Previsione del costo in token

PRECC include un oracolo di previsione del costo in token affinché i piani a più passi possano essere preventivati in token, non in tempo reale. Registra una previsione prima di ogni passo, annota il valore effettivo a lavoro concluso, e il dataset addestra un predittore integrato che migliora nel tempo.

Registra una previsione

Passa una descrizione di una riga del passo pianificato. PRECC lo categorizza (feat / fix / test / refactor / measurement / doc / chore / unknown), stima un conteggio di token e stampa un id che userai per chiudere il ciclo.

$ precc predict "Implement read-deltas with mtime check"
id=42 category=feat predicted=5680 tokens (confidence=0.50, model=trained-v1)
Record actual when done: precc predict --record 42 <actual_tokens>

Registra il valore effettivo

Dopo il completamento del passo, recupera il conteggio effettivo dei token dal piè di pagina della sessione o dalla telemetria e restituiscilo tramite l’id.

$ precc predict --record 42 6300
Recorded actual=6300 tokens for prediction id=42.

Addestra trained-v1

Quando hai almeno dieci previsioni chiuse, adatta la regressione ridge trained-v1 su log10(actual) rispetto a log10(lunghezza della descrizione) più una variabile dummy categorica one-hot. L’adattamento è in forma chiusa (Cholesky sulle equazioni normali con ridge λ=1) ed è eseguito in millisecondi.

$ precc predict --train
Trained trained-v1 on 22 closed predictions (λ=1).
  Model file : ~/.local/share/precc/predict_model.json
  Confidence : 0.50
  Intercept  :  +1.0016
  log_desc   :  +1.2339
  Categories :
    unknown       +0.4811
    doc           +0.4474
    measurement   +0.3422
    test          +0.1071
    refactor      +0.0326
    feat          +0.0071
    fix           -0.1096
    chore         -0.3063

Dopo l’addestramento, ogni nuova chiamata precc predict usa automaticamente trained-v1 finché non rimuovi o sostituisci il file del modello. Le previsioni vecchie mantengono la loro model_version originale, così puoi confrontare i predittori nel tempo.

Ispeziona l’accuratezza del predittore

precc predict --eval riporta l’errore percentuale assoluto medio (MAPE) complessivo e per categoria, calcolato solo sulle previsioni chiuse (righe con valori sia previsti che effettivi).

$ precc predict --eval
Predictions logged   : 30
With actuals (closed): 22
Mean predicted       :     1483 tokens
Mean actual          :    47238 tokens
MAPE (statistical)   :     76.4%

By category:
  category        n   predicted      actual    MAPE
  feat            6        4605        5250   26.2%
  unknown         4        1597       30526   52.6%
  test            4         924       38900   56.4%
  ...

Elenca previsioni recenti

precc predict --list mostra le righe recenti in ordine cronologico inverso. Le righe aperte (senza valore effettivo) sono pronte per essere chiuse.

$ precc predict --list --limit 5
id    ts                   category       predicted     actual  conf description
30    2026-05-09 09:40:51  feat                5348          -  0.50 Run the synthetic-fleet pilot...
29    2026-05-09 08:56:48  test                1050          -  0.60 Train predictor: trained-v1...
28    2026-05-09 07:44:18  test                 915     150000  0.60 Implement minimal task-12...

Perché token e non tempo reale

Le stime di tempo sono non misurabili a posteriori e non si compongono tra macchine o sessioni. I conteggi di token sono deterministici, comparabili e fanno crescere un dataset etichettato che migliora il predittore a ogni ciclo chiuso. Lo scopo dell’oracolo è trasformare la stima da un gioco a indovinare in una misurazione.

Dove risiedono i dati

Tutti i dati di previsione sono archiviati localmente sulla tua macchina. Nulla viene caricato.

~/.local/share/precc/
├── metrics.db                — predictions table (oracle DB)
└── predict_model.json        — trained-v1 coefficients (after `--train`)