Chimera — Architektura

Ten dokument mapuje bazę kodu na projekt oraz badania, na których się on opiera. Po "dlaczego" zajrzyj do VISION.md.

Rdzeń rozumowania: LLM-Fusion

chimera/fusion/

Silnik fuzji przepuszcza zadanie przez panel modeli, każe sędziemu (judge) wygenerować strukturalną analizę (konsensus / sprzeczności / częściowe pokrycie / unikalne spostrzeżenia / martwe pola), a następnie syntetyzator pisze finalną odpowiedź zakotwiczoną w tej analizie (FusionEngine). Implementuje protokół SupportsComplete, więc jest gotowym do podłączenia backendem rozumowania wszędzie tam, gdzie oczekiwany jest model — także wewnątrz pętli agenta.

Router świadomy kosztów (RoutedBackend + RoutingPolicy) utrzymuje selektywność fuzji: tury z wywołaniami narzędzi trafiają do pojedynczego modelu (fuzja nie wywołuje narzędzi), a fuzji poddawane są tylko głębokie / wysokostawkowe tury rozumowania. Inspirowane OpenRouter Fusion (zysk pochodzi z kroku syntezy, nie tylko z różnorodności modeli) oraz AURORA-AI (adaptacyjny budżet w obrębie heterogenicznych modeli).

Pętla agenta i autonomia Tier-2

chimera/core/

• Agent — minimalna pętla ReAct / wywołań narzędzi z jawnym transkryptem (stan żyje poza modelem). Zależy tylko od SupportsComplete + ToolRegistry.
• AutonomousAgent — Tier 2: złożenie kontekstu Spine zakresowanego przez własność → plan → snapshot → wykonanie → przegląd Managera (generate-vs-verify) → verify-or-revert → ponowna próba z informacją zwrotną, przy czym każda próba jest zapisywana w buforze doświadczeń.
• WorkspaceGuard — snapshot/przywracanie plików tekstowych, mechanizm stojący za verify-or-revert.
• CommandVerifier — "wykonywalny dowód" (exit 0 == sukces).

Zwalczanie degradacji przy ciągłej ewolucji

Otwarty problem (wg Agentic Software, 2606.05608): wydajność spada z >80% na izolowanych zadaniach do ~38% przy ciągłej ewolucji — kontekst długiego horyzontu i propagacja błędów. Przeciwdziałania Chimery, każde zakotwiczone w literaturze:

Przeciwdziałanie	Gdzie	Podstawa
Eksternalizacja stanu (transkrypt/workspace, nie kontekst LLM)	core, WorkspaceGuard	HORIZON 2606.28279
Kontekst zakresowany przez własność (Spine)	core/spine.py	Spec Growth Engine 2606.27045
Nadzór generate-vs-verify	core/supervisor.py	AdvancedShelLM 2606.27990
Verify-or-revert	core/autonomous.py	autoresearch / AutoMegaKernel 2606.09682
Bufor doświadczeń (porażki jako przykłady negatywne)	evolution/experience.py	HORIZON 2606.28279
Konsolidacja wiadomości w zespołach	orchestration/comms.py	MOC 2606.02359
Benchmark ciągłej ewolucji	eval/continuous.py	postawienie problemu EvoClaw

Pamięć i samo-ewolucja

chimera/memory/, chimera/evolution/

• Memory Manager — hierarchiczne elementy (working / episodic / semantic / persona) z ADD / UPDATE / DELETE / NOOP (remember) i deduplikacją merge (Memory-R1, 2606.14502).
• Skill evolver — SkillEvolver proponuje możliwy do ponownego użycia LearnedSkill na podstawie sukcesu, testuje go i zachowuje tylko wtedy, gdy przejdzie test (propose → test → keep/discard). Nauczone skille to szablony promptów, nie wykonywalny kod — bezpieczne do autonomicznego tworzenia jeszcze przed samo-modyfikacją na poziomie kodu. Doprecyzowanie poprawia szablon na podstawie jego porażek (VIBEMed 2606.15504).
• Samodzielnie nauczone crony — CronLearner wykrywa powtarzające się zadania i proponuje crony (created_by=agent, wyłączone do czasu zatwierdzenia przez człowieka).
• Benchmark ciągłej ewolucji — przepuszcza łańcuch zadań przez solver i raportuje degradację (ogólny wskaźnik sukcesu, pierwsza vs. druga połowa, najdłuższa seria).

