HU
Geodi, a GEODE hivatalos pixelfigurája
Vissza a terembe

GEODE

Autonomous Agent Harness

A megfigyeléstől a következő műveletig.

Helyi autonómágens-keretrendszer, amelyre kutatás, fájlműveletek és ütemezett feladatok bízhatók.

2026.02.21 — present

Tervezés, megítélés, ellenőrzés: Author · megvalósítás: Claude · felülvizsgálat: Codex

  • CLIKözzétéve · PyPI
  • MCP-szerverMegvalósítva

A jelölt elfogadása és a kiadási jogkör külön megítélés.

A Crucible a szabályzatkereséstől független kísérleti kernel. A jelölt commitot az engedélyezett felületekhez és egy befagyasztott szerződéshez méri, a páros feladatokat külön mérési checkoutban összesíti, az eredmény pedig KEEP, REJECT vagy INVALID.

Crucible-térkép · a rögzített 9e2c041 commit és a 23e3428 nyilvános artefaktumok alapján
A GEODE Crucible-térképeKísérleti kernel, amely a jelölt elfogadását, a lepecsételt alkalmasságot és a termékkiadást külön jogkörként kezeli. A supervisor egy előállítótól egyetlen jelölt commitot kap, ellenőrzi az engedélyezett felülettel és a befagyasztott kiértékelővel szemben, és elszigetelt mérési checkoutban tau2-feladatokat futtat. A promotion.py az előre regisztrált feladatok és családok szerint összesíti a páros eredményeket KEEP, REJECT vagy INVALID ítéletté; a KEEP csak a keresési headet mozgatja. A lepecsételt kiértékelés egy train bundle-t egyszer használható, diszjunkt tesztcsomagon ítél meg; még az ELIGIBLE is csak egy eligible refig jut el, kiadási jogkör nélkül.Aktor · felhasználómodellekr14 · r35: gpt-5.4/hightau2-környezetfeladatok · szimulált felhasználóGEODE termékkiadásnincs kapcsolat · külön jogkörsearch/producerselőállítói parancs · konfiguráltreplay producersearch/supervisor.pypropose → preflightevaluate → decide → recordcontract.pyengedélyezett felület · jelölt diffbefagyasztott kiértékelő · előre regisztráltattempt/feedback.jsonhibakódok · train-feladatazonosítókmeasurement checkoutelkülönítve az előállítótólassays/tau2-futtatás · receiptfeladat-ellenőrzőpromotion.pypáros · feladat · családösszesítésKEEP · REJECT · INVALIDattestation/bundle.pytrain bundle · újraszámolt KEEPattestation/sealed.pydiszjunkt tesztcsomag · egyszer használvaELIGIBLE · release_authority nonerefs/cruciblesearch/* headeligible/*geode-eval-artifactsr14 · train KEEP → sealed REJECTr35 · INVALID · 0 pár · nullevolve/cruciblekülső kísérleti kernel · a SIL-től függetlenkeresés · train-ítéletattestation · sealed1 jelölt kérése · propose → preflight → search/producers12 egyetlen jelölt commit · search/producers → propose → preflight23 engedélyezett felület · diff-ellenőrzés · propose → preflight → engedélyezett felület · jelölt diff34elszigetelt checkout5futtatás rögzített szerződéssel6aktor · felhasználói párbeszéd7modellhívások8paired evidence9előre regisztrált összesítés10KEEP · a head elmozdul1paired evidence2előre regisztrált összesítés3REJECT · INVALID4hibakódok · feladatazonosítók1record · ref receipt2 csak train bundle · egyszer · train bundle · újraszámolt KEEP → diszjunkt tesztcsomag · egyszer használva23 csak eligible ref · ELIGIBLE · release_authority none → eligible/*31nyilvános verdict.json2sealed decision.json

Train-ítélet

Az engedélyezett felületen belüli egyetlen jelöltet elszigetelt checkoutban, rögzített szerződéssel mérik, és előre regisztrált szabályok döntenek a KEEP, REJECT vagy INVALID között.

  1. propose → preflightsearch/supervisor.pyjelölt kérésesearch/producers

    A keresési supervisor egy előállítótól kér jelöltet. Az r14 jelöltje egy korábbi jelölt (r13) volt, amelyet a replay-előállító alkalmazott újra, nem új, LLM által generált jelölt.

  2. search/producersegyetlen jelölt commitpropose → preflightsearch/supervisor.py

    Az előállító az engedélyezett útvonalakon belül egyetlen jelölt commitot ad vissza.

  3. propose → preflightsearch/supervisor.pyengedélyezett felület · diff-ellenőrzésengedélyezett felület · jelölt diffcontract.py

    A jelölt diffnek a szerződés engedélyezett felületén belül kell maradnia, és a befagyasztott kiértékelőt is ellenőrzi. Az r14-ben és az r35-ben az engedélyezett cél egyetlen fájl, a tau2_agent_policy.md volt; a core és a Crucible-implementáció a kiértékelő útvonalaként rögzített volt.

  4. evaluate → decide → recordsearch/supervisor.pyelszigetelt checkoutelkülönítve az előállítótólmeasurement checkout

    A jelölt ellenőrzése az előállítótól elkülönített mérési checkoutban történik.

  5. elkülönítve az előállítótólmeasurement checkoutfuttatás rögzített szerződésseltau2-futtatás · receiptassays/

    Az alapvonal és a jelölt ugyanazzal a szerződéssel, seeddel és feladatokkal fut.

  6. tau2-futtatás · receiptassays/aktor · felhasználói párbeszédtau2-környezet

    A GEODE-ágens (aktor) a tau2 feladatkörnyezetében a kiértékelő tulajdonában lévő szimulált felhasználóval beszélget.

