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

Peržiūros grąžinti įgyvendinimai, perskaičiuoti tyrimų skaičiai

Du atvejai, kai peržiūra grąžino įgyvendinimą, ir vienas, kai tyrimų skaičiai perskaičiuoti išsaugant originalus. Kiekvienam vaidmeniui nurodyta tik tai, ką rodo to atvejo įrašas.

Visa legenda

Kaip skaityti · viena gramatika visiems atvejams

  • Stulpeliai – kas veikė; iš viršaus į apačią – laikas
  • Ištisinė: užfiksuotas perdavimas ar kitas žingsnis
  • Stora lazurito ↩: pastaba, grąžinusi darbą
  • Brūkšninė: ne užfiksuotas vykdymas (rašytinė taisyklė, patarimas be įgaliojimų, nepatikrinta riba)
  • Stačiakampis: veiksmas
  • Suapvalintas: stebėta būsena ar pastaba
  • Užlenktas kampas: artefaktas ar įrodymas
  • Užbrūkšniuotas stulpelis: kuriamo produkto dalys (ne agentai, kuriais jis kuriamas)

1 / 3

June 13, 2026

Įgyvendinimą, praėjusį įprastą kelią, peržiūra du kartus grąžino dėl klaidų kelių

  1. ŽmogusAuthor

    VeiksmasTrūksta telemetrijos · patikrinti tylų fallback

    • perdavimasNesėkmės, kurios turi būti matomos→ Tipizuota veiklos eilutė · fallback pažymėtas (Claude Fable 5)

  2. Programavimo agentasClaude Fable 5

    VeiksmasTipizuota veiklos eilutė · fallback pažymėtas

    • perdavimas→ commit 64bd223 (Vieši komitai)
    • perdavimasDiff · nesėkmių keliai→ BLOCKER: generic fallback saugo neapdorotus details=data (Codex)

  3. ArtefaktaiVieši komitai

    Artefaktascommit 64bd223

  4. Peržiūra · verifikacijaCodex

    Stebėjimas · pastabaBLOCKER: generic fallback saugo neapdorotus details=data

  5. Programavimo agentasClaude Fable 5

    VeiksmasŠalinti jautrius laukus ir per fallback

    • perdavimas→ c808e78 · K4 atkartojimo patikra (Vieši komitai)
    • perdavimasPataisa peržiūrėta iš naujo→ BLOCKER #2: ValidationError tekstas vėl atskleidžia reikšmes (Codex)

  6. ArtefaktaiVieši komitai

    Artefaktasc808e78 · K4 atkartojimo patikra

  7. Peržiūra · verifikacijaCodex

    Stebėjimas · pastabaBLOCKER #2: ValidationError tekstas vėl atskleidžia reikšmes

  8. Programavimo agentasClaude Fable 5

    VeiksmasPalikti tik klaidos tipą · lauko kelią; pašalinti args_preview

    • perdavimas→ 8dcb386 · K5 atkartojimo patikra (Vieši komitai)

  9. ArtefaktaiVieši komitai

    Artefaktas8dcb386 · K5 atkartojimo patikra

    • ne užfiksuotas vykdymasApimtis patikrinta→ To meto visas CI ir galutinis peržiūros PASS iš naujo neperskaityti (Vieši komitai)

  10. ArtefaktaiVieši komitai

    Taisyklė · nepatikrintaTo meto visas CI ir galutinis peržiūros PASS iš naujo neperskaityti

