# Prototype

Harness готовит 12 immutable single-call Comfy workflows и оценивает сохранённые
raw ответы локальным TypeScript-кодом. Unit tests и repository checks никогда
не вызывают paid provider.

Default CLI `prepare`/`evaluate` читает исторические preflight-v1/run-1 paths.
Run-2 также исторический: его candidate conclusion superseded после
measurement audit.

Current run-3 использует exported `prepareEvaluation(outputRoot)` и
`evaluateSavedResponses(rawRoot, outputPath)` с `preflight-v3`, `raw/run-3` и
`run-3-scorecard.json`. Все 12 cells выполнены новыми paid jobs в одном batch;
prior outputs не переиспользуются.

Итоговый `pass` требует не только deterministic role gates, но и
`manual-review.json` для четырёх narration cells и последовательный
`billing-audit.json` для всех 12 jobs. При отсутствии любого из этих artifacts
scorecard остаётся `inconclusive`; оба artifacts в run-3 отсутствуют.

Run-3 manifest schema включает `protocolRevision: 3`. Logical manifest
`a758d221a63eb2f2600af570d8431764597bd8c3ae75d4960d94d8963e0ebfb8`;
bundle identity — полный SHA-256 `preflight-v3/manifest.json`
`9780519911a6c7fc2ed3d6efacf292899a321d8156c0c36ec71ff3c553c2d8f3`.

Post-run evaluator audit сохранил initial scorecard SHA/diagnostic summary и
все raw hashes. После changes review полный initial scorecard восстановлен
byte-exact как `run-3-scorecard-pre-amendment.json`; hash совпадает с
зафиксированным до regeneration. Это reconstruction, не original write-once
snapshot. Raw files остались byte-identical; provider rerun не было. Canonical
scorecard после RED/GREEN amendment: Qwen 4/6, DeepSeek 4/6. Agent semantic
audit отдельно даёт Qwen 4/6, DeepSeek 3/6 и не является human review.

Scenario gate structural only; executable exits/coherence не измеряются.
Privacy gate exact-token only; paraphrased leakage не измеряется.

Точные команды находятся в [`../SOLUTION.md`](../SOLUTION.md), а фактические
результаты — в [`../VALIDATION.md`](../VALIDATION.md).