EL
Geodi, ο επίσημος χαρακτήρας pixel του GEODE
Επιστροφή στην αίθουσα

GEODE

Autonomous Agent Harness

Από την παρατήρηση στην επόμενη ενέργεια.

Ένα τοπικό πλαίσιο αυτόνομου πράκτορα στο οποίο ανατίθενται έρευνα, εργασίες με αρχεία και προγραμματισμένες εργασίες.

2026.02.21 — present

Σχεδιασμός, κρίση, επαλήθευση: Author · υλοποίηση: Claude · αναθεώρηση: Codex

  • CLIΔημοσιευμένο · PyPI
  • Διακομιστής MCPΥλοποιημένο

Τα σενάρια επιθεώρησης παράγονται μέσα από φάσεις με σταθερή σειρά.

Ο host κατέχει τη σειρά των φάσεων, και σε κάθε φάση πράκτορες ρόλων μοιράζονται την εργασία. Η δεξαμενή seeds που προκύπτει και η επιλεγμένη ρουμπρίκα γίνονται είσοδοι της επιθεώρησης συμπεριφοράς Petri.

Χάρτης seed · σχεδιασμένος από τις διαδρομές evals στο σταθερό commit 9e2c041
Παραγωγή σεναρίων επιθεώρησης του GEODE και επιθεώρηση PetriΠώς γράφονται και επιθεωρούνται τα σενάρια επιθεώρησης (seeds). Ο ενορχηστρωτής seed_generation κατέχει τη σειρά των φάσεων, ενώ πράκτορες ρόλων συντάσσουν, αναθεωρούν και βελτιώνουν, και το αποτέλεσμα εξάγεται ως κατάλογος survivors και αρχεία meta-review. Μια επιθεώρηση Petri δέχεται μια επιλογή seeds και ορίζει τρεις χωριστούς ρόλους μοντέλων: ο επιθεωρητής υποδύεται το σενάριο του seed, ο στόχος είναι ολόκληρη η σκαλωσιά του GEODE και ο κριτής βαθμολογεί το πρακτικό της συνομιλίας ανά διάσταση σε ένα αρχείο καταγραφής Inspect. Η μέτρηση του SIL διαβάζει αυτό το αποτέλεσμα, και μια μέτρηση που διατηρείται γίνεται τεκμήριο baseline για την επόμενη παραγωγή.Μοντέλο επιθεωρητήυποδύεται το σενάριο του seedΒασικό μοντέλο του στόχουτο μοντέλο που περιβάλλει το GEODEΜοντέλο-κριτήςβαθμολογεί ολόκληρο το πρακτικόΑρχείο καταγραφής Inspect .evalαρχειοθέτηση · σύνοψηΜέτρηση SIL · measure.pyτο διαβάζει το κεφάλαιο «Αναζήτηση πολιτικής»baseline snapshotμέσοι όροι διαστάσεων · τεκμήριαhandoff pointerlatest_pointer.json · priorsseed_generation/orchestrator.pyσειρά φάσεων · PipelineStatecheckpoint · resumeagents/ · προσχέδιοSupervisor · στρατηγική εκτέλεσηςliterature_review · ανενεργό από προεπιλογήGenerator · υποψήφια seedsagents/ · αναθεώρησηProximity · αφαίρεση διπλοτύπωνCritic · αναθεώρησηPilot · προαιρετικό · όχι στο smokeRanker · Eloagents/ · βελτίωσηEvolver · βελτίωσηMeta-reviewer · επόμενα priorsrun_dir/survivors/ · αντίγραφα .md των υποψηφίωνsurvivors.json · Elo · pilotmeta_review.json · state.jsonpetri/seedsενσωματωμένα seeds · *.mdpetri/runner.pygeode audit · /audit · εργαλείοεκτίμηση κόστους · dry-run από προεπιλογήpetri/geode_target.pyΤο GEODE ως στόχος · AgenticLooppetri/judge_dimsjudge_dimensions · YAMLαρχεία κατάστασης εκτός εκτέλεσηςevals/seed_generationσυγγραφή σεναρίωνevals/petriεκτέλεση επιθεώρησης1εκτέλεση φάσεων με σειρά2τεκμήρια baseline3 προηγούμενο meta-review · latest_pointer.json · priors → agents/ · προσχέδιο34 υποψήφια seeds · agents/ · προσχέδιο → agents/ · αναθεώρηση45survivors · Elo6 επόμενη επανάληψη · από τον Critic · Meta-reviewer · επόμενα priors → Critic · αναθεώρηση67 εξαγωγή survivors · agents/ · βελτίωση → run_dir/78δείκτης latest1--seed-select2ενσωματωμένα seeds3 ρόλοι μοντέλων · τρεις θέσεις · geode audit · /audit · εργαλείο → Μοντέλο επιθεωρητή34διάλογος σεναρίου seed5 κλήσεις μοντέλου · Το GEODE ως στόχος · AgenticLoop → Βασικό μοντέλο του στόχου56πρακτικό7 judge_dimensions · judge_dimensions · YAML → Μοντέλο-κριτής78βαθμολογίες διαστάσεων1βαθμολογίες διαστάσεων2 μέτρηση · Αρχείο καταγραφής Inspect .eval → Μέτρηση SIL · measure.py23ενημέρωση baseline4τεκμήρια baseline

