CORAL 多智能体自进化基础设施
让多个编码智能体并行实验、共享经验，并由评分器持续评估改进。
按维度查看评分与理由
证据显示：README 提到 Docker 会话将代理与评分器隔离，代理以非特权用户运行，且无法读取 .coral/private/（评分器 venv、答案键），这体现了最小权限原则（least_privilege=2）。用户确认方面，插件工作流要求用户明确请求优化，但未显示每次操作都需确认（user_confirmation=1）。数据流透明度：README 描述了 .coral/public/ 和 .coral/private/ 的分离，但未详细说明数据流向（data_flow_transparency=2）。敏感数据处理：.coral/private/ 的隔离表明对敏感数据有处理，但未说明加密或具体保护措施（sensitive_data_handling=2）。依赖安全：pyproject.toml 列出了依赖，但未提供漏洞扫描或锁定文件（dependency_security=1）。外部影响：代理在 git worktree 中运行，可能修改文件系统，但未明确限制（external_effects=2）。回滚：未提及回滚机制（rollback=1）。来源归属：README 引用了论文和致谢，但未明确代码来源（source_attribution=2）。
证据显示：README 和 pyproject.toml 描述一致，测试文件存在，表明一定的一致性（self_consistency=2）。依赖可用性：依赖列表明确，但未提供锁定文件或版本范围，可能影响可重现性（dependency_availability=1）。失败消息：README 提到 coral-run-doctor 用于排查问题，但未提供具体失败消息示例（failure_messages=1）。
证据显示：README 描述了多种使用场景（优化、数学、系统等），受众明确（audience_and_scenarios=2）。能力边界：README 提到支持的代理和 Docker 要求，但未明确限制（capability_boundaries=2）。触发精度：插件工作流有明确步骤（coral setup → init/validate → start），但未详细说明触发条件（trigger_precision=2）。环境适配：README 提到 Python 3.11+ 和 Docker 要求，但未说明其他环境（environment_fit=2）。
证据显示：README 结构清晰，有安装、使用、示例等章节（information_architecture=2）。安装说明：提供了 curl 安装命令和文档链接（install_notes=2）。命名稳定性：项目名称和 CLI 命令一致（naming_stability=2）。示例和 FAQ：提供了多个示例，但未提供 FAQ（examples_and_faq=2）。已知限制：README 提到 Docker-in-Docker 不支持，但未列出其他限制（known_limitations=2）。许可证：Apache-2.0 许可证文件完整（license=3）。版本和变更日志：README 有新闻更新，但未提供正式变更日志（versioning_changelog=2）。维护责任：README 有贡献指南，但未明确维护者（maintenance_responsibility=2）。
证据显示：输出可用性：README 描述了输出（如优化后的代码），但未提供具体格式（output_usability=2）。边际价值：CORAL 提供了多代理协作和自动评估，具有独特价值（marginal_value=2）。成本效益：README 提到 API 积分支持，但未提供成本分析（cost_benefit=2）。
证据显示：声明可追溯性：README 引用了论文和博客，但未提供具体证据（claim_traceability=2）。跨来源佐证：论文和博客可能提供额外信息，但未在仓库中验证（cross_source_corroboration=1）。事实与推断分离：README 区分了新闻和功能，但未明确区分（fact_inference_separation=2）。
- 依赖未锁定，可能影响可重现性。
- 未提供回滚机制，代理可能造成不可逆更改。
- 未提供明确的失败消息示例，故障排查可能困难。
- 未提供 FAQ，用户可能缺乏常见问题解答。
- 未明确维护者，长期维护责任不清晰。
这个 Agent 能做什么，适合哪些场景？
CORAL 是面向自动研究和开放式代码优化的多智能体实验基础设施。它通过 CLI 启动 Claude Code、Codex、Cursor Agent、Kiro 或 OpenCode，并把每个智能体放入独立的 Git worktree。各智能体通过 `.coral/public/` 实时共享 attempts、notes 和 skills，评分守护进程则为每次提交打分。管理器可发送 `reflect`、`consolidate` 和 `pivot` 心跳提示，也支持隔离岛、岛间迁移及可复用的 LLM rubric judges。CORAL 主要运行在本地主机；若评分器依赖 Harbor 和 Docker，CORAL 本身不能放进 Docker，因为不支持 Docker-in-Docker。
