HR
Geodi, službeni pikselni lik GEODE-a
Natrag u dvoranu

GEODE

Autonomous Agent Harness

Od opažanja do sljedeće radnje.

Lokalni okvir za autonomnog agenta kojemu se mogu prepustiti istraživanje, rad s datotekama i zakazani zadaci.

2026.02.21 — present

Dizajn, prosudba, verifikacija: Author · implementacija: Claude · recenzija: Codex

  • CLIObjavljeno · PyPI
  • MCP poslužiteljImplementirano

Implementacije koje je recenzija vratila, istraživačke brojke izračunane iznova

Dva slučaja u kojima je recenzija vratila implementaciju i jedan u kojem su istraživačke brojke izračunane iznova uz čuvanje izvornika. Za svaku ulogu navedeno je samo ono što pokazuje zapis tog slučaja.

Cijela legenda

Kako čitati · jedna gramatika za sve slučajeve

  • Stupci su tko je djelovao; odozgo prema dolje teče vrijeme
  • Puna crta: zabilježena primopredaja ili sljedeći korak
  • Debela lazurna ↩: nalaz koji je vratio posao
  • Isprekidana crta: nije zabilježeno izvođenje (pisano pravilo, savjet bez ovlasti, neprovjerena granica)
  • Pravokutnik: radnja
  • Zaobljeno: opaženo stanje ili nalaz
  • Presavijeni kut: artefakt ili dokaz
  • Šrafirani stupac: dijelovi proizvoda u razvoju (ne agenti kojima se gradi)

1 / 3

June 13, 2026

Implementaciju koja je prošla uobičajeni put recenzija je dvaput vratila zbog putova pogrešaka

  1. ČovjekAuthor

    RadnjaNedostaje telemetrija · provjeriti tihi fallback

    • primopredajaNeuspjesi koji moraju biti vidljivi→ Tipizirani redak aktivnosti · fallback označen (Claude Fable 5)

  2. Agent za programiranjeClaude Fable 5

    RadnjaTipizirani redak aktivnosti · fallback označen

    • primopredaja→ commit 64bd223 (Javni commitovi)
    • primopredajaDiff · putovi neuspjeha→ BLOCKER: generic fallback sprema sirove details=data (Codex)

  3. ArtefaktiJavni commitovi

    Artefaktcommit 64bd223

  4. Recenzija · verifikacijaCodex

    Opažanje · nalazBLOCKER: generic fallback sprema sirove details=data

  5. Agent za programiranjeClaude Fable 5

    RadnjaUklanjati osjetljiva polja i kod fallbacka

    • primopredaja→ c808e78 · provjera reprodukcije K4 (Javni commitovi)
    • primopredajaPopravak ponovno recenziran→ BLOCKER #2: tekst ValidationError ponovno otkriva vrijednosti (Codex)

  6. ArtefaktiJavni commitovi

    Artefaktc808e78 · provjera reprodukcije K4

  7. Recenzija · verifikacijaCodex

    Opažanje · nalazBLOCKER #2: tekst ValidationError ponovno otkriva vrijednosti

  8. Agent za programiranjeClaude Fable 5

    RadnjaZadržati samo vrstu pogreške · putanju polja; ukloniti args_preview

    • primopredaja→ 8dcb386 · provjera reprodukcije K5 (Javni commitovi)

  9. ArtefaktiJavni commitovi

    Artefakt8dcb386 · provjera reprodukcije K5

    • nije zabilježeno izvođenjeOpseg provjeren→ Cijeli CI i završni PASS recenzije iz onoga vremena nisu ponovno pročitani (Javni commitovi)

  10. ArtefaktiJavni commitovi

    Pravilo · neprovjerenoCijeli CI i završni PASS recenzije iz onoga vremena nisu ponovno pročitani

Kontekst
Promjena je događaje opažljivosti pretvorila u tipizirane retke aktivnosti i spriječila da fallbackovi prolaze nezamijećeno. Recenzija Codexa ostavila je dva BLOCKER-a, a svaki je popravak došao s provjerom koja reproducira pronađeno zaobilaženje.
Ishod
K4 namjerno izaziva stvarni fallback s pogrešnim tipom i provjerava da ne preživi nijedno sirovo polje; K5 provjerava da opis pogreške sadrži samo nazive polja i vrste pogrešaka, nikada ulazne vrijednosti. Te provjere reproduciraju zaobilaženja koja je pronašla recenzija; ne kopiraju konstante implementacije.
Ograničenje
Izvorni razgovor MCP recenzije nije otvoren; uloga recenzije utvrđena je iz commitova i CHANGELOG-a napisanih u ono vrijeme. Ovaj slučaj ne jamči da nijedan zapisnik GEODE-a nikada ne čuva osjetljive podatke.
Izvori i preostala ograničenja
  • Sva tri commita navode Claude Fable 5, a c808e78 i 8dcb386 bilježe Codexov BLOCKER odnosno BLOCKER #2.
  • Trenutačna (October 2026) pravila za suradnike ne primjenjuju se unatrag kao uputa za ovaj slučaj.

