FI
Geodi, GEODEn virallinen pikselihahmo
Takaisin saliin

GEODE

Autonomous Agent Harness

Havainnosta seuraavaan toimeen.

Paikallinen autonomisen agentin kehys, jolle voi antaa tutkimusta, tiedostotöitä ja ajastettuja tehtäviä.

2026.02.21 — present

Suunnittelu, arvio, todentaminen: Author · toteutus: Claude · katselmointi: Codex

  • CLIJulkaistu · PyPI
  • MCP-palvelinToteutettu

Ehdokkaan hyväksyminen ja julkaisuvaltuus ratkaistaan erikseen.

Crucible on käytäntöhausta erillinen koeydin. Ehdokascommit validoidaan sallittuja pintoja ja jäädytettyä sopimusta vasten, paritehtävät kootaan erillisessä mittaustyökopiossa, ja tulos on KEEP, REJECT tai INVALID.

Crucible-kartta · piirretty kiinnitetyn commitin 9e2c041 ja julkisten artefaktien 23e3428 pohjalta
GEODEn Crucible-karttaKoeydin, joka pitää ehdokkaan hyväksymisen, sinetöidyn kelpoisuuden ja tuotejulkaisun erillisinä valtuuksina. Valvoja ottaa tuottajalta yhden ehdokascommitin, tarkistaa sen sallittua pintaa ja jäädytettyä arvioijaa vasten ja ajaa tau2-tehtävät eristetyssä mittaustyökopiossa. promotion.py kokoaa paritulokset ennalta rekisteröidyn tehtävä- ja perhejaon mukaan tulokseksi KEEP, REJECT tai INVALID; KEEP siirtää vain haun headia. Sinetöity arviointi tuomitsee train-paketin kertakäyttöisellä, erillisellä testipaketilla; jopa ELIGIBLE yltää vain eligible-refiin ilman julkaisuvaltuutta.Toimija- · käyttäjämallitr14 · r35: gpt-5.4/hightau2-ympäristötehtävät · simuloitu käyttäjäGEODE-tuotteen julkaisuei yhteyttä · erillinen valtuussearch/producerstuottajan komento · määritettyreplay producersearch/supervisor.pypropose → preflightevaluate → decide → recordcontract.pysallittu pinta · ehdokkaan diffjäädytetty arvioija · ennalta rekisteröityattempt/feedback.jsonvirhekoodit · train-tehtävien tunnisteetmeasurement checkouteristetty tuottajastaassays/tau2-ajo · receipttehtävän tarkistinpromotion.pyparit · tehtävä · perhekoosteKEEP · REJECT · INVALIDattestation/bundle.pytrain-paketti · uudelleen laskettu KEEPattestation/sealed.pyerillinen testipaketti · käytetään kerranELIGIBLE · release_authority nonerefs/cruciblesearch/* headeligible/*geode-eval-artifactsr14 · train KEEP → sealed REJECTr35 · INVALID · 0 paria · nullevolve/crucibleulkoinen koeydin · erillään SIListähaku · train-tuomioattestation · sealed1 ehdokkaan pyyntö · propose → preflight → search/producers12 yksi ehdokascommit · search/producers → propose → preflight23 sallittu pinta · diff-tarkistus · propose → preflight → sallittu pinta · ehdokkaan diff34eristetty työkopio5ajo kiinteällä sopimuksella6toimijan · käyttäjän dialogi7mallikutsut8paired evidence9ennalta rekisteröity koostaminen10KEEP · head siirtyy1paired evidence2ennalta rekisteröity koostaminen3REJECT · INVALID4virhekoodit · tehtävätunnisteet1record · ref receipt2 vain train-paketti · kerran · train-paketti · uudelleen laskettu KEEP → erillinen testipaketti · käytetään kerran23 vain eligible-ref · ELIGIBLE · release_authority none → eligible/*31julkinen verdict.json2sealed decision.json

Train-tuomio

Yksi sallitun pinnan sisällä oleva ehdokas mitataan kiinteällä sopimuksella eristetyssä työkopiossa, ja ennalta rekisteröidyt säännöt päättävät KEEP, REJECT tai INVALID.

