GEODE

Autonomous Agent Harness

De la observație la următoarea acțiune.

Un cadru local pentru agenți autonomi, căruia i se pot încredința cercetare, lucru cu fișiere și sarcini programate.

2026.02.21 — present

Proiectare, judecată, verificare: Author · implementare: Claude · revizuire: Codex

CLIPublicat · PyPI
Server MCPImplementat

Scenariile de audit sunt produse prin faze într-o ordine fixă.

Gazda deține ordinea fazelor, iar agenții de rol din fiecare fază își împart lucrul. Pool-ul de seed-uri rezultat și rubrica selectată devin intrări pentru auditul comportamental Petri.

Harta seed-urilor · desenată după căile evals din commitul fixat 9e2c041

Scrierea scenariilor

Orchestratorul deține ordinea fazelor, agenții de rol redactează și filtrează candidații, iar rezultatul este exportat printr-un contract de fișiere.

ordinea fazelor · PipelineStateseed_generation/orchestrator.pyrulare · decizie: rulează fazele în ordineagents/ · ciornă
Orchestratorul deține ordinea fazelor și îmbinarea stării; agentul de rol al fiecărei faze face lucrul. Într-o fază, lucrul se poate ramifica prin SubAgentManager, iar subagenții nu se apelează recursiv (adâncime 1).
medii pe dimensiuni · dovezibaseline snapshotdate: dovezi de referințăagents/ · ciornă
Generator, Critic și Evolver citesc mediile pe dimensiuni, erorile standard și dovezile referinței selectate. Prima generație nu are referință și folosește prompturile implicite.
latest_pointer.json · priorshandoff pointerdate: meta-review anterioragents/ · ciornă
Meta-review-ul rulării anterioare lasă priors pentru generația următoare și dimensiunile insuficient acoperite, pe care această generație le ia în calcul.
agents/ · ciornădate: seed-uri candidateagents/ · revizuire
Candidații Generator trec pe rând prin deduplicarea Proximity, revizuirea Critic, Pilot (opțional; omis în rulările smoke) și clasamentul Elo al Ranker.
agents/ · revizuiredate: survivors · Eloagents/ · îmbunătățire
Evolver îmbunătățește candidații cel mai bine clasați, iar Meta-reviewer rezumă rularea în priors pentru generația următoare.
Meta-reviewer · priors următoareagents/ · îmbunătățirerulare · decizie: iterația următoare · de la CriticCritic · revizuireagents/ · revizuire
Cu max_iterations setat, după Meta-reviewer candidații îmbunătățiți trec din nou prin Critic → Pilot → Ranker → Evolver → Meta-reviewer. Supervisor, Generator și Proximity nu rulează din nou; implicit sunt zero iterații.
agents/ · îmbunătățiredate: exportul supraviețuitorilorrun_dir/
Textele candidaților supraviețuitori sunt copiate ca fișiere în survivors/, scorurile Elo și pilot merg în survivors.json, iar meta-review-ul și starea sunt scrise separat.
meta_review.json · state.jsonrun_dir/date: pointerul latestlatest_pointer.json · priorshandoff pointer
Un singur latest_pointer.json înregistrează unde se află seed_pool și meta_review ale acestei rulări. Ieșirile fiecărei rulări sunt referința; pointerul este doar un ajutor fără garanție pentru rularea următoare, iar o scriere eșuată este doar jurnalizată. Nu orice rulare are ambele câmpuri.

Rularea auditului

Auditorul joacă seed-ul (o instrucțiune de scenariu), ținta este schela GEODE, iar judecătorul punctează transcrierea. Cele trei roluri sunt locuri de model separate.

