TR
Geodi, GEODE'nin resmî piksel karakteri
Salona dön

GEODE

Autonomous Agent Harness

Gözlemden bir sonraki eyleme.

Araştırma, dosya işleri ve zamanlanmış görevler devredilebilen yerel bir otonom ajan düzeneği.

2026.02.21 — present

Tasarım, yargı, doğrulama: Author · uygulama: Claude · inceleme: Codex

  • CLIYayında · PyPI
  • MCP sunucusuUygulandı

Aday kabulü ve sürüm yetkisi ayrı yargılardır.

Crucible, politika aramasından ayrı bir deney çekirdeğidir. Aday commit izin verilen yüzeylere ve dondurulmuş bir sözleşmeye göre doğrulanır, eşli görevler ayrı bir ölçüm checkout'unda toplanır ve sonuç KEEP, REJECT ya da INVALID olur.

Crucible haritası · sabitlenmiş 9e2c041 commit'inden ve herkese açık 23e3428 artefaktlarından çizildi
GEODE Crucible haritasıAday kabulünü, sealed uygunluğu ve ürün sürümünü ayrı yetkiler olarak tutan bir deney çekirdeği. Supervisor bir üreticiden tek bir aday commit alır, izin verilen yüzeye ve frozen evaluator'a göre kontrol eder ve tau2 görevlerini yalıtılmış bir ölçüm checkout'unda çalıştırır. promotion.py eşli sonuçları önceden kaydedilmiş task ve family bazında toplayıp KEEP, REJECT ya da INVALID verir; KEEP yalnızca arama head'ini taşır. Sealed değerlendirme bir train bundle'ı tek kullanımlık disjoint test pack ile yargılar; ELIGIBLE bile yalnızca bir eligible ref'e ulaşır, sürüm yetkisi yoktur.Actor · user modellerir14 · r35: gpt-5.4/hightau2 ortamıgörevler · simüle kullanıcıGEODE ürün sürümübağlantı yok · ayrı yetkisearch/producersüretici komutu · yapılandırılmışreplay producersearch/supervisor.pypropose → preflightevaluate → decide → recordcontract.pyizin verilen yüzey · aday difffrozen evaluator · önceden kayıtlıattempt/feedback.jsonhata kodları · train görev ID'lerimeasurement checkoutüreticiden yalıtılmışassays/tau2 çalıştırması · receiptgörev doğrulayıcısıpromotion.pypaired · task · family toplamıKEEP · REJECT · INVALIDattestation/bundle.pytrain bundle · yeniden hesaplanan KEEPattestation/sealed.pydisjoint test pack · tek kullanımlıkELIGIBLE · release_authority nonerefs/cruciblesearch/* headeligible/*geode-eval-artifactsr14 · train KEEP → sealed REJECTr35 · INVALID · 0 çift · nullevolve/crucibleharici deney çekirdeği · SIL'den ayrıarama · train hükmüattestation · sealed1 aday iste · propose → preflight → search/producers12 tek aday commit · search/producers → propose → preflight23 izin verilen yüzey · diff kontrolü · propose → preflight → izin verilen yüzey · aday diff34yalıtılmış checkout5sabit sözleşmeyle çalıştırma6actor · kullanıcı diyaloğu7model çağrıları8paired evidence9önceden kayıtlı toplama10KEEP · head ilerler1paired evidence2önceden kayıtlı toplama3REJECT · INVALID4hata kodları · görev ID'leri1record · ref receipt2 yalnızca train bundle · tek sefer · train bundle · yeniden hesaplanan KEEP → disjoint test pack · tek kullanımlık23 yalnızca eligible ref · ELIGIBLE · release_authority none → eligible/*31herkese açık verdict.json2sealed decision.json

Train hükmü

İzin verilen yüzeydeki tek bir aday yalıtılmış bir checkout'ta sabit sözleşmeyle ölçülür; önceden kaydedilmiş kurallar KEEP, REJECT ya da INVALID'e karar verir.

  1. propose → preflightsearch/supervisor.pyaday istesearch/producers

    Arama supervisor'ı bir üreticiden aday ister. r14 adayı, replay producer'ın yeniden uyguladığı daha önceki bir adaydı (r13); yeni üretilmiş bir LLM adayı değildi.

  2. search/producerstek aday commitpropose → preflightsearch/supervisor.py

    Üretici, izin verilen yollar içinde tek bir aday commit döndürür.

  3. propose → preflightsearch/supervisor.pyizin verilen yüzey · diff kontrolüizin verilen yüzey · aday diffcontract.py

    Aday diff sözleşmenin izin verdiği yüzeyin içinde kalmalıdır ve frozen evaluator doğrulanır. r14 ve r35'te izin verilen hedef tek bir dosyaydı, tau2_agent_policy.md; core ve Crucible uygulaması evaluator yolu olarak sabitlendi.

  4. evaluate → decide → recordsearch/supervisor.pyyalıtılmış checkoutüreticiden yalıtılmışmeasurement checkout

    Aday, üreticiden ayrılmış bir ölçüm checkout'unda kontrol edilir.

  5. üreticiden yalıtılmışmeasurement checkoutsabit sözleşmeyle çalıştırmatau2 çalıştırması · receiptassays/

    Baseline ve aday aynı sözleşme, seed ve görevlerle çalıştırılır.

  6. tau2 çalıştırması · receiptassays/actor · kullanıcı diyaloğutau2 ortamı

    GEODE ajanı (actor), tau2 görev ortamında evaluator'a ait simüle kullanıcıyla konuşur.

