Depuração e Retrospectiva de Agentes Astronômicos
Localizar o sintoma no primeiro contrato falho, reparar a camada necessária e provar separadamente a execução correta, o mecanismo em vigor e o ganho real. As três conclusões são registradas de forma independente.
Este skill é extraído de materiais históricos legíveis do projeto "astro-agent". Os casos são pistas de diagnóstico e não representam que a implementação atual tenha necessariamente as mesmas falhas. Orçamentos históricos, nós, datas, nomes de cartas e linhas de aprovação não podem se tornar constantes padrão para novas tarefas.
Estabelecer Identidade
Confirmar se o objetivo é corrigir erro, diagnosticar, acelerar equivalentemente, melhorar estratégia ou entregar reparo. Localizar o caminho real e a versão atual; verificar CURRENT, lista congelada, comprovante de recebimento e pacote final; a identidade é baseada no hash do código-fonte, entrada, configuração e resultado.
Registrar a versão oficial do protocolo/avaliador, campos visíveis online, restrições de inicialização, modo de execução, calibração de CPU e limite de relógio de parede independente. Apenas quando há erro genérico do site ou carta local com o mesmo nome, a causa raiz na nuvem ainda não foi localizada.
Distinguir entre: completo válido, término de orçamento, falha técnica, interrupção do usuário, diagnóstico concluído mas sem passar na barreira científica. Algumas pontuações sazonais não entram no ranking completo da temporada; valores ausentes mantêm null.
Ler Referências por Sintoma
- Ação ilegal, inicialização/ABI/manifest/ZIP, numeração de dados, limpeza de backup: ler protocol-and-data.md.
- Alocação alta com pontuação baixa, zero, omissão de reparo, omissão de REQ/solicitação, divergência de reprodução: ler state-and-physics.md.
- Timeout, modelo sem ganho, aceleração de diagnóstico inalterada na temporada, falha em hold-out/aceitação: ler budget-and-experiments.md.
- Consultar contraexemplos históricos e evidências de reparo: ler casebook.md; verificar identidade do arquivo original: ler evidence.md e corpus-index.tsv.
Encontrar a Primeira Divergência
Comparar pelo fluxo de dados real: entrada/restrições → mensagens consumidas → estado/cache → entrada de candidatos → pontuação completa/alocação → ação final → execução oficial → liquidação de feedback.
A partir do mesmo estado de falha mínimo de entrada ou trajetória imutável, encontrar a first divergence; salvar o esperado, real, unidade, denominador, seleção de amostra e fonte. Marcar separadamente reprodução de código-fonte, correlação de logs, hipótese de mecanismo e evidência de ganho.
Corrigir primeiro protocolo, identidade e poluição de reprodução; depois explicar diferenças científicas. A faithful replay reproduz a sequência original de consumo; alterar comportamento histórico é novo candidato e não pode ser misturado na trajetória original. Na falta de inicialização ou mensagens críticas, parar no limite reconhecível, sem inventar estado oculto.
Projetar Controle Minimamente Falseável
Uma hipótese por teste que possa refutá-la. Fixture sintética para testar limites, shadow de estado público para testar entrada e mecanismo de seleção, par temporada completa para testar desempenho combinado, hold-out independente para testar generalização limitada; cada camada suporta apenas sua própria conclusão.
Listar os itens retidos relevantes: física/pontuação, informação pública, RNG, ordem de mensagens, ledger, ABI nativo, ordem de candidatos/tie e cobrança. Aceleração equivalente que altera ação ou conjunto de candidatos é reclassificada como mudança de estratégia.
Candidatos de estratégia primeiro rastreiam se podem entrar na cadeia real de candidatos, ser avaliados, satisfazer a proteção de conclusão e alterar a seleção de execução; quando a barreira do mecanismo predefinido não é ultrapassada, a hipótese é encerrada. Reparo de protocolo usa contraexemplos de limite real para aceitação, sem forçar mudança de ação em cartas normais.
Executar Validação Limitada
Pontuação e modelo remoto seguem a autorização atual e orçamento limitado, sem herdar saldo restante de estudos encerrados. Selecionar limites significativos, diferenciais e controles normais com base na alteração.
Quando o projeto usa um registrador, confirmar antes da inicialização que o planned foi bem-sucedido, ler de volta a identidade, hash de origem/entrada e isolamento de saída; se o registro falhar, tratar a falha primeiro. Exceções ainda liquidam custos reais e número de requisições no finally. Reparo técnico usa subversão para manter versão pai com falha; registro posterior indica retrospective.
Código-fonte final é comparado com mesma origem, mesma entrada e cobrança OFF/ON. Após alteração do código-fonte, referenciar apenas evidências que ainda correspondem a esse código. Relatar individualmente as barreiras especificadas: estado final completo, orçamento, REQ, requisição, pontuação científica/total e funções de API já exigidas. Qualquer barreira obrigatória falha significa não aceitação.
Após falha, mudar para nova hipótese de causa raiz com novas evidências; trocar seed, escolher código-fonte, alterar linha de aprovação ou expandir varredura não é reparo da aceitação original. Conjunto hold-out usado para seleção ou diagnóstico vira dado de desenvolvimento; generalização posterior usa novo hold-out.
Saída e Critérios de Conclusão
Saída conforme o tamanho do problema:
Sintoma e primeira etapa de falha:
Nível de evidência e identidade da fonte:
Causa raiz confirmada / a confirmar:
Alteração mínima e itens retidos:
Resultado: protocolo / estado / mecanismo / temporada completa / hold-out / implantação
Falhas, itens não executados e incertezas:
Próximo teste mínimo que pode diferenciar hipóteses:
O pacote de upload é gerado a partir do código-fonte congelado final, em novo diretório, compilado/executado pelo manifest parser oficial; validar JSONL, recursos e hash de source/ZIP. Mock, native local, API real, Linux e site são relatados separadamente; não substituem uns aos outros.
Novas experiências devem incluir condições de aplicação, reprodução mínima e evidência; manter apenas regras que realmente mudam decisões.