GEODE
Autonomous Agent Harness
Từ quan sát đến hành động tiếp theo.
Một harness tác nhân tự hành chạy cục bộ, có thể nhận việc nghiên cứu, thao tác tệp và tác vụ theo lịch.
Phần hiện thực bị rà soát trả lại, số liệu nghiên cứu được tính lại
Hai trường hợp rà soát trả lại phần hiện thực, và một trường hợp số liệu nghiên cứu được tính lại trong khi vẫn giữ bản gốc. Mỗi vai trò chỉ ghi những gì hồ sơ của trường hợp đó cho thấy.
June 13, 2026
Một phần hiện thực đã qua đường bình thường bị rà soát trả lại hai lần ở các đường lỗi
Con ngườiAuthor
Hành độngThiếu telemetry · fallback âm thầm cần kiểm tra
- bàn giaoNhững lỗi phải hiển thị→ Hàng hoạt động có kiểu · đánh dấu fallback (Claude Fable 5)
Tác nhân lập trìnhClaude Fable 5
Hành độngHàng hoạt động có kiểu · đánh dấu fallback
- bàn giao→ commit 64bd223 (Commit công khai)
- bàn giaoDiff · đường lỗi→ BLOCKER: generic fallback lưu nguyên details=data (Codex)
ArtifactCommit công khai
Artifactcommit 64bd223
Rà soát · kiểm chứngCodex
Quan sát · phát hiệnBLOCKER: generic fallback lưu nguyên details=data
- trả vềBảo vệ của đường bình thường trên đường ngoại lệ→ Loại bỏ trường nhạy cảm cả khi fallback (Claude Fable 5)
Tác nhân lập trìnhClaude Fable 5
Hành độngLoại bỏ trường nhạy cảm cả khi fallback
- bàn giao→ c808e78 · kiểm tra tái hiện K4 (Commit công khai)
- bàn giaoRà soát lại bản sửa→ BLOCKER #2: chuỗi ValidationError làm lộ lại giá trị (Codex)
ArtifactCommit công khai
Artifactc808e78 · kiểm tra tái hiện K4
Rà soát · kiểm chứngCodex
Quan sát · phát hiệnBLOCKER #2: chuỗi ValidationError làm lộ lại giá trị
- trả vềLý do lỗi không chứa giá trị gốc→ Chỉ giữ loại lỗi · đường dẫn trường; bỏ args_preview (Claude Fable 5)
Tác nhân lập trìnhClaude Fable 5
Hành độngChỉ giữ loại lỗi · đường dẫn trường; bỏ args_preview
- bàn giao→ 8dcb386 · kiểm tra tái hiện K5 (Commit công khai)
ArtifactCommit công khai
Artifact8dcb386 · kiểm tra tái hiện K5
- không phải lần thực thi được ghi lạiPhạm vi đã kiểm tra→ CI đầy đủ và PASS rà soát cuối khi đó không được đọc lại (Commit công khai)
ArtifactCommit công khai
Quy tắc · chưa kiểm chứngCI đầy đủ và PASS rà soát cuối khi đó không được đọc lại
- Bối cảnh
- Thay đổi này chuyển các sự kiện quan sát thành hàng hoạt động có kiểu và ngăn fallback diễn ra âm thầm. Rà soát của Codex để lại hai BLOCKER, và mỗi bản sửa đi kèm một kiểm tra tái hiện đường vòng mà nó phát hiện.
- Kết quả
- K4 ép một fallback thật bằng kiểu sai và kiểm tra rằng không trường gốc nào còn sót; K5 kiểm tra rằng mô tả lỗi chỉ chứa tên trường và loại lỗi, không bao giờ chứa giá trị đầu vào. Các kiểm tra này tái hiện những đường vòng mà rà soát tìm ra; chúng không sao chép hằng số của phần hiện thực.
- Giới hạn
- Cuộc hội thoại rà soát MCP gốc không được mở; vai trò rà soát được xác lập từ các commit và CHANGELOG viết vào thời điểm đó. Trường hợp này không bảo đảm rằng không log nào của GEODE còn giữ dữ liệu nhạy cảm.
Nguồn và các giới hạn còn lại
- Cả ba commit đều ghi công Claude Fable 5, và c808e78 cùng 8dcb386 lần lượt ghi nhận BLOCKER và BLOCKER #2 của Codex.
- Chính sách người đóng góp hiện tại (October 2026) không được áp ngược thành chỉ dẫn cho trường hợp này.
May 26, 2026
Một thay đổi định xóa điểm số được thu hẹp thành kiểm tra nơi điểm số được phép dùng
Tác nhân lập trìnhHiện thực
Quan sát · phát hiệnYêu cầu: không dùng giá trị này làm trục fitness
- bàn giaoGiả thuyết đầu tiên→ Bản nháp đầu: bỏ giá trị trong baseline writer (Hiện thực)
Đang phát triểnBên tiêu thụ trong sản phẩm
Quan sát · phát hiệnỞ thế hệ đầu, baseline là nguồn duy nhất của scenario_realism
- bàn giaoTruy vết bên tiêu thụ thực tế→ Phát hiện: làm hỏng đầu vào ban đầu của critic (Codex)
Tác nhân lập trìnhHiện thực
Hành độngBản nháp đầu: bỏ giá trị trong baseline writer
- bàn giaoRà soát thay đổi→ Phát hiện: làm hỏng đầu vào ban đầu của critic (Codex)
Rà soát · kiểm chứngCodex
Quan sát · phát hiệnPhát hiện: làm hỏng đầu vào ban đầu của critic
- trả vềGiữ hợp đồng đầu vào hiện có→ Rút lại thay đổi writer · giữ dữ liệu (Hiện thực)
Tác nhân lập trìnhHiện thực
Hành độngRút lại thay đổi writer · giữ dữ liệu
- bàn giaoDời tiêu chí hoàn tất→ 4 bất biến: chỉ vắng mặt trên các bề mặt fitness (Commit công khai · PR)
ArtifactCommit công khai · PR
Artifact4 bất biến: chỉ vắng mặt trên các bề mặt fitness
- bàn giaoDiff cuối cùng→ 0792e81 → PR #1690 đã merge (Commit công khai · PR)
ArtifactCommit công khai · PR
Artifact0792e81 → PR #1690 đã merge
- Bối cảnh
- Thay đổi này nhằm không cho scenario_realism làm trục fitness trong Scaffold Search bên ngoài. Khi rà soát truy vết nơi đầu tiên đọc giá trị này, thay đổi được thu nhỏ lại thay vì mở rộng.