Governance i bezpieczeństwo

chimera/governance/

Samodoskonalące się jądro zaufania (AgentTrust v2, 2606.08539):

• TrustKernel.evaluate(action) → allow / warn / block / review. Leksykalny RuleSet obsługuje deterministycznie zagrożenia o stałej sygnaturze; opcjonalny sędzia semantyczny obsługuje intencję; destylowane reguły czynią to z czasem tańszym. Niezmiennik: nigdy nie blokować twardo działania nieszkodliwego. Sędzia i jego magazyn precedensów to szew biblioteczny, którego nie podłącza żadna dostarczana powierzchnia — zdecydowano 2026-09-12 na podstawie liczb w docstringu kernel.py (reguły i rejestr taint blokują 7 / 7 i 6 / 6 na obu korpusach bez ani jednego wywołania modelu; sędzia dodałby wywołanie modelu do większości działań narzędzi oraz zmierzone obciążenie); build pada, jeśli jakaś powierzchnia zacznie go podłączać, nie mówiąc dlaczego.
• SkillValidator / ScheduleValidator — ograniczona, statycznie sprawdzalna powierzchnia edycji dla samo-modyfikacji (AutoMegaKernel 2606.09682): niebezpieczne propozycje są odrzucane, zanim kiedykolwiek się wykonają.
• AuditLog — dopisywalny (append-only) JSONL decyzji i zmian ewolucyjnych.
• GovernedTool / govern_registry — opakowuje dowolne narzędzie tak, by jego wykonanie podlegało bramkowaniu; komponuje się z istniejącą pętlą agenta bez zmian (chimera ... --guard).

Warstwa skażenia (taint) — powstrzymywanie prompt injection

Nałożona na jądro — heurystyczna, uczciwa i nigdy niebędąca twardą granicą (tą jest sandbox):

• TaintLedger + LedgeredTool (ledger.py, ledger_tool.py) — rejestr uprawnień (capability ledger) na jeden przebieg. Pobranie (fetch) skaża swoją treść; zapis/wykonanie konsumujące skażoną treść eskaluje do przeglądu (assess_action). Niezaufana pobrana treść jest zwracana w ogrodzeniu danych (data-fenced) i z usuniętymi tokenami sterującymi szablonu czatu (sanitize.py), a trwałe artefakty ze skażonego przebiegu zachowują pochodzenie tainted, tak by trucizna nie mogła wyprać się do "czystej" pamięci/skilla.
• AggregateMonitor (aggregate_monitor.py) — monitor o poziom wyżej: na podstawie zdarzeń uprawnień każdego pod-agenta wychwytuje rozdzielone przepływy, których monitor na poziomie pojedynczego agenta nie widzi (agent A pobiera niezaufaną treść, agent B ją wykonuje lub eksfiltruje).
• check_drift (drift.py) — Spec wykonywalnych wymagań (defines/contains/absent/ command), która pełni podwójną rolę: jest ziemią odniesienia (ground truth) dla solve --verify i autorytetem orkiestratora projektu w sprawie tego, co znaczy "gotowe" (patrz niżej). Negatywne sprawdzenia zawodzą na bezpieczną stronę (fail closed) na plikach, których nie potrafią przeskanować.
• QuarantineTool + adaptacyjna allowlista (quarantine.py, allowlist.py) — kwarantannowy czytnik dual-LLM/CaMeL oraz taint-adaptacyjna allowlista narzędzi, która zawęża się, gdy przebieg zostanie skażony.

Zespoły wieloagentowe (Tier 3)

chimera/orchestration/

• Role + RoleAgent — specjalizacja ról (w stylu CrewAI).
• SequentialCrew — role w kolejności, każda widzi skonsolidowane wcześniejsze wyniki i może pisać do pamięci wspólnej.
• SupervisorCrew — workerzy zajmują się zadaniem równolegle, wyniki są konsolidowane, a supervisor syntetyzuje (w stylu CAPRA, parallel_review, 2606.18976).
• consolidate — scalanie wiadomości MOC utrzymuje kontekst zespołu szczupły (2606.02359).

Samo-ewoluujący ekosystem (Tier 4)

chimera/ecosystem/

• MetaAgent — projektuje/buduje/ocenia wyspecjalizowane agenty (agenty budujące agenty). Dwa zabezpieczenia z Meta-Agent Challenge (2606.04455): izolacja narzędzi (narzędzia zaprojektowanego agenta są filtrowane do dozwolonej listy) oraz separacja testów jawnych i ukrytych (przejście testu jawnego + porażka ukrytego ⇒ podejrzenie reward-hackingu, nie zaliczane jako sukces).
• ChangeQueue — reguluje tempo zmian (kolejka FIFO scalania + limity wsadowe), nie liczbę głów ("Govern the Repository", 2606.28235).
• TrajectoryCollector — zapisuje (prompt, odpowiedź, wynik) i eksportuje zbiory danych SFT / DPO. Faktyczny fine-tuning jest opcjonalny i zewnętrzny — Chimera zbiera, nie trenuje.

