ID
Geodi, karakter piksel resmi GEODE
Kembali ke ruang pamer

GEODE

Autonomous Agent Harness

Dari observasi ke tindakan berikutnya.

Harness agen otonom lokal yang dapat diserahi riset, pekerjaan berkas, dan tugas terjadwal.

2026.02.21 — present

Desain, penilaian, verifikasi: Author · implementasi: Claude · tinjauan: Codex

  • CLIDipublikasikan · PyPI
  • Server MCPDiimplementasikan

Penerimaan kandidat dan otoritas rilis adalah putusan yang terpisah.

Crucible adalah kernel eksperimen yang terpisah dari pencarian kebijakan. Commit kandidat divalidasi terhadap permukaan yang diizinkan dan kontrak yang dibekukan, tugas berpasangan diagregasi di checkout pengukuran terpisah, dan hasilnya KEEP, REJECT, atau INVALID.

Peta Crucible · digambar dari commit tetap 9e2c041 dan artefak publik 23e3428
Peta Crucible GEODEKernel eksperimen yang memisahkan penerimaan kandidat, kelayakan sealed, dan rilis produk sebagai otoritas yang berbeda. Supervisor mengambil satu commit kandidat dari producer, memeriksanya terhadap permukaan yang diizinkan dan evaluator yang dibekukan, lalu menjalankan tugas tau2 di checkout pengukuran yang terisolasi. promotion.py mengagregasi hasil berpasangan per task dan family yang terdaftar sebelumnya menjadi KEEP, REJECT, atau INVALID; KEEP hanya memindahkan head pencarian. Evaluasi sealed menilai train bundle pada test pack terpisah yang sekali pakai; bahkan ELIGIBLE hanya mencapai eligible ref, tanpa otoritas rilis.Model actor · userr14 · r35: gpt-5.4/highLingkungan tau2tugas · pengguna simulasiRilis produk GEODEtanpa koneksi · otoritas terpisahsearch/producersperintah producer · dikonfigurasireplay producersearch/supervisor.pypropose → preflightevaluate → decide → recordcontract.pypermukaan yang diizinkan · diff kandidatfrozen evaluator · terdaftar sebelumnyaattempt/feedback.jsonkode kegagalan · ID tugas trainmeasurement checkoutterisolasi dari producerassays/eksekusi tau2 · receiptverifier tugaspromotion.pypaired · agregat task · familyKEEP · REJECT · INVALIDattestation/bundle.pytrain bundle · KEEP dihitung ulangattestation/sealed.pydisjoint test pack · dipakai sekaliELIGIBLE · release_authority nonerefs/cruciblesearch/* headeligible/*geode-eval-artifactsr14 · train KEEP → sealed REJECTr35 · INVALID · 0 pasangan · nullevolve/cruciblekernel eksperimen eksternal · terpisah dari SILsearch · putusan trainattestation · sealed1 minta kandidat · propose → preflight → search/producers12 satu commit kandidat · search/producers → propose → preflight23 permukaan yang diizinkan · cek diff · propose → preflight → permukaan yang diizinkan · diff kandidat34checkout terisolasi5jalankan dengan kontrak tetap6dialog actor · user7pemanggilan model8paired evidence9agregasi terdaftar sebelumnya10KEEP · head berpindah1paired evidence2agregasi terdaftar sebelumnya3REJECT · INVALID4kode kegagalan · ID tugas1record · ref receipt2 hanya train bundle · sekali · train bundle · KEEP dihitung ulang → disjoint test pack · dipakai sekali23 hanya eligible ref · ELIGIBLE · release_authority none → eligible/*31verdict.json publik2sealed decision.json

Putusan train

Satu kandidat di dalam permukaan yang diizinkan diukur dengan kontrak tetap di checkout terisolasi, dan aturan yang terdaftar sebelumnya memutuskan KEEP, REJECT, atau INVALID.

  1. propose → preflightsearch/supervisor.pyminta kandidatsearch/producers

    Supervisor pencarian meminta kandidat dari producer. Kandidat r14 adalah kandidat sebelumnya (r13) yang diterapkan ulang oleh replay producer, bukan kandidat baru buatan LLM.

  2. search/producerssatu commit kandidatpropose → preflightsearch/supervisor.py

    Producer mengembalikan satu commit kandidat di dalam path yang diizinkan.

  3. propose → preflightsearch/supervisor.pypermukaan yang diizinkan · cek diffpermukaan yang diizinkan · diff kandidatcontract.py

    Diff kandidat harus berada di dalam permukaan yang diizinkan kontrak, dan frozen evaluator diverifikasi. Pada r14 dan r35, target yang diizinkan adalah satu berkas, tau2_agent_policy.md; core dan implementasi Crucible dikunci sebagai path evaluator.

  4. evaluate → decide → recordsearch/supervisor.pycheckout terisolasiterisolasi dari producermeasurement checkout

    Kandidat diperiksa di checkout pengukuran yang terpisah dari producer.

  5. terisolasi dari producermeasurement checkoutjalankan dengan kontrak tetapeksekusi tau2 · receiptassays/

    Baseline dan kandidat berjalan dengan kontrak, seed, dan tugas yang sama.

  6. eksekusi tau2 · receiptassays/dialog actor · userLingkungan tau2

    Agen GEODE (actor) berbicara dengan pengguna simulasi milik evaluator di lingkungan tugas tau2.