Kontekstas
Pakeitimas stebimumo įvykius pavertė tipizuotomis veiklos eilutėmis ir neleido fallback suveikti nepastebimai. Codex peržiūra paliko du BLOCKER, ir kiekvieną pataisą lydėjo patikra, atkartojanti rastą apėjimą.
Rezultatas
K4 priverstinai sukelia tikrą fallback su klaidingu tipu ir tikrina, kad neliktų nė vieno neapdoroto lauko; K5 tikrina, kad klaidos aprašyme būtų tik laukų pavadinimai ir klaidų tipai, niekada ne įvesties reikšmės. Šios patikros atkartoja peržiūros rastus apėjimus; jos nekopijuoja įgyvendinimo konstantų.
Riba
Originalus MCP peržiūros pokalbis neatidarytas; peržiūros vaidmuo nustatytas iš komitų ir tuo metu parašyto CHANGELOG. Šis atvejis negarantuoja, kad jokiame GEODE žurnale niekada neliks jautrių duomenų.
Šaltiniai ir likę apribojimai
  • Visuose trijuose komituose nurodytas Claude Fable 5, o c808e78 ir 8dcb386 atitinkamai fiksuoja Codex BLOCKER ir BLOCKER #2.
  • Dabartinė (October 2026) bendradarbių politika netaikoma atgaline data kaip šio atvejo nurodymas.

May 26, 2026

Pakeitimas, kuris būtų ištrynęs įvertį, susiaurintas iki patikros, kur įvertį galima naudoti

  1. Programavimo agentasĮgyvendinimas

    Stebėjimas · pastabaPoreikis: nenaudoti šios reikšmės kaip fitness ašies

    • perdavimasPirmoji hipotezė→ Pirmasis juodraštis: pašalinti reikšmę baseline writer (Įgyvendinimas)

  2. KuriamaVartotojai produkte

    Stebėjimas · pastabaPirmojoje kartoje baseline – vienintelis scenario_realism šaltinis

    • perdavimasAtsektas tikrasis vartotojas→ Pastaba: sugadina pradinę critic įvestį (Codex)

  3. Programavimo agentasĮgyvendinimas

    VeiksmasPirmasis juodraštis: pašalinti reikšmę baseline writer

    • perdavimasPakeitimas peržiūrėtas→ Pastaba: sugadina pradinę critic įvestį (Codex)

  4. Peržiūra · verifikacijaCodex

    Stebėjimas · pastabaPastaba: sugadina pradinę critic įvestį

  5. Programavimo agentasĮgyvendinimas

    VeiksmasWriter pakeitimas atšauktas · duomenys išsaugoti

    • perdavimasBaigtumo kriterijus perkeltas→ 4 invariantai: nėra tik fitness paviršiuose (Viešas komitas · PR)

  6. ArtefaktaiViešas komitas · PR

    Artefaktas4 invariantai: nėra tik fitness paviršiuose

    • perdavimasGalutinis diff→ 0792e81 → PR #1690 sulietas (Viešas komitas · PR)

  7. ArtefaktaiViešas komitas · PR

    Artefaktas0792e81 → PR #1690 sulietas

Kontekstas
Pakeitimu siekta, kad scenario_realism nebūtų naudojamas kaip fitness ašis išorinėje Scaffold Search. Kai peržiūra atsekė pirmąjį šios reikšmės skaitytoją, pakeitimas sumažintas, o ne išplėstas.
Rezultatas
Baseline reikšmė lieka; keturios patikros užfiksuoja, kad šio matmens nėra išorinės paieškos AXIS_TIERS, DIM_WEIGHTS ir tier sąrašuose.
Riba
Sesija, iš kurios kilo atšauktas writer pakeitimas, neperžiūrėta; ji nustatyta iš komito ir tuo metu parašytų testų aprašų. Šios patikros nėra paieškos našumo ar SIL pagerėjimo įrodymas.
Šaltiniai ir likę apribojimai
  • Critic ir evolver – tai kuriamo produkto vidiniai duomenų vartotojai, o ne programavimo agentas ar Codex peržiūrėtojas, naudoti jį kuriant.
  • PR #1690 pavadinime vis dar parašyta „filter“; tikrasis pakeitimas – galutinis diff ir komitas.