用户提供代码库、任务配置和评分器后，CORAL 通过 coral start -c task.yaml 启动实验。管理器为各编码智能体创建独立 Git worktree，并将 .coral/public/ 链接到每个工作区，使它们能够读取彼此的 attempts、notes 和 skills。智能体修改代码并提交结果，grader daemon 对每次 commit 评分；管理器通过心跳提示推动反思、知识整合或方向切换。多岛模式可以限定各岛可见的尝试、笔记、技能和心跳状态，并允许在岛之间迁移。最终产生的是一系列可审计的代码提交、评分记录和共享研究状态，而不是托管式聊天产品或独立模型 API。
- 算法研究者已有目标代码和量化评分函数，希望让多个编码智能体并行搜索更优实现，例如圆形装填或数学猜想实验。
- 系统工程团队需要按性能指标反复优化 VLIW SIMD 或 GPU kernel，并希望每个候选提交都由独立评分器评估。
- 机器学习研究者希望围绕 MNIST、Spaceship Titanic 或 mRNA 降解预测任务组织可重复的多智能体实验。
- 基准维护者需要运行 SWE-bench 或 terminal-bench 一类依赖 Harbor、Docker 隔离环境的评分流程。
- 需要评估报告、备忘录或法律分析等开放式成果的团队，可采用项目提供的可复用 rubric judge 评分器包。
这个 Agent 有哪些优点和局限？
- 原生支持 Claude Code、Codex、Cursor Agent、Kiro 和 OpenCode，可在同一实验框架中更换编码智能体运行时。
- 独立 Git worktree 与实时共享的
.coral/public/同时提供修改隔离和跨智能体知识共享。 - grader daemon 对每次提交评分，实验结果与代码提交直接关联，便于审计和比较。
- 多岛运行能够隔离探索状态并通过迁移扩大搜索范围，适合需要多样化探索的研究任务。
- Docker 会话中智能体以非特权用户运行，无法读取
.coral/private/中的评分环境或答案信息。
- 采用前必须自行设计或打包 grader；只有代码库而没有可靠评价函数时，CORAL 无法完成核心实验闭环。
- 每种编码智能体都必须单独安装和认证，相关账户、模型访问及潜在使用费用不由 CORAL 统一提供。
- 依赖 Harbor 的评分器要求 Docker，但 CORAL 本身不能在 Docker 内运行，限制了 Docker-in-Docker 式部署。
- 主机环境中的用户隔离需要显式启用
agents.isolate_user，默认部署不能直接获得与 Docker 会话相同的隔离边界。 - 所给材料列出了示例，但没有提供吞吐量、资源消耗或相对其他系统的量化基准，规模化成本仍需自行验证。
如何安装或部署这个 Agent？
准备 Python 3.11+，并单独安装、登录至少一种受支持的编码智能体。执行：
curl -fsSL https://raw.githubusercontent.com/Human-Agent-Society/CORAL/main/install.sh | sh该脚本通过 uv tool install 全局安装最新 coral 版本；如需固定版本，可设置 CORAL_VERSION=<tag>。某些 SWE-bench 或 terminal-bench 评分器还需要主机上的 Docker。
如何使用这个 Agent？
创建并启动首个任务：
coral init my-task
cd my-task && coral start -c task.yaml任务必须包含可供智能体处理的代码和有效评分器配置；自 v0.6.0 前后的当前配置方式应使用 grader.entrypoint 指向已打包评分器，旧式 eval/grader.py 自动发现已被移除。也可在 Claude Code 中安装插件：/plugin marketplace add Human-Agent-Society/CORAL，随后执行 /plugin install coral@coral-marketplace；Codex v0.117.0+ 对应执行 codex plugin marketplace add Human-Agent-Society/CORAL 和 codex plugin add coral@coral-marketplace。插件不使用 MCP，主要提供 setup、init、validate、start、status 和 log 工作流指导。
常见问题
使用 CORAL 是否还需要购买模型或智能体服务？
评分器中的答案或私有环境会暴露给智能体吗？
.coral/private/。在主机上，相应用户隔离是通过 agents.isolate_user 选择性启用的。可以把 CORAL 自身部署在 Docker 容器里吗？
它是否要求 MCP？
现有的 eval/grader.py 任务还能直接运行吗？
grader.entrypoint 显式连接。