AR
Geodi، شخصية البكسل الرسمية لـ GEODE
العودة إلى القاعة

GEODE

Autonomous Agent Harness

من الملاحظة إلى الإجراء التالي.

إطار تشغيل محلي لوكيل مستقل يمكن أن تُسند إليه الأبحاث والعمل على الملفات والمهام المجدولة.

2026.02.21 — present

التصميم والحكم والتحقق: Author · التطبيق: Claude · المراجعة: Codex

  • CLIمنشور · PyPI
  • خادم MCPمُطبَّق

تغيير سياسة واحدة في كل مرة، مع تثبيت القياس.

حلقة منفصلة تعمل خارج إطار التشغيل. تطبّق انطلاقًا من baseline تغييرًا واحدًا محدد النوع في السياسة، ويحسم تدقيق Petri نفسه والبوابة نفسها بين KEEP والاستعادة.

خريطة SIL · مرسومة من مسارات evolve عند الإيداع المثبّت 9e2c041 ومن سجل تشغيل June 2026
خريطة البحث في السياسات (SIL) في GEODEحلقة بحث في السياسات تعمل خارج بيئة التشغيل. يثبّت عقد تشغيل مُعتمد الميزانيةَ والبذور وسلّم التقييم والنماذج، ويغيّر mutator سياسة واحدة من بين سبعة أسطح مسموح بها. ويدقّق measure.py نظامَ GEODE بالجهاز نفسه عبر Petri، ويحسم fitness.py وgate.py بين KEEP والتراجع بقواعد تراجع critical والترقية، ويكتب ledger.py صفوف baseline والنتائج. وقد فصل تشغيل June 2026 ضجيج التدقيق عن أثر التغيير بذراع never بلا تغيير، وbaseline من K=5، وقياس replicate.موافقة المشغّلاستدعاءات حيّة · الميزانيةتدقيق Petriauditor · GEODE target · judgeprogram.mdعقد التشغيل · النماذج · الميزانيةقواعد التوقف · التشغيل بعد الموافقةtrain.pyحلقة بميزانية ثابتة--replicate K · إعادة القياسloop/mutatemutator · مرشح واحد7 أسطح · بلا معاملات فائقةstate/policiesسياسة قائمة على ملفprepare.pyمجمّع البذور · سلّم التقييم ثابتmeasure.pyعملية تدقيق فرعية · مهلة ثابتةOVERRIDE · STRICT لكل سياسةfitness.pyتراجع critical · عقوباتledger.pybaseline · provenanceصفوف results · mutationsgate.py_should_promote · KEEP_reject_and_revertcore · محمّلات السياساتفرع الموجّه · system_prompt.py6 محمّلات سياسات · tool وskill…run-2606-broken-tool-usebaseline لـ gen-0 · متوسط 5 تدقيقاتذراع never · ضابط بلا تغييرذراعا random · gatereplicate · إعادة قياس KEEP واحدevolve/scaffold_searchحلقة بحث خارجية · خارج بيئة التشغيلتغيير مرشحواحد لكل تشغيلجهاز القياسثابت أثناء المقارنةrun-2606 · June 3–4, 2026broken_tool_useGEODE قيد التدقيقلا تتغير إلا السياسات المسموح بها1 الموافقة · موافقة المشغّل → عقد التشغيل · النماذج · الميزانية12 عقد التشغيل · عقد التشغيل · النماذج · الميزانية → حلقة بميزانية ثابتة23 طلب مرشح واحد · حلقة بميزانية ثابتة → mutator · مرشح واحد34تغيير السياسة · mutation ID5 البذور · سلّم التقييم ثابتان · مجمّع البذور · سلّم التقييم ثابت → عملية تدقيق فرعية · مهلة ثابتة56السياسة المختارة7مسارات override لكل سياسة8audit subprocess9حوار التدقيق1درجات الأبعاد2 baseline · provenance · baseline · provenance → تراجع critical · عقوبات23 fitness · أسباب التراجع · تراجع critical · عقوبات → _should_promote · KEEP34KEEP · baseline التالي5REJECT · استعادة السابق6صف النتيجة · الحكم1ثلاث أذرع2baseline بمتوسط K=53القياس دون تغيير4--replicate K5إعادة القياس → التراجع

تغيير واحد → تدقيق

مع تثبيت عقد التشغيل، تتغير سياسة واحدة مسموح بها ويُدقَّق GEODE بالجهاز نفسه. وليس هذا المنتجَ العاملَ يعيد كتابة نفسه.

  1. موافقة المشغّلالموافقةعقد التشغيل · النماذج · الميزانيةprogram.md

    لا يبدأ التشغيل إلا بعد الموافقة على الاستدعاءات الحيّة والميزانية الثابتة. ومن دون موافقة، لا يُعَد إلا العقد ويُفحص دون اتصال.

