BG
Geodi, официалният пикселен персонаж на GEODE
Обратно в залата

GEODE

Autonomous Agent Harness

От наблюдението до следващото действие.

Локална рамка за автономни агенти, на която могат да се възлагат проучвания, работа с файлове и планирани задачи.

2026.02.21 — present

Проектиране, преценка, проверка: Author · реализация: Claude · преглед: Codex

  • CLIПубликувано · PyPI
  • MCP сървърРеализирано

Приемането на кандидата и правомощието за пускане са отделни преценки.

Crucible е експериментално ядро, отделно от търсенето на политики. Къмит кандидат се валидира спрямо разрешените повърхности и замразен договор, сдвоените задачи се агрегират в отделен измервателен checkout, а резултатът е KEEP, REJECT или INVALID.

Карта на Crucible · по фиксирания къмит 9e2c041 и публичните артефакти 23e3428
Карта на Crucible в GEODEЕкспериментално ядро, което държи приемането на кандидата, запечатаната допустимост и пускането на продукта като отделни правомощия. Supervisor получава един къмит кандидат от производител, проверява го спрямо разрешената повърхност и замразения оценител и изпълнява задачи tau2 в изолиран измервателен checkout. promotion.py агрегира сдвоените резултати по предварително регистрирани задачи и семейства в KEEP, REJECT или INVALID; KEEP само премества head на търсенето. Запечатаната оценка преценява train bundle върху еднократен несвързан тестов пакет; дори ELIGIBLE стига само до eligible ref, без правомощие за пускане.Модели actor · потребителr14 · r35: gpt-5.4/highСреда tau2задачи · симулиран потребителПускане на продукта GEODEбез връзка · отделно правомощиеsearch/producersкоманда на производителя · конфигуриранаreplay producersearch/supervisor.pypropose → preflightevaluate → decide → recordcontract.pyразрешена повърхност · diff на кандидатазамразен оценител · предварително регистриранattempt/feedback.jsonкодове за грешки · ID на train задачиmeasurement checkoutизолиран от производителяassays/изпълнение на tau2 · receiptверификатор на задачатаpromotion.pyсдвоено · задача · агрегиране по семействаKEEP · REJECT · INVALIDattestation/bundle.pytrain bundle · преизчислен KEEPattestation/sealed.pyнесвързан тестов пакет · използван веднъжELIGIBLE · release_authority nonerefs/cruciblesearch/* headeligible/*geode-eval-artifactsr14 · train KEEP → sealed REJECTr35 · INVALID · 0 двойки · nullevolve/crucibleвъншно експериментално ядро · отделно от SILтърсене · вердикт на trainattestation · sealed1 искане на кандидат · propose → preflight → search/producers12 един къмит кандидат · search/producers → propose → preflight23 разрешена повърхност · проверка на diff · propose → preflight → разрешена повърхност · diff на кандидата34изолиран checkout5изпълнение при фиксиран договор6диалог actor · потребител7извиквания на модела8paired evidence9предварително регистрирано агрегиране10KEEP · head се премества1paired evidence2предварително регистрирано агрегиране3REJECT · INVALID4кодове за грешки · ID на задачи1record · ref receipt2 само train bundle · веднъж · train bundle · преизчислен KEEP → несвързан тестов пакет · използван веднъж23 само eligible ref · ELIGIBLE · release_authority none → eligible/*31публичен verdict.json2sealed decision.json

Вердикт на train

Един кандидат в рамките на разрешената повърхност се измерва при фиксиран договор в изолиран checkout, а предварително регистрирани правила решават KEEP, REJECT или INVALID.

  1. propose → preflightsearch/supervisor.pyискане на кандидатsearch/producers

    Supervisor на търсенето иска кандидат от производител. Кандидатът на r14 беше по-ранен кандидат (r13), приложен отново от производителя replay, а не нов, генериран от LLM.

  2. search/producersедин къмит кандидатpropose → preflightsearch/supervisor.py

    Производителят връща един къмит кандидат в рамките на разрешените пътища.

  3. propose → preflightsearch/supervisor.pyразрешена повърхност · проверка на diffразрешена повърхност · diff на кандидатаcontract.py

    Diff на кандидата трябва да остане в разрешената от договора повърхност, а замразеният оценител се проверява. В r14 и r35 разрешената цел беше един файл, tau2_agent_policy.md; core и реализацията на Crucible бяха фиксирани като път на оценителя.

  4. evaluate → decide → recordsearch/supervisor.pyизолиран checkoutизолиран от производителяmeasurement checkout

    Кандидатът се проверява в измервателен checkout, отделен от производителя.

  5. изолиран от производителяmeasurement checkoutизпълнение при фиксиран договоризпълнение на tau2 · receiptassays/

    Базовата линия и кандидатът се изпълняват със същия договор, същия seed и същите задачи.

  6. изпълнение на tau2 · receiptassays/диалог actor · потребителСреда tau2

    Агентът GEODE (actor) разговаря със симулирания потребител, притежаван от оценителя, в средата за задачи tau2.

  7. изпълнение на tau2 · receiptassays/извиквания на моделаМодели actor · потребител

    В r14 и r35 и actor, и симулираният потребител бяха gpt-5.4/high (абонамент).

