简体
GEODE 的官方像素角色 Geodi
返回展厅

GEODE

Autonomous Agent Harness

从观测，到下一步行动。

一个可以委托研究、文件处理与定时任务的本地自主智能体执行框架。

2026.02.21 — present

设计、判断、验证：Author · 实现：Claude · 审查：Codex

  • CLI公开发布 · PyPI
  • MCP 服务器已实现

一次只改一项策略，测量保持固定。

在执行框架之外运行的独立循环。从基线出发，应用一项限定类型的策略变更，再由同样的 Petri 审计与判定门槛决定 KEEP 或还原。

SIL 结构图 · 依据固定提交 9e2c041 的 evolve 路径与 2026年6月的执行记录绘制
GEODE 策略搜索（SIL）结构图在运行时之外运行的策略搜索循环。经批准的运行契约固定预算、种子、评分标准与模型，mutator 在七个允许修改的面中只改变一项策略。measure.py 以同一套测量装置通过 Petri 审计 GEODE；fitness.py 与 gate.py 依据 critical 回归与晋级规则决定 KEEP 或还原；ledger.py 写入基线与结果行。2026年6月的运行以不做变更的 never arm、K=5 基线与重复测量，将审计噪声与变更效果区分开来。运维人员审批真实调用 · 预算Petri 审计auditor · GEODE target · judgeprogram.md运行契约 · 模型 · 预算停止规则 · 批准后运行train.py固定预算循环--replicate K · 重新测量loop/mutatemutator · 一个候选7 个面 · 拒绝超参数state/policies基于文件的策略prepare.py种子池 · 评分标准固定measure.py审计子进程 · 固定超时按策略 OVERRIDE · STRICTfitness.pycritical 回归 · 辅助扣分ledger.pybaseline · provenanceresults · mutation 行gate.py_should_promote · KEEP_reject_and_revertcore · 策略加载器提示词分支 · system_prompt.py6 个策略加载器 · tool、skill…run-2606-broken-tool-usegen-0 基线 · 5 次审计均值never arm · 无变更对照random · gate armreplicate · 重新测量单次 KEEPevolve/scaffold_search外部搜索循环 · 运行时之外候选变更每次运行一个测量装置比较期间固定run-2606 · 2026年6月3–4日broken_tool_use受审计的 GEODE只改变允许的策略1审批2 运行契约 · 运行契约 · 模型 · 预算 → 固定预算循环23 请求一个候选 · 固定预算循环 → mutator · 一个候选34策略变更 · mutation ID5 种子 · 评分标准固定 · 种子池 · 评分标准固定 → 审计子进程 · 固定超时56所选策略7按策略的 override 路径8audit subprocess9审计对话1维度分数2 baseline · provenance · baseline · provenance → critical 回归 · 辅助扣分23 适应度 · 回归原因 · critical 回归 · 辅助扣分 → _should_promote · KEEP34KEEP · 下一个基线5REJECT · 还原先前值6结果 · 判定行1三个 arm2K=5 均值基线3不变更直接测量4--replicate K5重新测量 → 还原

一项变更 → 审计

运行契约固定后，只改变一项允许的策略，并用同一套测量装置审计 GEODE。这不是运行中的产品在自行改写自身。

  1. 运维人员审批审批运行契约 · 模型 · 预算program.md

    只有真实调用与固定预算获得批准后，运行才会开始。未获批准时，只准备契约并离线检查。

  2. 运行契约 · 模型 · 预算program.md运行契约固定预算循环train.py

    种子与评分标准的版本、角色模型与凭据来源、测量设置、迭代、时间与成本预算、晋级策略和停止条件，都在运行前固定。

  3. 固定预算循环train.py请求一个候选mutator · 一个候选loop/mutate

    一个有依据的假设只改变一个允许修改的策略面。

  4. 7 个面 · 拒绝超参数loop/mutate策略变更 · mutation ID基于文件的策略state/policies

    只有七个面可以改变：包装提示词、工具策略、分解建议、反思、技能目录元数据、智能体契约（role、system_prompt、tools），以及工具描述与提示。超参数变更在解析和应用阶段都会被拒绝。应用策略、重新测量和可选的提交是不同的步骤，因此应用本身并不是审计。

  5. 种子池 · 评分标准固定prepare.py种子 · 评分标准固定审计子进程 · 固定超时measure.py

    prepare.py 是种子池与评分标准的固定基准，候选不会改动它。改动测量模块改变的是测量本身，而不是被测系统。

  6. 基于文件的策略state/policies所选策略按策略 OVERRIDE · STRICTmeasure.py

    measure.py 读取当前选定的策略文件，并将其传入审计环境。

  7. 按策略 OVERRIDE · STRICTmeasure.py按策略的 override 路径core · 策略加载器

    measure.py 将 wrapper 及各策略的 override 与 strict 路径传给审计子进程，运行时中对应的策略加载器分别读取。wrapper（GEODE_WRAPPER_OVERRIDE → system_prompt）是其中一个分支；额外的环境变量键不会扩大七个可变的面。仅凭文件被修改，不能证明候选已到达目标；由审计证据中的诊断加以确认。

