繁體
GEODE 的官方像素角色 Geodi
返回展廳

GEODE

Autonomous Agent Harness

從觀測，到下一步行動。

一個可以委託研究、檔案處理與排程工作的本機自主代理執行框架。

2026.02.21 — present

設計、判斷、驗證：Author · 實作：Claude · 審查：Codex

  • CLI公開發布 · PyPI
  • MCP 伺服器已實作

候選採納與發布權限是不同的判定。

Crucible 是獨立於策略搜尋的實驗核心。候選提交依允許修改的面與凍結的契約驗證，成對任務在另一個測量用 checkout 中彙總，結果為 KEEP、REJECT 或 INVALID。

Crucible 架構圖 · 依固定提交 9e2c041 與公開產出物 23e3428 繪製
GEODE Crucible 架構圖將候選採納、sealed 資格與產品發布分屬不同權限的實驗核心。supervisor 從產生器取得單一候選提交，依允許修改的面與凍結評測器檢查，並在隔離的測量用 checkout 中執行 tau2 任務。promotion.py 依預先登錄的 task 與 family 彙總成對結果，得出 KEEP、REJECT 或 INVALID；KEEP 只會移動搜尋 head。sealed 評測以單次使用、互不重疊的 test pack 判定 train bundle；即使是 ELIGIBLE，也只到達 eligible ref，沒有發布權限。actor · user 模型r14 · r35: gpt-5.4/hightau2 環境任務 · 模擬使用者GEODE 產品發布無連線 · 獨立權限search/producers產生器指令 · 已設定replay producersearch/supervisor.pypropose → preflightevaluate → decide → recordcontract.py允許修改的面 · 候選 diff凍結評測器 · 預先登錄attempt/feedback.json失敗代碼 · train 任務 IDmeasurement checkout與產生器隔離assays/tau2 執行 · receipt任務驗證器promotion.py成對 · task · family 彙總KEEP · REJECT · INVALIDattestation/bundle.pytrain bundle · 重新計算的 KEEPattestation/sealed.py不重疊的 test pack · 僅用一次ELIGIBLE · release_authority nonerefs/cruciblesearch/* headeligible/*geode-eval-artifactsr14 · train KEEP → sealed REJECTr35 · INVALID · 0 對 · nullevolve/crucible外部實驗核心 · 與 SIL 分開搜尋 · train 判定attestation · sealed1 請求候選 · propose → preflight → search/producers12 一個候選提交 · search/producers → propose → preflight23 允許修改的面 · diff 檢查 · propose → preflight → 允許修改的面 · 候選 diff34隔離的 checkout5在固定契約下執行6actor · 使用者對話7模型呼叫8paired evidence9預先登錄的彙總10KEEP · head 移動1paired evidence2預先登錄的彙總3REJECT · INVALID4失敗代碼 · 任務 ID1record · ref receipt2 僅限 train bundle · 一次 · train bundle · 重新計算的 KEEP → 不重疊的 test pack · 僅用一次23 僅到 eligible ref · ELIGIBLE · release_authority none → eligible/*31公開的 verdict.json2sealed decision.json

train 判定

允許修改的面之內的一個候選，在隔離的 checkout 中依固定契約測量，再由預先登錄的規則決定 KEEP、REJECT 或 INVALID。

  1. propose → preflightsearch/supervisor.py請求候選search/producers

    搜尋 supervisor 向產生器請求候選。r14 的候選是 replay producer 重新套用的先前候選（r13），並非新的 LLM 生成候選。

  2. search/producers一個候選提交propose → preflightsearch/supervisor.py

    產生器在允許的路徑內傳回單一候選提交。

  3. propose → preflightsearch/supervisor.py允許修改的面 · diff 檢查允許修改的面 · 候選 diffcontract.py

    候選 diff 必須留在契約允許修改的面之內，並驗證凍結評測器。在 r14 與 r35 中，允許的目標只有 tau2_agent_policy.md 一個檔案；core 與 Crucible 實作則作為評測器路徑固定。

  4. evaluate → decide → recordsearch/supervisor.py隔離的 checkout與產生器隔離measurement checkout