  1. propose → preflightsearch/supervisor.pyehdokkaan pyyntösearch/producers

    Hakuvalvoja pyytää tuottajalta ehdokasta. r14:n ehdokas oli replay-tuottajan uudelleen soveltama aiempi ehdokas (r13), ei uusi LLM:n generoima.

  2. search/producersyksi ehdokascommitpropose → preflightsearch/supervisor.py

    Tuottaja palauttaa yhden ehdokascommitin sallittujen polkujen sisällä.

  3. propose → preflightsearch/supervisor.pysallittu pinta · diff-tarkistussallittu pinta · ehdokkaan diffcontract.py

    Ehdokkaan diffin on pysyttävä sopimuksen sallitun pinnan sisällä, ja jäädytetty arvioija todennetaan. r14:ssä ja r35:ssä sallittu kohde oli yksi tiedosto, tau2_agent_policy.md; core ja Crucible-toteutus oli kiinnitetty arvioijan poluksi.

  4. evaluate → decide → recordsearch/supervisor.pyeristetty työkopioeristetty tuottajastameasurement checkout

    Ehdokas tarkistetaan tuottajasta erotetussa mittaustyökopiossa.

  5. eristetty tuottajastameasurement checkoutajo kiinteällä sopimuksellatau2-ajo · receiptassays/

    Lähtötaso ja ehdokas ajetaan samalla sopimuksella, siemenellä ja tehtävillä.

  6. tau2-ajo · receiptassays/toimijan · käyttäjän dialogitau2-ympäristö

    GEODE-agentti (toimija) keskustelee arvioijan omistaman simuloidun käyttäjän kanssa tau2-tehtäväympäristössä.

  7. tau2-ajo · receiptassays/mallikutsutToimija- · käyttäjämallit

    r14:ssä ja r35:ssä sekä toimija että simuloitu käyttäjä olivat gpt-5.4/high (tilaus).

  8. tehtävän tarkistinassays/paired evidenceparit · tehtävä · perhekoostepromotion.py

    Tehtävätarkistimen tulokset säilytetään lähtötaso–ehdokas-pareina.

  9. jäädytetty arvioija · ennalta rekisteröitycontract.pyennalta rekisteröity koostaminenparit · tehtävä · perhekoostepromotion.py

    Paritulokset kootaan tehtävän ja ennalta rekisteröidyn perheen mukaan, ja budjetti-, kattavuus-, infrastruktuuri- ja turvallisuusehdot tarkistetaan erikseen.

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

    KEEP-tuloksella seuraavasta refs/crucible/search/*-headista tulee ehdokas. Train-tuomion promotion_authority on none.

Hylkäys · mitätön · palaute

REJECT ja INVALID pitävät headin, ja seuraava ehdokas saa vain virhekoodit ja kiinteät train-tehtävätunnisteet. INVALID ei ole nollapistemäärä.

  1. tehtävän tarkistinassays/paired evidenceparit · tehtävä · perhekoostepromotion.py

    Tehtävätarkistimen tulokset säilytetään lähtötaso–ehdokas-pareina.

  2. jäädytetty arvioija · ennalta rekisteröitycontract.pyennalta rekisteröity koostaminenparit · tehtävä · perhekoostepromotion.py

    Paritulokset kootaan tehtävän ja ennalta rekisteröidyn perheen mukaan, ja budjetti-, kattavuus-, infrastruktuuri- ja turvallisuusehdot tarkistetaan erikseen.

  3. KEEP · REJECT · INVALIDpromotion.pyREJECT · INVALIDvirhekoodit · train-tehtävien tunnisteetattempt/feedback.json

    Hylkäyksessä tai mitättömyydessä edellinen head säilyy, ja ehdokas ja sen kirjaukset säilytetään. INVALID-keskiarvo on null, ei nolla.

