Skip to content

Releases

v1.5.0 — Segunda fase adversarial y contrato fijado

Choose a tag to compare

@MauricioPerera MauricioPerera released this 25 Oct 00:12

Segunda fase adversarial priorizada para el motor y los datos de Repo-as-an-Agent: siete escenarios deterministas, contrato inicial fijado y cinco controles de integridad y rutas de las evidencias. Mantiene los cuatro estados del gestor y cero dependencias nuevas.

Siete escenarios priorizados

Cada escenario incluye controles válidos y variantes adversariales reproducibles en copias ficticias.

ID Prioridad Qué comprueba
REC-06 P0 Conserva documentos, tareas e historial ante fallos de guardado y escritura, y permite un reintento explícito.
ENT-01 P0 Conserva comillas, barras, acentos y expresiones de shell como datos literales, sin crear el centinela de ejecución.
ENT-03 P0 Bloquea credenciales ficticias preparadas aunque se corrija únicamente la copia local; permite el control válido .pub.
ENT-06 P1 Rechaza fallos al leer el tamaño o contenido preparado en vez de aceptarlos como datos vacíos.
TAR-06 P0 Conserva un bloqueo ajeno y una edición concurrente, sin sobrescribir la tarea ni anunciar una actualización inexistente.
EVA-02 P0 No ejecuta scripts alterados, filtros, hooks o configuración Git de la copia evaluada; ignora inclusiones externas y rechaza objetos y metadatos enlazados no admitidos.
EVA-04 P0 Rechaza la sustitución de una copia o contrato frente al punto original, ignora referencias de reemplazo y detecta metadatos alterados.

Contrato fijado y correcciones

  • agent-eval.sh prepare devuelve BASE_CHECKPOINT. Se conserva fuera del alcance de la copia y se pasa como segundo argumento de check; el resultado identifica CONTRACT_ANCHOR=pinned.
  • El uso anterior sin ese punto mantiene compatibilidad e informa CONTRACT_ANCHOR=not_pinned, sin acreditar la procedencia del contrato. Se conservan los formatos de puntos SHA-1 y SHA-256 cuando Git los admite.
  • El evaluador utiliza un lector Git privado que conserva el índice observado. Inspecciona únicamente el formato de objetos como dato, sin aplicar la configuración ni seguir inclusiones externas de la copia.
  • El control previo al guardado bloquea fallos de lectura del tamaño o contenido preparado. Los ensayos reprodujeron con el código anterior una lectura fallida aceptada y la ejecución de un centinela mediante fsmonitor; las correcciones detectan esos negativos.

Cinco controles de las evidencias

  1. Aceptar la evidencia válida con su recibo externo conservado.
  2. Rechazar temporales que invadan el directorio del informe.
  3. Rechazar rutas ambiguas antes de crear el destino.
  4. Detectar un informe alterado.
  5. Detectar un paquete sustituido aunque su manifiesto vuelva a ser autoconsistente.

Los informes privados conservan escenarios, comandos, códigos esperados y observados, fechas UTC, punto base y huellas de los bytes probados. verify devuelve ENGINE_EVIDENCE_STATUS: acredita integridad de archivos, sin convertir un resultado FAIL en una campaña aprobada. Las evidencias no se publican automáticamente en Pages ni como adjuntos de Actions.

Verificación y límites

  • 7 de 7 escenarios y 5 de 5 controles aprobados en Linux, macOS y Windows, sin variantes omitidas. La ejecución funcional verificada de GitHub Actions aprobó sus ocho comprobaciones, incluidas las suites anteriores del motor, del observador y de la landing.
  • Reejecución local de los siete escenarios, los cinco controles y la comprobación del contrato fijado: aprobada.
  • La tabla de cobertura reutiliza las regresiones existentes de memoria, tareas, ADD e intentos sin contarlas otra vez como escenarios nuevos.
  • Esta versión cubre las variantes deterministas documentadas. No acredita los 60 escenarios completos, una campaña de modelos reales ni aislamiento del sistema operativo; mantiene OS_ISOLATION=not_attested. Las huellas comprueban integridad, no autoría.

Guía de la segunda fase · CHANGELOG de v1.5.0 · Catálogo adversarial · Cambios desde v1.4.1

v1.4.1 — Guía visual del observador adversarial y acceso desde el README

Choose a tag to compare

@MauricioPerera MauricioPerera released this 24 Oct 23:04

Guía visual del observador adversarial presentado en v1.4.0, con ejemplos para personas técnicas y no técnicas y acceso directo desde el README.

