内容
# 天际：适用于长期任务的持续改进工具
<img width="1500" height="600" alt="从 RALPH 到天际 — 智能互联网技术报告" src="https://github.com/user-attachments/assets/8c3c76e7-4a54-4c6e-95b7-25db573a0881" />
<p>
<a href="https://github.com/Intelligent-Internet/zenith/actions/workflows/ci.yml"><img src="https://github.com/Intelligent-Internet/zenith/actions/workflows/ci.yml/badge.svg" alt="持续集成"></a>
<a href="LICENSE"><img src="https://img.shields.io/badge/license-Apache--2.0-blue.svg" alt="许可证：Apache-2.0"></a>
<img src="https://img.shields.io/badge/python-3.11%2B-blue.svg" alt="Python 3.11+">
<a href="technical_report/Technical_Report.pdf"><img src="https://img.shields.io/badge/技术报告-PDF-b31b1b.svg" alt="技术报告"></a>
</p>
天际是一款适用于可能运行数天或数周的任务的代理程序，它的主要故障模式是**过早终止**，而不是无法取得进展。它作为多代理协调器运行在MCP/ACP上：一个协调器会话每轮读取任务状态，并决定是否生成工作进程、测试进程、注册可重复使用的技能、重新规划或停止。
本仓库包含天际工具（[`zenith/`](zenith/)）和智能互联网技术报告（2026年）。
> **[阅读报告（PDF）](technical_report/Technical_Report.pdf)**
## 摘要
长期运行的代理程序通常不会因为无法取得进展而失败，而是因为在任务真正完成之前过早停止。我们测试了八个长期任务中的五种控制机制，以隔离关键的控制机制：重复查找差距、可修订的规划、独立验证、自适应协调和停止规则。
RALPH是最强的简单基线，因为它强制每个新会话重新打开当前项目状态和原始需求之间的差距。但RALPH成本高且没有原则性的停止规则。
我们的天际方法保留了重复审查的有用部分，使循环自适应：协调器动态分配工作进程、测试进程、可重复使用的技能、重新规划和停止决策。在这项研究中，天际取得了最佳平均排名，同时每任务成本不到RALPH的一半。
<img width="1445" height="1088" alt="基准测试结果：天际与RALPH变体在八个长期任务中的比较" src="https://github.com/user-attachments/assets/200a7337-38a9-4fa2-91e6-60cc6ce07f5b" />
## 快速开始
### 选项1 — 让您的代理程序自行安装
将以下提示复制到Claude Code或Codex中：
```text
/goal 读取 https://github.com/Intelligent-Internet/zenith 的readme，检测是否使用Claude Code、Codex或两者，安装需求，安装并运行天际（即 uv run zenith，如readme中所示），并创建一个名为 /zenith 的新技能 - 当使用时（以及额外的提示），它将调用技能：最小的技能内容应为："""首先读取 .claude/orchestrator_prompt.md 并将其视为您的主要角色，然后使用天际运行此任务。" ""之后，您可以添加有关天际工具的信息，基于readme和技术报告（存储库内），以及有关如果天际尚未运行，如何启动天际的信息。更改技能以在Codex中使用 .codex。当同时使用这两个工具时，请确保正确地将技能添加到两者中。实际上，可能还有更多工具选项（例如Hermes）。查看支持的工具列表，见 zenith/src/zenith_harness/providers.py，并为检测到的工具添加相应的技能。当完成时，确认天际已安装、运行并就绪，解释一下天际的信息，以及何时使用它。
```
这将：
- 安装天际及其需求
- 使用 `uv` 启动天际
- 为每个检测到的代理程序创建一个 `/zenith` 技能
然后，在Claude Code或Codex中输入：
```text
/zenith <您的指令或查询>
```
### 选项2 — 手动安装
**需求**
- Python 3.11+
- [`uv`](https://docs.astral.sh/uv/)
- Node.js 22+ 和 `npm`
- Claude Code、Codex或Hermes（参见 [`providers.py`](zenith/src/zenith_harness/providers.py) 获取支持的代理程序列表）
**安装**
```bash
cd zenith
uv sync
uv run zenith --help
```
全局安装ACP适配器，以便天际运行您选择的代理程序：
```bash
# Claude工作进程/验证器
npm install -g @agentclientprotocol/claude-agent-acp
command -v claude-agent-acp
# Codex工作进程/验证器
npm install -g @agentclientprotocol/codex-acp
command -v codex-acp
```
**初始化工作空间**
初始化天际应运行的项目工作空间。这就是您的目标应用程序/仓库，而不是天际源代码：
```bash
# Claude Code，从此天际仓库
uv run zenith init --workspace-dir /path/to/your-app --agent claude
# 或Codex，从此天际仓库
uv run zenith init --workspace-dir /path/to/your-app --agent codex
```