May 26, 2026

Promjena koja bi izbrisala ocjenu sužena je na provjeru mjesta na kojima se ocjena smije koristiti

  1. Agent za programiranjeImplementacija

    Opažanje · nalazPotreba: ne koristiti ovu vrijednost kao os fitnessa

    • primopredajaPrva hipoteza→ Prvi nacrt: ukloniti vrijednost u baseline writeru (Implementacija)

  2. U razvojuPotrošači u proizvodu

    Opažanje · nalazU prvoj generaciji baseline je jedini izvor scenario_realism

    • primopredajaPronađen stvarni potrošač→ Nalaz: kvari početni ulaz za critic (Codex)

  3. Agent za programiranjeImplementacija

    RadnjaPrvi nacrt: ukloniti vrijednost u baseline writeru

    • primopredajaPromjena recenzirana→ Nalaz: kvari početni ulaz za critic (Codex)

  4. Recenzija · verifikacijaCodex

    Opažanje · nalazNalaz: kvari početni ulaz za critic

  5. Agent za programiranjeImplementacija

    RadnjaPromjena writera povučena · podaci zadržani

    • primopredajaKriterij dovršenosti pomaknut→ 4 invarijante: odsutno samo s površina fitnessa (Javni commit · PR)

  6. ArtefaktiJavni commit · PR

    Artefakt4 invarijante: odsutno samo s površina fitnessa

    • primopredajaZavršni diff→ 0792e81 → PR #1690 spojen (Javni commit · PR)

  7. ArtefaktiJavni commit · PR

    Artefakt0792e81 → PR #1690 spojen

Kontekst
Promjena je trebala spriječiti da scenario_realism služi kao os fitnessa u vanjskom Scaffold Searchu. Kad je recenzija pronašla prvog čitatelja te vrijednosti, promjena je smanjena, a ne povećana.
Ishod
Vrijednost baseline ostaje; četiri provjere fiksiraju da te dimenzije nema u AXIS_TIERS, DIM_WEIGHTS ni popisima tierova vanjskog pretraživanja.
Ograničenje
Sesija iza povučene promjene writera nije pregledana; utvrđena je iz commita i opisa testova napisanih u ono vrijeme. Te provjere nisu dokaz uspješnosti pretraživanja ni poboljšanja SIL-a.
Izvori i preostala ograničenja
  • Critic i evolver potrošači su podataka unutar proizvoda u razvoju, a ne agent za programiranje ni recenzent Codex korišteni za njegovu izradu.
  • Naslov PR-a #1690 i dalje kaže „filter”; stvarna promjena su završni diff i commit.

September 27, 2026 to September 28, 2026

Nakon popravka granične vrijednosti najprije su reproducirani izvorni rezultati, a zatim su izračunani iznova

  1. Radna sesijaIzvršitelj analize

    Opažanje · nalazVrijednosti točno na granici tolerancije odbijene

    • primopredajaPogreška prihvaćanja, a ne sposobnost modela→ Uspoređivati kao decimalne brojeve · tolerancije nepromijenjene (Izvršitelj analize)

  2. Radna sesijaIzvršitelj analize

    RadnjaUspoređivati kao decimalne brojeve · tolerancije nepromijenjene

    • primopredaja→ 4be7a17 · provjere unutar / izvan granice (Artefakti)

  3. ArtefaktiArtefakti

    Artefakt4be7a17 · provjere unutar / izvan granice

  4. ČovjekAuthor

    RadnjaDelegirano: samo offline ispravak svih spremljenih U4 · X2

    • primopredajaDopušteni opseg→ contract.json: ulazi · pravila fiksirani, bez poziva modela (Artefakti)

  5. ArtefaktiArtefakti

    Artefaktcontract.json: ulazi · pravila fiksirani, bez poziva modela

    • primopredajaFiksirani uvjeti→ Najprije reproducirati prethodne rezultate · nazivnike · CI-jeve (Izvršitelj analize)

  6. Radna sesijaIzvršitelj analize

    RadnjaNajprije reproducirati prethodne rezultate · nazivnike · CI-jeve

    • primopredajaNakon reprodukcije→ Ispravak izračunati zasebno iz istih ulaza (Izvršitelj analize)

  7. Radna sesijaIzvršitelj analize

    RadnjaIspravak izračunati zasebno iz istih ulaza

    • primopredaja→ receipt: 24 izvornika sačuvana · 0 poziva modela (Artefakti)
    • primopredajaVektori ćelija, a ne sažeci→ Ponovno izračunati pobjednike · CI-jeve iz vektora ćelija · usporediti hasheve (Neovisni verifikator)

  8. ArtefaktiArtefakti

    Artefaktreceipt: 24 izvornika sačuvana · 0 poziva modela

  9. Recenzija · verifikacijaNeovisni verifikator

    RadnjaPonovno izračunati pobjednike · CI-jeve iz vektora ćelija · usporediti hasheve

    • primopredaja→ independent-review: presude vrijede, ograničenja navedena (Artefakti)

  10. ArtefaktiArtefakti

    Artefaktindependent-review: presude vrijede, ograničenja navedena

Kontekst
U istraživačkom alatu Jev odbijani su tipizirani brojčani odgovori koji su ležali točno na granici tolerancije. Nakon popravka svi su spremljeni rezultati izračunani iznova bez novih izvođenja modela, a strana koja računa i strana koja provjerava držane su odvojeno.
Ishod
Presude su nakon ispravka ostale iste (U4 not-supported, X2 mixed). Ispravak brojčane pogreške i potvrda istraživačke hipoteze držani su odvojeno.
Ograničenje
Naknadni ispravak, a ne novi eksperiment s modelom. 640 ćelija Astra listwise bez izvornog odgovora zadržava spremljenog pobjednika, a ni neovisna recenzija nije ponovno raščlanjivala privatne tekstove odgovora.
Izvori i preostala ograničenja
  • Tolerancija ocjene od 0.03 i tolerancija zbroja distribucije od 0.025 nisu mijenjane. Ispravljene brojke su U4 58/80 → 59/80 i X2 194/240 → 196/240.
  • Javni zapis ispravka ne navodi model ni za stranu koja piše ni za stranu koja provjerava, a 4be7a17 ne navodi ni Claudea ni Codex, pa nijedan stupac nema naziv modela.