LV
Geodi, GEODE oficiālais pikseļu tēls
Atpakaļ uz zāli

GEODE

Autonomous Agent Harness

No novērojuma līdz nākamajai darbībai.

Lokāls autonoma aģenta ietvars, kam var uzticēt izpēti, darbu ar failiem un ieplānotus uzdevumus.

2026.02.21 — present

Projektēšana, spriedums, verifikācija: Author · implementācija: Claude · pārskatīšana: Codex

  • CLIPublicēts · PyPI
  • MCP serverisImplementēts

Audita scenāriji tiek veidoti fāzēs noteiktā secībā.

Fāžu secība pieder resursdatoram, un katras fāzes lomu aģenti sadala darbu. Iegūtā sēklu kopa un izvēlētā rubrika kļūst par Petri uzvedības audita ievadi.

Sēklu karte · zīmēta pēc fiksētā komita 9e2c041 evals ceļiem
GEODE audita scenāriju ģenerēšana un Petri auditsKā tiek rakstīti un auditēti audita scenāriji (sēklas). Orķestrētājs seed_generation nosaka fāžu secību, bet lomu aģenti veido melnrakstus, pārskata un uzlabo, un rezultāts tiek eksportēts kā survivors direktorija un meta-review faili. Petri audits saņem sēklu izlasi un piešķir trīs atsevišķas modeļu lomas: auditors izspēlē sēklas scenāriju, mērķis ir viss GEODE karkass, un tiesnesis vērtē transkriptu pa dimensijām Inspect žurnālā. SIL mērīšana nolasa šo rezultātu, un saglabāts mērījums kļūst par bāzlīnijas pierādījumu nākamajai paaudzei.Auditora modelisizspēlē sēklas scenārijuMērķa bāzes modelismodelis, ko ietin GEODETiesneša modelisvērtē visu transkriptuInspect .eval žurnālsarhīvs · kopsavilkumsSIL mērīšana · measure.pynolasa politikas meklēšanas nodaļabaseline snapshotdimensiju vidējie · pierādījumihandoff pointerlatest_pointer.json · priorsseed_generation/orchestrator.pyfāžu secība · PipelineStatecheckpoint · resumeagents/ · melnrakstsSupervisor · palaidiena stratēģijaliterature_review · pēc noklusējuma izslēgtsGenerator · kandidātu sēklasagents/ · pārskatīšanaProximity · dublikātu noņemšanaCritic · pārskatīšanaPilot · neobligāts · ne smoke palaidienāRanker · Eloagents/ · uzlabošanaEvolver · uzlabošanaMeta-reviewer · nākamie priorirun_dir/survivors/ · kandidātu .md kopijassurvivors.json · Elo · pilotmeta_review.json · state.jsonpetri/seedskomplektā iekļautās sēklas · *.mdpetri/runner.pygeode audit · /audit · rīksizmaksu aplēse · pēc noklusējuma izmēģinājuma palaidienspetri/geode_target.pyGEODE kā mērķis · AgenticLooppetri/judge_dimsjudge_dimensions · YAMLstāvokļa faili ārpus palaidienaevals/seed_generationscenāriju sastādīšanaevals/petriaudita palaidiens1fāzes secīgi2bāzlīnijas pierādījumi3 iepriekšējais meta-review · latest_pointer.json · priors → agents/ · melnraksts34 kandidātu sēklas · agents/ · melnraksts → agents/ · pārskatīšana45survivors · Elo6 nākamā iterācija · no Critic · Meta-reviewer · nākamie priori → Critic · pārskatīšana67 survivors eksports · agents/ · uzlabošana → run_dir/78latest rādītājs1--seed-select2komplektā iekļautās sēklas3 modeļu lomas · trīs vietas · geode audit · /audit · rīks → Auditora modelis34sēklas scenārija dialogs5 modeļa izsaukumi · GEODE kā mērķis · AgenticLoop → Mērķa bāzes modelis56transkripts7 judge_dimensions · judge_dimensions · YAML → Tiesneša modelis78dimensiju vērtējumi1dimensiju vērtējumi2 mērījums · Inspect .eval žurnāls → SIL mērīšana · measure.py23bāzlīnijas atjaunināšana4bāzlīnijas pierādījumi

Scenāriju sastādīšana

Orķestrētājam pieder fāžu secība, lomu aģenti veido un filtrē kandidātus, un rezultāts tiek eksportēts ar failu līgumu.