  2. عقد التشغيل · النماذج · الميزانيةprogram.mdعقد التشغيلحلقة بميزانية ثابتةtrain.py

    تُثبَّت قبل التشغيل نسخُ البذور وسلّم التقييم، ونماذج الأدوار ومصادر بيانات الاعتماد، وإعدادات القياس، وميزانيات التكرار والوقت والتكلفة، وسياسة الترقية وشروط التوقف.

  3. حلقة بميزانية ثابتةtrain.pyطلب مرشح واحدmutator · مرشح واحدloop/mutate

    تغيّر فرضية واحدة مدعومة بالأدلة سطحَ سياسة واحدًا مسموحًا به.

  4. 7 أسطح · بلا معاملات فائقةloop/mutateتغيير السياسة · mutation IDسياسة قائمة على ملفstate/policies

    لا يجوز أن تتغير إلا سبعة أسطح: موجّه wrapper، وسياسة الأدوات، ونصائح التفكيك، وreflection، والبيانات الوصفية لكتالوج المهارات، وعقد الوكيل (role وsystem_prompt وtools)، وأوصاف الأدوات وتلميحاتها. وتُرفض تغييرات المعاملات الفائقة عند التحليل وعند التطبيق كليهما. وتطبيق السياسة وإعادة القياس والإيداع الاختياري خطوات منفصلة، فالتطبيق ليس تدقيقًا في حد ذاته.

  5. مجمّع البذور · سلّم التقييم ثابتprepare.pyالبذور · سلّم التقييم ثابتانعملية تدقيق فرعية · مهلة ثابتةmeasure.py

    prepare.py هو المرجع الثابت لمجمّع البذور وسلّم التقييم، ولا تغيّره المرشحات. وتغيير وحدة قياس يغيّر القياس نفسه، لا النظام الخاضع للاختبار.

  6. سياسة قائمة على ملفstate/policiesالسياسة المختارةOVERRIDE · STRICT لكل سياسةmeasure.py

    يقرأ measure.py ملف السياسة المختار حاليًا ويمرره إلى بيئة التدقيق.

  7. OVERRIDE · STRICT لكل سياسةmeasure.pyمسارات override لكل سياسةcore · محمّلات السياسات

    يمرر measure.py مسار wrapper ومسارات override وstrict لكل سياسة إلى عملية التدقيق الفرعية، ويقرأ كلًّا منها محمّلُ السياسة المطابق في بيئة التشغيل. وwrapper (GEODE_WRAPPER_OVERRIDE → system_prompt) فرع واحد منها، ولا توسّع مفاتيح البيئة الإضافية الأسطح السبعة القابلة للتغيير. ولا يثبت تعديل الملف وحده أن المرشح بلغ الهدف، بل يؤكده تشخيص أدلة التدقيق.

  8. عملية تدقيق فرعية · مهلة ثابتةmeasure.pyaudit subprocessتدقيق Petri

    يجري التدقيق بمهلة وميزانية ثابتتين لا تتغيران أبدًا في منتصف المقارنة. وغياب المُخرَج فجوة تشخيصية، لا درجة صفر.

  9. تدقيق Petriحوار التدقيقcore · محمّلات السياسات

    يحاور المدقّق GEODE عبر سيناريو البذرة، ويقيّم الحَكَم نص المحادثة.

الحكم → الإبقاء · الاستعادة

بالمقارنة مع baseline ذي العقد نفسه، تحسم تراجعات critical وقاعدة الترقية قرار KEEP، ويُعاد التغيير المرفوض إلى قيمته السابقة المسجّلة.

  1. تدقيق Petriدرجات الأبعادتراجع critical · عقوباتfitness.py

    ترافق الدرجاتِ الأبعادُ المفقودة وأعدادُ العينات. ولا يُقرأ البُعد غير المقيس على أنه ملاحظة.

  2. baseline · provenanceledger.pybaseline · provenanceتراجع critical · عقوباتfitness.py

    لا تُجرى المقارنة إلا مع baseline له العقد وepoch المسجّلان نفسهما. ولا يعزل فرع Git جديد حالة baseline.

  3. تراجع critical · عقوباتfitness.pyfitness · أسباب التراجع_should_promote · KEEPgate.py

    تُفحص أولًا تراجعات أبعاد critical والعقوبات المساعدة، ثم اختبار margin أو البُعد المستهدف. ولا تكفي قيمة عددية موجبة وحدها للترقية أبدًا.

