jinzijian/EvoTrace

Compile real-world Claude Code and Codex trajectories into verified, tradable post-training assets.

EvoTrace – 将你的 Claude Code / Codex 会话转化为可复用的 AI 训练资产

是什么 – EvoTrace 是一个 本地优先 工具，读取你机器上已有的代码助手历史记录（Claude Code 或 Codex），提取有用的“事件”，并将其转化为可用于模型训练、评估或强化学习管道的结构化资产。它不会取代你的代码助手；它只是将助手已执行的内容编译为有证据支持的任务、验证器和 Docker 就绪环境。

核心理念

导入 – 导入现有的 Claude Code 或 Codex 会话日志。
挖掘 – 从日志中寻找包含足够信号（意图、操作、失败、修复）的连贯编码事件。
审查 – 使用确定性的四代理审查流水线，决定事件是否应成为：
- 优先级/恢复数据（用于 DPO、SFT、QA）
- 可执行任务包（仓库快照 + 规范）
- 验证器 + 奖励候选
- 或被明确拒绝并附上理由
验证 – 在隔离的 Docker 容器中验证生成的任务，确保基础状态被拒绝，参考状态被接受。
可选 – 硬化、校准和“进化”步骤可让你使任务更难，或测试其在保留任务上的迁移能力。

你将获得的成果

资产	生成内容	典型下游用途
候选目录	包含意图、仓库、修正、来源缺口的事件排名列表	快速从大量聊天记录中识别出少数高价值历史
优先级 / 恢复数据	被选中 vs. 被拒绝的尝试、人工修正、成功恢复	DPO、监督微调、失败恢复训练
可执行任务包	仓库快照、初始状态、依赖列表、任务规范	代码助手基准测试、回归测试套件、RL 环境
验证器与奖励候选	测试命令、行为检查、策略、来源	评分部署、生成 RL 奖励信号
难度证据	新的求解器尝试 + 验证结果	课程构建、难度感知采样
执行经验	探索轨迹中压缩的运行时事实	经验迁移实验的训练样本

工作原理（高层级流水线）

Claude/Codex 历史 → /init（导入 + Git 考古学） → /candidates（排序） →
/review（四代理审查：挖掘者 → 门控 → 构建者/硬化者 → 验证者） →
[可选] /build → /validate（Docker 两状态运行） → 已验证资产

四个代理是最小权限角色，按顺序运行，因此单个组件无法同时构建和批准资产。验证在无主机挂载或特权访问的临时 Docker 容器中运行，确保你的源代码安全。

快速上手（步骤）

安装 – 一行脚本适用于 macOS、Linux 或 WSL；Windows 有 PowerShell 版本。
运行 – evotrace 启动 DeepSeek Harness Web UI。
配置 – 在设置中选择提供者（DeepSeek、OpenAI、Anthropic）；挖掘和导入无需模型。
创建你的第一个资产 – 在 UI 中输入斜杠命令：
```
/init
/candidates
/show 1
/review 1
/assets
```
审查步骤将生成已验证任务，或给出明确的拒绝理由。

适用场景

希望从真实世界代码助手交互中收集 DPO 或基于人类反馈的强化学习数据集的研究实验室。
需要可复现的代码任务基准测试的工具构建者（例如，“修复此 bug”并附带精确仓库状态）。
希望保留高质量代码会话个人档案，但不将原始日志发送到云端模型的开发者。
需要由独立求解器尝试测量难度的课程设计者。

限制与当前状态

阿尔法 / 预览版 – 基于开发者预览版 DeepSeek Harness 构建；许多功能仍处于实验阶段。
仅支持 Docker 验证 – 生成或验证可执行包需要安装 Docker。
支持的语言/环境 – 目前聚焦于 DeepSeek Harness 可重构的语言和依赖设置；跨语言或复杂系统级构建在路线图上。
市场与微调导出 – 未来计划产品；开源发布仅提供本地资产生成。

从源码安装（开发者用）

git clone https://github.com/jinzijian/EvoTrace.git
cd EvoTrace
python3 -m venv .venv
source .venv/bin/activate
pip install -e .
pnpm install   # Node 22.19+ 或 24+
pnpm dev       # 本地运行 Harness UI

Python CLI（et --help）提供相同的确定性编译功能，可用于脚本。

许可证

Apache-2.0 – 免费用于商业和学术用途。

总结 – EvoTrace 是一个专门的流水线，弥合了原始代码助手聊天日志与现代 AI 驱动代码生成研究所需的结构化、可复现资产之间的差距。它在本地运行，将你的数据完全置于控制之下，并提供从原始会话到已验证 Docker 任务的清晰审计轨迹。