  4. virhekoodit · train-tehtävien tunnisteetattempt/feedback.jsonvirhekoodit · tehtävätunnisteetsearch/producers

    Palaute seuraavalle ehdokkaalle rajoittuu virhekoodeihin ja kiinteisiin train-tehtävätunnisteisiin; arvioijan trajektoreja tai vastauksia ei välitetä.

Sinetöity kelpoisuus · erillinen valtuus

Train-KEEP siirtää vain haun headia. Sinetöity kelpoisuus yltää vain eligible-refiin; tuotejulkaisu ja käyttöönotto ovat erillisiä valtuuksia Cruciblen ulkopuolella.

  1. evaluate → decide → recordsearch/supervisor.pyrecord · ref receipttrain-paketti · uudelleen laskettu KEEPattestation/bundle.py

    Train-paketti pätee vain, kun sopimus, lähtötason ja ehdokkaan näyttö, uudelleen laskettu KEEP, ehdotuksen sukulinja, valvojan kirjaus ja sovelletun refin receipt kytkeytyvät kaikki toisiinsa. Se ei ole toinen nimi parannukselle.

  2. train-paketti · uudelleen laskettu KEEPattestation/bundle.pyvain train-paketti · kerranerillinen testipaketti · käytetään kerranattestation/sealed.py

    Sinetöity arviointi käyttää train-joukosta erillistä testipakettia kerran, ilman infrastruktuuriuusintoja.

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

    Jopa ELIGIBLE kirjoittaa vain refs/crucible/eligible/*, ja release_authority on kiinnitetty arvoon none.

Julkiset kirjaukset · r14 · r35

r14 oli train-KEEP ja sitten sinetöity REJECT; r35 (13.7.2026) oli INVALID puutteellisen kattavuuden ja infrastruktuurin kontaminaation vuoksi (0 paririviä, keskiarvo null), ja head pysyi ennallaan.

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

    Julkiset artefaktit ovat normalisoituja kirjauksia, jotka on kiinnitetty kohtaan 23e3428. r14:n ennalta rekisteröity train-konfiguraation tiiviste eroaa julkisen konfiguraation tavuista, joten koko alkuperäistä ketjua ei ole sertifioitu uudelleen.

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

    r14: KEEP telecom-train-joukolla, 6 tehtävää × 1 ajo (6 paririviä, ei ylennysvaltuutta), sitten erillinen sinetöity tuomio REJECT (ei julkaisuvaltuutta).

Kaikki yhteydet samalla painolla. Valitse virta, niin vain sen polku korostuu numeroiduin vaihein.

  • Yhtenäinen · pyyntöjen, ehdokkaiden ja tulosten kulkusuunta
  • Katkoviiva · suoritus, päätös, valtuutus, määritys
  • Paksu musta viiva · valittu virta; numerot kertovat järjestyksen
  • Laatikko · koodin tai kirjausten raja, polku otsakkeessa
  • Sisälaatta · komponentti rajan sisällä
  • Katkoviivalaatikko · rajan ulkopuolella
  • hakuvalvoja
  • sopimus · tuomio · attestointi
  • refit · kirjaukset
  • tuottajat · suoritus

Crucible on SIListä erillinen ydin; nämä kaksi hakua eivät ole yksi putki, joka ylentäisi toistensa ehdokkaita. Tuotejulkaisun laatikkoon ei tule yhtään yhteyttä.

Kolme valtuutta
Train-KEEP siirtää haun headia, sinetöity ELIGIBLE kirjaa eligible-refin, ja tuotejulkaisu on erillinen päätös Cruciblen ulkopuolella. Aiempi tuomio ei koskaan anna myöhempää valtuutta.
Null ei ole nolla
r35 suunnitteli 9 tehtävää × 3 ajoa (27 riviä haaraa kohden), mutta vertailukelpoisia pareja oli 0, joten sen keskiarvo ja parannus ovat null. Se ei ole 27 epäonnistunutta tehtävää eikä 0 %:n onnistumisaste.