Συγγραφή σεναρίων

Ο ενορχηστρωτής κατέχει τη σειρά των φάσεων, οι πράκτορες ρόλων συντάσσουν και φιλτράρουν υποψηφίους, και το αποτέλεσμα εξάγεται μέσω συμβολαίου αρχείων.

  1. σειρά φάσεων · PipelineStateseed_generation/orchestrator.pyεκτέλεση φάσεων με σειράagents/ · προσχέδιο

    Ο ενορχηστρωτής κατέχει τη σειρά των φάσεων και τη συγχώνευση κατάστασης. Ο πράκτορας ρόλου κάθε φάσης κάνει την εργασία. Μέσα σε μια φάση η εργασία μπορεί να διακλαδωθεί μέσω του SubAgentManager, και οι υποπράκτορες δεν αναδρομούν (depth 1).

  2. μέσοι όροι διαστάσεων · τεκμήριαbaseline snapshotτεκμήρια baselineagents/ · προσχέδιο

    Οι Generator, Critic και Evolver διαβάζουν τους μέσους όρους ανά διάσταση, τα τυπικά σφάλματα και τα τεκμήρια του επιλεγμένου baseline. Η πρώτη παραγωγή δεν έχει baseline και χρησιμοποιεί τις προεπιλεγμένες προτροπές.

  3. latest_pointer.json · priorshandoff pointerπροηγούμενο meta-reviewagents/ · προσχέδιο

    Το meta-review της προηγούμενης εκτέλεσης αφήνει priors για την επόμενη γενιά και διαστάσεις που καλύφθηκαν ελλιπώς, για να τα λάβει υπόψη αυτή η παραγωγή.

  4. agents/ · προσχέδιουποψήφια seedsagents/ · αναθεώρηση

    Οι υποψήφιοι του Generator περνούν διαδοχικά από αφαίρεση διπλοτύπων Proximity, αναθεώρηση Critic, Pilot (προαιρετικό, παραλείπεται στις εκτελέσεις smoke) και κατάταξη Elo του Ranker.

  5. agents/ · αναθεώρησηsurvivors · Eloagents/ · βελτίωση

    Ο Evolver βελτιώνει τους υποψηφίους με την υψηλότερη κατάταξη, και ο Meta-reviewer συνοψίζει την εκτέλεση σε priors για την επόμενη γενιά.

  6. Meta-reviewer · επόμενα priorsagents/ · βελτίωσηεπόμενη επανάληψη · από τον CriticCritic · αναθεώρησηagents/ · αναθεώρηση

    Με ορισμένο max_iterations, μετά τον Meta-reviewer οι βελτιωμένοι υποψήφιοι περνούν ξανά από Critic → Pilot → Ranker → Evolver → Meta-reviewer. Οι Supervisor, Generator και Proximity δεν ξανατρέχουν. Η προεπιλογή είναι μηδέν επαναλήψεις.

  7. agents/ · βελτίωσηεξαγωγή survivorsrun_dir/

    Τα σώματα των υποψηφίων που επιβίωσαν αντιγράφονται ως αρχεία στο survivors/, οι βαθμολογίες Elo και pilot πηγαίνουν στο survivors.json, και το meta-review και η κατάσταση γράφονται χωριστά.