- Kết quả
- Giá trị baseline được giữ nguyên; bốn kiểm tra cố định rằng chiều này không có mặt trong AXIS_TIERS, DIM_WEIGHTS và các danh sách tier của tìm kiếm bên ngoài.
- Giới hạn
- Phiên đứng sau thay đổi writer đã rút lại không được xem; nó được xác lập từ commit và mô tả kiểm thử viết vào thời điểm đó. Các kiểm tra này không phải bằng chứng về hiệu năng tìm kiếm hay cải thiện của SIL.
Nguồn và các giới hạn còn lại
- Critic và evolver là các bên tiêu thụ dữ liệu bên trong sản phẩm đang phát triển, không phải tác nhân lập trình hay người rà soát Codex dùng để xây dựng nó.
- Tiêu đề PR #1690 vẫn ghi “filter”; diff và commit cuối mới là thay đổi thực tế.
September 27, 2026 to September 28, 2026
Sau khi sửa lỗi giá trị biên, kết quả gốc được tái lập trước, rồi mới tính lại
Phiên làm việcNgười hiện thực phân tích
Quan sát · phát hiệnGiá trị nằm đúng trên biên dung sai bị từ chối
- bàn giaoLỗi tiếp nhận, không phải năng lực mô hình→ So sánh dạng thập phân · dung sai giữ nguyên (Người hiện thực phân tích)
Phiên làm việcNgười hiện thực phân tích
Hành độngSo sánh dạng thập phân · dung sai giữ nguyên
- bàn giao→ 4be7a17 · kiểm tra trong / ngoài biên (Sản phẩm đầu ra)
ArtifactSản phẩm đầu ra
Artifact4be7a17 · kiểm tra trong / ngoài biên
Con ngườiAuthor
Hành độngỦy quyền: chỉ hiệu chỉnh offline toàn bộ U4 · X2 đã lưu
- bàn giaoPhạm vi cho phép→ contract.json: cố định đầu vào · quy tắc, không gọi mô hình (Sản phẩm đầu ra)
ArtifactSản phẩm đầu ra
Artifactcontract.json: cố định đầu vào · quy tắc, không gọi mô hình
- bàn giaoĐiều kiện cố định→ Tái lập kết quả cũ · mẫu số · CI trước (Người hiện thực phân tích)
Phiên làm việcNgười hiện thực phân tích
Hành độngTái lập kết quả cũ · mẫu số · CI trước
- bàn giaoSau khi tái lập→ Tính bản hiệu chỉnh riêng từ cùng đầu vào (Người hiện thực phân tích)
Phiên làm việcNgười hiện thực phân tích
Hành độngTính bản hiệu chỉnh riêng từ cùng đầu vào
- bàn giao→ receipt: giữ 24 bản gốc · 0 lệnh gọi mô hình (Sản phẩm đầu ra)
- bàn giaoVector cell, không phải bản tóm tắt→ Tính lại winner · CI từ vector cell · đối chiếu hash (Bên kiểm chứng độc lập)
ArtifactSản phẩm đầu ra
Artifactreceipt: giữ 24 bản gốc · 0 lệnh gọi mô hình
Rà soát · kiểm chứngBên kiểm chứng độc lập
Hành độngTính lại winner · CI từ vector cell · đối chiếu hash
- bàn giao→ independent-review: phán định giữ nguyên, nêu rõ giới hạn (Sản phẩm đầu ra)
ArtifactSản phẩm đầu ra
Artifactindependent-review: phán định giữ nguyên, nêu rõ giới hạn
- Bối cảnh
- Trong công cụ nghiên cứu Jev, các câu trả lời số dạng typed nằm đúng trên biên dung sai bị từ chối. Sau bản sửa, mọi kết quả đã lưu được tính lại mà không chạy mô hình mới, và bên tính toán được tách khỏi bên kiểm chứng.
- Kết quả
- Các phán định giữ nguyên sau khi hiệu chỉnh (U4 not-supported, X2 mixed). Việc sửa một lỗi số liệu và việc ủng hộ một giả thuyết nghiên cứu được tách riêng.
- Giới hạn
- Một hiệu chỉnh hậu kiểm, không phải thử nghiệm mô hình mới. 640 cell listwise của Astra không có phản hồi gốc vẫn giữ winner đã lưu, và rà soát độc lập cũng không phân tích lại nội dung phản hồi không công khai.
Nguồn và các giới hạn còn lại
- Dung sai điểm 0.03 và dung sai tổng phân phối 0.025 không thay đổi. Số liệu sau hiệu chỉnh là U4 58/80 → 59/80 và X2 194/240 → 196/240.
- Bản ghi đính chính công khai không nêu tên mô hình nào cho bên viết hay bên kiểm chứng, và 4be7a17 không ghi công Claude hay Codex, nên không cột nào được gắn tên mô hình.