LT
Geodi, oficialus GEODE pikselinis personažas
Atgal į salę

GEODE

Autonomous Agent Harness

Nuo stebėjimo iki kito veiksmo.

Vietinis autonominio agento karkasas, kuriam galima patikėti tyrimus, darbą su failais ir suplanuotas užduotis.

2026.02.21 — present

Projektavimas, sprendimai, verifikacija: Author · įgyvendinimas: Claude · peržiūra: Codex

  • CLIPaskelbta · PyPI
  • MCP serverisĮgyvendinta

Kandidato priėmimas ir leidimo įgaliojimai yra atskiri sprendimai.

Crucible yra eksperimentų branduolys, atskirtas nuo politikų paieškos. Kandidatinis komitas tikrinamas pagal leidžiamus paviršius ir įšaldytą sutartį, suporuotos užduotys agreguojamos atskirame matavimo checkout, o rezultatas – KEEP, REJECT arba INVALID.

Crucible žemėlapis · nubraižyta pagal užfiksuotą komitą 9e2c041 ir viešus artefaktus 23e3428
GEODE Crucible žemėlapisEksperimentų branduolys, kuriame kandidato priėmimas, užantspauduotas tinkamumas ir produkto leidimas laikomi atskirais įgaliojimais. Supervisor iš gamintojo paima vieną kandidatinį komitą, patikrina jį pagal leidžiamą paviršių ir įšaldytą vertintoją ir paleidžia tau2 užduotis izoliuotame matavimo checkout. promotion.py agreguoja suporuotus rezultatus pagal iš anksto užregistruotas užduotis ir šeimas į KEEP, REJECT arba INVALID; KEEP tik perkelia paieškos head. Užantspauduotas vertinimas vertina train bundle su vienkartiniu testų paketu, nesikertančiu su train; net ELIGIBLE pasiekia tik eligible ref, be leidimo įgaliojimų.actor · user modeliair14 · r35: gpt-5.4/hightau2 aplinkaužduotys · imituojamas naudotojasGEODE produkto leidimasryšio nėra · atskiri įgaliojimaisearch/producersgamintojo komanda · sukonfigūruotareplay producersearch/supervisor.pypropose → preflightevaluate → decide → recordcontract.pyleidžiamas paviršius · kandidato diffįšaldytas vertintojas · iš anksto užregistruotasattempt/feedback.jsonnesėkmių kodai · train užduočių IDmeasurement checkoutizoliuota nuo gamintojoassays/tau2 paleidimas · receiptužduočių tikrintuvaspromotion.pysuporuota · užduotis · agregavimas pagal šeimąKEEP · REJECT · INVALIDattestation/bundle.pytrain bundle · perskaičiuotas KEEPattestation/sealed.pynesikertantis testų paketas · naudojamas kartąELIGIBLE · release_authority nonerefs/cruciblesearch/* headeligible/*geode-eval-artifactsr14 · train KEEP → sealed REJECTr35 · INVALID · 0 porų · nullevolve/crucibleišorinis eksperimentų branduolys · atskirai nuo SILpaieška · train verdiktasattestation · sealed1 prašyti kandidato · propose → preflight → search/producers12 vienas kandidatinis komitas · search/producers → propose → preflight23 leidžiamas paviršius · diff patikra · propose → preflight → leidžiamas paviršius · kandidato diff34izoliuotas checkout5paleidimas pagal fiksuotą sutartį6actor · user dialogas7modelio iškvietimai8paired evidence9iš anksto užregistruotas agregavimas10KEEP · head perkeliamas1paired evidence2iš anksto užregistruotas agregavimas3REJECT · INVALID4nesėkmių kodai · užduočių ID1record · ref receipt2 tik train bundle · kartą · train bundle · perskaičiuotas KEEP → nesikertantis testų paketas · naudojamas kartą23 tik eligible ref · ELIGIBLE · release_authority none → eligible/*31viešas verdict.json2sealed decision.json

Train verdiktas

Vienas kandidatas leidžiamo paviršiaus ribose matuojamas pagal fiksuotą sutartį izoliuotame checkout, o iš anksto užregistruotos taisyklės nusprendžia KEEP, REJECT arba INVALID.

