GEODE
Autonomous Agent Harness
Fra observation til næste handling.
En lokal harness til autonome agenter, som research, filarbejde og planlagte opgaver kan overdrages til.
Implementeringer sendt tilbage af gennemgang, forskningstal genberegnet
To cases, hvor gennemgangen sendte en implementering tilbage, og én, hvor forskningstal blev genberegnet med originalerne bevaret. Hver rolle er kun det, som den pågældende cases log viser.
June 13, 2026
En implementering, der bestod normalstien, blev sendt tilbage to gange af gennemgangen, på fejlstierne
PersonAuthor
HandlingManglende telemetri · lydløs fallback skal kontrolleres
- overdragelseFejl, der skal være synlige→ Typet aktivitetsrække · fallback markeret (Claude Fable 5)
KodeagentClaude Fable 5
HandlingTypet aktivitetsrække · fallback markeret
- overdragelse→ commit 64bd223 (Offentlige commits)
- overdragelseDiff · fejlstier→ BLOCKER: generisk fallback gemmer rå details=data (Codex)
ArtefakterOffentlige commits
Artefaktcommit 64bd223
Gennemgang · verifikationCodex
Observation · fundBLOCKER: generisk fallback gemmer rå details=data
- sendt tilbageNormalstiens beskyttelse også på undtagelsesstien→ Fjern også følsomme felter ved fallback (Claude Fable 5)
KodeagentClaude Fable 5
HandlingFjern også følsomme felter ved fallback
- overdragelse→ c808e78 · K4-reproduktionskontrol (Offentlige commits)
- overdragelseRettelse gennemgået igen→ BLOCKER #2: ValidationError-tekst afslører værdier igen (Codex)
ArtefakterOffentlige commits
Artefaktc808e78 · K4-reproduktionskontrol
Gennemgang · verifikationCodex
Observation · fundBLOCKER #2: ValidationError-tekst afslører værdier igen
- sendt tilbageEn fejlårsag uden rå værdier→ Behold kun fejltype · feltsti; fjern args_preview (Claude Fable 5)
KodeagentClaude Fable 5
HandlingBehold kun fejltype · feltsti; fjern args_preview
- overdragelse→ 8dcb386 · K5-reproduktionskontrol (Offentlige commits)
ArtefakterOffentlige commits
Artefakt8dcb386 · K5-reproduktionskontrol
- ikke en registreret udførelseKontrolleret omfang→ Fuld CI og en endelig PASS fra gennemgangen dengang er ikke genlæst (Offentlige commits)
ArtefakterOffentlige commits
Regel · ubekræftetFuld CI og en endelig PASS fra gennemgangen dengang er ikke genlæst
- Kontekst
- Ændringen gjorde observerbarhedshændelser til typede aktivitetsrækker og forhindrede, at fallbacks forløb lydløst. Codex-gennemgangen gav to BLOCKER, og hver rettelse kom med en kontrol, der genskaber den omgåelse, gennemgangen fandt.
- Resultat
- K4 fremtvinger en reel fallback med en forkert type og kontrollerer, at intet råt felt overlever; K5 kontrollerer, at fejlbeskrivelsen kun indeholder feltnavne og fejltyper, aldrig inputværdier. Kontrollerne genskaber de omgåelser, gennemgangen fandt; de kopierer ikke implementeringens konstanter.
- Begrænsning
- Den oprindelige MCP-gennemgangssamtale blev ikke åbnet; gennemgangens rolle er fastslået ud fra commits og den CHANGELOG, der blev skrevet dengang. Denne case garanterer ikke, at ingen GEODE-log nogensinde gemmer følsomme data.
Kilder og resterende begrænsninger
- Alle tre commits krediterer Claude Fable 5, og c808e78 og 8dcb386 registrerer henholdsvis Codex-BLOCKER og BLOCKER #2.
- De nuværende retningslinjer for bidragydere (oktober 2026) læses ikke bagud som instruks for denne case.
May 26, 2026
En ændring, der ville slette en score, blev indsnævret til en kontrol af, hvor scoren må bruges
KodeagentImplementering
Observation · fundBehov: brug ikke denne værdi som fitnessakse
- overdragelseFørste hypotese→ Første udkast: fjern værdien i baseline-writeren (Implementering)
Under udviklingForbrugere i produktet
Observation · fundVed første generering er baseline eneste kilde til scenario_realism
- overdragelseFaktisk forbruger sporet→ Fund: bryder det indledende critic-input (Codex)
KodeagentImplementering
HandlingFørste udkast: fjern værdien i baseline-writeren
- overdragelseÆndring gennemgået→ Fund: bryder det indledende critic-input (Codex)
Gennemgang · verifikationCodex
Observation · fundFund: bryder det indledende critic-input
- sendt tilbageBehold den eksisterende inputkontrakt→ Writer-ændring trukket tilbage · data bevaret (Implementering)
KodeagentImplementering
HandlingWriter-ændring trukket tilbage · data bevaret
- overdragelseFærdigkriterium flyttet→ 4 invarianter: kun fraværende i fitnessflader (Offentlig commit · PR)
ArtefakterOffentlig commit · PR
Artefakt4 invarianter: kun fraværende i fitnessflader
- overdragelseEndelig diff→ 0792e81 → PR #1690 flettet (Offentlig commit · PR)
ArtefakterOffentlig commit · PR
Artefakt0792e81 → PR #1690 flettet
- Kontekst
- Ændringen skulle forhindre, at scenario_realism fungerede som fitnessakse i den eksterne Scaffold Search. Da gennemgangen sporede den første læser af værdien, blev ændringen gjort mindre, ikke større.
