Iteration 3: Modell- und Modusraster erweitert, Skill 7.0.0, V2/V3 vorbereitet

Neue gueltige Zellen in Iteration 3 - claude-opus-5/solo/high: 363 Anforderungen, 99,7 % mit Primaerbeleg, Belege je Anforderung Median 2,0, 38,1 Mio. Tokens - claude-fable-5/solo/high: 241 Anforderungen, 98,3 % mit Primaerbeleg, 89,0 % PRIMAER-Anteil, vollstaendig regelkonform, 30,6 Mio. Tokens Damit sind 6 von 12 Zellen des Rasters belegt. Zwei Befunde daraus: Die Belegdichte folgt dem Modell, nicht dem Effort. Opus erreicht Median 2,0 auch auf high; alle 44 Sonnet-Laeufe lagen bei 1,0. max hebt Opus auf 3,0. Die frueher dem Effort zugeschriebene Verdopplung ist damit eingegrenzt. Die Fable-Modellverletzung ist reproduziert und abgegrenzt. Bei builtin laufen die Subagenten auf claude-opus-5[1m] statt Fable (zweiter Fall nach Iteration 1), bei solo dagegen sauber. Nicht das Modell ist die Ursache, sondern Fable in Kombination mit Delegation. Fehlmessungen, vollstaendig protokolliert - vier 429-Abbrueche (Session-Kontingent) aus dem Parallelblock 19:59; drei davon mit Teilbestand, einer ohne Ergebnis - opus-5/builtin/high zum dritten Mal gescheitert: 790,7 Mio. Tokens ueber drei Anlaeufe ohne Artefakt. Zelle mit dieser Prompt-Version nicht messbar. Skill 7.0.0 (MAJOR) - Isolationsmechanismus modusabhaengig: --safe-mode schaltet MCP-Server und Custom-Agenten ab und ist mit V2/V3 unvereinbar. Smoke-Test verifiziert: mit Flag spawned=0, ohne Flag spawned=2. Ersatz fuer custom/MCP: --strict-mcp-config plus --disallowedTools Skill WebSearch WebFetch SlashCommand. - 6.1.0: Pflichtpruefung leeres Ergebnisverzeichnis = Fehlmessung unabhaengig von is_error; CLAUDE_CODE_PRINT_BG_WAIT_CEILING_MS=0; Protokollfeld Gueltigkeit - extract-subagenten.py: Start-Quittung wird nicht mehr als Ertragsmass ausgewiesen Versuch 2 und 3 vorbereitet - Prompt-Kette V1 -> V2 (02-A, angepasst an Agentendateien) -> V3 (02-B, MCP) - V2: acht Rollen inkl. nicht delegierendem ISO-29148-Orchestrator - V3: elf Rollen, fuenf Werkzeugserver, neue Belegklasse LAUFZEIT Ablaufprotokoll um Phase 6 und 7 sowie die Vorbereitung von V2/V3 ergaenzt. Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
2026-08-27 08:03:00 +02:00
parent affde3a45f
commit 3d5b691bfa
89 changed files with 39498 additions and 104 deletions
@@ -2,7 +2,7 @@
 name: run-experiment
 description: Führt einen Versuchs-Prompt aus einer Prompt-Datei als messbaren Headless-Lauf mit Claude Code oder Codex CLI aus und schreibt ein Messprotokoll mit Start-/Endzeit, Modell, Tokenverbrauch und weiteren Metriken. Verwenden bei "/run-experiment <Pfad-zur-Prompt-Datei>" oder wenn der User einen Versuch/ein Experiment ausführen und tracken will.
 argument-hint: <Pfad zur Prompt-Datei> <Root-Verzeichnis>
-version: 5.0.0
+version: 7.0.0
 ---

 # RunExperiment – Versuchslauf mit Messprotokoll
@@ -16,8 +16,9 @@ schreibst du ein Messprotokoll neben die Prompt-Datei.

 - **Prompt** (Pflicht): Pfad zur Prompt-Datei (Markdown). Erstes Argument in `$ARGUMENTS`.
 - **Root** (Pflicht): Verzeichnis, das als Root des Versuchslaufs dient. Zweites Argument.
