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

من التشغيلات الكاملة إلى الأدلة

لا يفسّر معدل النجاح وحده تنفيذًا ما. أحفظ ترتيب الأحداث، واستدعاءات الأدوات ونتائجها، وسلسلة نسب إعادات المحاولة، وأدلة المُتحقِّق المستقل، ثم أربط الأجزاء القابلة للنشر. وتُظهر هذه التجارب كيف تطورت عقود التسجيل والتقييم.

حسب التجربة · بترتيب التاريخ

رُتّبت التجارب الست بحسب التاريخ، وليست عملية تحسين واحدة متصلة. ولا يغذّي SIL تجربتي Crucible أو Jev تلقائيًا، وليس هذا ادعاءً بأن GEODE الإنتاجي ظل يتحسن. والتواريخ هي تواريخ التجارب ولقطات النشر، ولا تُستخدم الأسهم إلا للمراحل داخل تجربة واحدة.

  1. June 3, 2026 to June 4, 2026SIL · بحث خارجي في السياسات

    أُعيد فحص KEEP ناتج عن تدقيق واحد بقياس متكرر

    السؤالهل حسّن تغيير في السياسة سلوك استخدام الأدوات بما يتجاوز ضجيج التدقيق؟

    تجربة خارجية · خارج بيئة تشغيل GEODE

    1. baseline · K=5
    2. تغيير واحد في السياسة
    3. تدقيق Petri
    4. قياس متكرر
      • إبقاء
      • تراجع
    ما الذي تغيّر
    في هذه التجربة، أُضيف قياس متكرر إلى التدقيق المنفرد للتغيير قبل تقرير الإبقاء أو التراجع. وأُضيفت بذور متكافئة الصعوبة وbaseline من K=5، وتفصل أذرع never وrandom وgate الانجرافَ الحاصل دون أي تغيير عن التغييرات المقبولة.
    ما الذي يدعمه
    عند إعادة قياسه، جاء المرشح المُبقى عليه بتدقيق واحد أسوأ من baseline (الأقل أفضل)، فتُراجع عن اعتماده. وخلصت التجربة إلى عدم وجود تحسن متين. وهو تدقيق سلوكي Petri broken_tool_use، لا مكافأة على إنجاز المهام.

  2. July 11, 2026 to July 13, 2026Crucible · نواة تجارب خارجية

    البقاء في البحث وبلوغ المنتج حكمان منفصلان

    السؤالهل أدلة إبقاء مرشح في البحث هي نفسها أدلة ترقيته وإصداره في المنتج؟

    نواة Crucible خارجية · checkout قياس منفصل

    1. المرشح · نسب الأصل
    2. فحص العقد المجمّد
    3. قياس مزدوج
      • KEEPإلى حكم sealed منفصل فقط
      • REJECT
      • INVALIDnull، لا 0%
    ما الذي تغيّر
    يُحتفظ بالمرشحين المرفوضين وغير الصالحين مع نسب أصلهم، وانتقاء train وأهلية sealed وسلطة إصدار المنتج سجلات منفصلة.
    ما الذي يدعمه
    كانت نتيجة r14 في train هي KEEP (ست وحدات مهام، محاولة واحدة لكلٍّ منها، بلا سلطة ترقية)، لكن حكم sealed المنفصل كان REJECT (بلا سلطة ترقية في المنتج أو إصدار). وr35 هو INVALID بسبب coverage ناقصة وتلوث البنية التحتية، ولغياب الصفوف المزدوجة يبقى متوسطه null. وليس هذا تعديلًا ذاتيًا لبيئة التشغيل ولا سلسلة نشر SIL → Crucible.

