Communitygithub.com

CoTCodec

Procedimento de repositório completo para pesquisa, experimentos, evidências, documentação e higiene de liberação do CoTCodec.

O que é CoTCodec?

CoTCodec é um programa de pesquisa e um harness de avaliação executável que torna as escolhas de orquestração de agentes explícitas, mensuráveis e otimizáveis. Ele é útil para pesquisadores e desenvolvedores que trabalham com agentes de IA e desejam documentar, executar e auditar experimentos de forma sistemática. A habilidade suporta plataformas como Claude Code, Cursor, Codex e outras ferramentas de IA para engenharia de software, fornecendo um conjunto de arquivos de referência (SKILL.md) e uma estrutura de diretórios padronizada. O fluxo de trabalho envolve a leitura de arquivos de configuração como `memory.json` e `wiki/log.md`, o pré-registro de hipóteses e condições de parada antes da execução, e a manutenção de um ledger de evidências imutável com versões e hashes de execução.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

cotcodec — trabalhando aqui

Propósito

CoTCodec é um programa de pesquisa e um harness de avaliação executável para tornar as escolhas de orquestração de agentes explícitas, mensuráveis e otimizáveis. O Paper 1 estuda a linguagem; o harness compartilhado e o ledger de evidências cobrem o programa mais amplo de variáveis de orquestração.

Modelo mental e arquivos-chave

  • memory.json é o estado compilado do projeto e o ledger de prioridades ativo.
  • wiki/log.md é a linha do tempo operacional somente de acréscimo.
  • directions/ detém hipóteses de pesquisa; experiments/ detém execuções pré-registradas.
  • harness/ executa condições e benchmarks; scripts/ valida e sela.
  • research/evidence/ contém pacotes de decisão portáteis. Dados brutos/locais devem ficar no diretório ignorado data/, nunca no Git por acidente.
  • README.md é o ponto de entrada humano; AGENTS.md é a referência operacional completa; arquivos SKILL.md de diretórios possuem procedimentos locais.

Padrões a seguir / invariantes

  • Leia wiki/SOUL.md, wiki/USER.md, wiki/HEARTBEAT.md e memory.json antes de qualquer trabalho substancial.
  • Pré-registre falsificadores, orçamentos, limites de reivindicação e condições de parada antes de observar os resultados do tratamento. Nunca reescreva um contrato de experimento concluído.
  • Preserve evidências negativas e resultados anteriores. Crie reexecuções versionadas em vez de sobrescrever diretórios de saída com falha.
  • Separe a admissão determinística de infraestrutura de modelos vivos ou reivindicações científicas. Conformidade de CPU nunca implica admissão H100 ou qualidade de memória.
  • Vincule a revisão da fonte, árvore, licença, dependências, identidade de imagem/modelo e hashes de execução para qualquer resultado usado em uma decisão de pesquisa.
  • Mantenha a verdade compilada de memory.json e a linha do tempo de wiki/log.md sincronizadas.

Tarefas comuns → primeira ação

TarefaPrimeira ação
Continuar pesquisaLeia as prioridades de memory.json e a entrada mais recente de wiki/log.md.
Executar um experimentoLeia skills/run-experiment.md e, em seguida, seu contrato YAML.
Adicionar um benchmarkLeia harness/benchmarks/SKILL.md e o adaptador base.
Alterar lógica de orquestraçãoLeia o harness/**/SKILL.md mais próximo e os testes correspondentes.
Adicionar um sistema de memóriaLeia infra/memory-baselines/SKILL.md e os validadores de portfólio/fonte.
Enviar evidênciasExecute os validadores de fonte, experimento, evidência e portfólio que roteiam o artefato.
Atualizar documentaçãoAtualize o Agent-Docs, páginas README/current-state, memory.json e wiki/log.md.

Pegadinhas

  • Muitos adaptadores de benchmark são intencionalmente stubs; presença não é prontidão.
  • data/ pode conter modelos de vários gigabytes, bancos de dados, árvores de código-fonte e artefatos Docker. Inspecione arquivos ignorados/não rastreados antes de preparar.
  • Trabalhos de ciclo de vida de fonte exata frequentemente usam alocações de CPU em hosts de GPU. Um nome de host contendo h100 não prova que uma GPU foi solicitada ou usada.
  • O caminho histórico ~/Documents/GitHub/kevin-wiki pode estar ausente localmente; defina KEVIN_WIKI_ROOT para scripts/run-agent-docs.ts quando necessário.

Habilidades Relacionadas