-  Der Headless-Lauf wird mit diesem Verzeichnis als Arbeitsverzeichnis gestartet – es ist
-  die Wurzel der zu analysierenden Codebasis und wird nur GELESEN. Fehlt das Argument: den
+  Es ist die Wurzel der zu analysierenden Codebasis und wird nur GELESEN. Der Codex-Adapter
+  erstellt daraus ein isoliertes temporäres Arbeitsabbild; andere Adapter starten
+  unmittelbar mit diesem Root als Arbeitsverzeichnis. Fehlt das Argument: den
  User danach fragen und NICHT stillschweigend das aktuelle Verzeichnis verwenden. Vor dem
  Lauf prüfen, dass das Verzeichnis existiert; sonst abbrechen und den User informieren.
 - **Modell** (Pflicht, **kein Default**): Wird **vor jedem Lauf beim User erfragt** – siehe
@@ -216,7 +217,7 @@ per stdin übergebenen Text angehängt (siehe Schritt „Prompt zusammenstellen"
   unangetastet und die Agentenkonfiguration ist eine dokumentierte, versionierte
   Versuchsbedingung. Format siehe `claude --help` zu `--agents`.

-   **Codex-Adapter in Version 5.0.0:** ausschließlich `solo` ist freigegeben und wird doppelt
+   **Codex-Adapter ab Version 5.0.0:** ausschließlich `solo` ist freigegeben und wird doppelt
   mit `--disable multi_agent` sowie `-c agents.enabled=false` erzwungen. Bei `builtin` oder
   `custom` abbrechen und mitteilen, dass dieser Adaptermodus noch nicht verifiziert ist. Eine
   stillschweigende Annäherung an Claude-Agentendefinitionen wäre keine reproduzierbare Bedingung.
@@ -255,7 +256,7 @@ per stdin übergebenen Text angehängt (siehe Schritt „Prompt zusammenstellen"
             Sort-Object { [int]($_.Name -replace '\D','') }
   $iteration = if ($iterationen) { $iterationen[-1].Name } else { 'Iteration 1' }
   $zelle = Join-Path (Join-Path (Join-Path $iteration $modell) $modus) $effort
-   $skillVer = 'v5.0.0'   # entspricht version: im Frontmatter dieses Skills
+   $skillVer = 'v7.0.0'   # entspricht version: im Frontmatter dieses Skills
   do {
     $id4  = '{0:x4}' -f (Get-Random -Maximum 65536)
     $lauf = Join-Path "<promptverzeichnis>\$zelle" "<NN>_Lauf_$(Get-Date -Format 'yyyy-MM-dd_HHmmss')_${skillVer}-$id4"
@@ -347,15 +348,16 @@ Schreibe ALLE zu erzeugenden Ergebnisdateien in das Verzeichnis
 Verändere keine Dateien im Arbeitsverzeichnis (der analysierten Codebasis).
 ```

-**Codex-Abweichung bei Block 2.** Der Codex-Adapter läuft mit einem technisch erzwungenen
-`read-only`-Sandboxmodus. Er kann deshalb auch das externe Laufverzeichnis nicht direkt als
-Agent beschreiben. Block 2 wird dort durch folgende strukturierte Rückgabeanweisung ersetzt;
+**Codex-Abweichung bei Block 2.** Der Codex-Adapter läuft in einer isolierten Arbeitskopie
+im System-Temp-Verzeichnis mit `workspace-write`. Das originale Root liegt außerhalb dieses
+Arbeitsbereichs und kann vom Agenten nicht erreicht werden. Trotz des technisch beschreibbaren
+Abbilds darf der Agent keine Dateien verändern. Block 2 wird dort durch folgende strukturierte Rückgabeanweisung ersetzt;
 die CLI erzwingt `codex-output-schema.json`, anschließend materialisiert
 `normalise-codex-result.py` die Dateien:

 ```
 ### Ergebnisausgabe (überschreibt anderslautende Pfadangaben oben)
-Verändere keine Dateien. Gib alle geforderten Ergebnisdateien im vorgegebenen JSON-Schema zurück.
+Verändere keine Dateien im Arbeitsverzeichnis. Gib alle geforderten Ergebnisdateien im vorgegebenen JSON-Schema zurück.
 Jeder Eintrag in `files` enthält unter `path` einen relativen Pfad innerhalb von `Ergebnisse`
 und unter `content` den vollständigen Dateiinhalt. `summary` enthält nur eine kurze Laufzusammenfassung.