  4. _should_promote · KEEPgate.pyKEEP · baseline التاليbaseline · provenanceledger.py

    يصبح المرشح المُبقى عليه baseline التالي. والمرشح المُبقى عليه محليًا ليس دمجًا في المستودع ولا إصدارًا.

  5. _reject_and_revertgate.pyREJECT · استعادة السابقسياسة قائمة على ملفstate/policies

    في المرشح الذي أنشأه runner، يُستعاد قسم السياسة المسجَّل تحت mutation ID الخاص به، ويُعلَّم فشل الاستعادة. ولا تُستعاد التغييرات اليدوية تلقائيًا، والاستعادة غير المؤكدة توقف المرشح التالي.

  6. _should_promote · KEEPgate.pyصف النتيجة · الحكمصفوف results · mutationsledger.py

    يُكتب القياس والحكم والمصدر مرة واحدة صفوفَ نتائج، ولا تُعاد كتابة الصفوف السابقة أبدًا.

الضوابط · قياس replicate

تشغيل June 2026: قاست ذراع never بلا تغيير وbaseline من K=5 ضجيجَ التدقيق على حدة، وأُعيد فحص KEEP التدقيق المنفرد بـ replicates.

  1. run-2606-broken-tool-useثلاث أذرعحلقة بميزانية ثابتةtrain.py

    فصل تشغيل June 3–4, 2026 الانجراف عن أثر التغيير بثلاث أذرع: never (بلا تغيير)، وrandom (قبول عشوائي)، وgate (قبول بالحكم). وكان الهدف GPT-5.5، والمدقّق والحَكَم Claude Opus 4.8.

  2. baseline لـ gen-0 · متوسط 5 تدقيقاتrun-2606-broken-tool-usebaseline بمتوسط K=5baseline · provenanceledger.py

    كان baseline لـ gen-0 متوسط خمسة تدقيقات (Petri broken_tool_use، الأقل أفضل، المتوسط 2.667).

  3. ذراع never · ضابط بلا تغييرrun-2606-broken-tool-useالقياس دون تغييرعملية تدقيق فرعية · مهلة ثابتةmeasure.py

    انجرفت ذراع never إلى متوسط 3.38 دون أي تغيير في السياسة (10 تدقيقات، الأقل أفضل): دليل مباشر على أن ضجيج التدقيق فاق أثر التغيير.

  4. --replicate K · إعادة القياسtrain.py--replicate Kعملية تدقيق فرعية · مهلة ثابتةmeasure.py

    يُقاس المرشح نفسه K مرات إضافية بالشروط نفسها لاستبعاد تدقيق منفرد محظوظ.

  5. replicate · إعادة قياس KEEP واحدrun-2606-broken-tool-useإعادة القياس → التراجع_reject_and_revertgate.py

    مرشح أُبقي عليه بتدقيق gate واحد (1.6) سجّل 3.0–3.8 في replicates، أي أسوأ من baseline، فاستُعيد الـ champion بقيمة 2.667. وخلص التشغيل إلى عدم وجود تحسن واضح.

كل الروابط بالسماكة نفسها. اختر مسارًا لإبراز طريقه وحده، مع خطوات مرقّمة.

  • خط متصل · اتجاه تدفق الطلبات والمرشحين والنتائج
  • خط متقطع · تشغيل، حكم، تفويض، تهيئة
  • شرطة طويلة ونقطة · السجلات والملاحظة، بمعزل عن الحكم
  • خط أسود سميك · المسار المختار، والأرقام تبيّن الترتيب
  • مربع · حدّ شيفرة أو سجل، ومساره في الترويسة
  • شريحة داخلية · مكوّن ضمن ذلك الحد
  • مربع متقطع · خارج ذلك الحد
  • الحلقة · تشغيل القياس
  • العقد · الحكم
  • السياسة · السجلات
  • التغيير · الهدف المدقَّق · سجل التشغيل

يُسمّى مشغّل SIL في GEODE باسم autoresearch، وتستلهم بنيته prepare/train/program وميزانيته الثابتة autoresearch لدى Karpathy. ولا تتغير أوزان أي نموذج، ويبقى الجهاز والميزانية ثابتين أثناء المقارنة.

ما يجوز تغييره
سبعة أسطح: موجّه wrapper، وسياسة الأدوات، ونصائح التفكيك، وreflection، والبيانات الوصفية لكتالوج المهارات، وعقد الوكيل، وأوصاف الأدوات وتلميحاتها. ويبقى المقيّم والميزانية والبذور وسلّم التقييم ثابتة أثناء المقارنة.
نطاق سجل التشغيل
قيم run-2606 هي متوسطات Petri broken_tool_use لذلك التشغيل (الأقل أفضل). وليست دليلًا على تحسن تراكمي في SIL أو على التعميم.