  3. July 21, 2026 · July 31, 2026التنقية · النشر

    صُنّفت السجلات المتبقية، ولم يتحول إلى إصدار ثابت إلا ما يمكن مشاركته

    السؤالما الذي يمكن إعادة بنائه فعلًا، وما الذي يمكن مشاركته بأمان؟

    1. مصدر خاصسجل الجلسة · أدلة nativeنتيجة native · مع المُتحقِّق
      • أحداث موحّدةحفظ الترتيب · الهوية
    2. أحداث موحّدةالهوية · الترتيب · أزواج الاستدعاء والنتيجة
      • مرشح عامallowlist · تنقيح · digest
    3. مرشح عامقيد المراجعة
      • فحوص السلامة · الخصوصيةفحص
    4. فحوص السلامة · الخصوصيةالأزواج · النسب · النطاق
      • إصدار ثابتالبايتات المراجَعة فقط
    5. مستودع عامإصدار ثابتmanifest · نتائج native يُشار إليها بـ digest
      • قراءة بعيدة للتحققالتحقق من hash
    6. قراءة بعيدة للتحققSHA-256 مثبّت
    ما الذي تغيّر
    صنّف جرد July 21, 2026 سجلات الحوار والأدوات والبحث والقرار حسب المصدر، ولم تُحتسب نسخ المصدر نفسه المكررة أمثلةً مستقلة. ومنذ July 31, 2026، يصرّح geode.trajectory@1 وgeode.trajectory-release@1 بالهوية وترتيب الأحداث وأزواج الاستدعاء والنتيجة وسلامة النطاق وإعادة التشغيل وملفات manifest المرتبطة بالمحتوى. وللنسخ العامة المحوّلة وللأصول قيم digest منفصلة.
    ما الذي يدعمه
    التنقية هنا تعني التوحيد، والربط، والتنقيح الصريح، وسلسلة النسب، وقبول النشر. وهي لا تعيد بناء استدلال خفي ولا تعلن مجموعة بيانات جاهزة للتدريب. والنطاق الكامل ليس إعادة تشغيل كاملة على مستوى البايت حين تُستبدل النصوص الخاصة بقيم digest.

  4. August 25, 2026Learning view

    رُبط تشغيل كامل واحد وأدلته معًا بالمعرّفات

    السؤالأي مُدخل ومحاولة وتسلسل أحداث ومكافأة تنتمي معًا؟

    geode.eval-learning-view@2 · مربوطة بالمعرّفات وقيم digest مُتحقَّق منها، لا بترتيب سببي

    1. example
    2. rollout
    3. trajectory
    4. reward

    تملك native verifier receipts المكافأة. وإعادات محاولة البنية التحتية محاولاتٌ داخل تشغيل كامل واحد.

    ما الذي تغيّر
    يُعاد استخدام المسارات الثابتة عبر عمليات join محددة النطاق، وتبقى المكافآت تسميات مشتقة يملكها المقيّم. ولا تضيف إعادات محاولة البنية التحتية تشغيلات كاملة. ويُحفظ الصفر المرصود، والمكافأة الغائبة null، وتُستبعد المحاولات غير الصالحة أو المُجهَضة من انتقاء المكافأة. والصلاحية خاصية للتشغيل الكامل، ولا تعني تلقائيًا مكافأة null.
    ما الذي يدعمه
    رُبط تشغيل Terminal-Bench fast-3 على Harbor 0.8.0 (ثلاث مهام، 3/3) وتشخيص Tau2 على ثلاثة مجالات (1/3، صفران صالحان) في البنية نفسها. وهذه مرشحات لما بعد التدريب، لا مجموعات بيانات استُخدمت في التدريب ولا دليل على تحسن الأوزان، ونتيجة ثلاث مهام ليست دقة المجموعة كاملة.