Novedades

  • Nueva sección del observador adversarial en la landing, con ejemplos públicos ficticios de fugas de canarios propios, cruzados y externos.
  • Demostración interactiva de PASS, FAIL y ERROR: entrega correcta, fuga de canario y contrato alterado, con el motivo de cada resultado.
  • Recorrido visual del contrato externo, las capturas privadas y las huellas de evidencia. Incluye ejemplos de detección de alteraciones del contrato, del verificador y de los informes.
  • Tres botones de copia: pedido para el agente, preparación/comprobación del ensayo y verificación de evidencias con huellas conservadas por el operador.
  • Cabecera y navegación para destacar el observador; la última versión estable y su enlace siguen generándose automáticamente al publicar GitHub Pages.
  • Enlace directo desde el README a la nueva sección, junto a la documentación de la batería adversarial.

Verificación y alcance

  • 70 pruebas con Playwright, incluidas 18 nuevas para el observador, y 18 pruebas del sitio, aprobadas en GitHub Actions. Sus ocho comprobaciones finalizaron correctamente, incluidas las suites de Linux, macOS y Windows.
  • 18 comprobaciones sobre la landing publicada, nueve en escritorio y nueve en móvil emulado. Los botones se contrastan con el texto completo del portapapeles y el diseño se comprueba entre 320 y 1280 px.
  • El enlace se abrió desde el README de GitHub en ambos tamaños: llega a #observador con el título de v1.4.0 visible.
  • La guía muestra los límites de INF-01 y OS_ISOLATION=not_attested: un PASS acredita condiciones observables de archivos, sin acreditar aislamiento del equipo ni la actuación de un modelo. Las huellas comprueban integridad, no autoría; las capturas se conservan en privado.
  • La página usa muestras inventadas y no ejecuta pruebas, modelos ni operaciones sobre archivos. Los 60 escenarios del catálogo y las campañas reales siguen pendientes.
  • El motor y sus requisitos no cambian: se mantienen los cuatro estados del gestor y cero dependencias nuevas.

CHANGELOG de v1.4.1 · README de v1.4.1 · Guía del observador · Cambios desde v1.4.0

v1.4.0 — Observador adversarial y evidencias verificables

Choose a tag to compare

@MauricioPerera MauricioPerera released this 24 Oct 21:43

Primera fase de la batería adversarial de Repo-as-an-Agent: un observador de archivos con contrato externo, canarios ficticios y evidencias verificables. Mantiene los cuatro estados del gestor y no añade dependencias.

Observador adversarial

  • adversarial.sh prepare crea dos copias ficticias separadas —control válido y variante adversarial— sin copiar los documentos ni la memoria del usuario. El operador conserva aparte la huella del contrato.
  • adversarial.sh check contrasta las capturas con el contrato externo sin ejecutar scripts ni consultar el Git de las copias. Distingue PASS, FAIL y ERROR; un control positivo incorrecto no se presenta como un ataque rechazado.
  • Tres canarios permiten detectar fugas propias, cruzadas y externas, incluidos nombres de archivo. Los diagnósticos públicos no imprimen sus valores.
  • Detecta cambios en el resultado esperado, el contrato, el verificador conservado y el comando original. También comprueba la raíz común y las exclusiones de los guardados habituales.

Evidencias y privacidad

  • Cada comprobación conserva capturas independientes, fechas UTC, punto base del motor, resultados y motivos en un directorio nuevo.
  • adversarial.sh verify-evidence comprueba informes y manifiestos mediante la huella externa conservada. Sustituir un paquete por otro autoconsistente tampoco satisface la huella original.
  • Las capturas y los errores originales son privados. Los directorios generados quedan excluidos de los guardados habituales, y no se publican automáticamente en GitHub o Pages.

Pruebas

  • 36 controles nuevos de infraestructura: 36 aprobados en Linux, 36 en macOS y 35 en Windows, con un caso de enlaces simbólicos omitido por capacidad del entorno. Los controles de fugas y alteraciones pasan en los tres sistemas.
  • Las 158 comprobaciones existentes por sistema siguen aprobadas: 38 generales, 102 del gestor y 18 del evaluador.
  • 18 pruebas del sitio y 52 con Playwright aprobadas. La landing incorpora la guía visual de evaluaciones e intentos de v1.3.0, sus botones de copia y el enlace directo del README.
  • Ejecución funcional verificada en GitHub Actions.