  8. meta_review.json · state.jsonrun_dir/δείκτης latestlatest_pointer.json · priorshandoff pointer

    Ένα μόνο latest_pointer.json καταγράφει πού βρίσκονται τα seed_pool και meta_review αυτής της εκτέλεσης. Έγκυρα είναι τα αποτελέσματα κάθε εκτέλεσης. Ο δείκτης είναι βοήθημα best-effort για την επόμενη εκτέλεση, και μια αποτυχημένη εγγραφή απλώς καταγράφεται. Δεν έχει κάθε εκτέλεση και τα δύο πεδία.

Εκτέλεση επιθεώρησης

Ο επιθεωρητής υποδύεται το seed (οδηγία σεναρίου), ο στόχος είναι η σκαλωσιά του GEODE και ο κριτής βαθμολογεί το πρακτικό. Οι τρεις ρόλοι είναι χωριστές θέσεις μοντέλων.

  1. survivors/ · αντίγραφα .md των υποψηφίωνrun_dir/--seed-selectgeode audit · /audit · εργαλείοpetri/runner.py

    Μια επιθεώρηση δέχεται μια επιλογή seeds (κατάλογο survivors, ενσωματωμένα seeds, ids ή tags) και τη μεταβιβάζει στην εργασία inspect_petri/audit του Inspect. Η παραγωγή seed δεν ξεκινά η ίδια επιθεώρηση.

  2. ενσωματωμένα seeds · *.mdpetri/seedsενσωματωμένα seedsgeode audit · /audit · εργαλείοpetri/runner.py

    Τα ενσωματωμένα seeds του αποθετηρίου μπορούν να επιλεγούν ως έχουν.

  3. geode audit · /audit · εργαλείοpetri/runner.pyρόλοι μοντέλων · τρεις θέσειςΜοντέλο επιθεωρητή

    Τα μοντέλα επιθεωρητή, στόχου και κριτή ορίζονται χωριστά. Η προεπιλογή είναι dry run, και πραγματικές κλήσεις γίνονται μόνο αφού επιβεβαιωθεί μια εκτίμηση κόστους. Όταν και οι τρεις ρόλοι μοιράζονται πάροχο, επισυνάπτεται σήμανση μεροληψίας ίδιου παρόχου.

  4. Μοντέλο επιθεωρητήδιάλογος σεναρίου seedΤο GEODE ως στόχος · AgenticLooppetri/geode_target.py

    Ένα seed είναι οδηγία σεναρίου για τον επιθεωρητή. Ο επιθεωρητής οδηγεί τη συνομιλία και μπορεί να δημιουργήσει εργαλεία και αποτελέσματα εργαλείων μόνο όταν είναι ενεργό το target_tools.

  5. Το GEODE ως στόχος · AgenticLooppetri/geode_target.pyκλήσεις μοντέλουΒασικό μοντέλο του στόχου

    Ολόκληρο το AgenticLoop του GEODE (εργαλεία, hooks, μνήμη) περιβάλλεται ως ένα API μοντέλου, έτσι ο στόχος της επιθεώρησης είναι η σκαλωσιά του GEODE, όχι μόνο το βασικό μοντέλο.

  6. Το GEODE ως στόχος · AgenticLooppetri/geode_target.pyπρακτικόΜοντέλο-κριτής

    Ο κριτής διαβάζει μία φορά ολόκληρο το πρακτικό κάθε δείγματος και το βαθμολογεί ανά διάσταση.

  7. judge_dimensions · YAMLpetri/judge_dimsjudge_dimensionsΜοντέλο-κριτής

    Το επιλεγμένο YAML διαστάσεων κριτή ορίζει τις διαστάσεις βαθμολόγησης. Πρόκειται για επιθεώρηση συμπεριφοράς, διαφορετική μέτρηση από την ολοκλήρωση εργασιών.

  8. Μοντέλο-κριτήςβαθμολογίες διαστάσεωνΑρχείο καταγραφής Inspect .eval

    Το αρχείο καταγραφής Inspect .eval και μια σύνοψη αρχειοθετούνται. Μια αποτυχία αρχειοθέτησης σημειώνεται και δεν μπλοκάρει το αποτέλεσμα της επιθεώρησης.

