Baton

agent
Guvenlik Denetimi
Basarisiz
Health Uyari
  • License — License: MIT
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 5 GitHub stars
Code Basarisiz
  • rm -rf — Recursive force deletion command in council/codex/scripts/council.sh
Permissions Gecti
  • Permissions — No dangerous permissions requested

Bu listing icin henuz AI raporu yok.

SUMMARY

Claude Code skill: Claude Opus conducts and judges, GPT-6.1-Sol executes via the Codex CLI. Supervision every 30 min, council-backed decisions, HTML reports, Codex quota statusline.

README.md

Baton v3

Baton v3(Agy 核心 + Claude 编码的 Research Baton)

Baton v3 是面向研究型开发与实验工程的多模型协作编排框架:以 Antigravity CLI (agy) 为核心总控与冷眼审计平台,以 Claude Code (claude) 专注编程执行,通过单轨冷眼审计 + 一等 baton advise + 0-token 研究红线守卫 + 哈希链账本,防止研究实验中的静默科学失效(数据泄露、评测口径漂移、静默吞异常、硬编码截断)与上下文污染。同时完整保留 v2 Codex / Hermes 后端兼容预设。

v3 架构总览(四角色零重叠分工)

用户 ◄──► Conductor (agy / Gemini 4 Carbon High) ──[baton advise design|decide|unblock]──► Advisor (agy -p / Gemini 4 Neon XHigh, 无状态)
                │                                                                                  ▲
                │ start / resume / steer                                                           │ 终审 DONE / VIOLATION /
                ▼                                                                                  │ 连续≥2 REVISE(单轨直达,跳过 Monitor)
         Executor (claude -p / Claude Opus XHigh) ──stream-json──► Baton CLI (L1 0-token Watchdog + 冻结校验 + 亲跑验证 + RED_FLAGS + 卷宗封存)
                                                                                                   │
                                                                                                   │ 常规 REPORT
                                                                                                   ▼
                                                                                      Monitor (agy -p / Gemini 4 Hydrogen XHigh, 只读卷宗)
                                                                                                   │
                                                                                                   ▼
                                                                                    Findings (F1/F2...) ──► Conductor `baton rule` 入哈希链账本
角色 默认运行时与模型 职责
Conductor(日常总控) agy 主会话,gemini-4-carbon-high 起草 brief.md 与 harness.md、判断是否需要 baton advise、逐条 baton rule / decide / close;不改代码、不自审自裁
Advisor(首席设计 & 高阶终审) agy -p 无状态只读进程,gemini-4-neon-xhigh 开题实验设计把关(design)、关键决策权衡(decide)、终审/违例/连续≥2次 REVISE 的单轨冷眼审计(audit)、卡壳诊断(unblock)
Monitor(常规冷眼审计) agy -p 只读隔离进程,gemini-4-hydrogen-xhigh 对常规 REPORT 卷宗执行跨家族冷眼证据核对,逐条输出偏离(F1/F2...)与记忆建议
Executor(编程执行者) claude -p --safe-mode,opus / xhigh 唯一代码写入者;通过 --append-system-prompt 注入审定 harness.md(不污染仓库 CLAUDE.md),流式 stream-json + 结构化输出

