FR
Geodi, personnage officiel de GEODE en pixel art
Retour à la salle

GEODE

Autonomous Agent Harness

De l’observation à l’action suivante.

Un harnais local d’agent autonome auquel confier recherche, travail sur fichiers et tâches planifiées.

2026.02.21 — present

Conception, jugement, vérification : Author · implémentation : Claude · revue : Codex

  • CLIPublié · PyPI
  • Serveur MCPImplémenté

Changer une politique à la fois ; garder la mesure fixe.

Une boucle distincte qui tourne hors du harnais. À partir de la référence, elle applique un changement de politique typé, et le même audit Petri et la même porte tranchent entre KEEP et restauration.

Carte SIL · tracée d’après les chemins evolve au commit fixé 9e2c041 et l’enregistrement d’exécution de June 2026
Carte de la recherche de politiques (SIL) de GEODEUne boucle de recherche de politiques qui tourne hors du runtime. Un contrat d’exécution approuvé fixe budget, amorces, grille d’évaluation et modèles, et le mutator change une politique parmi sept surfaces autorisées. measure.py audite GEODE avec le même dispositif via Petri ; fitness.py et gate.py décident KEEP ou revert selon des règles de régression critique et de promotion ; ledger.py écrit la référence et les lignes de résultat. L’exécution de June 2026 a séparé le bruit d’audit de l’effet de mutation avec un bras never sans changement, une référence K=5 et une mesure répliquée.Approbation de l’opérateurappels réels · budgetAudit Petriauditor · GEODE target · judgeprogram.mdcontrat d’exécution · modèles · budgetrègles d’arrêt · exécution après approbationtrain.pyboucle à budget fixe--replicate K · nouvelle mesureloop/mutatemutator · un candidat7 surfaces · pas d’hyperparamètresstate/policiespolitique adossée à un fichierprepare.pyréserve d’amorces · grille fixéesmeasure.pysous-processus d’audit · timeout fixeOVERRIDE · STRICT par politiquefitness.pyrégression critique · pénalitésledger.pybaseline · provenancelignes results · mutationsgate.py_should_promote · KEEP_reject_and_revertcore · chargeurs de politiquesbranche prompt · system_prompt.py6 chargeurs de politiques · tool, skill…run-2606-broken-tool-useréférence gen-0 · moyenne de 5 auditsbras never · témoin sans changementbras random · gatereplicate · remesurer un KEEP isoléevolve/scaffold_searchboucle de recherche externe · hors du runtimechangement candidatun par exécutiondispositif de mesurefixe pendant une comparaisonrun-2606 · June 3–4, 2026broken_tool_useGEODE auditéseules les politiques autorisées changent1 approbation · Approbation de l’opérateur → contrat d’exécution · modèles · budget12 contrat d’exécution · contrat d’exécution · modèles · budget → boucle à budget fixe23 demander un candidat · boucle à budget fixe → mutator · un candidat34changement de politique · ID de mutation5 amorces · grille fixées · réserve d’amorces · grille fixées → sous-processus d’audit · timeout fixe56politique sélectionnée7chemins d’override par politique8audit subprocess9dialogue d’audit1scores par dimension2 baseline · provenance · baseline · provenance → régression critique · pénalités23 fitness · motifs de régression · régression critique · pénalités → _should_promote · KEEP34KEEP · référence suivante5REJECT · restaurer l’état antérieur6ligne de résultat · verdict1trois bras2référence moyenne K=53mesurer sans changement4--replicate K5remesurer → revenir

Un changement → audit

Le contrat d’exécution fixé, une politique autorisée change et GEODE est audité avec le même dispositif. Ce n’est pas le produit en marche qui se réécrit lui-même.

  1. Approbation de l’opérateurapprobationcontrat d’exécution · modèles · budgetprogram.md

    Une exécution ne démarre qu’après approbation des appels réels et du budget fixe. Sans approbation, seul le contrat est préparé et vérifié hors ligne.