  7. eksekusi tau2 · receiptassays/pemanggilan modelModel actor · user

    Pada r14 dan r35, actor dan pengguna simulasi sama-sama gpt-5.4/high (langganan).

  8. verifier tugasassays/paired evidencepaired · agregat task · familypromotion.py

    Hasil verifier tugas disimpan sebagai pasangan baseline–kandidat.

  9. frozen evaluator · terdaftar sebelumnyacontract.pyagregasi terdaftar sebelumnyapaired · agregat task · familypromotion.py

    Hasil berpasangan diagregasi per task dan family yang terdaftar sebelumnya, dengan kondisi anggaran, cakupan, infrastruktur, dan keamanan diperiksa terpisah.

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

    Pada KEEP, head refs/crucible/search/* berikutnya menjadi kandidat. promotion_authority dari putusan train adalah none.

Tolak · tidak sah · umpan balik

REJECT dan INVALID mempertahankan head, dan kandidat berikutnya hanya mendapat kode kegagalan dan ID tugas train yang tetap. INVALID bukan skor nol.

  1. verifier tugasassays/paired evidencepaired · agregat task · familypromotion.py

    Hasil verifier tugas disimpan sebagai pasangan baseline–kandidat.

  2. frozen evaluator · terdaftar sebelumnyacontract.pyagregasi terdaftar sebelumnyapaired · agregat task · familypromotion.py

    Hasil berpasangan diagregasi per task dan family yang terdaftar sebelumnya, dengan kondisi anggaran, cakupan, infrastruktur, dan keamanan diperiksa terpisah.

  3. KEEP · REJECT · INVALIDpromotion.pyREJECT · INVALIDkode kegagalan · ID tugas trainattempt/feedback.json

    Pada penolakan atau ketidakabsahan, head sebelumnya tetap, dan kandidat beserta catatannya disimpan. Rata-rata INVALID adalah null, bukan nol.

  4. kode kegagalan · ID tugas trainattempt/feedback.jsonkode kegagalan · ID tugassearch/producers

    Umpan balik ke kandidat berikutnya terbatas pada kode kegagalan dan ID tugas train yang tetap; trajectory atau jawaban evaluator tidak diteruskan.

Kelayakan sealed · otoritas terpisah

Train KEEP hanya memindahkan head pencarian. Kelayakan sealed hanya mencapai eligible ref; rilis produk dan deployment adalah otoritas terpisah di luar Crucible.

  1. evaluate → decide → recordsearch/supervisor.pyrecord · ref receipttrain bundle · KEEP dihitung ulangattestation/bundle.py

    Train bundle hanya sah bila kontrak, bukti baseline dan kandidat, KEEP yang dihitung ulang, silsilah usulan, catatan supervisor, dan receipt ref yang diterapkan semuanya tersambung. Ini bukan nama lain untuk perbaikan.

  2. train bundle · KEEP dihitung ulangattestation/bundle.pyhanya train bundle · sekalidisjoint test pack · dipakai sekaliattestation/sealed.py

    Evaluasi sealed memakai test pack yang terpisah dari train, sekali, tanpa percobaan ulang infrastruktur.

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

    Bahkan ELIGIBLE hanya menulis refs/crucible/eligible/*, dan release_authority dikunci pada none.

Catatan publik · r14 · r35

r14 berstatus train KEEP lalu sealed REJECT; r35 (July 13, 2026) INVALID karena cakupan tidak lengkap dan kontaminasi infrastruktur (0 baris berpasangan, rata-rata null), dengan head tidak berubah.

  1. KEEP · REJECT · INVALIDpromotion.pyverdict.json publikgeode-eval-artifacts

    Artefak publik adalah catatan ternormalisasi yang dikunci pada 23e3428. Hash konfigurasi train r14 yang terdaftar sebelumnya berbeda dari byte konfigurasi publik, sehingga seluruh rantai aslinya tidak disertifikasi ulang.

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

    r14: KEEP pada telecom train, 6 tugas × 1 percobaan (6 baris berpasangan, tanpa otoritas promosi), lalu putusan sealed terpisah REJECT (tanpa otoritas rilis).

Setiap koneksi dengan bobot yang sama. Pilih alur untuk menyorot hanya jalurnya, dengan langkah bernomor.

  • Garis utuh · arah aliran permintaan, kandidat, dan hasil
  • Garis putus · jalankan, putuskan, otorisasi, konfigurasi
  • Garis hitam tebal · alur yang dipilih; angka menunjukkan urutan
  • Kotak · batas kode atau catatan, path-nya di bagian kepala
  • Chip dalam · komponen di dalam batas itu
  • Kotak putus-putus · di luar batas itu
  • supervisor pencarian
  • kontrak · putusan · atestasi
  • ref · catatan
  • producer · eksekusi

Crucible adalah kernel yang terpisah dari SIL; kedua pencarian bukan satu pipeline yang saling mempromosikan kandidat. Kotak rilis produk tidak memiliki koneksi masuk.

Tiga otoritas
Train KEEP memindahkan head pencarian, sealed ELIGIBLE mencatat eligible ref, dan rilis produk adalah keputusan terpisah di luar Crucible. Putusan sebelumnya tidak pernah memberikan otoritas berikutnya.
Null bukan nol
r35 merencanakan 9 tugas × 3 percobaan (27 baris per arm) tetapi memiliki 0 pasangan yang dapat dibandingkan, sehingga rata-rata dan perbaikannya null. Ini bukan 27 tugas gagal atau tingkat keberhasilan 0%.