PRの理由を抽出して選ぶchangelog-bot

@nyaomaruが直面した問題は、プルリクエストを渡されて「この変更はなぜ行われたのか？」と問われたLLMが、要約し、言い換え、文を結合し、述べられてもいない理由を推測してしまうことだった。changelogにとって、それは間違った種類の助けだ。転換点はタスクの捉え直しにあった。「AIはどうすれば良い理由を書けるか？」ではなく「理由がすでに存在する証拠をどう見つけるか？」である。この捉え直しにより、作業は3つに分かれる。候補の証拠を特定して正規化する決定論的コード、それを評価するJev、そして整形するレンダラーだ。

これは作者が「決定論優先」と呼ぶ、プロジェクトのv1の大きな方向性に合致する。AIが無効化されても失敗しても、完全なchangelogが生成されるべきだという考えだ。AIはchangelogを所有するのではなく、 enrichmentする。WHYエンジンはそれに応じて任意のエンリッチメント工程であり、最終的なMarkdown自体を生成することはなく、それは単一の決定論的レンダラーが担う。フェーズ1から3はすでに実装済みで、構造化レンダリングとエンリッチメントの境界は今後の作業として予定されている。

しきい値の問いは、直感ではなく測定によって答えられつつある。初期の評価ハーネスは14件のケースを持ち、陽性（ある候補が明らかに理由である場合）と陰性（何も選ばないのが正解である場合）を混ぜていた。寄稿者として@johnnylemonnyが加わった後、PR #212はそれを約50件のケースに拡大し、明示的な根拠、実装のみのテキスト、テンプレートのノイズ、多言語のプルリクエストを網羅した。作者は正解データに1つのルールを設けた。それは現在のJevのしきい値とは独立に人間が決めなければならず、ラベルが単にモデルがすでに高く採点したものになってしまわないようにするためだ。