v3 核心新增特性

  1. 单轨冷眼审计路由器(省配额、不叠罗汉):每份封存卷宗只由一位冷眼角色审计——常规 REPORT 走 Hydrogen Monitor;DONE 终审、VIOLATION 违例及连续 ≥2 次 REVISE 自动跳过 Monitor、直达 Neon Advisor,复用同一套 monitor-brief.schema.json 与 baton rule 账本门槛。
  2. 一等子命令 baton advise:提供 design / decide / audit / unblock 四种正交模式;由 CLI 确定性打包权威文件到只读快照目录,严禁 Conductor 用自然语言“转述病情”,结果落盘 .baton/advice/A<NNN>.{json,md} 并记入哈希链账本。
  3. 研究型 0-token RED_FLAGS 静态扫描 + 防锚定阅读顺序:卷宗封存时自动静态扫描 diff.patch 中的静默 except: pass、疑似调试截断([:N] / max_samples / .head(N))、新增 skip/xfail、容差与 seed/数据划分改动,置于 evidence.md 顶部;强制审计员先看章程与证据,最后才看 Executor 自述。
  4. L1 0-token 轮中守卫 + 三档预设:默认关闭盲目定时 LLM 轮询(monitor.midleg_llm_checks: false),由 60s 冻结校验 + 规则信号 + Claude stream-json 实时监控(权限拒批、连续工具失败死循环、compaction 爆发)守护轮中安全。agy 5h 配额紧张时可一键 baton preset use research-conserve 降努力度但不降冷眼隔离制度;需要 v2 Codex 栈时可切 baton preset use v2-codex。
  5. Claude Code --safe-mode Executor:保留 OAuth 订阅鉴权、屏蔽用户全局规则污染、禁用 Bash(baton *) / Bash(git push*) 防止越权篡改账本,在 harness 变更、违例、回滚或轮次达上限时自动重置新会话并注入压缩交接包。
  6. Antigravity (agy) Statusline 同步:内置 skills/baton/scripts/agy_statusline.py,在 agy 终端实时展示 model、effort、context 进度条、5h/7d 剩余额度与倒计时,以及 Baton v3 运行/空闲状态。安装:./install.sh --agy 或 baton statusline install --agy。

完整 v3 设计见 docs/v3-design.md,v2 原始设计见 docs/v2-design.md。

v3 快速上手

git clone https://github.com/Valdemar-Yu/Baton.git
cd Baton
./install.sh                  # 同时安装 agy skill (~/.gemini/config/skills/baton)、Claude skill、baton CLI 和 agy statusline

# 在 agy 终端中开启状态栏:
/statusline python3 ~/.local/share/agy-statusline/statusline.py

# 在研究/代码项目目录中:
baton doctor
baton init                    # 生成 v3 默认 baton.json(含 research / research-conserve / v2-codex 预设)
baton new my-exp
# 编辑 brief.md 后请 Neon Advisor 开题把关:
baton advise design my-exp
baton harness approve my-exp
baton start my-exp
baton wait my-exp

v2 架构演进背景与历史记录

以下保留 v2 的完整说明与设计依据(使用 baton preset use v2-codex 仍可随时切回 v2 编排流)。

摘要

让一个强模型指挥、另一个模型写代码,是 Claude Code 里常见的分工,难点在指挥手里的证据。v1 里 Opus 审的是执行者自己写的汇报,监督靠每 30 分钟读一次快照。执行者改了验收测试或者偏离了简报,指挥往往要等汇报交上来才知道,而那份汇报正是执行者写的。

Baton v2 把这件事拆给三个角色,并把能机械检查的约束交给程序。conductor 是 Codex 主会话,也是唯一的决策者,默认使用 gpt-6-astra、ultra 和 Fast。executor 默认使用 Codex CLI 的 gpt-6.1-sol、ultra 和 Fast。monitor 是隔离的只读进程,默认使用 gpt-5.6-luna 的最高可用 effort max;它只读 baton 封存的卷宗,里面有完整 diff、本轮终点的代码快照和 baton 亲跑的逐条测试结果,逐条列出偏离。conductor 必须对每条偏离写明采纳或驳回,裁决和监督简报一起写进哈希链账本,没有绑定当前卷宗的裁决,续跑就被拒绝。验收测试和测试配置在任务开始时冻结,runner 每 60 秒核对一次,越界即停。轮中监督由规则信号和 monitor 的退避式方向检查组成,conductor 只在出现偏离时被叫醒。