Μέτρηση → επόμενη παραγωγή

Το SIL χρησιμοποιεί τις βαθμολογίες επιθεώρησης για την ετυμηγορία του, και μια μέτρηση που διατηρείται γίνεται τεκμήριο baseline για την επόμενη παραγωγή seed. Αυτό δεν σημαίνει ότι η σύνδεση λειτούργησε αυτόματα σε κάθε καμπάνια.

  1. Μοντέλο-κριτήςβαθμολογίες διαστάσεωνΑρχείο καταγραφής Inspect .eval

    Το αρχείο καταγραφής Inspect .eval και μια σύνοψη αρχειοθετούνται. Μια αποτυχία αρχειοθέτησης σημειώνεται και δεν μπλοκάρει το αποτέλεσμα της επιθεώρησης.

  2. Αρχείο καταγραφής Inspect .evalμέτρησηΜέτρηση SIL · measure.py

    Το measure.py του SIL εκτελεί την υποδιεργασία της επιθεώρησης και υπολογίζει fitness από το αποτέλεσμά της.

  3. Μέτρηση SIL · measure.pyενημέρωση baselineμέσοι όροι διαστάσεων · τεκμήριαbaseline snapshot

    Το ledger του SIL γράφει μια μέτρηση που διατηρείται ως baseline. Η παραγωγή seed διαβάζει αυτά τα τεκμήρια όταν επιλέγεται baseline (αυτόματα ή ρητά).

  4. μέσοι όροι διαστάσεων · τεκμήριαbaseline snapshotτεκμήρια baselineagents/ · προσχέδιο

    Οι Generator, Critic και Evolver διαβάζουν τους μέσους όρους ανά διάσταση, τα τυπικά σφάλματα και τα τεκμήρια του επιλεγμένου baseline. Η πρώτη παραγωγή δεν έχει baseline και χρησιμοποιεί τις προεπιλεγμένες προτροπές.

Κάθε σύνδεση με το ίδιο πάχος. Επιλέξτε μια ροή για να επισημανθεί μόνο η διαδρομή της, με αριθμημένα βήματα.

  • Συνεχής · η κατεύθυνση ροής αιτημάτων, υποψηφίων και αποτελεσμάτων
  • Διακεκομμένη · εκτέλεση, κρίση, εξουσιοδότηση, ρύθμιση
  • Μακριά παύλα-τελεία · καταγραφές και παρατήρηση, χωριστά από την ετυμηγορία
  • Παχιά μαύρη γραμμή · η επιλεγμένη ροή, οι αριθμοί δίνουν τη σειρά
  • Κουτί · όριο κώδικα ή καταγραφής, με τη διαδρομή του στην κεφαλίδα
  • Εσωτερικό τσιπ · στοιχείο σε αυτό το όριο
  • Διακεκομμένο κουτί · εκτός αυτού του ορίου
  • ενορχηστρωτής · είσοδος επιθεώρησης
  • στόχος επιθεώρησης · διαστάσεις βαθμολόγησης
  • αποτελέσματα · αρχεία κατάστασης
  • πράκτορες ρόλων · ενσωματωμένα seeds

Ο ενορχηστρωτής ορίζει τη σειρά του πρώτου περάσματος και τη σειρά επανάληψης. Οι ρυθμίσεις, οι καταχωρισμένοι ρόλοι και το σημείο συνέχισης μπορούν να παραλείψουν ορισμένες φάσεις, και δεν εκτέλεσε κάθε καμπάνια όλες τις φάσεις. Οι θέσεις των αρχείων κατάστασης εξαρτώνται από το περιβάλλον, γι' αυτό δεν εμφανίζονται διαδρομές.

Τρεις ρόλοι
Ένα seed είναι οδηγία σεναρίου, γραμμένη από άνθρωπο ή παραγόμενη. Ο επιθεωρητής είναι το μοντέλο που την υποδύεται, ο στόχος είναι η σκαλωσιά του GEODE υπό επιθεώρηση και ο κριτής είναι το μοντέλο που βαθμολογεί το πρακτικό. Οι βαθμολογίες και τα αρχεία καταγραφής είναι αποτελέσματα του κριτή.
Τι μετριέται
Μια επιθεώρηση Petri βαθμολογεί διαστάσεις συμπεριφοράς. Δεν είναι ποσοστό ολοκλήρωσης εργασιών ούτε εγγύηση ποιότητας προϊόντος.