 ```
@@ -376,6 +378,9 @@ $lauf   = "<absoluter Pfad zum Laufverzeichnis>"
 $prompt = (Get-Content "<prompt-datei>" -Raw) + "`n`n<Ausgabe-Anweisung>"
 # Steuerdateien IMMER ins Laufverzeichnis - nie in den gemeinsamen Scratchpad (parallelfaehig)
 Set-Content -Path "$lauf\_meta\combined_prompt.md" -Value $prompt -Encoding utf8
+# Ohne diese Variable bricht der Headless-Modus nach 600 s ab, sobald noch
+# Hintergrund-Subagenten laufen - und meldet dabei `is_error: false`.
+$env:CLAUDE_CODE_PRINT_BG_WAIT_CEILING_MS = '0'
 Set-Content -Path "$lauf\_meta\startzeit.txt" -Value (Get-Date -Format o)

 # Schreibende und bauende Shell-Kommandos sperren – die Codebasis wird nur gelesen.
@@ -414,7 +419,7 @@ Bedeutung der Flags:

 | Flag | Zweck |
 |---|---|
-| `--safe-mode` | Isolation: CLAUDE.md, Skills, Plugins, Hooks, MCP-Server, Custom-Agenten, Commands und Output-Styles aus – ohne Dateieingriff. Auth, Modellwahl, eingebaute Tools und Permissions bleiben normal aktiv. |
+| `--safe-mode` | Isolation: CLAUDE.md, Skills, Plugins, Hooks, MCP-Server, Custom-Agenten, Commands und Output-Styles aus – ohne Dateieingriff. Auth, Modellwahl, eingebaute Tools und Permissions bleiben normal aktiv. **Nur in den Modi `solo` und `builtin` verwendbar** – siehe „Isolation je Agentenmodus". |
 | `--strict-mcp-config` | zweite Absicherung gegen MCP-Server aus Projekt- oder User-Konfiguration |
 | `--permission-mode acceptEdits` | Schreibrechte für die Ergebnisdateien im Laufverzeichnis |
 | `--allowedTools "Bash" "PowerShell"` | **Shell-Zugriff ohne Rückfrage** – Standard seit Prompt-Version 02 |
@@ -434,6 +439,55 @@ Die belastbare Read-only-Garantie bleibt der Vorher/Nachher-Vergleich per
 `git status --porcelain` aus Abschnitt 1 bzw. 3. Die Denylist senkt das Risiko, sie ersetzt die
 Verifikation nicht.

+**Isolation je Agentenmodus – `--safe-mode` ist nicht immer verwendbar.**
+
+`--safe-mode` schaltet ausweislich der CLI-Hilfe „all customizations (CLAUDE.md, skills, plugins,
+hooks, **MCP servers, custom commands and agents**, output styles, workflows, …)" ab. Damit
+deaktiviert es genau das, was die Modi `custom` (V2) und der MCP-Einsatz (V3) untersuchen sollen.
+
+Verifiziert am 2026-08-26 gegen CLI 2.1.246 mit identischem Aufruf, nur `--safe-mode` variiert:
+
+| Konfiguration | `subagent_stats.spawned` | `by_type` |
+|---|---:|---|
+| mit `--safe-mode` | **0** | leer – der Agent meldet, die Rollen seien „nicht in der Agent-Registry registriert" |
+| ohne `--safe-mode` | **2** | `{"modulinventar": 1, "konsistenzpruefer": 1}` |
+
+Daraus folgt eine modusabhängige Isolation:
+
+| Modus | Isolation |
+|---|---|
+| `solo`, `builtin` | `--safe-mode` + `--strict-mcp-config` (unverändert) |
+| `custom`, sowie jeder Lauf mit `--mcp-config` | **kein** `--safe-mode`; stattdessen `--strict-mcp-config` und die Sperre `--disallowedTools Skill WebSearch WebFetch SlashCommand` |
+
+Der gezielte Ersatz wurde am selben Tag gegengeprüft. Der Agent antwortete auf eine
+Werkzeugabfrage: `VORGELADEN: NICHTS VORGELADEN` · `SKILLS: KEINE` · `WEB: KEIN WEBZUGRIFF` ·
+alle acht Custom-Rollen verfügbar. Ohne die Sperre lädt die CLI **16 global installierte Skills**
+(darunter `code-review`, `security-review`, `run`, `init`); `--setting-sources ''` unterdrückt sie
+**nicht**.
