Epic: accounting correctness and fork hygiene (audit follow-ups) #87

Follow-ups from an audit of how the fork and upstream protect calculation correctness. Finding: neither checks numbers against an external reference — tests prove the code agrees with itself, so a wrong price table passes all of them. This epic fixes the accounting layer (prices, cost, real-data validation) and the project hygiene around it (CI, dead scripts, upstream sync).

It is layer 1 of #78: the waste-detection evaluation there is only meaningful once the base numbers are right. In particular #72 blocks #82, and #74 overlaps #79.

Sub-issues

• test:chunks / test:semantic / test:noise / test:task-filtering point to missing files #76 — dead test:* scripts
• CI: restore build step and Windows test matrix dropped from upstream #75 — CI: build step, Windows matrix, critical coverage
• Upstream sync: 4 PRs merged upstream on 2026-09-26 not carried in fork #77 — upstream sync (4 PRs from 2026-09-26)
• CLI cost estimate uses outdated per-family prices (Opus overstated 3–3.75×) #72 — outdated per-family price table (priority/high)
• App never computes session cost — costUsd is hardcoded to 0 #73 — app never computes cost
• No validation of token/cost totals against real sessions or an external reference #74 — validation against real sessions / external reference

Найдено при проверке эпика #2 — ⚠️ выводы не проверены человеком, каждый пункт перепроверить дважды (см. раздел «Перепроверка» в каждом ишью):

• Ledger drops content blocks: keep-last dedup treats split response lines as snapshots #88 — ledger теряет блоки ответа (keep-last дедупликация): ~⅓ вызовов инструментов и все thinking-блоки
• Active time differs between analyze:session and analyze:sessions on the same file #91 — активное время расходится между analyze:session и analyze:sessions
• Plugin skills are stale: audit-session documents 6 of 12 finding types #92 — скиллы плагина описывают 6 из 12 типов findings
• Plugin install path: skills need a full checkout, README has no install line, docs drift #93 — путь установки плагина, README без строки установки, расхождения в CHANGELOG

Рекомендации по выполнению

Порядок

Общие правила: одно ишью — один PR; в PR, меняющих числа, прикладывать «было/стало» на своих реальных сессиях (после #79 — вывод corpus:diff); не менять пороги WASTE_THRESHOLDS и логику findings в тех же PR.

#76 — мёртвые скрипты (~15 мин)

• test:chunks → vitest run test/main/services/analysis/ChunkBuilder.test.ts; test:noise — проверить, покрывает ли test/main/services/parsing/MessageClassifier.test.ts; для test:semantic и test:task-filtering соответствующих тестов, похоже, нет — удалить.
• Одновременно поправить CLAUDE.md и .claude/rules/testing.md: агенты выполняют эти команды буквально.

#75 — CI

• Взять за основу апстримный workflow (git show upstream/main:.github/workflows/ci.yml): шаг pnpm build + матрица ubuntu-latest / windows-latest с fail-fast: false. Добавить pnpm build:cli. Сохранить форковские --frozen-lockfile и claude plugin validate (последний достаточно на Ubuntu).
• Critical coverage: сначала измерить текущее покрытие файлов расчётов (src/main/utils/jsonl.ts, src/shared/turnAccounting.ts, src/cli/analyzeSession.ts, src/renderer/utils/contextTracker.ts) и поставить пороги на этом уровне («храповик»), поднимать по мере tokensWasted mixes prices and ignores residency: express waste in $ and count re-reads #82/Non-overlapping waste attribution and session waste share; split observations from waste #84. Произвольный высокий порог сразу сделает CI красным.
• Если Windows выявит падения — это реальные баги путей: чинить в этом же PR, тесты не отключать.

#77 — синхронизация с апстримом

• Пробный merge upstream/main в текущий main: 13 файлов, +39/−5, 2 конфликта — src/renderer/components/chat/ChatHistory.tsx и src/renderer/components/chat/LastOutputDisplay.tsx. Остальное сливается автоматически.
• Делать одним merge-коммитом (git merge upstream/main), а не cherry-pick: так сдвигается merge-base, и следующая синхронизация покажет только новое.
• Сделать до App never computes session cost — costUsd is hardcoded to 0 #73, если App never computes session cost — costUsd is hardcoded to 0 #73 будет трогать UI — меньше конфликтов в renderer.
• Обновить баннер и раздел Upstream Sync Policy в README.

#72 — таблица цен (главное)

• Сразу класть таблицу и roundCostUsd в src/shared/ (напр. src/shared/constants/pricing.ts), а не в CLI — иначе в App never computes session cost — costUsd is hardcoded to 0 #73 придётся переносить второй раз.
• Ключ — (family, major, minor) из parseModelString (src/shared/utils/modelParser.ts). Неизвестная версия → unpriced (costPartial), никогда не «цена семейства по умолчанию» — именно так и появился текущий баг.
• Пять явных колонок: input, output, cache read, cache write 5m, cache write 1h. Cache read не выводить множителем: у Opus 5.5 и Fable 5.1 он не 0.1×. В комментарии — дата сверки и ссылка на прайс.
• usage.cache_creation.ephemeral_5m/1h_input_tokens добавить в UsageMetadata; если разбивки нет (старые логи) — весь cache_creation_input_tokens считать 5-минутным. В проверенной сессии 100 % записей — 1-часовые (см. комментарий в CLI cost estimate uses outdated per-family prices (Opus overstated 3–3.75×) #72).
• Haiku 5.5 тарифицируется ступенчато (промпт > 100K дороже) — считать по входной стороне каждого запроса или явно задокументировать упрощение.
• Модели через роутеры (glm и т.п.) оставить отдельной веткой; detectBillingScheme уже различает схемы.
• Ожидаемые значения в тестах выписывать вручную из прайса, не вычислять из таблицы.

#88 — потеря содержимого раундов

• Не ломать подсчёт токенов: usage по-прежнему из последней строки запроса; склеивать только содержимое.
• До фикса проверить на старых сессиях (корпус Regression corpus of real sessions (local, via .env) with numeric snapshots #79), не были ли строки там накапливающимися снимками — иначе склейка удвоит блоки.

#73 — стоимость в приложении

• Считать по дедуплицированным сообщениям (deduplicateByRequestId) с моделью каждого сообщения: в одной сессии бывает несколько моделей.
• Явно решить и задокументировать, входят ли subagents в стоимость сессии, и сделать так же, как в CLI — иначе parity-тест будет сравнивать разные вещи.
• Добавить флаг частичной стоимости в SessionMetrics (src/main/types/domain.ts), а не возвращать 0 для неизвестных моделей.
• Parity-тест CLI ↔ calculateMetrics по образцу test/shared/turnAccounting.parity.test.ts.

#74 — сверка с реальностью

• Делать на корпусе из Regression corpus of real sessions (local, via .env) with numeric snapshots #79 (локально, путь через .env), не коммитить реальные сессии.
• ccusage: токены должны совпадать точно; стоимость — с допуском, т.к. у ccusage свой источник цен. Расхождение стоимости по конкретной модели — сигнал ошибки цены у одной из сторон.
• Один раз сверить итог за день с Usage в Console — единственный эталон, который не зависит ни от чьей таблицы цен.
• Обезличенная мини-фикстура для CI: оставить только usage, model, requestId, timestamps, имена инструментов и размеры; тексты и пути вырезать.