September 27, 2026 to September 28, 2026

Ištaisius ribinės reikšmės klaidą, pirma atkartoti pradiniai rezultatai, tada jie perskaičiuoti

  1. Darbo sesijaAnalizės įgyvendintojas

    Stebėjimas · pastabaReikšmės tiksliai ant leistinos paklaidos ribos atmestos

    • perdavimasPriėmimo klaida, o ne modelio gebėjimai→ Lyginti kaip dešimtaines · paklaidos nepakeistos (Analizės įgyvendintojas)

  2. Darbo sesijaAnalizės įgyvendintojas

    VeiksmasLyginti kaip dešimtaines · paklaidos nepakeistos

    • perdavimas→ 4be7a17 · patikros ribos viduje / išorėje (Artefaktai)

  3. ArtefaktaiArtefaktai

    Artefaktas4be7a17 · patikros ribos viduje / išorėje

  4. ŽmogusAuthor

    VeiksmasDeleguota: tik visų išsaugotų U4 · X2 offline pataisa

    • perdavimasLeidžiama apimtis→ contract.json: įvestys · taisyklės užfiksuotos, be modelio iškvietimų (Artefaktai)

  5. ArtefaktaiArtefaktai

    Artefaktascontract.json: įvestys · taisyklės užfiksuotos, be modelio iškvietimų

    • perdavimasUžfiksuotos sąlygos→ Pirma atkartoti ankstesnius rezultatus · vardiklius · PI (Analizės įgyvendintojas)

  6. Darbo sesijaAnalizės įgyvendintojas

    VeiksmasPirma atkartoti ankstesnius rezultatus · vardiklius · PI

    • perdavimasPo atkartojimo→ Pataisą apskaičiuoti atskirai iš tų pačių įvesčių (Analizės įgyvendintojas)

  7. Darbo sesijaAnalizės įgyvendintojas

    VeiksmasPataisą apskaičiuoti atskirai iš tų pačių įvesčių

    • perdavimas→ receipt: 24 originalai išsaugoti · 0 modelio iškvietimų (Artefaktai)
    • perdavimasLangelių vektoriai, o ne suvestinės→ Perskaičiuoti laimėtojus · PI iš langelių vektorių · sutikrinti maišos reikšmes (Nepriklausomas tikrintojas)

  8. ArtefaktaiArtefaktai

    Artefaktasreceipt: 24 originalai išsaugoti · 0 modelio iškvietimų

  9. Peržiūra · verifikacijaNepriklausomas tikrintojas

    VeiksmasPerskaičiuoti laimėtojus · PI iš langelių vektorių · sutikrinti maišos reikšmes

    • perdavimas→ independent-review: verdiktai galioja, apribojimai nurodyti (Artefaktai)

  10. ArtefaktaiArtefaktai

    Artefaktasindependent-review: verdiktai galioja, apribojimai nurodyti

Kontekstas
Jev tyrimų įrankyje tipizuoti skaitiniai atsakymai, esantys tiksliai ant leistinos paklaidos ribos, buvo atmetami. Ištaisius visi išsaugoti rezultatai perskaičiuoti be naujų modelio paleidimų, o skaičiuojanti ir tikrinanti pusės laikytos atskirai.
Rezultatas
Po pataisos verdiktai nepasikeitė (U4 not-supported, X2 mixed). Skaitinės klaidos taisymas ir tyrimo hipotezės patvirtinimas laikyti atskirai.
Riba
Tai pataisa post factum, o ne naujas eksperimentas su modeliu. 640 Astra listwise langelių be originalaus atsakymo išlaiko išsaugotą laimėtoją, o nepriklausoma peržiūra taip pat iš naujo neanalizavo privačių atsakymų tekstų.
Šaltiniai ir likę apribojimai
  • Įverčio paklaida 0.03 ir skirstinio sumos paklaida 0.025 nekeistos. Pataisyti skaičiai: U4 58/80 → 59/80 ir X2 194/240 → 196/240.
  • Viešame pataisos įraše nenurodytas modelis nei rašančiajai, nei tikrinančiajai pusei, o 4be7a17 nemini nei Claude, nei Codex, todėl nė vienam stulpeliui modelio pavadinimas nepriskirtas.