+
+**Was der Ersatz nicht abdeckt.** `--safe-mode` deaktiviert zusätzlich Plugins, Hooks und
+Output-Styles. Die Sperre tut das nicht. Auf der Maschine, auf der die Versuchsreihe läuft, sind
+davon keine konfiguriert (`~/.claude/settings.json` enthält nur `model` und
+`agentPushNotifEnabled`, kein `hooks`; kein `plugins`- und kein `output-styles`-Verzeichnis) –
+das ist jedoch eine Eigenschaft der Umgebung, keine Garantie. **Vor jedem Lauf im Modus `custom`
+oder mit MCP ist deshalb zu prüfen:**
+
+```powershell
+$us = Join-Path $env:USERPROFILE '.claude\settings.json'
+if (Test-Path $us) { (Get-Content $us -Raw | ConvertFrom-Json).PSObject.Properties.Name }
+foreach ($d in 'plugins','output-styles','skills') {
+  $pfad = Join-Path $env:USERPROFILE ".claude\$d"
+  if (Test-Path $pfad) { "VORHANDEN: $d -> " + ((Get-ChildItem $pfad | Measure-Object).Count) + ' Eintraege' }
+}
+```
+
+Treten Hooks, Plugins oder Output-Styles auf, ist der Lauf **nicht** isoliert und die Bedingung
+im Protokoll als abweichend zu kennzeichnen.
+
+**Unverändert bleibt:** `--safe-mode` hat die Modellwahl nie beeinflusst. Der Eintrag `model` in
+den User-Settings (hier `opus[1m]`) kann Subagenten binden – das ist der bekannte Grund der zwei
+dokumentierten Modellabweichungen und gilt mit wie ohne `--safe-mode`.
+
 **`--safe-mode` bleibt als zweite Sicherung aktiv.** Die primäre Isolation leistet der
 bereinigte Snapshot (Abschnitt 1); `--safe-mode` fängt zusätzlich alles ab, was von außerhalb
 des Roots wirken könnte – User-Level-Settings, global installierte Skills, Plugins, Hooks.
@@ -542,6 +596,32 @@ Subagenten gibt.
 Bei Modus `builtin` oder `custom` daher **nie** den Flag-Wert allein ins Protokoll schreiben,
 sondern die Modelle aus `modelUsage` mit ihrem jeweiligen Anteil ausweisen.

+**Pflichtprüfung: Hat der Lauf überhaupt etwas erzeugt?** `is_error` allein genügt **nicht**.
+Ein Lauf kann `is_error: false`, `subtype: success` und `terminal_reason: completed` melden und
+trotzdem **null Ergebnisdateien** hinterlassen. Belegt am 2026-08-26, Lauf
+`Iteration 3/claude-opus-5/builtin/high/…160037_v4.5.0-116d`: Der Hauptagent startete zehn
+Subagenten im Hintergrund, beendete seinen Turn und schrieb als Abschlusstext „Die Erhebung
+läuft"; der Headless-Modus wartete 600 s und brach dann ab. `Stderr.log` enthielt
+„Background tasks still running after 600s; terminating." Verbraucht waren zu diesem Zeitpunkt
+**193,4 Mio. Tokens** – der teuerste Lauf der Reihe, ohne ein einziges Artefakt.
+
+Nach jedem Lauf daher zwingend prüfen:
+
+1. `Ergebnisse\` ist **nicht leer** und enthält die vom Prompt geforderten Dateien. Fehlen sie,
+   ist der Lauf **unabhängig von `is_error` als Fehlmessung zu kennzeichnen**.
+2. `Stderr.log` enthält keine Abbruchmeldung. Die Datei ist im Normalfall 0 Byte groß.
+
+Vorbeugend setzt der Ausführungsabschnitt `CLAUDE_CODE_PRINT_BG_WAIT_CEILING_MS=0`, damit der
+Lauf auf seine Hintergrund-Subagenten wartet, statt sie abzuschneiden.
