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

Az auditforgatókönyvek rögzített sorrendű fázisokon át készülnek.

A fázisok sorrendjét a hoszt birtokolja, az egyes fázisokban szerepágensek osztják fel a munkát. Az eredményül kapott seed-készlet és a kiválasztott rubrika a Petri viselkedési audit bemenete lesz.

Seed-térkép · a rögzített 9e2c041 commit evals-útvonalai alapján
GEODE auditforgatókönyv-generálás és Petri-auditHogyan készülnek és kerülnek auditálásra az auditforgatókönyvek (seedek). A seed_generation orkesztrátor birtokolja a fázisok sorrendjét, a szerepágensek vázlatot írnak, felülvizsgálnak és javítanak, az eredmény pedig survivors könyvtárként és meta-review fájlokként exportálódik. A Petri-audit egy seed-választást kap, és három külön modellszerepet oszt ki: az auditor eljátssza a seed-forgatókönyvet, a cél a teljes GEODE-váz, a bíráló pedig dimenziónként pontozza az átiratot egy Inspect-naplóba. A SIL-mérés ezt az eredményt olvassa, a megtartott mérés pedig a következő generáció alapvonal-bizonyítéka lesz.Auditormodelleljátssza a seed-forgatókönyvetCél-alapmodella GEODE által becsomagolt modellBírálómodella teljes átiratot pontozzaInspect .eval naplóarchívum · összegzésSIL-mérés · measure.pya szabályzatkeresés fejezete olvassabaseline snapshotdimenzióátlagok · bizonyítékokhandoff pointerlatest_pointer.json · priorsseed_generation/orchestrator.pyfázissorrend · PipelineStatecheckpoint · resumeagents/ · vázlatSupervisor · futtatási stratégialiterature_review · alapból kikapcsolvaGenerator · jelölt seedekagents/ · felülvizsgálatProximity · duplikátumszűrésCritic · felülvizsgálatPilot · opcionális · smoke-ban nincsRanker · Eloagents/ · javításEvolver · javításMeta-reviewer · következő priorokrun_dir/survivors/ · jelölt .md-másolatoksurvivors.json · Elo · pilotmeta_review.json · state.jsonpetri/seedscsomagolt seedek · *.mdpetri/runner.pygeode audit · /audit · eszközköltségbecslés · alapból dry-runpetri/geode_target.pyGEODE mint cél · AgenticLooppetri/judge_dimsjudge_dimensions · YAMLfuttatáson kívüli állapotfájlokevals/seed_generationforgatókönyvírásevals/petriauditfuttatás1fázisok futtatása sorrendben2alapvonal-bizonyíték3 előző meta-review · latest_pointer.json · priors → agents/ · vázlat34 jelölt seedek · agents/ · vázlat → agents/ · felülvizsgálat45survivors · Elo6 következő iteráció · a Critictől · Meta-reviewer · következő priorok → Critic · felülvizsgálat67 a túlélők exportja · agents/ · javítás → run_dir/78latest mutató1--seed-select2csomagolt seedek3 modellszerepek · három hely · geode audit · /audit · eszköz → Auditormodell34seed-forgatókönyv párbeszéd5 modellhívások · GEODE mint cél · AgenticLoop → Cél-alapmodell56átirat7 judge_dimensions · judge_dimensions · YAML → Bírálómodell78dimenziópontszámok1dimenziópontszámok2 mérés · Inspect .eval napló → SIL-mérés · measure.py23alapvonal frissítése4alapvonal-bizonyíték

Forgatókönyvírás

Az orkesztrátor birtokolja a fázissorrendet, a szerepágensek jelölteket írnak és szűrnek, az eredmény pedig fájlszerződésen át exportálódik.

  1. fázissorrend · PipelineStateseed_generation/orchestrator.pyfázisok futtatása sorrendbenagents/ · vázlat

    Az orkesztrátor birtokolja a fázissorrendet és az állapotok összefésülését; a munkát az egyes fázisok szerepágensei végzik. Egy fázison belül a munka a SubAgentManageren át szétosztható, és az alágensek nem rekurzívak (mélység 1).

  2. dimenzióátlagok · bizonyítékokbaseline snapshotalapvonal-bizonyítékagents/ · vázlat

    A Generator, a Critic és az Evolver a kiválasztott alapvonal dimenziónkénti átlagait, standard hibáit és bizonyítékait olvassa. Az első generációnak nincs alapvonala, ezért az alapértelmezett promptokat használja.

  3. latest_pointer.json · priorshandoff pointerelőző meta-reviewagents/ · vázlat

    Az előző futtatás meta-review-ja a következő generáció priorjait és az alulreprezentált dimenziókat hagyja hátra, hogy ez a generáció figyelembe vegye őket.

  4. agents/ · vázlatjelölt seedekagents/ · felülvizsgálat

    A Generator jelöltjei sorban áthaladnak a Proximity duplikátumszűrésén, a Critic felülvizsgálatán, a Piloton (opcionális; smoke futtatásokban kimarad) és a Ranker Elo-rangsorolásán.

  5. agents/ · felülvizsgálatsurvivors · Eloagents/ · javítás

    Az Evolver a legmagasabbra rangsorolt jelölteket javítja, a Meta-reviewer pedig a futtatást a következő generáció priorjaivá összegzi.

  6. Meta-reviewer · következő priorokagents/ · javításkövetkező iteráció · a CritictőlCritic · felülvizsgálatagents/ · felülvizsgálat

    Beállított max_iterations esetén a Meta-reviewer után a javított jelöltek újra végigmennek a Critic → Pilot → Ranker → Evolver → Meta-reviewer láncon. A Supervisor, a Generator és a Proximity nem fut újra; az alapértelmezés nulla iteráció.