  1. fāžu secība · PipelineStateseed_generation/orchestrator.pyfāzes secīgiagents/ · melnraksts

    Orķestrētājam pieder fāžu secība un stāvokļa apvienošana; katras fāzes lomu aģents veic darbu. Fāzes ietvaros darbu var sazarot caur SubAgentManager, un apakšaģenti nerekursē (dziļums 1).

  2. dimensiju vidējie · pierādījumibaseline snapshotbāzlīnijas pierādījumiagents/ · melnraksts

    Generator, Critic un Evolver nolasa izvēlētās bāzlīnijas vidējos rādītājus pa dimensijām, standartkļūdas un pierādījumus. Pirmajai paaudzei bāzlīnijas nav, un tā izmanto noklusējuma uzvednes.

  3. latest_pointer.json · priorshandoff pointeriepriekšējais meta-reviewagents/ · melnraksts

    Iepriekšējā palaidiena meta-review atstāj nākamās paaudzes priorus un nepietiekami aptvertās dimensijas, ko šī paaudze ņem vērā.

  4. agents/ · melnrakstskandidātu sēklasagents/ · pārskatīšana

    Generator kandidāti secīgi iziet Proximity dublikātu noņemšanu, Critic pārskatīšanu, Pilot (neobligāts; smoke palaidienos izlaists) un Ranker Elo ranžēšanu.

  5. agents/ · pārskatīšanasurvivors · Eloagents/ · uzlabošana

    Evolver uzlabo augstāk ranžētos kandidātus, un Meta-reviewer apkopo palaidienu nākamās paaudzes prioros.

  6. Meta-reviewer · nākamie prioriagents/ · uzlabošananākamā iterācija · no CriticCritic · pārskatīšanaagents/ · pārskatīšana

    Ja iestatīts max_iterations, pēc Meta-reviewer uzlabotie kandidāti atkal iziet ceļu Critic → Pilot → Ranker → Evolver → Meta-reviewer. Supervisor, Generator un Proximity atkārtoti netiek palaisti; noklusējums ir nulle iterāciju.

  7. agents/ · uzlabošanasurvivors eksportsrun_dir/

    Izdzīvojušo kandidātu teksti tiek kopēti kā faili direktorijā survivors/, Elo un pilot vērtējumi — failā survivors.json, bet meta-review un stāvoklis tiek rakstīti atsevišķi.

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

    Viens latest_pointer.json reģistrē, kur atrodas šī palaidiena seed_pool un meta_review. Kanoniski ir katra palaidiena materiāli; rādītājs ir best-effort palīgs nākamajam palaidienam, un neizdevusies rakstīšana tikai tiek žurnalēta. Ne katram palaidienam ir abi lauki.

Audita palaidiens

Auditors izspēlē sēklu (scenārija norādījumu), mērķis ir GEODE karkass, un tiesnesis vērtē transkriptu. Trīs lomas ir atsevišķas modeļu vietas.

  1. survivors/ · kandidātu .md kopijasrun_dir/--seed-selectgeode audit · /audit · rīkspetri/runner.py

    Audits saņem sēklu izlasi (survivors direktorija, komplektā iekļautās sēklas, ID vai birkas) un nodod to Inspect uzdevumam inspect_petri/audit. Sēklu ģenerēšana pati auditu nesāk.

  2. komplektā iekļautās sēklas · *.mdpetri/seedskomplektā iekļautās sēklasgeode audit · /audit · rīkspetri/runner.py

    Repozitorija komplektā iekļautās sēklas var izvēlēties bez izmaiņām.

  3. geode audit · /audit · rīkspetri/runner.pymodeļu lomas · trīs vietasAuditora modelis

    Auditora, mērķa un tiesneša modeļi tiek iestatīti atsevišķi. Noklusējums ir izmēģinājuma palaidiens; reāli izsaukumi notiek tikai pēc izmaksu aplēses apstiprināšanas. Ja visām trim lomām ir viens nodrošinātājs, tiek pievienota viena nodrošinātāja neobjektivitātes atzīme.

  4. Auditora modelissēklas scenārija dialogsGEODE kā mērķis · AgenticLooppetri/geode_target.py

    Sēkla ir auditoram dots scenārija norādījums. Auditors vada sarunu un var radīt rīkus un rīku rezultātus tikai tad, ja ir iespējots target_tools.

