jinzijian/EvoTrace

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

EvoTrace – 將你的 Claude Code / Codex 會話轉化為可重複使用的 AI 訓練資產

是什麼 – EvoTrace 是一個 本地優先 工具，讀取你機器上已有的程式碼助手歷史（Claude Code 或 Codex），提取有用的「事件」，並轉換為可用於模型訓練、評估或強化學習管道的結構化資產。它不會取代你的程式碼助手；它僅將助手已執行的內容編譯為有證據支持的任務、驗證器與 Docker 就緒環境。

核心理念

匯入 – 匯入現有的 Claude Code 或 Codex 會話日誌。
挖掘 – 從日誌中尋找包含足夠訊號（意圖、動作、失敗、修復）的連貫編碼事件。
審查 – 使用決定性的四代理審查流程，決定事件是否應成為：
- 偏好/恢復資料（用於 DPO、SFT、QA）
- 可執行任務包（倉儲快照 + 規範）
- 驗證器 + 奖勵候選
- 或被明確拒絕並附上理由
驗證 – 在隔離的 Docker 容器中驗證生成的任務，確保基礎狀態被拒絕，參考狀態被接受。
可選 – 硬化、校準與「進化」步驟可讓你使任務更難，或測試其在保留任務上的遷移能力。

你將獲得的成果

資產	生成內容	典型下游用途
候選目錄	包含意圖、倉儲、修正、來源缺口的事件排名列表	快速從大量聊天記錄中識別出少數高價值歷史
偏好 / 恢復資料	被選中 vs. 被拒絕的嘗試、人工修正、成功恢復	DPO、監督微調、失敗恢復訓練
可執行任務包	倉儲快照、初始狀態、相依性列表、任務規範	程式碼助手基準測試、回歸測試套件、RL 環境
驗證器與獎勵候選	測試命令、行為檢查、策略、來源	评分部署、生成 RL 奖勵信號
難度證據	新的求解器嘗試 + 驗證結果	課程建構、難度感知取樣
執行經驗	探索軌跡中壓縮的執行時事實	經驗傳遞實驗的訓練樣本

工作原理（高階流程）

Claude/Codex 歷史 → /init（匯入 + Git 考古學） → /candidates（排序） →
/review（四代理審查：挖掘者 → 門控 → 建構者/硬化者 → 驗證者） →
[可選] /build → /validate（Docker 兩狀態執行） → 已驗證資產

四個代理是最小權限角色，依序運行，因此單一元件無法同時建構與批准資產。驗證在無主機掛載或特權存取的暫時 Docker 容器中執行，確保你的原始碼安全。

快速上手（步驟）

安裝 – 一行指令適用於 macOS、Linux 或 WSL；Windows 有 PowerShell 版本。
執行 – evotrace 啟動 DeepSeek Harness Web UI。
設定 – 在設定中選擇提供者（DeepSeek、OpenAI、Anthropic）；挖掘與匯入無需模型。
建立你的第一個資產 – 在 UI 中輸入斜線指令：
```
/init
/candidates
/show 1
/review 1
/assets
```
審查步驟將產生已驗證任務，或給出明確的拒絕理由。

適用情境

希望從真實世界程式碼助手互動中收集 DPO 或基於人類反饋的強化學習資料集的研究實驗室。
需要可重複使用的程式碼任務基準測試的工具建構者（例如，「修復此 bug」並附上精確倉儲狀態）。
希望保留高品質程式碼會話個人檔案，但不將原始日誌傳送至雲端模型的開發者。
需要由獨立求解器嘗試測量難度的課程設計者。

限制與目前狀態

Alpha / 預覽版 – 基於開發者預覽版 DeepSeek Harness 建構；許多功能仍處於實驗階段。
僅支援 Docker 驗證 – 生成或驗證可執行包需安裝 Docker。
支援語言/環境 – 目前聚焦於 DeepSeek Harness 可重建的語言與相依設定；跨語言或複雜系統級建構在路線圖上。
市場與微調匯出 – 未來計畫產品；開源發布僅提供本地資產生成。

從原始碼安裝（開發者用）

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       # 本地執行 Harness UI

Python CLI（et --help）提供相同的決定性編譯功能，可用於腳本。

授權

Apache-2.0 – 免費用於商業與學術用途。

總結 – EvoTrace 是一個專門的流程，彌補原始程式碼助手聊天日誌與現代 AI 驅動程式碼生成研究所需的結構化、可重複資產之間的差距。它在本地運行，將你的資料完全掌握在手中，並提供從原始會話到已驗證 Docker 任務的清晰審計軌跡。