EvoTrace 真实 Agent 轨迹编译后训练数据集工作流

这是什么？适合谁？

EvoTrace（Apache-2.0，构建于 DeepSeek Harness 之上）是一个本地优先的轨迹编译器：把真实 Claude Code / Codex 会话编译成可复用的训练、评估、验证资产。你控制源数据和产出资产。

它解决的问题——为什么原始轨迹不够：一段 transcript 可能包含 prompt、消息、命令、diff，但后训练需要更多：

• 一个连贯的任务边界，而不是整段聊天
• 任务开始前的仓库状态
• 可复现的依赖和执行环境
• 一个独立的 verifier（拒绝基线、接受已知良好状态）
• 把每个任务、补丁、verifier、run 连起来的 provenance
• 用全新尝试衡量的难度，而非 token 数或补丁大小

EvoTrace 用会话导入、Git/仓库考古、确定性门禁、专用 Agent、隔离执行来弥合这个编译缺口。

适合人群：做 coding-agent 后训练/RL 的研究者；想把日常 Agent 使用沉淀为数据集的人；需要「可验证执行环境」的评测工程师。

不适合：它不是又一个 coding agent，也不要求你改变 Claude Code/Codex 的使用方式。早期 alpha，DeepSeek Harness 是开发者预览。

准备工作

1. 安装：macOS/Linux/WSL 用 curl -LsSf https://raw.githubusercontent.com/jinzijian/EvoTrace/main/install.sh | sh；Windows PowerShell 用 irm .../install.ps1 | iex。
2. 运行时：Git、Node 22.19+/24+、Python 3.9+；Docker 仅在构建/验证可执行环境时需要。
3. 模型：本地导入和确定性挖掘不需要模型；Agent 评审、加固、校准、进化需要。
4. 成本：Apache-2.0 开源，免费；模型 API 按用量。
5. 时间预算：导入分钟级；评审 + Docker 验证小时级。

核心流程（4 步）

第一步：导入与考古

启动 evotrace（打开 DeepSeek Harness Web app），Settings 选 provider（DeepSeek/OpenAI/Anthropic）。在 app 里输入 / 运行 /init——导入现有 Claude Code/Codex 历史，规范化 + Git 考古（重建任务开始前的仓库状态）。

第二步：候选筛选

/candidates 按证据排序会话，隐藏嵌套 subagent 重复项；/show 1 检查候选 1 及其缺失的证据。状态即证据：Mined（有信号）→ Buildable → Bundle generated → Verified → Calibrated。

第三步：顺序评审

/review 1 运行四 Agent 顺序评审（从不并行）：Episode Miner（隔离连贯 episode）→ Candidate Gate（判断价值并记录不可变路由）→ Task Builder/Hardener（构建/加固）→ Verifier Critic（审计 Docker run、verifier 证据、谱系、难度）。每个角色最小权限。

第四步：验证与校准

/validate 1 在 Docker 中做双态验证——一次合规 run 拒绝基线、接受参考实现，并对照确切 bundle digest 记录。/calibrate 1 用全新 solver 尝试衡量难度（默认目标五次尝试两次通过）。

常见踩坑

踩坑 1：把长但弱的轨迹当训练就绪

• 现象：一条很长的会话被误标为可训练。
• 原因：长度 ≠ 质量。
• 解决：评审可能拒绝并给明确理由——拒绝是有用结果，防止弱轨迹被误标。状态按证据升级，不按长度。

踩坑 2：跳过 Docker 验证

• 现象：verifier 没在隔离环境跑过就信任。
• 原因：未验证的 verifier 可能不可靠。
• 解决：验证在可弃 Docker 世界跑（无源码 bind mount、无 Docker socket、无 host 网络、无特权、无 host 凭证）。

踩坑 3：/evolve 没有 held-out 资产

• 现象：只跑 /evolve 1 就宣称经验迁移有效。
• 原因：无对照，只是接线 smoke test，不能证明迁移。
• 解决：/evolve 1 2——asset 1 探索压缩，asset 2 必须是同仓库独立构建的 held-out 任务，比较基线/条件化 solver 尝试。

踩坑 4：把「加长补丁」当「任务加固」

• 现象：以为把补丁写长就是变难。
• 原因：加固必须加可测行为、兼容性、边界用例或失败约束。
• 解决：/harden 1 只认可测的新约束，加长不算加固。

踩坑 5：混淆状态含义

• 现象：看到「Buildable」以为可执行。
• 原因：状态即证据——Buildable 只表示任务/仓库基/重构置信度/参考补丁/verifier 命令/环境门通过；Bundle generated 的 verifier 尚未可信。
• 解决：只有 Verified（Docker 双态验证通过）才表示 verifier 可信。

初级用法

无模型挖掘

/init
/candidates
/show 1

本地导入和确定性挖掘不需要模型，先摸清历史里有什么值得保留。

常用配方

• 编译并独立验证可执行任务：/review 1 → /build 1 → /validate 1 → /runs
• 让简单任务变难：/harden 1 → /calibrate 2
• 测试经验迁移：/evolve 1 2

命令参考

/init [all|codex|claude]、/candidates、/search、/show、/review、/build、/validate、/harden、/calibrate、/evolve、/assets、/runs、/doctor。

高级玩法

失败关闭（fail closed）

空 prompt 包装、低置信重构、缺失参考补丁、缺失验证命令、不支持的 environment、候选切换、资产谱系不匹配——全部失败关闭，不产生带缺陷资产。

最小权限四角色

Orchestrator 暴露固定域工具而非任意 host shell；Builder 不能批准自己的 verifier（Verifier Critic 是独立子会话）；自我对弈和进化是显式操作（会把选定任务上下文发给配置的模型）。

沙箱契约

读 docs/sandbox-contract.md、task-quality-standard.md、schema.md、design.md 了解规范性边界。

小技巧

1. 先 /candidates 再 /review：只评审证据强的候选，省模型成本。
2. 拒绝也是收获：一条弱轨迹被拒绝，防止它被误标为训练就绪。
3. 验证看 digest：Verified 状态对照确切 bundle digest 记录，注意谱系一致性。
4. 难度看新尝试：用 /calibrate 的 solver 尝试衡量难度，别猜 token 数。
5. held-out 是迁移的硬前提：没有独立 held-out 任务的 /evolve 只是接线测试。

常见问题 FAQ

Q1: EvoTrace 是又一个 coding agent 吗？

A: 不是。它是构建在 DeepSeek Harness 上的轨迹编译器，不改你使用 Claude Code/Codex 的方式。它把已存在的工作编译成训练/评估/验证资产。

Q2: 我的代码和数据会上云吗？

A: 导入和挖掘读本地历史与 Git 证据，不改源仓库；验证在可弃 Docker 世界跑；只有 self-play/evolution 会把选定任务上下文发给配置的模型（显式操作）。

Q3: 需要 Docker 吗？

A: 只在构建或验证可执行环境时需要；本地导入和确定性挖掘不需要。

Q4: 产出什么资产？

A: 候选目录、偏好/恢复数据（DPO/SFT/QA）、可执行任务包（eval/RL）、verifier 和奖励候选、难度证据、执行经验。同一验证任务今天可评测、明天可评分、之后可产 RL 数据。

Q5: 现在是正式版吗？

A: 早期 alpha，DeepSeek Harness 是开发者预览。生成的任务和 verifier 在通过证据和 Docker 验证门之前仍是候选。

参考链接

• 官方仓库
• DeepSeek Harness

本文基于公开资料整理（GitHub 仓库 README，数据核验日期 2026-08-27），AI 辅助生成。