  5. GEODE kā mērķis · AgenticLooppetri/geode_target.pymodeļa izsaukumiMērķa bāzes modelis

    Viss GEODE AgenticLoop (rīki, hook, atmiņa) ir ietīts kā viens modeļa API, tāpēc auditētais mērķis ir GEODE karkass, nevis tikai bāzes modelis.

  6. GEODE kā mērķis · AgenticLooppetri/geode_target.pytranskriptsTiesneša modelis

    Tiesnesis vienreiz nolasa katra parauga pilno transkriptu un vērtē to pa dimensijām.

  7. judge_dimensions · YAMLpetri/judge_dimsjudge_dimensionsTiesneša modelis

    Izvēlētais tiesneša dimensiju YAML nosaka vērtēšanas dimensijas. Tas ir uzvedības audits — cits mērījums nekā uzdevuma pabeigšana.

  8. Tiesneša modelisdimensiju vērtējumiInspect .eval žurnāls

    Inspect .eval žurnāls un kopsavilkums tiek arhivēti. Arhivēšanas kļūme tiek atzīmēta un nebloķē audita rezultātu.

Mērījums → nākamā paaudze

SIL izmanto audita vērtējumus savam verdiktam, un saglabāts mērījums kļūst par bāzlīnijas pierādījumu nākamajai sēklu ģenerēšanai. Tas nenozīmē, ka šī saikne katrā kampaņā darbojās automātiski.

  1. Tiesneša modelisdimensiju vērtējumiInspect .eval žurnāls

    Inspect .eval žurnāls un kopsavilkums tiek arhivēti. Arhivēšanas kļūme tiek atzīmēta un nebloķē audita rezultātu.

  2. Inspect .eval žurnālsmērījumsSIL mērīšana · measure.py

    SIL measure.py palaiž audita apakšprocesu un no tā rezultāta aprēķina fitness.

  3. SIL mērīšana · measure.pybāzlīnijas atjaunināšanadimensiju vidējie · pierādījumibaseline snapshot

    SIL ledger ieraksta saglabāto mērījumu kā bāzlīniju. Sēklu ģenerēšana nolasa šos pierādījumus, kad bāzlīnija ir izvēlēta (automātiski vai tieši).

  4. dimensiju vidējie · pierādījumibaseline snapshotbāzlīnijas pierādījumiagents/ · melnraksts

    Generator, Critic un Evolver nolasa izvēlētās bāzlīnijas vidējos rādītājus pa dimensijām, standartkļūdas un pierādījumus. Pirmajai paaudzei bāzlīnijas nav, un tā izmanto noklusējuma uzvednes.

Visi savienojumi ar vienādu svaru. Izvēlieties plūsmu, lai izceltu tikai tās ceļu ar numurētiem soļiem.

  • Nepārtraukta · pieprasījumu, kandidātu un rezultātu plūsmas virziens
  • Raustīta · izpilde, lēmums, pilnvarošana, konfigurēšana
  • Gara svītra-punkts · ieraksti un novērošana, nošķirti no verdikta
  • Bieza melna līnija · izvēlētā plūsma; skaitļi norāda secību
  • Rāmis · koda vai ierakstu robeža, ceļš galvenē
  • Iekšējā plāksnīte · komponents šajā robežā
  • Raustīts rāmis · ārpus šīs robežas
  • orķestrētājs · audita ieeja
  • audita mērķis · vērtēšanas dimensijas
  • materiāli · stāvokļa faili
  • lomu aģenti · komplektā iekļautās sēklas

Orķestrētājs fiksē pirmās gaitas secību un atkārtojuma secību. Konfigurācija, reģistrētās lomas un atsākšanas punkts var izlaist dažas fāzes, un ne katra kampaņa izpildīja katru fāzi. Stāvokļa failu atrašanās vieta ir atkarīga no vides, tāpēc ceļi nav parādīti.

Trīs lomas
Sēkla ir cilvēka rakstīts vai ģenerēts scenārija norādījums; auditors ir modelis, kas to izspēlē, mērķis ir auditētais GEODE karkass, un tiesnesis ir modelis, kas vērtē transkriptu. Vērtējumi un žurnāli ir tiesneša materiāli.
Kas tiek mērīts
Petri audits vērtē uzvedības dimensijas. Tas nav uzdevumu pabeigšanas rādītājs vai produkta kvalitātes garantija.