Communitygithub.com

cotcodec — travailler ici

Procédure à l’échelle du dépôt pour la recherche CoTCodec, les expériences, les preuves, la documentation et l’hygiène de publication.

Qu'est-ce que cotcodec — travailler ici ?

CoTCodec est à la fois un programme de recherche et un banc d’essai exécutable conçu pour rendre les choix d’orchestration d’agents explicites, mesurables et optimisables. Ce skill décrit la procédure complète à suivre dans le dépôt : modèles mentaux, fichiers clés, invariants opérationnels, et premières actions pour les tâches courantes. Il est destiné aux développeurs et aux agents IA travaillant sur les expériences, l’infrastructure, les benchmarks ou la documentation du projet. Le skill s’applique à tout agent capable d’exécuter des tâches sur le dépôt (comme Claude Code), et repose sur une structure de fichiers claire : `memory.json` pour l’état compilé, `wiki/log.md` pour la chronologie, `directions/` et `experiments/` pour les hypothèses et les essais, `harness/` pour l’exécution, et `research/evidence/` pour les décisions probantes. Il impose des règles strictes comme la préinscription des conditions avant d’observer les résultats, la préservation des preuves négatives, et la liaison des résultats aux révisions source pour garantir la reproductibilité.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait cotcodec — travailler ici ?

Objectif

CoTCodec est un programme de recherche et un banc d’essai exécutable conçu pour rendre les choix d’orchestration d’agents explicites, mesurables et optimisables. L’article 1 étudie le langage ; le banc d’essai partagé et le registre de preuves couvrent le programme plus large des variables d’orchestration.

Modèle mental et fichiers clés

  • memory.json est l’état compilé du projet et le registre actif des priorités.
  • wiki/log.md est la chronologie opérationnelle en annexe uniquement.
  • directions/ contient les hypothèses de recherche ; experiments/ contient les essais préenregistrés.
  • harness/ exécute les conditions et les benchmarks ; scripts/ valide et scelle.
  • research/evidence/ contient des ensembles de décisions portables. Les données brutes/locales appartiennent au répertoire ignoré data/, jamais dans Git par accident.
  • README.md est le point d’entrée humain ; AGENTS.md est la référence opérationnelle complète ; les fichiers SKILL.md des répertoires possèdent leurs propres procédures locales.

Modèles à suivre / invariants

  • Lire wiki/SOUL.md, wiki/USER.md, wiki/HEARTBEAT.md et memory.json avant tout travail substantiel.
  • Préenregistrer les falsificateurs, budgets, limites de revendication et conditions d’arrêt avant d’observer les résultats d’un traitement. Ne jamais réécrire un contrat d’expérience terminé.
  • Conserver les preuves négatives et les résultats préliminaires. Créer des réexécutions versionnées plutôt que d’écraser les répertoires de sortie défaillants.
  • Séparer l’infrastructure déterministe d’admission des affirmations scientifiques ou relatives aux modèles vivants. La conformité CPU n’implique jamais l’admission H100 ni la qualité mémoire.
  • Lier la révision source, l’arbre, la licence, les dépendances, l’identité de l’image/modèle et les hachages d’exécution pour tout résultat utilisé dans une décision de recherche.
  • Maintenir la synchronisation entre la vérité compilée memory.json et la chronologie wiki/log.md.

Tâches courantes → première action

TâchePremière action
Continuer la rechercheLire les priorités de memory.json et la dernière entrée de wiki/log.md.
Exécuter une expérienceLire skills/run-experiment.md, puis son contrat YAML.
Ajouter un benchmarkLire harness/benchmarks/SKILL.md et l’adaptateur de base.
Modifier la logique d’orchestrationLire le fichier harness/**/SKILL.md le plus proche et les tests associés.
Ajouter un système mémoireLire infra/memory-baselines/SKILL.md et les validateurs de portefeuille/source.
Publier des preuvesExécuter les validateurs de source, d’expérience, de preuve et de portefeuille qui acheminent l’artefact.
Mettre à jour la documentationActualiser Agent-Docs, les pages README/état-courant, memory.json et wiki/log.md.

Pièges à éviter

  • De nombreux adaptateurs de benchmark sont intentionnellement des ébauches ; leur présence n’est pas une preuve de fonctionnalité.
  • data/ peut contenir des modèles, bases de données, arbres source et artefacts Docker de plusieurs gigaoctets. Inspecter les fichiers ignorés/non suivis avant de les indexer.
  • Les tâches de cycle de vie à source exacte utilisent souvent des allocations CPU sur des hôtes GPU. Un nom d’hôte contenant h100 ne prouve pas qu’un GPU a été demandé ou utilisé.
  • Le chemin historique ~/Documents/GitHub/kevin-wiki peut être absent localement ; définir KEVIN_WIKI_ROOT pour scripts/run-agent-docs.ts si nécessaire.

Skills associés