  8. 审计子进程 · 固定超时measure.pyaudit subprocessPetri 审计

    审计以固定的超时与预算运行，比较途中从不改变。缺少输出属于诊断空缺，而不是零分。

  9. Petri 审计审计对话core · 策略加载器

    审计模型借助种子场景与 GEODE 对话，评判模型为对话记录评分。

判定 → 保留 · 还原

与同一契约的基线比较，由 critical 回归与晋级规则决定 KEEP；被拒绝的变更还原为记录的先前值。

  1. Petri 审计维度分数critical 回归 · 辅助扣分fitness.py

    分数附带缺失维度与样本数。未测量的维度不被当作观测值。

  2. baseline · provenanceledger.pybaseline · provenancecritical 回归 · 辅助扣分fitness.py

    只与所记录契约和 epoch 都相同的基线比较。新建 Git 分支并不能隔离基线状态。

  3. critical 回归 · 辅助扣分fitness.py适应度 · 回归原因_should_promote · KEEPgate.py

    先检查 critical 维度回归与辅助扣分，再进行 margin 或目标维度检验。仅凭一个为正的标量值从不晋级。

  4. _should_promote · KEEPgate.pyKEEP · 下一个基线baseline · provenanceledger.py

    被保留的候选成为下一个基线。在本地保留的候选不等于仓库合并或发布。

  5. _reject_and_revertgate.pyREJECT · 还原先前值基于文件的策略state/policies

    对于 runner 生成的候选，还原以其 mutation ID 记录的策略段落，还原失败会被标记。手动变更不会自动还原；还原结果不确定时，不进入下一个候选。

  6. _should_promote · KEEPgate.py结果 · 判定行results · mutation 行ledger.py

    测量、判定与来源作为结果行只写入一次；历史行从不改写。

对照 · 重复测量

2026年6月的运行：以不做变更的 never arm 与 K=5 基线单独测量审计噪声，单次审计的 KEEP 再用重复测量复核。

  1. run-2606-broken-tool-use三个 arm固定预算循环train.py

    2026年6月3–4日的运行以三个 arm 区分漂移与变更效果：never（不变更）、random（随机采纳）和 gate（由判定采纳）。目标为 GPT-5.5；审计与评判模型为 Claude Opus 4.8。

  2. gen-0 基线 · 5 次审计均值run-2606-broken-tool-useK=5 均值基线baseline · provenanceledger.py

    gen-0 基线取 5 次审计的均值（Petri broken_tool_use，越低越好，均值 2.667）。

  3. never arm · 无变更对照run-2606-broken-tool-use不变更直接测量审计子进程 · 固定超时measure.py

    never arm 在没有任何策略变更的情况下漂移到均值 3.38（10 次审计，越低越好）：这是审计噪声大于变更效果的直接依据。

  4. --replicate K · 重新测量train.py--replicate K审计子进程 · 固定超时measure.py

    在相同条件下对同一候选再测量 K 次，排除单次审计的侥幸结果。

  5. replicate · 重新测量单次 KEEPrun-2606-broken-tool-use重新测量 → 还原_reject_and_revertgate.py

    在单次 gate 审计中被保留的候选（1.6），重复测量得到 3.0–3.8，比基线更差，因此还原为 champion 2.667。本次运行的结论是没有明显改进。

所有连接以相同粗细显示。选择一个流程，即只突出显示其路径，并标出步骤编号。

  • 实线 · 请求、候选与结果的流向
  • 虚线 · 执行、判定、授权、配置
  • 长点划线 · 记录与观测，与判定分离
  • 粗黑线 · 所选流程；数字表示顺序
  • 方框 · 代码或记录的边界，顶部标注路径
  • 内层小框 · 该边界内的组件
  • 虚线框 · 该边界之外
  • 循环 · 测量运行
  • 契约 · 判定
  • 策略 · 记录
  • 变更 · 审计对象 · 执行记录

GEODE 的 SIL 驱动程序名为 autoresearch；其 prepare/train/program 结构与固定预算借鉴了 Karpathy 的 autoresearch。不改变任何模型权重，测量装置与预算在比较期间保持固定。

可以改变什么
七个面：包装提示词、工具策略、分解建议、反思、技能目录元数据、智能体契约，以及工具描述与提示。评测器、预算、种子与评分标准在比较期间保持固定。
执行记录的范围
run-2606 的数值是该次运行的 Petri broken_tool_use 均值（越低越好），不能作为 SIL 累积改进或泛化的依据。