Kihagyás

Bulk-fanout context-budget checkpoint placement#

Subagent-fanout-tal vault-bulk-work közben a parent-context fogyás-rátája ~30-35K token per 16-agent batch (launch + completion notifications). 11-12 batch-en túli single-session bulk-művelet megközelíti a 400K parent-context, ami komoly compaction-veszélyt jelent. Strategically placed user-decision-checkpoint-ok mind ROI-feedback-mechanism (continue/stop/revert), mind context-safety-mechanism.

A pattern#

Fázis Mit csinálsz Context-kihatás
Pre-batch generate vault-ko-ingest --file F minden fájlra → request.json ~50 byte / fájl (negligible)
Per-batch launch (16 agents) 16× Agent tool call ~16K (launch boilerplate)
Per-batch completion 16× system-notification ~12-15K (agent reports)
Per-batch process vault-ko-pending --process-ready ~1K (single tool result)
Per-batch re-measure vault-graph-complementarity --json ~1K (single tool result)
Per-batch total ~30-35K context

Vault-szintű bulk-művelet (171 fájl, ~11 batch) → ~330-385K parent-context. A Claude Code parent-session context limit ~200K (with caching, ~500K total accessible), de a 200K alatti zónát kell tartani, mert compaction lefojthatja az agent-tool-akciókat.

Checkpoint placement playbook#

Default cadence: minden 20-30% progress után. 171-fájl-es vault-backfill esetén ~50-fájl-szintű checkpoint optimális (29.2%).

Min 2 explicit user-decision kell: 30% és 60% szinten. A 30% checkpoint a "smart-stop" döntés (linear projection alapján "do I really need to run all of it?"). A 60% checkpoint a "context-safety" döntés (mennyi parent-context maradt?).

Per-checkpoint output to user:

  1. Progress számok: X / Y processed, +N facts, +M provs
  2. Metric delta: FCA: 0.47 → 0.60 (Δ+0.13, projected 0.0027/file)
  3. Linear projection: final = current + (remaining × per-file-rate) = X.XX
  4. Decision option: continue / stop-here / pivot-direction

Worked example — Tier-1 backfill 2026-05-20#

Checkpoint Files FCA Per-file rate Projection User decision
Pre-batch 0 0.4676 — — "go"
Post-50 (29.2%) 50 0.6027 0.00270 0.93 continue
Post-66 (38.6%) 66 0.6459 0.00270 0.93 continue (Option A)
Final (100%) 171 0.9297 0.00270 0.9297 ✓ merge to main

A 50-checkpoint linear projection-ja (0.93) EXACTLY reprodukálódott a final-mérésen — a backfill teljes futása ezt csak konfirmálta, nem új információt adott. Insight: a final-decision (FCA ≥0.95 ceiling, vault-meta exclusions) MÁR a 50-checkpointnál látszott. A "continue all 171" döntés ÉRTELMES VOLT, de NEM "új információ alapon", hanem "data-completeness reason".

Decision-tree az explicit checkpoint-on#

30% checkpoint elérve.
Project linear? ──┬── YES ──┬── Final-projection acceptable? ──┬── YES → STOP-HERE (LinExtrapolate OK)
                  │         │                                   └── NO → CONTINUE + pivot
                  │         └── Final-projection ceiling? ───── YES → CONTINUE (data-completeness)
                  └── NO ───┬── Diminishing returns? ───────── YES → STOP-HERE
                            └── Increasing returns? ────────── YES → CONTINUE (positive curve)

Ha a project NEM lineáris (azaz minden új fájl változó hatást fejt ki — early/late files different), a 30%-checkpoint NEM elég, kell 60% checkpoint is.

Context-budget hard-stop#

Ha a parent-context 200K-hoz közelít (~85% used) MIELŐTT a következő batch befejeződne, mandatory stop + offer "résume in next session". A bulk-work folytatható: a /tmp/vault-ko-pending/ állomány tartalmazza a már generált request-fájlokat, és minden batch idempotent.

Pattern reuse#

Ez a playbook nem csak vault-bulk-ingestre kell. Bármely bulk-fanout-művelet ami:

  • ≥5 batch (~80-100 agent call)
  • ~30K context / batch (par-batch overhead)
  • linear-projection szempontjából értelmezhető (per-unit progress measurable)

→ használja a 30%/60% checkpoint-pattern-t. Példák: skill-batch-ingest, web-scrape-batch, code-refactor-batch, knowledge-distill-batch.

Kapcsolódó#