这些取舍有两方面依据。council.skill [1] 在 SWE-bench Lite dev 的 23 个任务上报告,Sonnet 主 agent 引入多模型合议后,解决数从 8 升到 12 且没有回归,效果好于单一顾问。v2 因此让 monitor 默认用和 conductor 不同家族的模型,两边读同一份证据,各自的盲区不重合。记忆方面,Mem0 [2] 表明按需抽取和检索的记忆层相比把全部历史塞进上下文,p95 延迟降低 91%,token 成本降低九成以上。DolphinBench [3] 用真实任务考察记忆,指出最难的一步是 agent 意识到自己需要回忆,效果取决于模型、harness 和记忆系统的组合。Baton 据此每轮主动推送 10 条相关记忆和一个常驻块,执行者只拿到只读检索工具,写入由 monitor 提炼、conductor 核准。存储用 mem0 加本地 Ollama 嵌入,数据留在本机,台账为准,向量库随时可以重建。

v2 由 v1 的 Baton 自举开发,现有 430 个单元测试和 5 个连接真实 mem0、Ollama 与 MCP 的集成测试。真实 Hermes 执行者加真实 monitor 的端到端运行,从开工到 close 全流程通过。完整设计见 docs/v2-design.md。

2026 年 11 月更新

这一版的改动都由 Baton 自己的任务完成,每个任务经过 monitor 监督简报、conductor 逐条裁决和全量测试后才合入。

executor 在你打开的目录里工作,只看到审定过的上下文。 以前在 ~/vault/projA 这样的子目录启动任务,Baton 会一路往上找到上层的 baton.json,executor 的工作目录、加载的 AGENTS.md 和记忆账都跟着落到上层项目,几个子项目的指令和记忆混在一起。现在项目根就是运行 baton 的目录,executor 也在这里工作。baton new 会起草一份 harness.md,作为 executor 能看到的全部项目上下文,conductor 审改后运行 baton harness approve 才能 start。每轮开始时它被渲染成后端原生的指令文件,Hermes 用 .hermes.md,Codex 用 AGENTS.override.md。每个任务有自己的 Hermes home 和 Codex home,全局 ~/.codex/AGENTS.md 和上层目录的 AGENTS.md 都不会注入。这一点在嵌套项目上用 Codex 和 Hermes 各跑过真实任务,直接检查了两边的系统提示词。

用户级约定只维护一份。 新增 baton harness base,把 ~/.claude/CLAUDE.md 改写成只给 executor 用的 $BATON_HOME/harness-base.md,之后每份 harness 初稿自动带上它,不再整份抄全局指令。全局 CLAUDE.md 改动后,baton new 和 baton doctor 会提醒同步。

状态目录不再无限增长。 Codex task home 共享全局的 cache、plugins、packages,每个任务少下载约 80 MB。同一任务里只有最新的 report 卷宗保留代码副本。baton close 顺带清理事件日志、冻结副本和 task home,baton gc 新增 --stale-days 处理长期没动的任务,--dry-run 按类别列出能释放多少空间,baton doctor 在状态目录超过 2 GiB 时提醒。所有删除都限制在 $BATON_HOME/projects/<id>/ 之内,遇到软链接只删链接本身。作者本机的状态目录从 1.6 GB 降到 1.1 GB,GPU 机器上一套 bench 状态从 11 GB 降到 1.3 GB,账本和卷宗校验全部通过。

流程更稳。

  • baton close --waive 原因 --user-approved 给验证命令在环境里跑不通的任务留了出口,终审 ACCEPT 后的 IDLE 事件会提示 close。
  • 验收用例写成 path::name 时,冻结的是对应的测试文件。
  • 容量和额度错误只从错误事件和 stderr 判断,executor 读到含 "usage limit" 字样的文件不会再被当成额度耗尽。Hermes 的 overloaded、529、503 按容量错误重试。
  • 轮中检查同时只跑一个,失败后退避。验收缺口和记录滞后不会单独结束一轮,删测试或测试数下降的 breaking 告警照常生效。
  • scope 新增 unfreeze,可以在用户确认后放开指定的已有测试文件。
  • 卷宗证据带上本轮 log.md 新增的行。只有数字对不上的自述偏差记为 note,不再阻塞。