  7. tau2-futtatás · receiptassays/modellhívásokAktor · felhasználómodellek

    Az r14-ben és az r35-ben az aktor és a szimulált felhasználó is gpt-5.4/high volt (előfizetés).

  8. feladat-ellenőrzőassays/paired evidencepáros · feladat · családösszesítéspromotion.py

    A feladat-ellenőrző eredményei alapvonal–jelölt párokként maradnak meg.

  9. befagyasztott kiértékelő · előre regisztráltcontract.pyelőre regisztrált összesítéspáros · feladat · családösszesítéspromotion.py

    A páros eredmények feladatonként és előre regisztrált családonként összesítődnek, a keret, a lefedettség, az infrastruktúra és a biztonsági feltételek külön ellenőrzésével.

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

    KEEP esetén a következő refs/crucible/search/* head a jelölt lesz. Egy train-ítélet promotion_authority értéke none.

Elutasítás · érvénytelen · visszajelzés

A REJECT és az INVALID megtartja a headet, a következő jelölt pedig csak hibakódokat és rögzített train-feladatazonosítókat kap. Az INVALID nem nulla pontszám.

  1. feladat-ellenőrzőassays/paired evidencepáros · feladat · családösszesítéspromotion.py

    A feladat-ellenőrző eredményei alapvonal–jelölt párokként maradnak meg.

  2. befagyasztott kiértékelő · előre regisztráltcontract.pyelőre regisztrált összesítéspáros · feladat · családösszesítéspromotion.py

    A páros eredmények feladatonként és előre regisztrált családonként összesítődnek, a keret, a lefedettség, az infrastruktúra és a biztonsági feltételek külön ellenőrzésével.

  3. KEEP · REJECT · INVALIDpromotion.pyREJECT · INVALIDhibakódok · train-feladatazonosítókattempt/feedback.json

    Elutasítás vagy érvénytelenség esetén az előző head marad, a jelölt és feljegyzései megmaradnak. Az INVALID átlaga null, nem nulla.

  4. hibakódok · train-feladatazonosítókattempt/feedback.jsonhibakódok · feladatazonosítóksearch/producers

    A következő jelöltnek adott visszajelzés hibakódokra és rögzített train-feladatazonosítókra korlátozódik; a kiértékelő trajektóriái vagy válaszai nem kerülnek át.

Lepecsételt alkalmasság · külön jogkör

A train KEEP csak a keresési headet mozgatja. A lepecsételt alkalmasság csak az eligible refig jut el; a termékkiadás és a telepítés a Cruciblen kívüli külön jogkörök.

  1. evaluate → decide → recordsearch/supervisor.pyrecord · ref receipttrain bundle · újraszámolt KEEPattestation/bundle.py

    Egy train bundle csak akkor áll meg, ha a szerződés, az alapvonal- és a jelöltbizonyíték, az újraszámolt KEEP, a javaslat leszármazása, a supervisor-feljegyzés és az alkalmazott ref igazolása mind összekapcsolódik. Nem a javulás másik neve.

  2. train bundle · újraszámolt KEEPattestation/bundle.pycsak train bundle · egyszerdiszjunkt tesztcsomag · egyszer használvaattestation/sealed.py

    A lepecsételt kiértékelés a train-től diszjunkt tesztcsomagot egyszer használja, nulla infrastrukturális újrapróbálkozással.

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

    Még az ELIGIBLE is csak a refs/crucible/eligible/* alá ír, és a release_authority értéke rögzítetten none.

Nyilvános feljegyzések · r14 · r35

Az r14 train KEEP, majd lepecsételt REJECT volt; az r35 (2026. július 13.) hiányos lefedettség és infrastrukturális szennyeződés miatt INVALID lett (0 páros sor, az átlag null), a head változatlan maradt.

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

    A nyilvános artefaktumok a 23e3428-nál rögzített, normalizált feljegyzések. Az r14 előre regisztrált train-konfigurációs hashe eltér a nyilvános konfiguráció bájtjaitól, így a teljes eredeti lánc nincs újra tanúsítva.

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

    r14: KEEP a telecom train-en, 6 feladat × 1 próbafutás (6 páros sor, előléptetési jogkör nélkül), majd külön lepecsételt REJECT ítélet (kiadási jogkör nélkül).

Minden kapcsolat azonos vastagsággal. Válasszon egy folyamatot, hogy csak annak útvonala emelődjön ki, számozott lépésekkel.

  • Folytonos · a kérések, jelöltek és eredmények áramlási iránya
  • Szaggatott · futtatás, döntés, engedélyezés, konfigurálás
  • Vastag fekete vonal · a kiválasztott folyamat; a számok a sorrendet jelzik
  • Doboz · kód- vagy feljegyzéshatár, fejlécében az útvonallal
  • Belső chip · komponens a határon belül
  • Szaggatott doboz · a határon kívül
  • keresési supervisor
  • szerződés · ítélet · tanúsítás
  • refek · feljegyzések
  • előállítók · végrehajtás

A Crucible a SIL-től független kernel; a két keresés nem egyetlen folyamat, amely egymás jelöltjeit léptetné elő. A termékkiadás dobozába nem fut be kapcsolat.

Három jogkör
A train KEEP a keresési headet mozgatja, a lepecsételt ELIGIBLE egy eligible refet rögzít, a termékkiadás pedig a Cruciblen kívüli külön döntés. Egy korábbi ítélet soha nem ad későbbi jogkört.
A null nem nulla
Az r35 9 feladat × 3 próbafutást tervezett (karonként 27 sor), de 0 összevethető párja volt, így átlaga és javulása null. Ez nem 27 sikertelen feladat és nem 0%-os sikerességi arány.