Ekonomia kosztów i hierarchia delegowania

chimera/orchestration/ (hierarchy, cascade, budget, receipts, envelope_verify)

Delegowanie opłaca się tylko wtedy, gdy jest tańsze niż wykonanie pracy inline, a to twierdzenie jest mierzone, nie tylko deklarowane:

• HierarchicalOrchestrator — dekompozycja → wysłanie budżetowanych workerów → weryfikacja każdego wyniku → synteza. Fan-out o charakterze odczytowym jest delegowany; trywialnie mały podproblem jest odpowiadany inline przez zaufany model najwyższego poziomu.
• CascadeBackend — słaby → bramka → średni → bramka → fuzja, eskalując tylko wtedy, gdy odpowiedź danego poziomu nie przechodzi taniej bramki akceptacji. Dziennik trasy (route log) rejestruje każdy przeskok, więc koszt to suma po wszystkich wypróbowanych przeskokach, nie tylko akceptowanym — eskalacje są opłacane.
• TokenBudget / BudgetedBackend / EffortPolicy — twardy sufit tokenów egzekwowany na poziomie backendu, na jednego workera.
• EnvelopeVerifier — schemat → kryteria akceptacji → probabilistyczna kontrola wyrywkowa (ocenia wierność podsumowania wobec surowego artefaktu); ponowne zapytanie wywołane niepowodzeniem kontroli wyrywkowej jest ponownie audytowane.
• Rachunki delegowania (receipts.py) — każde delegowanie loguje swoje zmierzone tokeny/koszt oraz kontrfaktyk inline w tym samym wierszu, wyceniony według stawki właściwej dla danego modelu (nieznany model → None, nigdy nie zmyślony). Narzut samego orkiestratora na dekompozycję/syntezę też jest mierzony, więc summarize_delegations (chimera delegations) raportuje audytowalną oszczędność netto, a cascade-bench raportuje ogon kosztu (p50/p95/p99), nie tylko średnią.

Koło zamachowe samo-ewolucji

chimera/evolution/

"Trening", który nigdy nie dotyka wag — sterowany fitnessem, bezgradientowy i odwracalny:

• EvolutionContext — wspólny zestaw (experience, trajectories, memory, auto-evolver, skill cards, playbook), który czyni uczenie się własnością całego stacku agenta, nie tylko komendy solve.
• Karty skilli + doprecyzowanie GEPA, playbook ACE oraz SkillLifecyclePolicy, która promuje/degraduje skill na podstawie jego zmierzonych statystyk użycia/sukcesu (nowy skill rodzi się jako provisional).
• Diff-gate — "pusty sukces" (weryfikator przeszedł, ale diff workspace jest pusty) nie tworzy skilla ani wpisu pamięci; koło zamachowe uczy się tylko z pracy, która faktycznie się wydarzyła.
• Transfer-gate (eval/transfer.py) — dostrojony artefakt jest promowany tylko wtedy, gdy utrzymuje się też na zbiorze holdout, co chroni przed negatywnym transferem. maturity.Scorecard.weakest() jest celem: pętla mierzy w najsłabszą zdolność. Regresje są automatycznie wycofywane tylko przy statystycznie istotnym spadku (przedział ufności, nigdy pojedynczy punkt).

Każda zmiana ustawienia domyślnego jest odblokowywana za wcześniej zarejestrowanym, sparowanym testem A/B (bench/), publikowanym niezależnie od tego, czy wygrywa, czy przegrywa — bez ponownego rzucania kośćmi w poszukiwaniu istotności.

Autonomia projektu (od początku do końca)

chimera/orchestration/project.py

ProjectOrchestrator prowadzi cały projekt wobec Spec: graf zadań (DAG w stylu Kanban z depends_on) → każda gotowa karta jest rozwiązywana (z powyższym kontekstem ewolucji) → odebrana wobec Spec przez check_drift (jedyny autorytet w sprawie "gotowe") → niespełnione wymagania generują kolejne karty, w pętli, aż Spec zostanie spełniona lub zatrzyma ją budżet / maksymalna liczba iteracji / punkt kontrolny człowieka. Ryzykowne kroki (risk: high — deploy / migracja / usunięcie) wstrzymują się do zatwierdzenia przez człowieka; przebieg jest trwały i wznawialny.

Sprawy przekrojowe

• Providerzy (providers/) — jedna, niezależna od providera brama nad LiteLLM; klucze mogą żyć w .env i są eksportowane do środowiska, tak by LiteLLM je widział.
• Narzędzia (tools/) — natywne prymitywy; metadane narzędzi są atrybutami instancji, dzięki czemu dynamicznie generowane narzędzia (OpenAPI/MCP) działają.
• Integracje (integrations/) — klient MCP (opcjonalny extra mcp) + importer OpenAPI→narzędzie + rejestr konektorów.
• Scheduler (scheduler/) — crony + SOP zdarzeniowe; czas jest wstrzykiwany dla deterministycznych testów.
• Migracja (migration/) — importuje konfigurację + skille + scala pamięć długotrwałą z Hermes / OpenClaw, z deduplikacją i bez destrukcji.

Filozofia testowania

Każdy podsystem jest testowany jednostkowo z fałszywymi backendami — deterministycznie, bez sieci, bez kluczy. Komendy, które faktycznie wywołują LLM, są testowane dymnie (smoke-tested) pod kątem ścieżki błędu przy braku klucza. Bramka jakości (ruff + mypy --strict + pytest) działa w CI na Pythonie 3.11 i 3.12.