Límites del aislamiento

  • Esta fase comprueba archivos y evidencia del control INF-01. No configura ni acredita aislamiento del sistema operativo, ni observa llamadas o todos los efectos externos. Informa OS_ISOLATION=not_attested y no ejecuta un modelo.
  • Las copias deben estar detenidas al capturarlas. El código confiable y las huellas deben quedar fuera del alcance del evaluado; las huellas acreditan integridad, no autoría.
  • Un agente hostil real requiere un entorno externo con permisos y observación independientes. Las junctions y otros mecanismos de Windows necesitan su propia campaña.
  • Cada árbol admite 512 entradas, 1 MiB por archivo y 8 MiB en total. Superar un límite devuelve ERROR; estos límites no contienen CPU, memoria, procesos o red.
  • Los controles simulados y los casos omitidos no acreditan una campaña real ni la ejecución completa del catálogo de 60 escenarios.

Consulta la guía del observador, el plan adversarial y el CHANGELOG.

v1.3.0 — Evaluaciones del comportamiento y registro de intentos

Choose a tag to compare

@MauricioPerera MauricioPerera released this 24 Oct 19:43

Evaluaciones observables del comportamiento del agente y registro de intentos
de ejecución con contexto, desenlaces y evidencias históricas recuperables.

Añadido

  • Registro opcional de intentos por tarea mediante attempt-start, attempt-finish
    y attempts: agente, acción, herramienta, inicio y fin en UTC y contexto guardado.
    Cada intento finaliza con exito, fallo o interrumpido y un informe histórico.
    Un intento abierto impide terminar la tarea; su desenlace no cambia estados ni
    verifica criterios automáticamente. Los reintentos conservan los registros anteriores.
  • Evidencias vinculadas a puntos de guardado inmutables que contienen el informe
    y el inicio original del intento. Se rechazan archivos inexistentes, puntos
    anteriores al inicio y contextos incompatibles. El historial incluye los puntos
    de los intentos, también sin asociación explícita; las restauraciones con respaldo
    y los borradores paralelos conservan los registros. Cambiar el acuerdo ADD mantiene
    los intentos con su contexto original.
  • Evaluador de comportamiento con tres escenarios aislados y datos ficticios:
    respeto de la referencia, evidencia insuficiente y cambio de alcance. Comprueba
    resultados observables mediante el evaluador original y las entregas guardadas,
    sin copiar datos del usuario, llamar modelos ni añadir dependencias.
  • Regresiones de intentos, controles simulados correctos e incorrectos del evaluador
    y ejecución de ambas suites en Linux, macOS y Windows mediante GitHub Actions.
  • Guía de uso y límites, instrucciones para agentes
    y documentación para usuarios y colaboradores. Se conservan los cuatro estados
    y la compatibilidad con tareas anteriores.

Verificación y compatibilidad

  • 102 pruebas del gestor, incluidas 28 del registro de intentos, y 18 controles
    del evaluador
    con respuestas simuladas correctas e incorrectas.
  • 158 comprobaciones del motor por sistema: 38 generales, 102 del gestor y 18
    del evaluador, aprobadas en Linux, macOS y Windows. Además, 16 pruebas de la
    landing
    y 34 con Playwright en escritorio y móvil emulado.
  • Se mantienen los estados pendiente, en curso, bloqueada y terminada,
    el piloto ADD y las tareas anteriores, con cero dependencias nuevas.

Los controles de CI verifican la infraestructura con resultados simulados. Para
evaluar a un agente real, se le entrega el pedido de cada escenario y se comprueban
sus resultados desde el evaluador original. La existencia de un informe no certifica
la veracidad de su contenido ni toda la actuación del agente.

Verificación funcional en GitHub Actions.

Historial de cambios de v1.3.0 · Guía de uso · Cambios completos desde v1.2.1

v1.2.1 — Guía visual del piloto ADD y acceso desde el README

Choose a tag to compare

@MauricioPerera MauricioPerera released this 23 Oct 23:17

Guía visual del piloto ADD presentado en v1.2.0, con ejemplos para personas técnicas y no técnicas y acceso directo desde el README.