  2. contrat d’exécution · modèles · budgetprogram.mdcontrat d’exécutionboucle à budget fixetrain.py

    Révisions des amorces et de la grille, modèles de rôle et sources d’identifiants, paramètres de mesure, budgets d’itérations, de temps et de coût, politique de promotion et conditions d’arrêt sont fixés avant l’exécution.

  3. boucle à budget fixetrain.pydemander un candidatmutator · un candidatloop/mutate

    Une hypothèse étayée par des preuves change une surface de politique autorisée.

  4. 7 surfaces · pas d’hyperparamètresloop/mutatechangement de politique · ID de mutationpolitique adossée à un fichierstate/policies

    Seules sept surfaces peuvent changer : prompt d’enveloppe, politique d’outils, conseils de décomposition, réflexion, métadonnées du catalogue de skills, contrat d’agent (role, system_prompt, tools), et descriptions et indices des outils. Les changements d’hyperparamètres sont rejetés à l’analyse comme à l’application. Appliquer une politique, remesurer et un commit optionnel sont des étapes distinctes ; une application n’est donc pas en soi un audit.

  5. réserve d’amorces · grille fixéesprepare.pyamorces · grille fixéessous-processus d’audit · timeout fixemeasure.py

    prepare.py est l’étalon fixe de la réserve d’amorces et de la grille ; les candidats ne le modifient pas. Modifier un module de mesure change la mesure, pas le système testé.

  6. politique adossée à un fichierstate/policiespolitique sélectionnéeOVERRIDE · STRICT par politiquemeasure.py

    measure.py lit le fichier de politique actuellement sélectionné et le transmet à l’environnement d’audit.

  7. OVERRIDE · STRICT par politiquemeasure.pychemins d’override par politiquecore · chargeurs de politiques

    measure.py transmet au sous-processus d’audit l’enveloppe et les chemins override et strict de chaque politique, et le chargeur de politique correspondant du runtime lit chacun d’eux. L’enveloppe (GEODE_WRAPPER_OVERRIDE → system_prompt) n’est qu’une branche ; des clés d’environnement supplémentaires n’élargissent pas les sept surfaces modifiables. Un fichier modifié ne prouve pas à lui seul que le candidat a atteint la cible ; le diagnostic des preuves d’audit le confirme.

  8. sous-processus d’audit · timeout fixemeasure.pyaudit subprocessAudit Petri

    L’audit tourne avec un timeout et un budget fixes, jamais modifiés en cours de comparaison. Une sortie manquante est une lacune de diagnostic, pas un score nul.

  9. Audit Petridialogue d’auditcore · chargeurs de politiques

    L’auditeur dialogue avec GEODE à travers le scénario de l’amorce, et le juge note la transcription.

Verdict → retenir · restaurer

Par comparaison avec la référence de même contrat, les régressions critiques et la règle de promotion décident KEEP ; un changement rejeté est ramené à sa valeur antérieure enregistrée.

  1. Audit Petriscores par dimensionrégression critique · pénalitésfitness.py

    Les scores s’accompagnent des dimensions manquantes et des effectifs d’échantillons. Une dimension non mesurée n’est pas lue comme une observation.

  2. baseline · provenanceledger.pybaseline · provenancerégression critique · pénalitésfitness.py

    La comparaison n’utilise qu’une référence ayant le même contrat et le même epoch enregistrés. Une nouvelle branche Git n’isole pas l’état de la référence.

  3. régression critique · pénalitésfitness.pyfitness · motifs de régression_should_promote · KEEPgate.py

    Les régressions sur les dimensions critiques et les pénalités auxiliaires sont vérifiées d’abord, puis le test de marge ou de dimension cible. Un scalaire positif seul ne suffit jamais à promouvoir.

  4. _should_promote · KEEPgate.pyKEEP · référence suivantebaseline · provenanceledger.py

    Un candidat retenu devient la référence suivante. Un candidat retenu localement n’est ni une fusion dans le dépôt ni une version publiée.