    候選在與產生器隔離的測量用 checkout 中檢查。

  5. 與產生器隔離measurement checkout在固定契約下執行tau2 執行 · receiptassays/

    基準線與候選以相同的契約、種子與任務執行。

  6. tau2 執行 · receiptassays/actor · 使用者對話tau2 環境

    GEODE 代理（actor）在 tau2 任務環境中，與評測器擁有的模擬使用者對話。

  7. tau2 執行 · receiptassays/模型呼叫actor · user 模型

    在 r14 與 r35 中，actor 與模擬使用者皆為 gpt-5.4/high（訂閱）。

  8. 任務驗證器assays/paired evidence成對 · task · family 彙總promotion.py

    任務驗證器的結果以基準線–候選成對保存。

  9. 凍結評測器 · 預先登錄contract.py預先登錄的彙總成對 · task · family 彙總promotion.py

    成對結果依 task 與預先登錄的 family 彙總，預算、涵蓋率、基礎設施與安全條件另行檢查。

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

    KEEP 時，下一個 refs/crucible/search/* head 成為該候選。train 判定的 promotion_authority 為 none。

拒絕 · 無效 · 回饋

REJECT 與 INVALID 會維持 head，下一個候選只取得失敗代碼與固定的 train 任務 ID。INVALID 不是零分。

  1. 任務驗證器assays/paired evidence成對 · task · family 彙總promotion.py

    任務驗證器的結果以基準線–候選成對保存。

  2. 凍結評測器 · 預先登錄contract.py預先登錄的彙總成對 · task · family 彙總promotion.py

    成對結果依 task 與預先登錄的 family 彙總，預算、涵蓋率、基礎設施與安全條件另行檢查。

  3. KEEP · REJECT · INVALIDpromotion.pyREJECT · INVALID失敗代碼 · train 任務 IDattempt/feedback.json

    被拒絕或無效時，維持先前的 head，候選與其記錄則保留。INVALID 的平均為 null，不是零。

  4. 失敗代碼 · train 任務 IDattempt/feedback.json失敗代碼 · 任務 IDsearch/producers

    給下一個候選的回饋僅限失敗代碼與固定的 train 任務 ID；不傳遞評測器的執行記錄或答案。

sealed 資格 · 獨立權限

train KEEP 只移動搜尋 head。sealed 資格只到達 eligible ref；產品發布與部署是 Crucible 之外的獨立權限。

  1. evaluate → decide → recordsearch/supervisor.pyrecord · ref receipttrain bundle · 重新計算的 KEEPattestation/bundle.py

    只有當契約、基準線與候選的證據、重新計算的 KEEP、提議譜系、supervisor 記錄與已套用的 ref receipt 全部連得上時，train bundle 才成立。它不是改善的別名。

  2. train bundle · 重新計算的 KEEPattestation/bundle.py僅限 train bundle · 一次不重疊的 test pack · 僅用一次attestation/sealed.py

    sealed 評測只使用一次與 train 不重疊的 test pack，基礎設施重試為零次。

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

    即使是 ELIGIBLE，也只寫入 refs/crucible/eligible/*，release_authority 固定為 none。

公開記錄 · r14 · r35

r14 先為 train KEEP，後為 sealed REJECT；r35（2026年7月13日）因涵蓋不完整與基礎設施汙染判為 INVALID（0 個成對列，平均 null），head 維持不變。

  1. KEEP · REJECT · INVALIDpromotion.py公開的 verdict.jsongeode-eval-artifacts

    公開產出物是固定於 23e3428 的正規化記錄。r14 預先登錄的 train 設定雜湊與公開設定的位元組不同，因此完整的原始鏈並未重新認證。

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

    r14：在 telecom train 6 個任務 × 1 次試驗中為 KEEP（6 個成對列，無晉級權限），之後另行的 sealed 判定為 REJECT（無發布權限）。

所有連線以相同粗細顯示。選擇一個流程，即只突顯其路徑，並標出步驟編號。

  • 實線 · 請求、候選與結果的流向
  • 虛線 · 執行、判定、授權、設定
  • 粗黑線 · 所選流程；數字表示順序
  • 方框 · 程式碼或記錄的邊界，標頭為其路徑
  • 內層小框 · 該邊界內的元件
  • 虛線框 · 該邊界之外
  • 搜尋 supervisor
  • 契約 · 判定 · 證明
  • ref · 記錄
  • 產生器 · 執行

Crucible 是獨立於 SIL 的實驗核心；兩種搜尋並非互相晉級對方候選的單一管線。產品發布方框沒有任何連入的連線。

三種權限
train KEEP 移動搜尋 head，sealed ELIGIBLE 記錄一個 eligible ref，產品發布則是 Crucible 之外的獨立決定。先前的判定絕不授予後續的權限。
null 不是零
r35 計畫 9 個任務 × 3 次試驗（每個 arm 27 列），但可比較的成對為 0，因此其平均與改善值為 null。這不是 27 個任務失敗，也不是 0% 成功率。