การพยากรณ์ต้นทุนโทเค็น

PRECC มาพร้อมโอราเคิลพยากรณ์ต้นทุนโทเค็น เพื่อให้แผนหลายขั้นตอนสามารถวางงบประมาณเป็นโทเค็นแทนเวลานาฬิกา บันทึกการพยากรณ์ก่อนแต่ละขั้นตอน บันทึกค่าจริงหลังงานเสร็จ และชุดข้อมูลจะฝึกตัวพยากรณ์ในตัวที่ดีขึ้นตามเวลา

บันทึกการพยากรณ์

ส่งคำอธิบายหนึ่งบรรทัดของขั้นตอนที่วางแผนไว้ PRECC จะจัดหมวดหมู่ (feat / fix / test / refactor / measurement / doc / chore / unknown) ประมาณจำนวนโทเค็น และพิมพ์ id ที่คุณจะใช้ปิดวงจร

$ 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>

บันทึกค่าจริง

หลังจากขั้นตอนเสร็จสิ้น ให้ดูจำนวนโทเค็นจริงจากส่วนท้ายของเซสชันหรือเทเลเมตรี แล้วส่งกลับผ่าน id

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

ฝึก trained-v1

เมื่อมีการพยากรณ์ที่ปิดแล้วอย่างน้อยสิบรายการ ให้พอดี trained-v1 ridge regression บน log10(actual) เทียบกับ log10(ความยาวคำอธิบาย) บวกตัวแปรหุ่น one-hot ของหมวดหมู่ การพอดีเป็นรูปแบบปิด (Cholesky บนสมการปกติด้วย ridge λ=1) และทำงานในหน่วยมิลลิวินาที

$ 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

หลังการฝึก ทุกการเรียก precc predict ใหม่จะใช้ trained-v1 อัตโนมัติจนกว่าคุณจะลบหรือแทนที่ไฟล์โมเดล การพยากรณ์เก่าจะคง model_version เดิมไว้ เพื่อให้คุณเปรียบเทียบตัวพยากรณ์ตามช่วงเวลาได้

ตรวจสอบความแม่นยำของตัวพยากรณ์

precc predict --eval รายงานข้อผิดพลาดร้อยละสัมบูรณ์เฉลี่ย (MAPE) โดยรวมและรายหมวดหมู่ คำนวณเฉพาะการพยากรณ์ที่ปิดแล้ว (แถวที่มีทั้งค่าพยากรณ์และค่าจริง)

$ 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%
  ...

แสดงการพยากรณ์ล่าสุด

precc predict --list แสดงแถวล่าสุดตามลำดับเวลาย้อนกลับ แถวที่เปิดอยู่ (ไม่มีค่าจริง) พร้อมที่จะปิด

$ 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...

ทำไมต้องเป็นโทเค็น ไม่ใช่เวลานาฬิกา

การประมาณเวลาไม่สามารถวัดได้ภายหลัง และไม่สามารถรวมกันข้ามเครื่องหรือเซสชันได้ จำนวนโทเค็นเป็นค่าคงที่ เปรียบเทียบได้ และทำให้ชุดข้อมูลที่มีฉลากเติบโต ซึ่งช่วยปรับปรุงตัวพยากรณ์ในทุกวงจรที่ปิด เป้าหมายของโอราเคิลคือการเปลี่ยนการประมาณจากเกมเดาเป็นการวัด

ข้อมูลอยู่ที่ไหน

ข้อมูลการพยากรณ์ทั้งหมดถูกเก็บไว้บนเครื่องของคุณในเครื่อง ไม่มีการอัปโหลด

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