+
+**Subagenten-Ergebnisse kommen nicht als Werkzeugergebnis zurück.** Startet der Hauptagent einen
+Subagenten im Hintergrund, liefert der Werkzeugaufruf sofort eine **Start-Quittung** von rund
+1.093 Zeichen („Async agent launched successfully …") zurück, nicht die Befunde. Deren Länge ist
+folglich **kein** Maß für den Ertrag des Subagenten. Die Quittung nennt einen Pfad
+`<temp>\<session>\tasks\<agentId>.output`; diese Dateien werden zwar angelegt, bleiben aber
+**leer** (geprüft an 33 Dateien aus zwei Läufen). Die Aussage, dass Subagenten-Transkripte nicht
+auswertbar persistiert werden, gilt damit unverändert.
+
 `permission_denials` ist eine **reguläre Messgröße** und immer auszuweisen, auch bei 0. Ein
 hoher Wert bedeutet, dass die Werkzeugkonfiguration den Lauf eingeschränkt hat, und ist bei der
 Interpretation der Ergebnisqualität zu berücksichtigen.
@@ -683,7 +763,11 @@ Vorlage:
 - **Permission-/Sandbox-Modus:** <acceptEdits | read-only / approval never | ...>
 - **Toolfreigabe:** <adapterabhängige Flags wörtlich>
 - **Isolationsmechanismus:** <adapterabhängige Flags wörtlich>
- **MCP-Server / Agentendateien:** <keine – aus dem Snapshot entfernt, zusätzlich --safe-mode | Liste>
+- **MCP-Server / Agentendateien:** <keine – aus dem Snapshot entfernt, zusätzlich --safe-mode |
+  Liste der Server mit Pfad und SHA-256 der `--mcp-config`-Datei; Pfad und SHA-256 der
+  `--agents`-Datei>
+- **Umgebungsprüfung (nur `custom` / MCP):** <keine Hooks, Plugins, Output-Styles im
+  User-Profil vorgefunden | **abweichend**: welche>
 - **Subagenten:** <Anzahl und Typ aus `subagent_stats`, z. B. 8 × Explore, 0 fehlgeschlagen>
 - **Verschachtelung:** `spawned` = <N>, davon `spawned_by_subagents` = <M>, `max_depth` = <D>.
  Bei `max_depth` > 1 ausdrücklich vermerken – die Tokens der tieferen Ebenen sind in
@@ -742,6 +826,8 @@ Status, Regelkonformität>
 - **Kontrolle Agentenmodus:** `subagent_stats.spawned` = <Zahl> (bei `solo` muss 0 stehen,
  sonst Fehlmessung)
 - **Subagenten-Prompts:** <`_meta\subagenten.md`, N Aufrufe erfasst | entfällt (Modus solo)>
+- **Gültigkeit:** <gültig | **Fehlmessung**: Ergebnisverzeichnis leer / Abbruchmeldung in
+  Stderr.log – Wortlaut zitieren>
 - **Erzeugte Dateien:** <Liste aus Ergebnisse\>
 - **Root unverändert:** <ja | nein: welche Abweichungen>
 - **Abschlusstext des Agenten:** siehe RawResult.json (`result`)
@@ -789,28 +875,47 @@ OpenAI-Modell-IDs entworfen. Referenzstand bei Einführung: **Codex CLI 0.149.0-
 Vor jedem Lauf `codex --version` protokollieren; bei geändertem JSONL-Schema den Normalisierer
 zuerst mit einem kleinen, ausdrücklich freigegebenen Smoke-Test prüfen.

-**Unterstützter Agentenmodus:** In Version 5.0.0 nur `solo`. `builtin` und `custom` müssen
+**Unterstützter Agentenmodus:** Auch in Version 6.0.0 nur `solo`. `builtin` und `custom` müssen
 abbrechen. `solo` wird mit zwei unabhängigen Einstellungen erzwungen:
 `--disable multi_agent` und `-c agents.enabled=false`.

-**Isolation und Ausgabe.** Codex arbeitet im Root mit `--sandbox read-only`. Anders als beim
-Claude-Adapter erhält der Agent deshalb kein beschreibbares Zusatzverzeichnis. Er liefert ein
-Schemaobjekt mit vollständigen Dateiinhalten; `--output-last-message` schreibt dieses durch die
-CLI nach `_meta\final_response.json`. Erst nach Ende des Agenten materialisiert das lokale,
-deterministische Skript die validierten relativen Pfade unter `Ergebnisse\`. Absolute Pfade,
-`..`, Laufwerkspräfixe und case-insensitive Duplikate werden abgelehnt.
