GEODE
Autonomous Agent Harness
Od obserwacji do następnego działania.
Lokalny harness autonomicznego agenta, któremu można powierzyć badania, pracę na plikach i zadania zaplanowane.
Implementacje cofnięte przez przegląd, przeliczone dane badawcze
Dwa przypadki, w których przegląd odesłał implementację, i jeden, w którym dane badawcze przeliczono z zachowaniem oryginałów. Każda rola obejmuje tylko to, co pokazuje zapis danego przypadku.
June 13, 2026
Implementację, która przeszła ścieżkę normalną, przegląd dwukrotnie odesłał z powodu ścieżek błędów
CzłowiekAuthor
DziałanieBrak telemetrii · cichy fallback do sprawdzenia
- przekazanieAwarie, które muszą być widoczne→ Typowany wiersz aktywności · oznaczony fallback (Claude Fable 5)
Agent kodującyClaude Fable 5
DziałanieTypowany wiersz aktywności · oznaczony fallback
- przekazanie→ commit 64bd223 (Publiczne commity)
- przekazanieDiff · ścieżki awarii→ BLOCKER: ogólny fallback zapisuje surowe details=data (Codex)
ArtefaktyPubliczne commity
Artefaktcommit 64bd223
Przegląd · weryfikacjaCodex
Obserwacja · ustalenieBLOCKER: ogólny fallback zapisuje surowe details=data
- odesłaneOchrona ścieżki normalnej na ścieżce wyjątku→ Usuwanie wrażliwych pól także przy fallbacku (Claude Fable 5)
Agent kodującyClaude Fable 5
DziałanieUsuwanie wrażliwych pól także przy fallbacku
- przekazanie→ c808e78 · kontrola odtwarzająca K4 (Publiczne commity)
- przekazaniePoprawka ponownie przejrzana→ BLOCKER #2: tekst ValidationError ponownie ujawnia wartości (Codex)
ArtefaktyPubliczne commity
Artefaktc808e78 · kontrola odtwarzająca K4
Przegląd · weryfikacjaCodex
Obserwacja · ustalenieBLOCKER #2: tekst ValidationError ponownie ujawnia wartości
- odesłanePrzyczyna błędu bez surowych wartości→ Tylko typ błędu · ścieżka pola; bez args_preview (Claude Fable 5)
Agent kodującyClaude Fable 5
DziałanieTylko typ błędu · ścieżka pola; bez args_preview
- przekazanie→ 8dcb386 · kontrola odtwarzająca K5 (Publiczne commity)
ArtefaktyPubliczne commity
Artefakt8dcb386 · kontrola odtwarzająca K5
- nie zapisane wykonanieSprawdzony zakres→ Pełne CI i końcowy PASS przeglądu z tamtego czasu nieodczytane ponownie (Publiczne commity)
ArtefaktyPubliczne commity
Reguła · niezweryfikowanePełne CI i końcowy PASS przeglądu z tamtego czasu nieodczytane ponownie
- Kontekst
- Zmiana zamieniała zdarzenia obserwowalności na typowane wiersze aktywności i sprawiała, że fallbacki przestawały być ciche. Przegląd Codex zostawił dwa BLOCKERy, a każdej poprawce towarzyszyła kontrola odtwarzająca znalezione obejście.
- Wynik
- K4 wymusza prawdziwy fallback błędnym typem i sprawdza, że żadne surowe pole nie przetrwa; K5 sprawdza, że opis błędu zawiera tylko nazwy pól i typy błędów, nigdy wartości wejściowe. Te kontrole odtwarzają obejścia znalezione przez przegląd; nie kopiują stałych z implementacji.
- Ograniczenie
- Oryginalnej rozmowy z przeglądu MCP nie otwierano; rolę przeglądu ustalono na podstawie commitów i ówczesnego CHANGELOG. Ten przypadek nie gwarantuje, że żaden log GEODE nigdy nie przechowuje danych wrażliwych.
Źródła i pozostałe ograniczenia
- Wszystkie trzy commity wymieniają Claude Fable 5, a c808e78 i 8dcb386 zapisują odpowiednio BLOCKER i BLOCKER #2 od Codex.
- Obecne (October 2026) zasady dla współtwórców nie są wstecznie traktowane jako instrukcja dla tego przypadku.
May 26, 2026
Zmianę, która usuwałaby wynik, zawężono do kontroli tego, gdzie wynik może być używany
Agent kodującyImplementacja
Obserwacja · ustaleniePotrzeba: nie używać tej wartości jako osi fitness
- przekazaniePierwsza hipoteza→ Pierwszy szkic: usunąć wartość w writerze baseline (Implementacja)
W trakcie rozwojuOdbiorcy w produkcie
Obserwacja · ustaleniePrzy pierwszej generacji baseline jest jedynym źródłem scenario_realism
- przekazaniePrześledzony faktyczny odbiorca→ Ustalenie: psuje początkowe wejście critic (Codex)
Agent kodującyImplementacja
DziałaniePierwszy szkic: usunąć wartość w writerze baseline
- przekazanieZmiana przejrzana→ Ustalenie: psuje początkowe wejście critic (Codex)
Przegląd · weryfikacjaCodex
Obserwacja · ustalenieUstalenie: psuje początkowe wejście critic
- odesłaneZachować istniejący kontrakt wejścia→ Zmiana writera wycofana · dane zachowane (Implementacja)
Agent kodującyImplementacja
DziałanieZmiana writera wycofana · dane zachowane
- przekazaniePrzesunięte kryterium ukończenia→ 4 niezmienniki: nieobecna tylko na powierzchniach fitness (Publiczny commit · PR)
ArtefaktyPubliczny commit · PR
Artefakt4 niezmienniki: nieobecna tylko na powierzchniach fitness
- przekazanieKońcowy diff→ 0792e81 → PR #1690 scalony (Publiczny commit · PR)
ArtefaktyPubliczny commit · PR
Artefakt0792e81 → PR #1690 scalony
- Kontekst
- Zmiana miała sprawić, by scenario_realism nie służył jako oś fitness w zewnętrznym Scaffold Search. Gdy przegląd prześledził pierwszego odbiorcę tej wartości, zmianę zmniejszono, zamiast ją rozszerzać.