**运行任务**
从初始化的项目工作空间启动您的代理程序：
```bash
cd /path/to/your-app
claude
# 或
codex
```
然后要求代理程序读取生成的协调器提示（对于Codex，请使用 `.codex/orchestrator_prompt.md`）：
```text
首先读取 .claude/orchestrator_prompt.md 并将其视为您的主要角色，然后使用天际运行此任务。
<您的指令或查询>
```
## 天际工作原理
<p align="center">
<img src="technical_report/images/zenith.png" alt="天际工具架构" width="780"/>
</p>
单个协调器会话每轮读取任务状态，并决定下一步操作：生成工作进程或测试进程子代理、注册可重复使用的技能、重新规划或停止。工作进程和测试进程在它们自己的上下文中运行并报告回来；协调器在下一次决策之前集成它们的结果。
## 结果
### 前沿软件工程基准
在 [前沿软件工程基准](https://www.frontierswe.com) 上，天际 — 运行在GPT-5.5上 — 总体排名第一，在实施、性能和对前沿模型的支配方面领先。
| # | 模型 | 工具 | 平均排名 ↓ | 支配 ↑ | 实施 ↓ | 性能 ↓ | 研究 ↓ |
| ---: | --- | --- | ---: | ---: | ---: | ---: | ---: |
| 1 | GPT-5.5 | **天际** | **2.06** | **92%** | **1.60** | **1.89** | 3.33 |
| 2 | Claude Fable | Claude Code | 2.71 | 88% | 1.80 | 2.11 | 6.00 |
| 3 | Claude Opus 4.8 | Claude Code | 5.06 | 71% | 4.20 | 5.56 | 5.00 |
| 4 | GLM-5.2 | Claude Code | 5.31 | 69% | 5.60 | 6.50 | 1.67 |
| 5 | GPT-5.5 | Codex | 5.53 | 68% | 7.40 | 4.44 | 5.67 |
| 6 | Claude Opus 4.7 | Claude Code | 6.35 | 59% | 5.00 | 7.00 | 6.67 |
| 7 | Claude Opus 4.6 | Claude Code | 7.53 | 52% | 7.60 | 7.56 | 7.33 |
| 8 | GPT-5.4 | Codex | 8.06 | 50% | 7.20 | 9.67 | 4.67 |
| 9 | Composer 2.5 | Cursor CLI | 9.35 | 38% | 7.80 | 11.11 | 6.67 |
| 10 | Gemini 3.1 Pro | Gemini CLI | 9.65 | 37% | 11.80 | 7.44 | 12.67 |
| 11 | GLM-5.1 | Claude Code | 10.88 | 29% | 10.80 | 11.00 | 10.67 |
| 12 | DeepSeek V4 Pro | Claude Code | 11.00 | 27% | 10.80 | 11.11 | 11.00 |
| 13 | Kimi K2.5 | Kimi CLI | 11.65 | 24% | 13.00 | 10.22 | 13.67 |
| 14 | Kimi K2.6 | Kimi CLI | 11.82 | 25% | 10.40 | 12.78 | 11.33 |
| 15 | Qwen3.6-Plus | Qwen Code | 12.47 | 21% | 15.00 | 10.67 | 13.67 |
<sub>*指标由 [前沿软件工程排行榜](https://www.frontierswe.com) 报告。排名列：越低越好。支配：越高越好。*</sub>
### 消融研究
为了分离关键的控制机制，我们比较了天际与RALPH和三种减少的工具变体在八个长期任务中的表现。天际取得了最佳平均排名，任务成本不到RALPH的一半。
| 方法 | 平均排名 ↓ | 平均成本（美元/任务）↓ | 胜利（8个任务中）↑ |
| --- | ---: | ---: | ---: |
| 单会话 | 5.00 | $22.21 | 0 |
| 计划-RALPH | 4.00 | $161.53 | 0 |
| 里程碑-RALPH | 2.88 | $209.47 | 0 |
| RALPH | 1.75 | $407.58 | 3 |
| **天际** | **1.38** | **$175.68** | **5** |
<sub>*一次“胜利”是指方法在任务中排名第一；八次胜利划分了八个基准任务。*</sub>
## 仓库布局
| 路径 | 内容 |
| --- | --- |
| [`zenith/`](zenith/) | 天际工具 — Python包 (`zenith-harness`)、CLI、MCP服务器、捆绑提示和技能、测试 |
| [`technical_report/`](technical_report/) | *从RALPH到天际* 技术报告 — PDF、LaTeX源代码和图表 |
## 贡献
欢迎贡献 - 请参阅 [CONTRIBUTING.md](CONTRIBUTING.md) 获取开发设置和PR指南，以及 [SECURITY.md](SECURITY.md) 获取如何报告漏洞的信息。
## 引用
```bibtex
@techreport{ii2026zenith,
title = {从RALPH到天际：为长期运行的代理设计工具},
author = {{智能互联网}},
institution = {智能互联网},
year = {2026},
type = {技术报告},
url = {https://github.com/Intelligent-Internet/zenith}
}
```
## 许可证
天际代码在 [Apache License 2.0](LICENSE) 下许可。技术报告及其图表在 [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 下许可。