+**Isolation und Ausgabe.** Unter Windows blockierte `--sandbox read-only` mit Codex CLI
+0.149.0-alpha.4.3 bereits den Start rein lesender Prozesse (`pwsh`, `cmd`, `rg`). Der Adapter
+erstellt deshalb vor dem Lauf eine isolierte Kopie der versionierten und nicht ignorierten
+Quelldateien im System-Temp-Verzeichnis und startet Codex dort mit `--sandbox workspace-write`.
+Das originale Root liegt außerhalb des Codex-Arbeitsbereichs und bleibt technisch getrennt.
+`prepare-codex-workspace.py` hasht die Kopie vor und nach dem Lauf; jede Änderung macht den Lauf
+ungültig. Quelle, Dateizahl, Größe und beide Manifeste werden unter `_meta` archiviert; die
+temporäre Kopie wird erst nach der Integritätsprüfung entfernt. Die Ablage außerhalb des
+IDE-Projektbaums verhindert automatische Design-Time-Restores, die sonst ungefragt `obj`-Dateien
+in der Kopie erzeugen.
+
+Der Agent liefert weiterhin ausschließlich ein Schemaobjekt mit vollständigen Dateiinhalten;
+`--output-last-message` schreibt dieses durch die CLI nach `_meta\final_response.json`. Erst nach
+Ende des Agenten materialisiert das lokale, deterministische Skript die validierten relativen
+Pfade unter `Ergebnisse\`. Absolute Pfade, `..`, Laufwerkspräfixe und case-insensitive Duplikate
+werden abgelehnt.

 Vor dem Start `$codex`, `$skillDir`, `$lauf`, `$root`, `$modell` und `$effort` auf absolute
 Pfade beziehungsweise die bestätigten Versuchsbedingungen setzen. Den Prompt mit dem
-Codex-Ausgabeblock aus Abschnitt 2 nach `_meta\combined_prompt.md` schreiben. Der eigentliche
-Aufruf lautet:
+Codex-Ausgabeblock aus Abschnitt 2 nach `_meta\combined_prompt.md` schreiben. Anschließend das
+isolierte Abbild anlegen; bei einem Fehler darf der API-Lauf nicht starten:
+
+```powershell
+$meta = Join-Path $lauf '_meta'
+$workspace = Join-Path ([IO.Path]::GetTempPath()) "codex-experiment-<Laufverzeichnis-ID>"
+python (Join-Path $skillDir 'prepare-codex-workspace.py') create $root $workspace $meta
+if ($LASTEXITCODE -ne 0) { throw 'Codex-Arbeitsabbild konnte nicht erstellt werden.' }
+```
+
+Der eigentliche Aufruf lautet:

 ```powershell
 $codexArgs = @(
  '--model', $modell,
  '-c', "model_reasoning_effort=`"$effort`"",
  '-c', 'service_tier="default"',
-  '--sandbox', 'read-only',
+  '--sandbox', 'workspace-write',
  '--ask-for-approval', 'never',
  '--disable', 'multi_agent',
  '-c', 'agents.enabled=false',
@@ -818,7 +923,7 @@ $codexArgs = @(
  '--disable', 'apps',
  '--disable', 'hooks',
  '--disable', 'skill_search',
-  '--cd', $root,
+  '--cd', $workspace,
  'exec',
  '--ignore-user-config',
  '--ignore-rules',
@@ -837,14 +942,20 @@ $codexExit = $LASTEXITCODE
 Set-Content -Path "$lauf\_meta\exitcode.txt" -Value $codexExit
 Set-Content -Path "$lauf\_meta\endzeit.txt" -Value (Get-Date -Format o)

+python (Join-Path $skillDir 'prepare-codex-workspace.py') verify $workspace $meta
+$workspaceExit = $LASTEXITCODE
+
 python (Join-Path $skillDir 'normalise-codex-result.py') $lauf `
  --model $modell --effort $effort
+
+python (Join-Path $skillDir 'prepare-codex-workspace.py') cleanup $workspace $meta
 ```

 Auch dieser Aufruf ist als Background-Task zu starten. Das Erscheinen von `RawEvents.jsonl`
 allein bedeutet noch nicht, dass der Lauf fertig ist; Ende ist der abgeschlossene Prozess plus
-erzeugte `RawResult.json`. Schlägt die Normalisierung fehl, Rohdateien unverändert lassen und
-den Lauf als Fehler protokollieren.