  5. _reject_and_revertgate.pyREJECT · restaurer l’état antérieurpolitique adossée à un fichierstate/policies

    Pour un candidat produit par le runner, la section de politique enregistrée sous son ID de mutation est restaurée, et une restauration échouée est signalée. Les changements manuels ne sont pas restaurés automatiquement, et une restauration incertaine bloque le candidat suivant.

  6. _should_promote · KEEPgate.pyligne de résultat · verdictlignes results · mutationsledger.py

    La mesure, le verdict et la provenance sont écrits une fois en lignes de résultat ; les lignes historiques ne sont jamais réécrites.

Témoins · mesure répliquée

Exécution de June 2026 : un bras never sans changement et une référence K=5 ont mesuré séparément le bruit d’audit, et un KEEP sur audit unique a été revérifié par réplication.

  1. run-2606-broken-tool-usetrois brasboucle à budget fixetrain.py

    L’exécution du June 3–4, 2026 a séparé la dérive de l’effet de mutation avec trois bras : never (aucun changement), random (acceptation aléatoire) et gate (acceptation par le verdict). La cible était GPT-5.5 ; l’auditeur et le juge étaient Claude Opus 4.8.

  2. référence gen-0 · moyenne de 5 auditsrun-2606-broken-tool-useréférence moyenne K=5baseline · provenanceledger.py

    La référence gen-0 était la moyenne de cinq audits (Petri broken_tool_use, plus bas est meilleur, moyenne 2.667).

  3. bras never · témoin sans changementrun-2606-broken-tool-usemesurer sans changementsous-processus d’audit · timeout fixemeasure.py

    Le bras never a dérivé jusqu’à une moyenne de 3.38 sans aucun changement de politique (10 audits, plus bas est meilleur) : preuve directe que le bruit d’audit dépassait l’effet de mutation.

  4. --replicate K · nouvelle mesuretrain.py--replicate Ksous-processus d’audit · timeout fixemeasure.py

    Le même candidat est mesuré K fois de plus dans les mêmes conditions, pour écarter un audit unique chanceux.

  5. replicate · remesurer un KEEP isolérun-2606-broken-tool-useremesurer → revenir_reject_and_revertgate.py

    Un candidat retenu sur un seul audit gate (1.6) a mesuré 3.0–3.8 en réplication, pire que la référence ; le champion 2.667 a donc été restauré. L’exécution a conclu à l’absence d’amélioration nette.

Toutes les connexions avec la même épaisseur. Choisissez un flux pour ne mettre en évidence que son chemin, avec des étapes numérotées.

  • Trait plein · sens de circulation des requêtes, candidats et résultats
  • Tirets · exécuter, décider, autoriser, configurer
  • Trait mixte long · enregistrements et observation, distincts du verdict
  • Trait noir épais · le flux sélectionné ; les numéros donnent l’ordre
  • Cadre · frontière de code ou d’enregistrement, chemin dans l’en-tête
  • Pastille intérieure · composant de cette frontière
  • Cadre en tirets · hors de cette frontière
  • boucle · exécution de mesure
  • contrat · verdict
  • politique · enregistrements
  • changement · cible auditée · enregistrement d’exécution

Le pilote SIL de GEODE s’appelle autoresearch ; sa structure prepare/train/program et son budget fixe s’inspirent de l’autoresearch de Karpathy. Aucun poids de modèle ne change, et le dispositif et le budget restent fixes pendant une comparaison.

Ce qui peut changer
Sept surfaces : prompt d’enveloppe, politique d’outils, conseils de décomposition, réflexion, métadonnées du catalogue de skills, contrat d’agent, et descriptions et indices des outils. Évaluateur, budget, amorces et grille restent fixes pendant une comparaison.
Portée de l’enregistrement d’exécution
Les valeurs de run-2606 sont les moyennes Petri broken_tool_use de cette exécution (plus bas est meilleur). Elles ne prouvent ni une amélioration cumulée de SIL ni une généralisation.