Communitygithub.com

cotcodec — procedimiento de trabajo

Procedimiento integral para la investigación, experimentos, evidencia, documentación e higiene de lanzamiento en CoTCodec.

¿Qué es cotcodec — procedimiento de trabajo?

CoTCodec es un programa de investigación y un arnés de evaluación ejecutable que hace explícitas, medibles y optimizables las elecciones de orquestación de agentes. El Paper 1 estudia el lenguaje; el arnés compartido y el libro de evidencia cubren el programa más amplio de variables de orquestación. Este skill define el modelo mental completo del repositorio, los archivos clave, los invariantes operativos y las tareas comunes con su primera acción correspondiente. Es compatible con agentes como Claude Code y otros que operen en este repositorio, proporcionando procedimientos estandarizados para preregistrar experimentos, preservar evidencia negativa, separar admisión de infraestructura de afirmaciones científicas, y mantener sincronizados el estado compilado en `memory.json` y la línea de tiempo en `wiki/log.md`.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add Kevin-Liu-01/cotcodec

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

cotcodec — trabajar aquí

Propósito

CoTCodec es un programa de investigación y un arnés de evaluación ejecutable para hacer que las elecciones de orquestación de agentes sean explícitas, medibles y optimizables. El Paper 1 estudia el lenguaje; el arnés compartido y el libro de evidencia cubren el programa más amplio de variables de orquestación.

Modelo mental y archivos clave

  • memory.json es el estado compilado del proyecto y el registro de prioridades activo.
  • wiki/log.md es la línea de tiempo operativa de solo adición.
  • directions/ posee las hipótesis de investigación; experiments/ posee las ejecuciones preregistradas.
  • harness/ ejecuta condiciones y puntos de referencia; scripts/ valida y sella.
  • research/evidence/ contiene paquetes de decisión portátiles. El agotamiento local/bruto pertenece a data/ ignorado, nunca en Git por accidente.
  • README.md es el punto de entrada humano; AGENTS.md es la referencia operativa completa; los archivos SKILL.md de directorio poseen procedimientos locales.

Patrones a seguir / invariantes

  • Lee wiki/SOUL.md, wiki/USER.md, wiki/HEARTBEAT.md y memory.json antes de realizar trabajo sustantivo.
  • Prerregistra falsadores, presupuestos, límites de afirmaciones y condiciones de parada antes de observar los resultados del tratamiento. Nunca reescribas un contrato de experimento completado.
  • Preserva la evidencia negativa y previa al resultado. Crea reejecuciones versionadas en lugar de sobrescribir directorios de salida fallidos.
  • Separa la admisión determinista de infraestructura de las afirmaciones científicas o de modelo en vivo. La conformidad de CPU nunca implica admisión H100 o calidad de memoria.
  • Vincula la revisión de origen, el árbol, la licencia, las dependencias, la identidad de imagen/modelo y los hashes de ejecución para cualquier resultado utilizado en una decisión de investigación.
  • Mantén sincronizados la verdad compilada de memory.json y la línea de tiempo de wiki/log.md.

Tareas comunes → primera acción

TareaPrimera acción
Continuar investigaciónLee las prioridades de memory.json y la entrada más reciente de wiki/log.md.
Ejecutar un experimentoLee skills/run-experiment.md, luego su contrato YAML.
Agregar un punto de referenciaLee harness/benchmarks/SKILL.md y el adaptador base.
Cambiar la lógica de orquestaciónLee el harness/**/SKILL.md más cercano y las pruebas emparejadas.
Agregar un sistema de memoriaLee infra/memory-baselines/SKILL.md y los validadores de cartera/fuente.
Enviar evidenciaEjecuta los validadores de fuente, experimento, evidencia y cartera que enrutan el artefacto.
Actualizar documentaciónActualiza Agent-Docs, páginas README/estado actual, memory.json y wiki/log.md.

Advertencias

  • Muchos adaptadores de puntos de referencia son intencionalmente esqueletos; la presencia no implica preparación.
  • data/ puede contener modelos de varios gigabytes, bases de datos, árboles fuente y artefactos Docker. Inspecciona los archivos ignorados/no rastreados antes de prepararlos.
  • Los trabajos de ciclo de vida de fuente exacta a menudo usan asignaciones de CPU en hosts GPU. Un nombre de host que contenga h100 no prueba que se haya solicitado o utilizado una GPU.
  • La ruta histórica ~/Documents/GitHub/kevin-wiki puede estar ausente localmente; establece KEVIN_WIKI_ROOT para scripts/run-agent-docs.ts cuando sea necesario.

Skills relacionados