+Integritätsprüfung und erzeugte `RawResult.json`. Ist `$workspaceExit` ungleich null, den Lauf
+wegen einer veränderten Arbeitskopie als ungültig kennzeichnen. Schlägt die Normalisierung fehl,
+Rohdateien unverändert lassen und den Lauf als Fehler protokollieren.

 **Warum diese Flags:**

@@ -853,13 +964,13 @@ den Lauf als Fehler protokollieren.
 | `--model <id>` | vollständige, vom User bestätigte OpenAI-Modell-ID |
 | `model_reasoning_effort` | expliziter Denkaufwand |
 | `service_tier="default"` | verhindert eine geerbte Fast-/Priority-Bedingung |
-| `--sandbox read-only` | technische Schreibsperre für den Codebasis-Snapshot |
+| `--sandbox workspace-write` | erlaubt Windows-Prozessstarts nur innerhalb der isolierten Arbeitskopie |
 | `--ask-for-approval never` | keine interaktiven Unterbrechungen im Headless-Lauf |
 | `--ignore-user-config`, `--ignore-rules` | keine User-Konfiguration und keine Exec-Regeln |
 | `--disable plugins/apps/hooks/skill_search` | keine externen oder benutzerspezifischen Erweiterungen |
 | `--disable multi_agent`, `agents.enabled=false` | keine Subagenten im Modus `solo` |
 | `--json` | vollständiger maschinenlesbarer Ereignisstrom |
-| `--output-schema`, `--output-last-message` | validierbare Ergebnisdateien ohne Schreibrecht des Agenten |
+| `--output-schema`, `--output-last-message` | validierbare Ergebnisdateien außerhalb des Arbeitsabbilds |

 `--ignore-user-config` lässt die gespeicherte Authentifizierung weiterhin nutzbar; niemals
 `auth.json` kopieren oder in Laufartefakten ablegen. Live-Websuche ist nicht freigegeben, weil
@@ -946,6 +1057,9 @@ der Historie unten – im selben Arbeitsschritt.

 | Version | Änderung | Grund | Verwendet in |
 |---|---|---|---|
+| **7.0.0** | **Isolationsmechanismus wird modusabhängig.** In den Modi `solo` und `builtin` unverändert `--safe-mode`; im Modus `custom` und bei jedem Lauf mit `--mcp-config` **kein** `--safe-mode`, stattdessen `--strict-mcp-config` plus `--disallowedTools Skill WebSearch WebFetch SlashCommand`. Neue Pflicht-Umgebungsprüfung auf Hooks, Plugins und Output-Styles im User-Profil; neue Protokollfelder für die MCP-Konfiguration und die Umgebungsprüfung. | `--safe-mode` schaltet ausweislich der CLI-Hilfe „MCP servers, custom commands and agents" ab – also genau das, was V2 und V3 untersuchen. Smoke-Test am 2026-08-26 (CLI 2.1.246, identischer Aufruf, nur `--safe-mode` variiert): mit Flag `spawned` = 0 und die Meldung, die Rollen seien „nicht in der Agent-Registry registriert"; ohne Flag `spawned` = 2 mit `{"modulinventar": 1, "konsistenzpruefer": 1}`. Ohne Ersatz hätte der erste V2-Lauf stillschweigend als V1-Lauf gemessen. Der Ersatz wurde gegengeprüft: nichts vorgeladen, keine Skills, kein Webzugriff, alle Rollen verfügbar. **MAJOR: Läufe im Modus `custom` sind hinsichtlich der Isolation nicht unmittelbar mit `solo`- und `builtin`-Läufen vergleichbar** – Plugins, Hooks und Output-Styles sind dort nicht durch das Flag, sondern nur durch die Umgebungsprüfung ausgeschlossen. | ab dem ersten V2-Lauf |