升级时要注意的事。 拉取新版后先跑 baton doctor。升级前创建、没有 harness.md 的任务照旧运行,可以直接 resume。新任务需要先 baton harness approve。子目录如果要作为独立项目,先在里面 baton init。第一次使用时运行 baton harness base --init,改写后 --approve。evaluation/ 下新增了 RSIBench 的本地 Codex 驱动和远程 relay,与 Baton 主程序相互独立。

三个角色

conductor、executor、monitor

  • conductor:Codex 主会话,默认 gpt-6-astra / ultra / Fast,唯一决策者;写简报、定义范围、读取监督简报、裁决和最终验收。
  • executor:Codex CLI,默认 gpt-6.1-sol / ultra / Fast;按简报改代码和验证。
  • monitor:独立只读 Codex 进程,默认 gpt-5.6-luna / max;读取卷宗和快照写监督简报,不改代码、不替 conductor 做决定。

记忆由 mem0、本地 Ollama 和 baton-qwen3-embed:latest 提供。Ollama 离线时会退回关键词检索并记录原因。

两种模式

baton.json 里的 mode 取 standard(默认)或 lean。lean 是极限省 token 的模式,只保留一种交互,executor 把活干完,conductor 审一次。

standard lean
executor gpt-6.1-sol ultra,Fast gpt-5.6-luna medium,不升级
conductor 思考深度 不限 medium(baton 管不了主会话,事件里会提示用户调整)
monitor 与监督简报 每份汇报一份,裁决须逐条回应 不设 monitor,不生成卷宗
轮中监督 规则信号加 monitor 方向检查,DRIFT/BREAKING 叫醒 conductor 关闭,规则信号只附在轮末事件里
汇报与决策请求 大修改交汇报、遇到决策停下等裁决 一轮做到底,自己拿主意写进 log,做完交一份汇报
conductor 出场 每份汇报、决策请求和偏离事件 只在 done、blocked、failed 时审一次
记忆 推送、monitor 提炼候选、定期整理回合 照常推送,候选由 conductor 审查时核准,没有整理回合

两种模式都保留不花模型 token 的部分,包括冻结与 60 秒核对、baton 亲跑验证、影子仓库和回滚点、容量自动重试、额度提醒。切到 lean 只要在项目根的 baton.json 写一行:

{ "mode": "lean" }

项目层里显式写的键仍然优先,比如在 lean 下单独把 executor.reasoning_effort 设成 high 也会生效。

手写 baton.json 时记得带上 "executor": {"backend": "hermes"}。没有这个键的文件按 v1 兼容规则走 codex 后端;baton init 生成的文件已经写好了。

安装

需要 Claude Code、Python 3.9+、git、已登录的 Codex CLI,以及 Hermes。

git clone https://github.com/Valdemar-Yu/Baton.git
cd Baton
./install.sh

安装脚本只建立 skill/CLI 链接并检查依赖,不会替用户写家目录配置。准备本地 Ollama 和嵌入模型:

ollama serve
ollama pull qwen3-embedding:0.6b

如果 Ollama 没有 ollama 命令,按系统说明安装;install.sh 会提示缺失但仍完成其他安装。随后在用户自己的终端执行:

baton memory install
baton init
hermes -p baton-exec-v2 auth add openai-codex --type oauth
hermes -p baton-exec-v2 auth list openai-codex
hermes -p baton-exec-v2 auth remove openai-codex <根目录带进来的旧条目>

baton init --upgrade-profile 只在确认要覆盖 profile 的 SOUL.md/config.yaml 时使用。运行 baton doctor 检查 Hermes、Ollama、台账和 monitor 隔离。

macOS:让 executor 经 Hermes 调用 Codex

在 macOS 上把项目的 executor 明确设为 Hermes,并让 Hermes 使用 openai-codex provider;reasoning_effort 使用 Hermes 支持的值,例如 max,不要把 Codex CLI 专用的 ultra 原样传给 Hermes:

{
  "executor": {
    "backend": "hermes",
    "provider": "openai-codex",
    "hermes_profile": "baton-exec-v2",
    "model": "gpt-6.1-sol",
    "reasoning_effort": "max",
    "sandbox_exec": true
  }
}