- Wynik
- Wartość baseline zostaje; cztery kontrole przypinają, że ten wymiar nie występuje w AXIS_TIERS, DIM_WEIGHTS ani na listach tier zewnętrznego przeszukiwania.
- Ograniczenie
- Sesji stojącej za wycofaną zmianą writera nie oglądano; ustalono ją na podstawie commitu i ówczesnych opisów testów. Te kontrole nie są dowodem wydajności przeszukiwania ani poprawy SIL.
Źródła i pozostałe ograniczenia
- Critic i evolver to odbiorcy danych wewnątrz rozwijanego produktu, a nie agent kodujący ani recenzent Codex użyty do jego budowy.
- Tytuł PR #1690 nadal mówi „filter”; faktyczną zmianą są końcowy diff i commit.
September 27, 2026 to September 28, 2026
Po poprawce wartości granicznej najpierw odtworzono pierwotne wyniki, a potem je przeliczono
Sesja roboczaWykonawca analizy
Obserwacja · ustalenieWartości dokładnie na granicy tolerancji odrzucane
- przekazanieBłąd dopuszczenia, nie zdolności modelu→ Porównanie jako liczby dziesiętne · tolerancje bez zmian (Wykonawca analizy)
Sesja roboczaWykonawca analizy
DziałaniePorównanie jako liczby dziesiętne · tolerancje bez zmian
- przekazanie→ 4be7a17 · kontrole wewnątrz / na zewnątrz granicy (Artefakty)
ArtefaktyArtefakty
Artefakt4be7a17 · kontrole wewnątrz / na zewnątrz granicy
CzłowiekAuthor
DziałanieDelegowano: wyłącznie korekta offline wszystkich zapisanych U4 · X2
- przekazanieDozwolony zakres→ contract.json: wejścia · reguły ustalone, bez wywołań modelu (Artefakty)
ArtefaktyArtefakty
Artefaktcontract.json: wejścia · reguły ustalone, bez wywołań modelu
- przekazanieUstalone warunki→ Najpierw odtworzyć wcześniejsze wyniki · mianowniki · CI (Wykonawca analizy)
Sesja roboczaWykonawca analizy
DziałanieNajpierw odtworzyć wcześniejsze wyniki · mianowniki · CI
- przekazaniePo odtworzeniu→ Obliczyć korektę osobno z tych samych wejść (Wykonawca analizy)
Sesja roboczaWykonawca analizy
DziałanieObliczyć korektę osobno z tych samych wejść
- przekazanie→ receipt: 24 oryginały zachowane · 0 wywołań modelu (Artefakty)
- przekazanieWektory komórek, nie podsumowania→ Przeliczyć zwycięzców · CI z wektorów komórek · porównać hashe (Niezależny weryfikator)
ArtefaktyArtefakty
Artefaktreceipt: 24 oryginały zachowane · 0 wywołań modelu
Przegląd · weryfikacjaNiezależny weryfikator
DziałaniePrzeliczyć zwycięzców · CI z wektorów komórek · porównać hashe
- przekazanie→ independent-review: werdykty utrzymane, ograniczenia podane (Artefakty)
ArtefaktyArtefakty
Artefaktindependent-review: werdykty utrzymane, ograniczenia podane
- Kontekst
- W narzędziu badawczym Jev typowane odpowiedzi liczbowe leżące dokładnie na granicy tolerancji były odrzucane. Po poprawce wszystkie zapisane wyniki przeliczono bez nowych przebiegów modelu, a stronę obliczającą i weryfikującą rozdzielono.
- Wynik
- Werdykty utrzymały się po korekcie (U4 not-supported, X2 mixed). Poprawienie błędu liczbowego i potwierdzenie hipotezy badawczej potraktowano oddzielnie.
- Ograniczenie
- Korekta post hoc, a nie nowy eksperyment z modelem. 640 komórek listwise Astra bez oryginalnej odpowiedzi zachowuje zapisanego zwycięzcę, a niezależny przegląd również nie parsował ponownie niepublicznych treści odpowiedzi.
Źródła i pozostałe ograniczenia
- Tolerancji wyniku 0.03 ani tolerancji sumy rozkładu 0.025 nie zmieniono. Skorygowane wartości to U4 58/80 → 59/80 i X2 194/240 → 196/240.
- Publiczny zapis korekty nie wymienia modelu po stronie piszącej ani weryfikującej, a 4be7a17 nie zawiera adnotacji o Claude ani Codex, dlatego żadna kolumna nie ma nazwy modelu.