+| **6.1.0** | Zwei adapterunabhängige Pflichtprüfungen nach jedem Lauf: **(a)** `Ergebnisse\` darf nicht leer sein – sonst Fehlmessung, unabhängig von `is_error`; **(b)** `Stderr.log` auf Abbruchmeldungen prüfen. Der Ausführungsabschnitt setzt `CLAUDE_CODE_PRINT_BG_WAIT_CEILING_MS=0`. Neues Protokollfeld „Gültigkeit". Dokumentiert, dass die Rückgabe eines Hintergrund-Subagenten eine Start-Quittung ist und ihre Länge kein Ertragsmaß. | Lauf `…160037_v4.5.0-116d` meldete `is_error: false`, `subtype: success` und lieferte **null Ergebnisdateien** bei 193,4 Mio. Tokens – der Headless-Modus hatte nach 600 s abgebrochen, während zehn Hintergrund-Subagenten noch liefen. Ohne die neue Prüfung wäre der Lauf als gültiger Messpunkt mit „0 Anforderungen" in den Modellvergleich eingegangen. MINOR: neue Prüfschritte; die Umgebungsvariable ändert die Versuchsbedingung für künftige `builtin`-Läufe und ist dort zu vermerken. | ab sofort |
+| **6.0.0** | **Windows-taugliche Codex-Isolation.** Pro Lauf wird im System-Temp-Verzeichnis außerhalb des IDE-Projektbaums eine Kopie der versionierten und nicht ignorierten Dateien des Codebasis-Roots erstellt. Codex läuft ausschließlich dort mit `--sandbox workspace-write`; SHA-256-Manifeste vor und nach dem Lauf erkennen jede Änderung. Ergebnisse und Nachweise bleiben im Laufverzeichnis, die temporäre Kopie wird danach entfernt. | Der erste Codex-Lauf mit 5.0.0 konnte fachlich nicht starten, weil die Windows-Read-only-Sandbox sämtliche lesenden Kindprozesse vor dem Start blockierte. Eine Kopie im Laufverzeichnis wurde zudem vom C#-Projektservice automatisch mit ignorierten `obj`-Dateien verändert. MAJOR, weil Sandboxmodus und Arbeitsverzeichnis eine neue Versuchsbedingung bilden; der erste Lauf eröffnet deshalb eine neue Iteration. | ab dem ersten wiederholten Codex-Lauf |
 | **5.0.0** | **Neuer Codex-CLI-Adapter für OpenAI-Modelle.** Exakte OpenAI-Modell-IDs, expliziter Reasoning-Effort und Service-Tier; technisch read-only ausgeführtes `codex exec`; schemaerzwungene Dateirückgabe; JSONL-Rohdaten und deterministische Normalisierung nach `RawResult.json`. Codex ist zunächst nur im Modus `solo` freigegeben. Zusätzlich fünf beschädigte Backslashes vor `analyse-anforderungen.py`, `anforderungen.*` und `after.txt` repariert. | Der bisherige Skill konnte nur Claude Code ausführen. Ein Codex-Lauf braucht andere Isolations-, Ausgabe- und Messmechanismen. MAJOR, weil Werkzeug, Rohdatenformat und Ergebnisübergabe neue Versuchsbedingungen bilden; der nächste Lauf eröffnet deshalb eine neue Iteration. | ab dem ersten Codex-Lauf |
 | **1.0.0** | Ausgangsfassung: `--permission-mode acceptEdits`, kein Shell-Zugriff; Isolation durch Löschen der KI-Konfigurationsdateien im Root vor dem Lauf und `git restore` danach | Erstaufsetzung des Versuchsaufbaus | Lauf 1 (`01_Lauf_2026-08-25_1228`) |
 | **2.0.0** | `--allowedTools "Bash" "PowerShell"` + 33er-Denylist für schreibende und bauende Kommandos. Isolation über **eingefrorenen Codebasis-Snapshot ohne KI-Konfigurationen** (Commit `79c1142`, Parent `89ccfd6`, GitHub-Remote entkoppelt), zusätzlich `--safe-mode` und `--strict-mcp-config`. Der destruktive Lösch-/Restore-Schritt pro Lauf entfällt. `permission_denials` und `subagent_stats` werden reguläre Messgrößen; Verbrauchstabelle trennt Hauptagent und Gesamtlauf. CLI-Pfad-Auflösung als eigener Schritt. | Lauf 1 erzeugte 36 Permission-Denials (32 × Bash, 4 × PowerShell); Shell-gestützte Verzeichnisinventuren fehlten dem Agenten. `--safe-mode` allein genügt nicht: Es unterdrückt das Vorladen von `CLAUDE.md`/`AGENTS.md`, verhindert aber nicht, dass der Agent sie mit Shell-Zugriff selbst liest – im Smoke-Test nachgewiesen. | Lauf 2 (`01_Lauf_2026-08-25_1349`, API-Abbruch) |