  1. propose → preflightsearch/supervisor.pyprašyti kandidatosearch/producers

    Paieškos supervisor prašo gamintojo kandidato. r14 kandidatas buvo ankstesnis kandidatas (r13), pakartotinai pritaikytas replay gamintojo, o ne naujas LLM sugeneruotas.

  2. search/producersvienas kandidatinis komitaspropose → preflightsearch/supervisor.py

    Gamintojas grąžina vieną kandidatinį komitą leidžiamų kelių ribose.

  3. propose → preflightsearch/supervisor.pyleidžiamas paviršius · diff patikraleidžiamas paviršius · kandidato diffcontract.py

    Kandidato diff turi likti sutartyje leidžiamo paviršiaus ribose, o įšaldytas vertintojas patikrinamas. r14 ir r35 leidžiamas taikinys buvo vienas failas, tau2_agent_policy.md; core ir Crucible įgyvendinimas užfiksuoti kaip vertintojo kelias.

  4. evaluate → decide → recordsearch/supervisor.pyizoliuotas checkoutizoliuota nuo gamintojomeasurement checkout

    Kandidatas tikrinamas matavimo checkout, atskirtame nuo gamintojo.

  5. izoliuota nuo gamintojomeasurement checkoutpaleidimas pagal fiksuotą sutartįtau2 paleidimas · receiptassays/

    Bazinė linija ir kandidatas paleidžiami su ta pačia sutartimi, sėkla ir užduotimis.

  6. tau2 paleidimas · receiptassays/actor · user dialogastau2 aplinka

    GEODE agentas (actor) kalbasi su vertintojui priklausančiu imituojamu naudotoju tau2 užduočių aplinkoje.

  7. tau2 paleidimas · receiptassays/modelio iškvietimaiactor · user modeliai

    r14 ir r35 tiek actor, tiek imituojamas naudotojas veikė su gpt-5.4/high (prenumerata).

  8. užduočių tikrintuvasassays/paired evidencesuporuota · užduotis · agregavimas pagal šeimąpromotion.py

    Užduočių tikrintuvo rezultatai saugomi kaip bazinės linijos ir kandidato poros.

  9. įšaldytas vertintojas · iš anksto užregistruotascontract.pyiš anksto užregistruotas agregavimassuporuota · užduotis · agregavimas pagal šeimąpromotion.py

    Suporuoti rezultatai agreguojami pagal užduotį ir iš anksto užregistruotą šeimą, o biudžeto, aprėpties, infrastruktūros ir saugos sąlygos tikrinamos atskirai.

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

    Esant KEEP kitas refs/crucible/search/* head tampa kandidatu. Train verdikto promotion_authority yra none.

Atmetimas · negaliojimas · grįžtamasis ryšys

REJECT ir INVALID išlaiko head, o kitas kandidatas gauna tik nesėkmių kodus ir fiksuotus train užduočių ID. INVALID nėra nulinis balas.

  1. užduočių tikrintuvasassays/paired evidencesuporuota · užduotis · agregavimas pagal šeimąpromotion.py

    Užduočių tikrintuvo rezultatai saugomi kaip bazinės linijos ir kandidato poros.

  2. įšaldytas vertintojas · iš anksto užregistruotascontract.pyiš anksto užregistruotas agregavimassuporuota · užduotis · agregavimas pagal šeimąpromotion.py

    Suporuoti rezultatai agreguojami pagal užduotį ir iš anksto užregistruotą šeimą, o biudžeto, aprėpties, infrastruktūros ir saugos sąlygos tikrinamos atskirai.