  7. agents/ · javítása túlélők exportjarun_dir/

    A túlélő jelöltek szövegét fájlként másolja a survivors/ könyvtárba, az Elo- és pilot-pontszámok a survivors.json-ba kerülnek, a meta-review és az állapot pedig külön íródik.

  8. meta_review.json · state.jsonrun_dir/latest mutatólatest_pointer.json · priorshandoff pointer

    Egyetlen latest_pointer.json rögzíti, hol van a futtatás seed_pool és meta_review kimenete. A futtatásonkénti kimenetek a mérvadók; a mutató csak nem garantált segítség a következő futtatáshoz, és a sikertelen írás csak naplózódik. Nem minden futtatásnak van meg mindkét mezője.

Auditfuttatás

Az auditor eljátssza a seedet (egy forgatókönyv-utasítást), a cél a GEODE-váz, a bíráló pedig pontozza az átiratot. A három szerep külön modellhely.

  1. survivors/ · jelölt .md-másolatokrun_dir/--seed-selectgeode audit · /audit · eszközpetri/runner.py

    Egy audit seed-választást kap (survivors könyvtár, csomagolt seedek, azonosítók vagy címkék), és továbbadja az Inspect inspect_petri/audit feladatának. A seed-generálás maga nem indít auditot.

  2. csomagolt seedek · *.mdpetri/seedscsomagolt seedekgeode audit · /audit · eszközpetri/runner.py

    A tároló csomagolt seedjei változatlanul is kiválaszthatók.

  3. geode audit · /audit · eszközpetri/runner.pymodellszerepek · három helyAuditormodell

    Az auditor-, a cél- és a bírálómodell külön állítható be. Az alapértelmezés a próbafuttatás (dry run); valódi hívások csak egy költségbecslés megerősítése után történnek. Ha mindhárom szerep ugyanazt a szolgáltatót használja, azonos szolgáltatói torzításra utaló jelölést kap.

  4. Auditormodellseed-forgatókönyv párbeszédGEODE mint cél · AgenticLooppetri/geode_target.py

    A seed forgatókönyv-utasítás az auditor számára. Az auditor vezeti a beszélgetést, és csak akkor hozhat létre eszközöket és eszközeredményeket, ha a target_tools engedélyezve van.

  5. GEODE mint cél · AgenticLooppetri/geode_target.pymodellhívásokCél-alapmodell

    A teljes GEODE AgenticLoop (eszközök, hookok, memória) egyetlen modell-API-ként van becsomagolva, így az auditált cél a GEODE-váz, nem pusztán az alapmodell.

  6. GEODE mint cél · AgenticLooppetri/geode_target.pyátiratBírálómodell

    A bíráló minden minta teljes átiratát egyszer olvassa el, és dimenziónként pontozza.

  7. judge_dimensions · YAMLpetri/judge_dimsjudge_dimensionsBírálómodell

    A kiválasztott bírálódimenzió-YAML határozza meg a pontozási dimenziókat. Ez viselkedési audit, más mérés, mint a feladatteljesítés.

  8. BírálómodelldimenziópontszámokInspect .eval napló

    Az Inspect .eval napló és egy összegzés archiválódik. Az archiválási hiba feljegyzésre kerül, és nem blokkolja az audit eredményét.

Mérés → következő generáció

A SIL az auditpontszámokat használja az ítéletéhez, a megtartott mérés pedig alapvonal-bizonyíték lesz a következő seed-generáláshoz. Ez nem jelenti, hogy a kapcsolat minden kampányban automatikusan lefutott.

  1. BírálómodelldimenziópontszámokInspect .eval napló

    Az Inspect .eval napló és egy összegzés archiválódik. Az archiválási hiba feljegyzésre kerül, és nem blokkolja az audit eredményét.

  2. Inspect .eval naplómérésSIL-mérés · measure.py

    A SIL measure.py az auditot alfolyamatként futtatja, és annak eredményéből számítja a fitnesst.

  3. SIL-mérés · measure.pyalapvonal frissítésedimenzióátlagok · bizonyítékokbaseline snapshot

    A SIL nyilvántartása a megtartott mérést alapvonalként írja ki. A seed-generálás ezt a bizonyítékot olvassa, ha alapvonal van kiválasztva (automatikusan vagy explicit módon).

  4. dimenzióátlagok · bizonyítékokbaseline snapshotalapvonal-bizonyítékagents/ · vázlat

    A Generator, a Critic és az Evolver a kiválasztott alapvonal dimenziónkénti átlagait, standard hibáit és bizonyítékait olvassa. Az első generációnak nincs alapvonala, ezért az alapértelmezett promptokat használja.

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
  • Hosszú pontvonalas · feljegyzések és megfigyelés, az ítélettől elkülönítve
  • 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
  • orkesztrátor · audit-belépés
  • auditált cél · pontozási dimenziók
  • kimenetek · állapotfájlok
  • szerepágensek · csomagolt seedek

Az orkesztrátor rögzíti az első menet és az ismétlés sorrendjét. A konfiguráció, a regisztrált szerepek és a folytatási pont miatt egyes fázisok kimaradhatnak, és nem minden kampány futtatott minden fázist. Az állapotfájlok helye a környezettől függ, ezért útvonalak nem szerepelnek.

Három szerep
A seed forgatókönyv-utasítás, amelyet ember írt vagy generáltak; az auditor az azt eljátszó modell, a cél az auditált GEODE-váz, a bíráló pedig az átiratot pontozó modell. A pontszámok és a naplók a bíráló kimenetei.
Mit mér
A Petri-audit viselkedési dimenziókat pontoz. Nem feladatteljesítési arány, és nem a termékminőség garanciája.