  7. tau2 çalıştırması · receiptassays/model çağrılarıActor · user modelleri

    r14 ve r35'te hem actor hem simüle kullanıcı gpt-5.4/high (abonelik) idi.

  8. görev doğrulayıcısıassays/paired evidencepaired · task · family toplamıpromotion.py

    Görev doğrulayıcısının sonuçları baseline–aday çiftleri olarak tutulur.

  9. frozen evaluator · önceden kayıtlıcontract.pyönceden kayıtlı toplamapaired · task · family toplamıpromotion.py

    Eşli sonuçlar task ve önceden kaydedilmiş family bazında toplanır; bütçe, coverage, altyapı ve güvenlik koşulları ayrıca kontrol edilir.

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

    KEEP durumunda refs/crucible/search/* altındaki bir sonraki head aday olur. Bir train hükmünün promotion_authority değeri none'dır.

Ret · geçersiz · geri bildirim

REJECT ve INVALID head'i korur; bir sonraki aday yalnızca hata kodlarını ve sabit train görev ID'lerini alır. INVALID sıfır puan değildir.

  1. görev doğrulayıcısıassays/paired evidencepaired · task · family toplamıpromotion.py

    Görev doğrulayıcısının sonuçları baseline–aday çiftleri olarak tutulur.

  2. frozen evaluator · önceden kayıtlıcontract.pyönceden kayıtlı toplamapaired · task · family toplamıpromotion.py

    Eşli sonuçlar task ve önceden kaydedilmiş family bazında toplanır; bütçe, coverage, altyapı ve güvenlik koşulları ayrıca kontrol edilir.

  3. KEEP · REJECT · INVALIDpromotion.pyREJECT · INVALIDhata kodları · train görev ID'leriattempt/feedback.json

    Ret ya da geçersizlik durumunda önceki head kalır; aday ve kayıtları korunur. INVALID ortalaması sıfır değil, null'dır.

  4. hata kodları · train görev ID'leriattempt/feedback.jsonhata kodları · görev ID'lerisearch/producers

    Bir sonraki adaya verilen geri bildirim hata kodları ve sabit train görev ID'leriyle sınırlıdır; evaluator yörüngeleri ya da yanıtlar aktarılmaz.

Sealed uygunluk · ayrı yetki

Train KEEP yalnızca arama head'ini taşır. Sealed uygunluk yalnızca eligible ref'e ulaşır; ürün sürümü ve dağıtım Crucible dışındaki ayrı yetkilerdir.

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

    Bir train bundle ancak sözleşme, baseline ve aday kanıtları, yeniden hesaplanan KEEP, öneri soy kaydı, supervisor kaydı ve uygulanan ref receipt'i birbirine bağlandığında geçerlidir. İyileşmenin başka bir adı değildir.

  2. train bundle · yeniden hesaplanan KEEPattestation/bundle.pyyalnızca train bundle · tek seferdisjoint test pack · tek kullanımlıkattestation/sealed.py

    Sealed değerlendirme, train'den ayrık bir test pack'i tek kez ve sıfır altyapı yeniden denemesiyle kullanır.

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

    ELIGIBLE bile yalnızca refs/crucible/eligible/* yazar; release_authority none olarak sabittir.

Herkese açık kayıtlar · r14 · r35

r14 önce train KEEP, sonra sealed REJECT oldu; r35 (July 13, 2026) eksik coverage ve altyapı kirlenmesi nedeniyle INVALID oldu (0 eşli satır, ortalama null) ve head değişmedi.

  1. KEEP · REJECT · INVALIDpromotion.pyherkese açık verdict.jsongeode-eval-artifacts

    Herkese açık artefaktlar 23e3428'e sabitlenmiş normalleştirilmiş kayıtlardır. r14'ün önceden kaydedilmiş train yapılandırma hash'i herkese açık yapılandırma baytlarından farklıdır; bu nedenle orijinal zincirin tamamı yeniden onaylanmış değildir.

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

    r14: telecom train'de 6 görev × 1 denemeyle KEEP (6 eşli satır, terfi yetkisi yok), ardından ayrı bir sealed hükümle REJECT (sürüm yetkisi yok).

Her bağlantı aynı kalınlıkta. Yalnızca yolunu numaralı adımlarla vurgulamak için bir akış seçin.

  • Düz çizgi · isteklerin, adayların ve sonuçların akış yönü
  • Kesikli · çalıştırma, karar, yetkilendirme, yapılandırma
  • Kalın siyah çizgi · seçilen akış; numaralar sırayı verir
  • Kutu · bir kod ya da kayıt sınırı, başlığında yolu
  • İç çip · o sınırdaki bir bileşen
  • Kesikli kutu · o sınırın dışı
  • arama supervisor'ı
  • sözleşme · hüküm · tasdik
  • ref'ler · kayıtlar
  • üreticiler · yürütme

Crucible, SIL'den ayrı bir çekirdektir; iki arama, birbirinin adaylarını terfi ettiren tek bir hat değildir. Ürün sürümü kutusuna gelen bir bağlantı yoktur.

Üç yetki
Train KEEP arama head'ini taşır, sealed ELIGIBLE bir eligible ref kaydeder ve ürün sürümü Crucible dışında ayrı bir karardır. Önceki bir hüküm sonraki bir yetkiyi asla vermez.
Null sıfır değildir
r35'te 9 görev × 3 deneme (arm başına 27 satır) planlanmıştı, ancak karşılaştırılabilir çift sayısı 0'dı; bu yüzden ortalama ve iyileşme değeri null'dır. Bu, 27 başarısız görev ya da %0 başarı oranı değildir.