  5. August 27, 2026 to September 5, 2026Harbor · Terminal-Bench 2.1

    أنتج trial واحد النتيجة وسجل إعادة التشغيل كلًّا على حدة

    السؤالكيف يصبح تنفيذ مهمة حقيقي نتيجةً وإعادة تشغيل قابلة للفحص؟

    1. مهمة مجمّدة · specمثبّتة مسبقًا · خمس تكرارات
      • trial معزولالتعليمات · البيئة · الحدود
    2. trial على Harbor 0.22.0 · تنفيذ حقيقيtrial معزولGEODE بوصفه actor
      • الإجراءات والحالة النهائيةالتنفيذ
    3. الإجراءات والحالة النهائيةسلوك مرصود
      • مُتحقِّق تملكه المهمةفحص حالة المهمة
      • ATIF · إسقاط الأحداث العامةإسقاط الأحداث المسجّلة
    4. مُتحقِّق تملكه المهمة
      • مكافأة native · receiptالمكافأة
    5. مكافأة native · receipt
      • تحليل المحاولة المختارةانتقاء مجمّد
    6. ATIF · إسقاط الأحداث العامةمعالجة لاحقة · ليست تشغيلًا جديدًا
    7. تحليل المحاولة المختارةقاعدة انتقاء مجمّدة
    ما الذي تغيّر
    يُحتفظ بالمواصفة المجمّدة، وكل محاولة، والنتيجة المختارة، ومُتحقِّق المهمة، وإعادة تشغيل أمينة لكن محدودة، سجلاتٍ منفصلة مترابطة. وأجرى Harbor 0.22.0 خمس تكرارات مع GPT-5.6 Sol/max، مقارنًا GEODE (وكان آنذاك محوّلًا بأداة طرفية واحدة) بـ Codex.
    ما الذي يدعمه
    تملك المهمة التعليمات والبيئة والاختبارات، والـ trial محاولة واحدة، والـ job مجموعة من trials. ويقرر مُتحقِّق المهمة المكافأة، أما حَكَم الاكتمال الداخلي في GEODE فتغذية راجعة أثناء التشغيل. وإعادة التشغيل العامة إسقاط لاحق لأحداث الأدوات المسجّلة، لا PTY خام ولا تشغيل جديد، ولم تُختلق أوامر للخانات الناقصة. وتعذّر قياس الـ primary المسجّل مسبقًا.

  6. September 24, 2026 to September 28, 2026Jev · تفويض القرار

    المرشح الصحيح يحتاج مع ذلك إلى تحقق من التسليم

    السؤالهل يحافظ الحكم المفوَّض فعلًا على جودة المهمة والتسليم النهائي؟

    1. U8n · تشغيل Noul · Harbor 0.22 · ينفّذ Astra ويُصلح، ولا يتغير إلا توجيه الحكمحالة القرارعقد المهمة · المرشح · ملاحظات الأدوات
      • الحكم · Noulمُدخل الحكم
    2. الحكم · NoulAstra أو Jev
      • GEODE يستهلكاحتمالات الشروط
    3. GEODE يستهلكمدعوم: تسليم، نقص الأدلة: حجز
      • التسليم النهائيمدعوم
      • إصلاح Astraنقص الأدلة · حجز
    4. التسليم النهائي
      • فحص مستقل للنتيجةالنتيجة المسلَّمة
    5. إصلاح Astraالمرشح التالي بعد الملاحظات
      • الحكم · Noulإعادة الحكم
      • آخر مرشح · محفوظحفظ آخر مرشح
    6. فحص مستقل للنتيجةoracle قواعد · النتيجة المسلَّمة
    7. لوحات U3 الثابتةالحكم فقط · بلا actor أو أدوات أو Harbor
    8. تشخيص لاحق · بعد التشغيلآخر مرشح · محفوظ
      • تشخيص oracle لاحقفحص لاحق
    9. تشخيص oracle لاحقصحة المرشح · بلا أثر في التسليم
    ما الذي تغيّر
    يُسجَّل قبول الحكم وصحة المرشح والتسليم النهائي نتائجَ منفصلة، وتُحفظ سلاسل نسب التحضير والإخفاق والإصلاح في النسخة العامة. وتبقى قيم hash للأصل وللنسخة العامة المحوّلة منفصلة.
    ما الذي يدعمه
    في الأزواج الـ 11 اللاحقة من دراسة U8n المتوقفة، كان آخر مرشح صحيحًا في الذراعين، لكن التسليم كان Astra 11/11 وJev Noul 0/11: إذ حجب حكمُ نقص الأدلة لدى Jev Noul التسليم. وهو تحليل لاحق لا يُعمَّم. وإعادة الحساب العددي العامة وفحص إعادة التشغيل والتنفيذ الحي الجديد ثلاث عمليات مختلفة.