total * 100 if total else 0
print(f'input={ti} output={to} cache_read={cr} cache_create={cc} hit={hit:.0f} turns={len(turns)}')
turns.sort(reverse=True)
for idx, (tok, p) in enumerate(turns[:3]):
    print(f'top{idx+1}={tok}|{p}')
"

Çıktıyı ayrıştırın ve token istatistiklerini oturum anlatısına dahil edin. Sonra:

Oluşturun session-history/YYYY-MM-DD-HHMM-proof.html — kendi başına yeterli bir HTML dosyası yazın. Yapı ve sınıf adları sabittir — yeniden adlandırmayın veya yeniden sıralamayın.

Sabit CSS tokenları (tam olarak kullanın):

Arka plan: #0d1117, Kart: #161b22, Sınır: #30363d
Font: font-family: 'Courier New', monospace
Çerçeve puan renkleri: high → #3fb950, low → #f85149, budanmış → #8b949e
AI satırı renkleri: ai-identified → #a371f7, ai-suggested → #d29922, ai-developer → #3fb950

Sabit HTML yapısı (sınıf adları tam olarak eşleşmelidir):

<div class="header">
  <div class="header-top">
    <div class="project-name">
    <span class="badge">                    <!-- niyet sınıfı -->
  <div class="meta-row">                    <!-- tarih, dal, sinyal seviyesi metni -->
  <div class="signal-container">
    <div class="signal-label">
    <div class="signal-track">
      <div class="signal-fill">             <!-- width % sinyal puanı tarafından yönlendirilir -->

<div class="section">                       <!-- çerçeveler -->
  <div class="section-title"> ... <span class="count">Layer 02 · ADHD tree-of-thought</span>
  <div class="frames-grid">
    <div class="frame-card">               <!-- budanmış: class="frame-card pruned" -->
      <div class="frame-label">            <!-- Frame A / B / C / D -->
      <div class="frame-name">
      <div class="frame-score high|low">   <!-- puan değeri -->

<div class="section">                       <!-- kararlar — hiç yoksa bölümü atla -->
  <div class="section-title"> ... <span class="count">N kayıtlı</span>
  <div class="decision-card">              <!-- DECISIONS.md girdisi başına bir -->
    <div class="decision-header">
      <div class="decision-title">
      <div class="decision-date">
    <div class="decision-fields">
      <div class="field-row">
        <div class="field-label">          <!-- Context / Decision / Alternatives / Reasoning -->
        <div class="field-value">
      <div class="field-row">              <!-- AI katkısı satırı -->
        <div class="field-label">AI katkısı</div>
        <div class="field-value">
          <div class="ai-block">
            <div class="ai-line ai-identified|ai-suggested|ai-developer">
              <span class="tag">IDENTIFIED|SUGGESTED|DEV-DRIVEN</span>
      <div class="field-row">              <!-- Outcome satırı -->
        <div class="field-label">Sonuç</div>
        <div class="field-value">
          <span class="outcome-badge outcome-implemented|outcome-pending|outcome-reversed">

<div class="section">                       <!-- oturum anlatısı -->
  <div class="section-title">Oturum anlatısı</div>
  <div class="narrative-grid">
    <div class="narrative-card">           <!-- Gönderilen ne -->
    <div class="narrative-card">           <!-- Anlaşılan ne -->
    <div class="narrative-card">           <!-- Zorlu olduğu yerler -->
    <div class="narrative-card">           <!-- Anlaşılan sonraki adımlar -->

<div class="section">                       <!-- AI katkısı özeti -->
  <div class="section-title">AI katkısı özeti</div>
  <div class="narrative-card">             <!-- Frame D sentezi paragrafı -->

<div class="section">                       <!-- token kullanımı -->
  <div class="section-title">Token kullanımı</div>
  <div class="narrative-card">             <!-- cache hit oranı çubuğu + en üst dönüşümler + optimizasyon notu -->

<div class="section">                       <!-- worklog kuyruğu -->
  <div class="section-title"> ... <span class="count">son N girdi</span>
  <div class="worklog-entry">              <!-- son WORKLOG satırı başına bir -->

<div class="footer">                        <!-- son commit hash · "Generated by collab-proof · timestamp" -->

HTML'i bash kullanarak yazın:

cat > session-history/YYYY-MM-DD-HHMM-proof.html << 'HTMLEOF'
<!DOCTYPE html>
... (satır içi CSS ile tam HTML, harici kaynak yok)
HTMLEOF

Yazdıktan sonra gösterin: open session-history/YYYY-MM-DD-HHMM-proof.html

Eğer MEDIUM sinyal ise

WORKLOG.md'ye sadece bir satır ekleyin:

YYYY-MM-DD HH:MM | [niyet] | MEDIUM | D:[puan] | cache:[hit%]% | tok:[toplam] | <fiil cümlesi>

Eğer LOW sinyal ise

Kullanıcıya deyin: "Signal: LOW — Rutin oturum, hiçbir şey kaydedilmedi."

Dürüstlük kuralları

Konuşmada olmayan veya diff tarafından ima edilmeyen kararları asla uydurma
Akıl yürütme yeniden yapılandırıldığında "inferred:" öneki
Frame D kalibre edilmelidir — ne abartma ne de görmezden gelme
Tüm çerçeveler < 0.4 puan alırsa → hiçbir şey yazma

PreCompact snapshot'ı (bağlam sıkıştırma savunması)

Bağlam sıkıştırması olmak üzereyken (PreCompact hook'u tarafından tetiklenen), bağlam kaybedilmeden önce hafif bir mid-oturum kontrol noktası çalıştırın:

Mevcut bağlamdan mevcut Layer 01 sinyal seviyesini hesapla
Şimdi görünür olana karşı dört çerçevenin hepsini puanla
Bir snapshot'ı session-history/.tmp-TIMESTAMP.json'a yaz:

{
  "timestamp": "YYYY-MM-DD HH:MM:SS",
  "trigger": "pre-compact",
  "signal": "HIGH / MEDIUM / LOW",
  "frames": { "technical": 0.0, "uncertainty": 0.0, "fork": 0.0, "ai_contribution": 0.0 },
  "intent": "FEATURE_BUILDING",
  "key_moments": [
    "şimdiye kadar yapılan en önemli karar veya bulguların tek satırlık açıklaması"
  ]
}

/collab-proof oturum sonunda çalıştırıldığında:

Tüm session-history/.tmp-*.json dosyalarını oku
Çerçeve puanlarını birleştir (tüm snapshot'lar arasında çerçeve başına maksimum al)
key_moments dizilerini birleştir — bunlar sıkıştırılan tradeoff tartışmalarını korur
Birleştirdikten sonra .tmp-*.json dosyalarını sil

collab-proof

Bu skill hakkında

collab-proof

Layer 01 — Signal tespiti

Layer 02 — WorkIntentClassifier

Çerçeve puanlama rubriği

Budama kuralı

Niyet sınıflandırması

İç çıktı formatı

Layer 03 — Çıktı

Eğer HIGH sinyal ise

Eğer MEDIUM sinyal ise

Eğer LOW sinyal ise

Dürüstlük kuralları

PreCompact snapshot'ı (bağlam sıkıştırma savunması)

Benzer skill'ler