survivors/ · copii .md ale candidațilorrun_dir/date: --seed-selectgeode audit · /audit · instrumentpetri/runner.py
Un audit primește o selecție de seed-uri (un director survivors, seed-uri incluse, ID-uri sau etichete) și o transmite sarcinii inspect_petri/audit din Inspect. Generarea seed-urilor nu pornește singură un audit.
seed-uri incluse · *.mdpetri/seedsdate: seed-uri inclusegeode audit · /audit · instrumentpetri/runner.py
Seed-urile incluse în depozit pot fi selectate ca atare.
geode audit · /audit · instrumentpetri/runner.pyrulare · decizie: roluri de model · trei locuriModelul auditor
Modelele auditor, țintă și judecător sunt setate separat. Implicit se face o rulare de probă (dry run); apelurile reale au loc doar după confirmarea unei estimări de cost. Când toate cele trei roluri folosesc același furnizor, se atașează un marcaj de părtinire a aceluiași furnizor.
Modelul auditordate: dialogul scenariului seedGEODE ca țintă · AgenticLooppetri/geode_target.py
Un seed este o instrucțiune de scenariu pentru auditor. Auditorul conduce conversația și poate crea instrumente și rezultate ale instrumentelor doar când target_tools este activat.
GEODE ca țintă · AgenticLooppetri/geode_target.pydate: apeluri de modelModelul de bază țintă
Întregul AgenticLoop GEODE (instrumente, hookuri, memorie) este învelit ca un singur API de model, așa că ținta auditată este schela GEODE, nu doar modelul de bază.
GEODE ca țintă · AgenticLooppetri/geode_target.pydate: transcriereModel judecător
Judecătorul citește o dată transcrierea completă a fiecărui eșantion și o punctează pe dimensiuni.
judge_dimensions · YAMLpetri/judge_dimsrulare · decizie: judge_dimensionsModel judecător
Fișierul YAML de dimensiuni de judecată selectat stabilește dimensiunile de punctare. Este un audit comportamental, o măsurare diferită de finalizarea sarcinilor.
Model judecătordate: scoruri pe dimensiuniJurnal Inspect .eval
Jurnalul Inspect .eval și un rezumat sunt arhivate. Un eșec de arhivare este notat și nu blochează rezultatul auditului.

Măsurare → generația următoare

SIL folosește scorurile de audit pentru verdictul său, iar o măsurătoare păstrată devine dovadă de referință pentru următoarea generare de seed-uri. Asta nu înseamnă că legătura a rulat automat în fiecare campanie.

Model judecătordate: scoruri pe dimensiuniJurnal Inspect .eval
Jurnalul Inspect .eval și un rezumat sunt arhivate. Un eșec de arhivare este notat și nu blochează rezultatul auditului.
Jurnal Inspect .evalînregistrare · observare: măsurareMăsurare SIL · measure.py
measure.py din SIL rulează auditul ca subproces și calculează fitness-ul din rezultatul lui.
Măsurare SIL · measure.pydate: actualizarea referințeimedii pe dimensiuni · dovezibaseline snapshot
Registrul SIL scrie o măsurătoare păstrată ca referință. Generarea seed-urilor citește acele dovezi când este selectată o referință (automat sau explicit).
medii pe dimensiuni · dovezibaseline snapshotdate: dovezi de referințăagents/ · ciornă
Generator, Critic și Evolver citesc mediile pe dimensiuni, erorile standard și dovezile referinței selectate. Prima generație nu are referință și folosește prompturile implicite.

Fiecare conexiune cu aceeași grosime. Alegeți un flux pentru a evidenția doar traseul lui, cu pași numerotați.

Continuă · direcția în care circulă cererile, candidații și rezultatele
Întreruptă · rulare, decizie, autorizare, configurare
Linie-punct lungă · înregistrări și observație, separate de verdict
Linie neagră groasă · fluxul selectat; numerele dau ordinea
Casetă · o graniță de cod sau de înregistrări, cu calea în antet
Etichetă interioară · o componentă din acea graniță
Casetă întreruptă · în afara acelei granițe

orchestrator · intrarea auditului
ținta auditului · dimensiuni de punctare
ieșiri · fișiere de stare
agenți de rol · seed-uri incluse

Orchestratorul fixează ordinea primei treceri și ordinea repetării. Configurația, rolurile înregistrate și punctul de reluare pot face ca unele faze să fie sărite, iar nu fiecare campanie a rulat fiecare fază. Locația fișierelor de stare depinde de mediu, așa că nu sunt afișate căi.

Trei roluri: Un seed este o instrucțiune de scenariu, scrisă de o persoană sau generată; auditorul este modelul care o joacă, ținta este schela GEODE auditată, iar judecătorul este modelul care punctează transcrierea. Scorurile și jurnalele sunt ieșirile judecătorului.
Ce se măsoară: Un audit Petri punctează dimensiuni comportamentale. Nu este o rată de finalizare a sarcinilor și nici o garanție a calității produsului.