配置后刷新 profile 并在自己的终端登录:

baton init --upgrade-profile
hermes -p baton-exec-v2 auth

在 Hermes 的认证流程中选择 openai-codex,然后运行 baton doctor;输出应显示 Hermes provider、profile、凭据和 sandbox-exec 检查。Hermes 不接收 Codex 的 service_tier/Fast mode 参数,doctor 会明确提示这两个配置不会传入;start、resume 和升级仍会沿用 Hermes 的 provider、model 和 effort。长 prompt 通过 argv 直接传给 macOS 上的 Hermes,不经过 shell 重新解析。

一次任务

在目标项目里由 Claude 主会话执行:

/baton 给 parser 加流式解析,保持接口兼容,tests/ 全部通过

conductor 会先运行 doctor、config,再 baton new <task>。第一次使用或 doctor 提示基底缺失/过期时,先运行 baton harness base --init,把 ~/.claude/CLAUDE.md 改写成只供 executor 使用的基底,再运行 baton harness base --approve;之后每个任务都会自动带入这份基底。它写 .baton/tasks/<task>/brief.md(验收、允许/禁止路径、验证命令和 baton-scope 范围块),并审改 Baton 自动起草的 .baton/tasks/<task>/harness.md:只留这个项目的长期事实,删掉主会话专用的流程指令和上层目录的无关内容。审定后再启动:

baton harness approve <task>
baton start <task>
baton wait <task> &

harness approve 记录内容哈希;harness 没审定、审定后又被改过,start 都会拒绝。executor 拿到的项目指令只来自这份 harness:Hermes 渲染成启动目录下的 .hermes.md,Codex 渲染成 AGENTS.override.md,两者都写进 .git/info/exclude,任务 close 时清理。每个任务有独立的 Hermes home 和 Codex home,会话、记忆不跨任务共享;Codex 的 cache、plugins、packages 通过软链接共享,sessions 保持任务私有。Hermes 的 skills、bin、cache 会被运行时写入,保持任务私有;只有 profile 的 auth.json 按现有规则指向共享凭据。

项目根就是运行 baton 的目录。当前目录没有 baton.json、上层目录有时,new/start 会拒绝,提示先在当前目录 baton init(或显式传 --root),避免子目录任务落到上层项目、带上上层的 AGENTS.md 和记忆。executor 的工作目录也是这个目录。

executor 每次小修改追加 .baton/log.md;大修改写 .baton/reports/R*.html 后暂停。monitor 生成独立监督简报,conductor 逐条写 baton-verdict,运行 baton rule,通过门槛后才 baton resume --verdict。任务结束要经过终审和 baton close。容量错误会自动立即重试 3 次,再延迟 15 分钟重试 1 次;用尽后产生 FAILED,由 conductor 决定换模型、拆分或询问用户。

状态与卷宗存储

项目外状态默认在 ~/.baton/projects/<project-id>/,包括影子仓库、任务状态、卷宗和账本。
设置环境变量 BATON_HOME 可以换到容量更大的磁盘,例如 macOS/Linux 的
export BATON_HOME=/Volumes/Data/baton,或 PowerShell 的 $env:BATON_HOME = 'D:/baton'。
该目录须在项目之外;更换位置时,先停止运行中的任务,再把原状态目录的内容移到新位置,后续命令保持相同设置。

卷宗的 code/ 从影子快照复制,省略项目自身 git ignore 规则忽略的未跟踪文件;项目跟踪的文件仍保留。
非 git 项目保持完整复制。manifest.json 中的 code_omissions 记录省略文件数、字节数和原因。
同一任务同一轮的轮中检查只保留最新检查卷宗的 code/,每次新检查会删除旧检查的代码副本。
baton close 删除该任务所有卷宗的代码副本,并清理卷宗输出中的 *.events.jsonl、*.stdout.json、冻结文件副本和 task home 中除会话记录外的内容;结果 JSON、stderr/runner 日志、冻结 manifest、Codex sessions/、Hermes sessions/ 与 state.db* 保留。卷宗 manifest 和任务 state 记录 code_pruned、retention 清理摘要,账本与校验仍可核对。
新建带 R 加数字、<task>-final/<task>-final-N 或 <task>-leg-N-violation 名称的 report 类卷宗时,同任务更早的这些卷宗只保留记录,最新卷宗保留 code/;同一轮检查卷宗仍只保留最新代码副本。已清理的卷宗可核验保留的记录,但不能重跑 monitor。影子仓库的回滚快照保留。