  3. KEEP · REJECT · INVALIDpromotion.pyREJECT · INVALIDnesėkmių kodai · train užduočių IDattempt/feedback.json

    Atmetus ar pripažinus negaliojančiu, ankstesnis head lieka, o kandidatas ir jo įrašai išsaugomi. INVALID vidurkis yra null, o ne nulis.

  4. nesėkmių kodai · train užduočių IDattempt/feedback.jsonnesėkmių kodai · užduočių IDsearch/producers

    Grįžtamasis ryšys kitam kandidatui apribotas nesėkmių kodais ir fiksuotais train užduočių ID; vertintojo trajektorijos ar atsakymai neperduodami.

Užantspauduotas tinkamumas · atskiri įgaliojimai

Train KEEP tik perkelia paieškos head. Užantspauduotas tinkamumas pasiekia tik eligible ref; produkto leidimas ir diegimas yra atskiri įgaliojimai už Crucible ribų.

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

    Train bundle galioja tik tada, kai susieta visa: sutartis, bazinės linijos ir kandidato įrodymai, perskaičiuotas KEEP, pasiūlymo kilmė, supervisor įrašas ir pritaikyto ref receipt. Tai ne kitas pagerėjimo pavadinimas.

  2. train bundle · perskaičiuotas KEEPattestation/bundle.pytik train bundle · kartąnesikertantis testų paketas · naudojamas kartąattestation/sealed.py

    Užantspauduotas vertinimas vieną kartą naudoja su train nesikertantį testų paketą, be infrastruktūrinių pakartojimų.

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

    Net ELIGIBLE įrašo tik refs/crucible/eligible/*, o release_authority užfiksuotas kaip none.

Vieši įrašai · r14 · r35

r14 buvo train KEEP, paskui užantspauduotas REJECT; r35 (July 13, 2026) buvo INVALID dėl nepilnos aprėpties ir infrastruktūros užteršimo (0 suporuotų eilučių, vidurkis null), o head liko nepakitęs.

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

    Vieši artefaktai yra normalizuoti įrašai, užfiksuoti ties 23e3428. r14 iš anksto užregistruota train konfigūracijos maiša skiriasi nuo viešos konfigūracijos baitų, todėl visa originali grandinė iš naujo nesertifikuota.

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

    r14: KEEP su telecom train, 6 užduotys × 1 bandymas (6 suporuotos eilutės, be paaukštinimo įgaliojimų), paskui atskiras užantspauduotas verdiktas REJECT (be leidimo įgaliojimų).

Visi ryšiai vienodo storio. Pasirinkite srautą, kad būtų paryškintas tik jo kelias su sunumeruotais žingsniais.

  • Ištisinė · kryptis, kuria keliauja užklausos, kandidatai ir rezultatai
  • Brūkšninė · paleisti, nuspręsti, įgalioti, konfigūruoti
  • Stora juoda linija · pasirinktas srautas; skaičiai rodo tvarką
  • Rėmelis · kodo ar įrašų riba, kelias antraštėje
  • Vidinė plokštelė · komponentas toje riboje
  • Brūkšninis rėmelis · už tos ribos
  • paieškos supervisor
  • sutartis · verdiktas · atestavimas
  • ref · įrašai
  • gamintojai · vykdymas

Crucible yra nuo SIL atskirtas branduolys; dvi paieškos nėra vienas konvejeris, paaukštinantis viena kitos kandidatus. Produkto leidimo rėmelis neturi įeinančių ryšių.

Trys įgaliojimai
Train KEEP perkelia paieškos head, užantspauduotas ELIGIBLE įrašo eligible ref, o produkto leidimas yra atskiras sprendimas už Crucible ribų. Ankstesnis verdiktas niekada nesuteikia vėlesnių įgaliojimų.
Null nėra nulis
r35 planavo 9 užduotis × 3 bandymus (27 eilutės kiekvienai šakai), bet turėjo 0 palyginamų porų, todėl jo vidurkis ir pagerėjimas yra null. Tai ne 27 nepavykusios užduotys ir ne 0 % sėkmės dalis.