- Resultat
- Baseline-værdien bliver; fire kontroller fastlåser, at denne dimension ikke findes i den eksterne søgnings AXIS_TIERS, DIM_WEIGHTS og tier-lister.
- Begrænsning
- Sessionen bag den tilbagetrukne writer-ændring blev ikke set; den er fastslået ud fra commit'en og testbeskrivelserne fra dengang. Kontrollerne er ikke belæg for søgeydelse eller forbedring af SIL.
Kilder og resterende begrænsninger
- Critic og evolver er dataforbrugere i det produkt, der udvikles, ikke kodeagenten eller Codex-revieweren, der blev brugt til at bygge det.
- Titlen på PR #1690 siger stadig »filter«; den endelige diff og commit er den faktiske ændring.
September 27, 2026 to September 28, 2026
Efter en rettelse af grænseværdier blev de oprindelige resultater først reproduceret og derefter genberegnet
ArbejdssessionAnalyseimplementør
Observation · fundVærdier præcis på tolerancegrænsen afvist
- overdragelseEn admission-fejl, ikke modellens evne→ Sammenlign som decimaltal · tolerancer uændrede (Analyseimplementør)
ArbejdssessionAnalyseimplementør
HandlingSammenlign som decimaltal · tolerancer uændrede
- overdragelse→ 4be7a17 · kontroller inden for / uden for grænsen (Artefakter)
ArtefakterArtefakter
Artefakt4be7a17 · kontroller inden for / uden for grænsen
PersonAuthor
HandlingDelegeret: kun offline-rettelse af alle gemte U4 · X2
- overdragelseTilladt omfang→ contract.json: input · regler fastlåst, ingen modelkald (Artefakter)
ArtefakterArtefakter
Artefaktcontract.json: input · regler fastlåst, ingen modelkald
- overdragelseFaste betingelser→ Reproducér først tidligere resultater · nævnere · CI'er (Analyseimplementør)
ArbejdssessionAnalyseimplementør
HandlingReproducér først tidligere resultater · nævnere · CI'er
- overdragelseEfter reproduktion→ Beregn rettelsen separat ud fra samme input (Analyseimplementør)
ArbejdssessionAnalyseimplementør
HandlingBeregn rettelsen separat ud fra samme input
- overdragelse→ receipt: 24 originaler bevaret · 0 modelkald (Artefakter)
- overdragelseCellevektorer, ikke opsummeringer→ Genberegn vindere · CI'er fra cellevektorer · sammenlign hashes (Uafhængig verifikator)
ArtefakterArtefakter
Artefaktreceipt: 24 originaler bevaret · 0 modelkald
Gennemgang · verifikationUafhængig verifikator
HandlingGenberegn vindere · CI'er fra cellevektorer · sammenlign hashes
- overdragelse→ independent-review: domme holder, begrænsninger angivet (Artefakter)
ArtefakterArtefakter
Artefaktindependent-review: domme holder, begrænsninger angivet
- Kontekst
- I Jev-forskningsværktøjet blev typede numeriske svar, der lå præcis på tolerancegrænsen, afvist. Efter rettelsen blev alle gemte resultater genberegnet uden nye modelkørsler, og den beregnende og den verificerende side blev holdt adskilt.
- Resultat
- Dommene holdt efter rettelsen (U4 not-supported, X2 mixed). At rette en numerisk fejl og at understøtte en forskningshypotese blev holdt adskilt.
- Begrænsning
- En efterfølgende rettelse, ikke et nyt modeleksperiment. De 640 Astra listwise-celler uden originalt svar beholder deres gemte vinder, og den uafhængige gennemgang parsede heller ikke private svartekster igen.
Kilder og resterende begrænsninger
- Scoretolerancen på 0.03 og tolerancen for fordelingssummen på 0.025 blev ikke ændret. De rettede tal er U4 58/80 → 59/80 og X2 194/240 → 196/240.
- Den offentlige rettelseslog nævner ingen model for den skrivende eller den verificerende side, og 4be7a17 bærer ingen kreditering af Claude eller Codex, så ingen af kolonnerne får et modelnavn.