清理当前项目中此前已关闭任务的卷宗、事件日志、冻结副本和 task home:

baton gc --dry-run
baton gc
baton gc --stale-days 14 --dry-run

--dry-run 按卷宗代码、事件日志、frozen、task home 分别打印文件数和字节数,并给出合计;实际运行打印释放量。--stale-days N 对超过 N 天未更新且非运行中的 done/idle/failed/blocked 任务清理旧 report 代码和检查卷宗事件日志,默认 14 天;运行中的任务跳过。未关闭且未超期的任务保留。

从 v1 迁移

旧项目先备份并迁移项目根的配置:

baton init --migrate

迁移会保留 baton.json.v1.bak,把 judge 改为 conductor/monitor,并把执行者默认切到 Hermes。旧项目没有 executor.backend 时仍按 codex 运行,方便逐项目迁移。

项目指令也要更新,例如 ~/yuzz/CLAUDE.md 或项目内 CLAUDE.md:删除“派子 agent 设为 judge.model 当裁判”的 v1 说法,改为 conductor.model、独立 monitor、监督简报和 baton rule。baton doctor 发现旧说法会报 WARN,不会阻挡旧项目运行。

常见问题

容量重试为什么等待? 这是模型服务容量错误,不是代码失败。Baton 立即重试 3 次,再等待 15 分钟重试一次;全部失败后停止本轮,等 conductor 处理。

monitor 为什么可能带着 Codex 全局指令? Codex monitor 使用只读参数,但 ~/.codex/AGENTS.md 是否被 CLI 读取由 CLI 版本决定。baton doctor --monitor-probe 会探测并在卷宗标明;monitor 只读,不会执行其中的写入要求。executor 不受这个问题影响:它用任务自己的 CODEX_HOME(不含全局 AGENTS.md),并以 baton.json 作为 project root marker,上层目录的 AGENTS.md 不会注入。

旧任务会受 harness 门禁影响吗? 不会。升级前创建、没有 harness.md 的任务沿用原来的 CODEX_HOME/HERMES_HOME,可以照常 resume。

Hermes 没有 sandbox-exec 怎么办? 在项目 baton.json 显式写:

{"executor": {"sandbox_exec": false}}

随后由 baton doctor 显示退路状态;仍应保留项目范围和冻结检查。

Ollama 离线会不会卡住任务? 不会。记忆检索退回关键词,返回中带 fallback 原因;恢复 Ollama 后可运行 baton memory reindex 补建语义索引。

安装脚本遇到已有目录怎么办? 普通目录不会覆盖。已有软链接(包括旧的 ~/.local/share/baton-v1/baton)会改指向当前仓库并打印变更;普通目录会跳过并提示手动处理。

参考文献

  1. ParadoxZW. council.skill. GitHub, 2026. https://github.com/ParadoxZW/council.skill
  2. Prateek Chhikara, Dev Khant, Saket Aryan, Taranjeet Singh, Deshraj Yadav. Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory. arXiv:2504.19413, 2025. https://arxiv.org/abs/2504.19413
  3. Soumil Rathi, Deshraj Yadav, Taranjeet Singh. DolphinBench: Mapping the Pareto Frontier of Agent Memory. arXiv:2609.24971, 2026. https://arxiv.org/abs/2609.24971

Windows

Native Windows 11 support uses Codex as executor and monitor, with local memory by default. Hermes is unsupported on Windows. See WINDOWS.md for installation, process behavior, and v1/v2 coexistence.

Yorumlar (0)

Sonuc bulunamadi