  8. верификатор на задачатаassays/paired evidenceсдвоено · задача · агрегиране по семействаpromotion.py

    Резултатите на верификатора на задачата се пазят като двойки базова линия–кандидат.

  9. замразен оценител · предварително регистриранcontract.pyпредварително регистрирано агрегиранесдвоено · задача · агрегиране по семействаpromotion.py

    Сдвоените резултати се агрегират по задачи и по предварително регистрирани семейства, като условията за бюджет, покритие, инфраструктура и безопасност се проверяват отделно.

  10. KEEP · REJECT · INVALIDpromotion.pyKEEP · head се преместваsearch/* headrefs/crucible

    При KEEP следващият head на refs/crucible/search/* става кандидатът. promotion_authority на вердикт на train е none.

Отхвърляне · невалидно · обратна връзка

REJECT и INVALID запазват head, а следващият кандидат получава само кодове за грешки и фиксирани ID на train задачи. INVALID не е нулева оценка.

  1. верификатор на задачатаassays/paired evidenceсдвоено · задача · агрегиране по семействаpromotion.py

    Резултатите на верификатора на задачата се пазят като двойки базова линия–кандидат.

  2. замразен оценител · предварително регистриранcontract.pyпредварително регистрирано агрегиранесдвоено · задача · агрегиране по семействаpromotion.py

    Сдвоените резултати се агрегират по задачи и по предварително регистрирани семейства, като условията за бюджет, покритие, инфраструктура и безопасност се проверяват отделно.

  3. KEEP · REJECT · INVALIDpromotion.pyREJECT · INVALIDкодове за грешки · ID на train задачиattempt/feedback.json

    При отхвърляне или невалидност предишният head остава, а кандидатът и записите му се запазват. Средната стойност на INVALID е null, а не нула.

  4. кодове за грешки · ID на train задачиattempt/feedback.jsonкодове за грешки · ID на задачиsearch/producers

    Обратната връзка към следващия кандидат се ограничава до кодове за грешки и фиксирани ID на train задачи; траекториите или отговорите на оценителя не се предават.

Запечатана допустимост · отделно правомощие

Train KEEP само премества head на търсенето. Запечатаната допустимост стига само до eligible ref; пускането на продукта и внедряването са отделни правомощия извън Crucible.

  1. evaluate → decide → recordsearch/supervisor.pyrecord · ref receipttrain bundle · преизчислен KEEPattestation/bundle.py

    Train bundle е валиден само когато договорът, доказателствата за базовата линия и кандидата, преизчисленият KEEP, произходът на предложението, записът на supervisor и потвърждението за приложения ref са свързани. Той не е друго име за подобрение.

  2. train bundle · преизчислен KEEPattestation/bundle.pyсамо train bundle · веднъжнесвързан тестов пакет · използван веднъжattestation/sealed.py

    Запечатаната оценка използва веднъж тестов пакет, несвързан с train, с нула инфраструктурни повторни опити.

  3. ELIGIBLE · release_authority noneattestation/sealed.pyсамо eligible refeligible/*refs/crucible

    Дори ELIGIBLE записва само refs/crucible/eligible/*, а release_authority е фиксирано на none.

Публични записи · r14 · r35

r14 беше train KEEP, а след това запечатан REJECT; r35 (13 юли 2026 г.) беше INVALID поради непълно покритие и инфраструктурно замърсяване (0 сдвоени реда, средно null), с непроменен head.

  1. KEEP · REJECT · INVALIDpromotion.pyпубличен verdict.jsongeode-eval-artifacts

    Публичните артефакти са нормализирани записи, фиксирани при 23e3428. Предварително регистрираният хеш на train конфигурацията на r14 се различава от байтовете на публичната конфигурация, затова цялата оригинална верига не е сертифицирана отново.

  2. attestation/sealed.pysealed decision.jsonr14 · train KEEP → sealed REJECTgeode-eval-artifacts

    r14: KEEP на telecom train, 6 задачи × 1 опит (6 сдвоени реда, без правомощие за повишаване), след това отделен запечатан вердикт REJECT (без правомощие за пускане).

Всички връзки с еднаква дебелина. Изберете поток, за да се откроят само неговият път и номерираните стъпки.

  • Плътна · посоката, в която текат заявките, кандидатите и резултатите
  • Прекъсната · изпълнение, решение, разрешаване, конфигуриране
  • Дебела черна линия · избраният поток; числата показват реда
  • Кутия · граница на код или записи, с пътя в заглавието
  • Вътрешен етикет · компонент в тази граница
  • Прекъсната кутия · извън тази граница
  • supervisor на търсенето
  • договор · вердикт · удостоверяване
  • ref · записи
  • производители · изпълнение

Crucible е ядро, отделно от SIL; двете търсения не са един конвейер, който повишава кандидатите на другото. Кутията за пускане на продукта няма входяща връзка.

Три правомощия
Train KEEP премества head на търсенето, запечатаният ELIGIBLE записва eligible ref, а пускането на продукта е отделно решение извън Crucible. По-ранен вердикт никога не дава по-късно правомощие.
Null не е нула
r35 планираше 9 задачи × 3 опита (27 реда на рамо), но имаше 0 сравними двойки, затова средното и подобрението са null. Това не са 27 неуспешни задачи или 0% успеваемост.