Novedades

  • Nueva sección ADD de la landing: una propuesta de ejemplo conecta la referencia acordada, las evidencias por criterio y el cierre con resultado.
  • Diagrama de los puntos de guardado de referencia, entrega y cierre, con enlaces a la explicación de cada paso y a su recuperación desde el historial.
  • Tres botones de copia: un pedido para acordar la referencia, otro para entregar evidencias y un flujo técnico con agree, deliver, puntos de guardado e historial.
  • Cabecera, navegación y acceso principal de la landing para destacar ADD. La cabecera conserva la última versión estable y su enlace generados automáticamente al publicar GitHub Pages.
  • Enlace directo desde el README a la sección del piloto ADD de la landing, junto a su documentación de uso.

Pruebas y compatibilidad

  • Ocho nuevas comprobaciones con Playwright; la suite reúne 34 pruebas en escritorio y móvil emulado para navegación, ejemplos y copia del texto completo al portapapeles.
  • 16 pruebas de la landing y 112 comprobaciones del motor por sistema: 38 generales y 74 del gestor en Linux, macOS y Windows.
  • Diseño comprobado entre 320 y 1280 px, enlaces de la guía y de las versiones verificados y acceso al inicio de ADD comprobado mediante un clic desde el README de GitHub.
  • El gestor conserva sus cuatro estados y no añade dependencias.

Ejecución de pruebas de este punto de guardado.

Historial de cambios · README · Guía del piloto ADD

v1.2.0 — Piloto ADD con referencias y evidencias de entrega

Choose a tag to compare

@MauricioPerera MauricioPerera released this 23 Oct 22:37

Piloto opcional de desarrollo guiado por artefactos (ADD) para conectar lo acordado con lo entregado y recuperar ambos desde puntos de guardado.

Piloto ADD

  • Referencia acordada: agree registra el archivo de referencia, su punto de guardado inmutable y qué se acordó y de dónde surge el acuerdo. El archivo debe existir y tener contenido en ese punto.
  • Evidencias de entrega: deliver vincula un archivo guardado y una observación a cada criterio de aceptación. La entrega debe corresponder al punto de referencia o a uno posterior de su historial.
  • Cierre verificable: una tarea requiere evidencia por criterio y un resultado escrito. Cambiar el acuerdo retira las verificaciones y entregas anteriores; una tarea terminada debe reabrirse antes de modificarlas.
  • Puntos de guardado recuperables: el historial de la tarea incluye los puntos de referencia y entrega, aunque esos puntos no hayan modificado el archivo de tarea. Los archivos históricos siguen disponibles aunque cambie la copia actual.
  • Compatibilidad: se mantienen los estados pendiente, en curso, bloqueada y terminada, las tareas anteriores y los vínculos Task-ID. El gestor no añade dependencias.

Otras mejoras incluidas

  • Cabecera de la landing con la última versión estable y su enlace generados automáticamente al publicar GitHub Pages.
  • Pruebas con Playwright para estados, evidencia de cierre, navegación por teclado y botones de copia en escritorio y móvil emulado, incluidos los casos de copia denegada.

Pruebas

  • 74 pruebas del gestor, incluidas 40 nuevas para ADD.
  • 112 comprobaciones del motor por sistema: 38 generales y 74 del gestor en Linux, macOS y Windows.
  • 16 pruebas de la landing y 26 pruebas con Playwright.
  • Ejecución de GitHub Actions de esta versión.

El piloto valida la existencia de los archivos guardados y sus vínculos históricos. La conformidad de su contenido con lo acordado requiere la revisión del agente o de la persona responsable.

Guía del piloto ADD · Historial de cambios · Landing

v1.1.1 — Guía visual de tareas y acceso desde el README

Choose a tag to compare

@MauricioPerera MauricioPerera released this 23 Oct 17:41

Nueva guía visual de tareas

La sección de tareas de la landing ahora explica cómo usar el gestor incorporado en v1.1.0:

  • Ejemplos interactivos de pendiente, en curso, bloqueada y terminada sobre una misma propuesta.
  • Avance parcial, motivo del bloqueo y cierre con evidencia por criterio y resultado escrito.
  • Diagrama de puntos de guardado vinculados a una tarea, incluidos avances en otros documentos. Guardar conserva el avance; terminar requiere verificar los criterios y registrar el resultado.
  • Cuatro pedidos copiables para el agente y una guía técnica desplegable con comandos copiables.
  • Navegación por teclado y distribución adaptable a escritorio y móvil.

La cabecera destaca el gestor de tareas y el total de 72 comprobaciones del motor: 38 generales y 34 del gestor.

