Evaluación agentric + clodex (09-09-2026): simulacro de candados, muestra mínima en las apuestas, saludo sin despertar sesiones, denominador del mem-surfacer

Vista limpia Editar

ADRactivecreado Wed Sep 09#metodo #harness #evaluaciones #method-doctor #simulacro #wagers #saludo-sesiones #mem-surfacer

Qué se decidió

Evaluación, solo lectura, de dos repos públicos que Edu trajo el 09-09-2026 (s315): vikasprogrammer/agentric (control plane autoalojado para agentes: cada efecto pasa por una puerta que clasifica, pide aprobación humana, controla presupuesto y audita; MIT, pre-beta, 17 ★, un autor, exige Node 22 + tmux + ttyd en macOS/Linux) y avirtual/clodex (gestor visual de flotas de sesiones Claude Code/Codex con bus de mensajes entre agentes, peering por SSH y telemetría de coste vía su proxy; Apache-2.0, 13 ★, solo macOS Apple Silicon y Linux headless: sin Windows).

Ninguno se adopta. clodex resuelve lo que Claude Code ya trae nativo (ListAgents/SendMessage, /tasks, Workflow) y no corre en las estaciones Windows del equipo. agentric es un sistema operativo entero de agentes que pisa el Gestor, la wiki, la Biblioteca y el plugin crearack-hooks con menos maquinaria que la nuestra y un servidor más que mantener. Mismo género que las evaluaciones de infinite-brain-os y claude-smart.

Cherry-picks adoptados el mismo día (GO de Edu)

#	De dónde	Qué se hizo	Dónde
1	`docs/agent-selftest-prompt.md` de agentric: un prompt que la sesión ejecuta contra sí misma y se autoinforma PASS/FAIL	Simulacro de candados. `harness/gate_selftest.py` alimenta a los 4 hooks Python (gate Regla 0, here-string, guarda del modelo de subagentes, gate de commit contra un listener HTTP local) con la entrada de Claude Code del camino de FALLO y exige el deny, y con la del camino bueno y exige que pase: 18 pruebas, todo en temporales. Es la capa H de `method-doctor.ps1`: A-G prueban que el candado ESTÁ, H que BLOQUEA. Probado que falla con un hook roto y que el doctor lo reporta como drift. La skill `/method:simulacro` ejercita en sesión viva los function hooks del plugin (guard del merge, tapado de secretos, Regla 5, gate en vivo, y observa Regla 0 push y vigilante del CI). Hueco que tapa: el doctor comprobaba presencia y paridad por hash, y `crearack-hooks/tests/` son unitarios de funciones; nadie comprobaba que un candado deniega en una sesión viva (CLAUDE.md §0 ya decía “si el gate no bloquea, sospecha de `BIB_GATE_SKIP=1`”).	claude-method `c2cec04`
2	`src/edge/measurement.ts` de agentric: veredictos `improved / declined / flat / insufficient`, sin veredicto por debajo de `MIN_N = 8`, “correlacional, y lo dice”	Muestra mínima en las apuestas: cada apuesta declara al registrarse cuántos datos hacen falta para dictaminar; si al vencer no llegan, veredicto `insuficiente` y prórroga con nueva fecha. Un antes/después es correlación, no prueba controlada, y el veredicto lo dice.	`antesala.md` §La apuesta (CreaRack-Pro `423fa9c0`) + cabecera de `WAGERS.md` (workspace `29660256`)
3	Entrega consciente del coste de clodex: un mensaje a un par frío se aparca en vez de re-facturar su contexto entero	Saludo sin despertar sesiones dormidas: `saludo-sesiones.md` ya no manda saludar a cada sesión listada; las `offline` y las cloud `idle` no se saludan (despertarlas cobra la recarga de todo su contexto para leer un saludo) salvo que vayan a tocar la misma pieza. Caso del 09-09: 6 pares listados, 3 offline y 2 cloud idle de otro proyecto.	claude-method `b242072` (global-rules; el sync lo propaga a los 3 perfiles)
4	Corrección v0.280.0 de agentric: “una señal que viaja en el prompt de todos los agentes necesita un denominador y un test de forma, no un umbral sobre un conteo bruto”	Denominador del mem-surfacer antes de decidir el anti-goteo pendiente en NEXT: `history.py empujadas` cuenta por sesión las fichas que el hook PreToolUse empuja y cuántas se leen después con Read. Medido en 35 sesiones de Pro: 2.334 empujes, 1.963 fichas distintas, 6 leídas después = 0,3 %; cinco de las seis eran `footguns_`. Límite: el modelo puede actuar por la descripción sin abrir la ficha, así que el acierto real es ≥0,3 %, pero no hay señal de que el empuje cambie la conducta. Decisión pendiente de Edu* (en NEXT): recomendación = empujar solo `footguns_*`, una vez por ficha y sesión; alternativa = apagarlo.	claude-method `65e0312`

Nevera (vistos, no propuestos)

Política que solo admite propuestas de ENDURECIMIENTO por parte de agentes (aflojar se rechaza por construcción) — encaja con /self-harness, pero la regla de consenso + backup ya lo cubre · estado de sesión por hooks del runtime (running / blocked / rate-limited / crashed) para el estibador colgado — lo trata la task #290 · sanitizador de heredocs con asimetría segura (quitar texto solo puede costar una aprobación extra, nunca esconder un comando) — el clasificador que nos bloquea es de Anthropic, no nuestro.

Cómo se verificó

python harness/gate_selftest.py → OK: 18/18; con un hook sustituido por sys.exit(0) → 5 FAIL, y method-doctor.ps1 -Json pasa a drift con [candados] candado que no bloquea: …; sin restos en ~/.claude/.bib-gate/.
Skill en vivo (s315): paso 3 gh pr merge 527 --squash → denegado por crearack-hooks con PR #527 no está OPEN (MERGED); paso 4 → <redacted:anthropic:…>; paso 5 → contexto Regla 5 (crearack-hooks): regla5_selftest.py queda en 520 líneas. Paso 6 (borrar el flag del gate) lo veta el clasificador de permisos al agente: la skill lo documenta y pide el ! del usuario.
Backup previo: tag pre-agentric-cherrypicks-2026-09-09 en claude-method.

Véase también

[[ia-tech—metodo—justinsclaude-2026-09]]
[[ia-tech—metodo—harness-engineering]]
[[ia-tech—metodo—runbook-cambios-harness]]