Acceso directo desde el README

El README incluye un enlace directo a la nueva sección para explorar los estados, la evidencia de cierre y los puntos de guardado.

Verificación

  • Los cuatro estados y los cinco botones de copia comprobados en escritorio de 1280 px y vista móvil de 390 px, sin desbordamientos horizontales.
  • Enlace probado desde el README publicado: abre la landing en el inicio de la sección de tareas.
  • Suite de 72 pruebas aprobadas en Linux, macOS y Windows, además de las siete pruebas de la landing, la validación de JavaScript y la construcción pública.
  • Ejecución de GitHub Actions del contenido publicado.

CHANGELOG de v1.1.1 · Cambios completos desde v1.1.0

v1.1.0 — Gestor de tareas con evidencia e historial

Choose a tag to compare

@MauricioPerera MauricioPerera released this 23 Oct 16:55

Gestor de tareas con historial

  • Tareas locales en Markdown, sin dependencias adicionales, con objetivo y criterios de aceptación.
  • Cuatro estados: pendiente, en curso, bloqueada y terminada. El bloqueo exige una explicación y la reapertura de una tarea terminada requiere un motivo.
  • Cierre con todos los criterios verificados, evidencia registrada por criterio y un resultado escrito. Un criterio reabierto vuelve a requerir verificación. La evidencia describe lo comprobado por el agente o el usuario; el validador comprueba su presencia y formato.
  • Vínculos entre tareas y puntos de guardado mediante Task-ID: varias tareas por punto y varios puntos por tarea. Guardar avances no termina tareas automáticamente.
  • Historial por tarea que encuentra avances en otros archivos y sigue disponible después de retirar la tarea. Incluye restauración con respaldo y trabajo en borradores paralelos.
  • Guía task-manager, documentación de uso y controles para impedir guardar tareas con estados inválidos o cierres incompletos, incluso tras una edición manual.

Más novedades desde v1.0.0

  • Landing en GitHub Pages con guías para personas técnicas y no técnicas, diagramas, ejemplos interactivos y animaciones accesibles.
  • Prompt de despliegue listo para copiar a un agente.
  • Construcción limitada a archivos públicos y publicación automática de la landing, con documentación privada fuera del sitio.

Pruebas

  • 34 pruebas del gestor de tareas, además de las 38 pruebas generales: 72 aprobadas y 0 fallos en Linux, macOS y Windows.
  • Siete pruebas de la landing, validación de JavaScript y construcción del sitio público.
  • Ejecución de GitHub Actions.

Guía de uso · CHANGELOG · Cambios completos desde v1.0.0

v1.0.0 — Primera versión estable

Choose a tag to compare

@MauricioPerera MauricioPerera released this 23 Oct 14:35

Primera versión estable de Repo-as-an-Agent, una plantilla que combina instrucciones para asistentes de IA, memoria estructurada y operaciones seguras sobre documentos y datos.

Correcciones

  • Restauración segura: se bloquean las operaciones que puedan sobrescribir archivos locales excluidos del respaldo, incluidas las colisiones entre archivos y carpetas. Los archivos excluidos sin colisión se conservan y los posibles secretos permanecen fuera del rescate.
  • Validación de la versión preparada para guardar: se comprueba el contenido exacto que se guardará, sus enlaces y las eliminaciones de archivos obligatorios. Los cambios que solo existen en disco no ocultan errores ni bloquean una versión preparada válida.
  • Perfil YAML documentado: validación de comillas, listas en línea, escapes, comentarios, campos obligatorios, claves duplicadas y caracteres de control. Las estructuras fuera del perfil admitido se rechazan con un diagnóstico.
  • Compatibilidad: tratamiento consistente de texto UTF-8 en Linux, macOS y Windows.

Pruebas automáticas

  • 38 pruebas, 0 fallos en Linux, macOS y Windows, incluidas 22 pruebas de regresión añadidas para las correcciones.
  • GitHub Actions ejecuta la suite con cada actualización y solicitud de cambios; también permite iniciarla manualmente.
  • El README incluye una insignia con el estado de las pruebas.
  • Ejecución verificada de esta versión.

Licencia

  • Proyecto distribuido bajo la licencia MIT.
  • Copyright (c) 2026 Mauricio Perera.
  • Licencia enlazada desde el README e identificada mediante su insignia MIT.

Publicación basada en la versión verificada del repositorio.