noeta

简体中文

English

简体中文

English

外观

如何对齐 Claude Code ​

在 noeta 里，模型能看到的东西都照着 Claude Code 来：工具名和参数说明、提示词各部分的顺序和角色、提醒、压缩、provider 收到的请求长什么样。底下的机制（事件日志、崩溃恢复、多机运行）是 noeta 自己的。这一页讲为什么界线划在这里、具体对齐了哪些、make parity 怎么拿 Claude Code 录下来的请求来核对、make eval 怎么检查模型的表现没有变差，以及 noeta 有意不一样的地方。

为什么模型能看到的部分是一份约定 ​

模型是对着用得最多的那个编程助手的工具和提示词训练、调优出来的。它们最熟悉的，就是它的工具名（Read、Edit、Bash、Agent、ToolSearch……）、参数说明、消息格式和各种惯例（<system-reminder>、任务完成通知、压缩摘要）。自己另起一套的工具，要用模型的表现来买单，用户也得重新学一套文件和设置。所以（ADR-003）：

  • 模型看到的东西，跟最新版 Claude Code 的默认配置一致。有差异就是 bug，除非它连同理由一起写进了 parity/deviations.md。
  • 底下的实现可以不一样，只要 noeta 的做法更好。
  • 能帮助对齐的地方，可以直接用 Claude Code 的原话（ADR-020）：模型是按 Claude Code 的原话调出来的，只为了"不一样"去改写，是拿模型行为冒险却换不来任何好处。提示词好不好，看它产生的行为（make eval、make parity），不看措辞从哪来。
  • noeta 只读自己的地方（~/.noeta、.noeta/、NOETA.md、AGENTS.md），从不读 ~/.claude、.claude/ 或 CLAUDE.md；但里面的格式都是 Claude Code 的：说明文件的分层、设置、技能、代理文件、hooks、mcp.json、插件目录。

没有采用的做法：自己设计一套提示词和工具（在现有模型上明显更差，用户还要学新东西）；什么都原样照搬，却不记录 noeta 必须不同的地方。

对齐了哪些 ​

方面照 Claude Code 来的部分
工具名字、参数说明、描述、哪些工具延迟加载、工具清单的顺序、DeferredToolPlaceholder
系统提示身份块和主提示词作为两个带缓存的块；主提示词的各节和规则；针对不同模型的段落
对话的排布项目说明文件和记忆索引作为宿主附加文字放在第一个用户轮；环境、延迟工具清单、日期、预算作为对话中间的系统轮；一轮进行中用户发来的消息，放在工具结果那一轮里并加上说明
提醒文字内容、各自什么时候发、怎么打标签（<system-reminder>）和合并
请求外层按模型目录给的 max_tokens、推理和推理强度参数、beta 请求头那一组、context_management、metadata.user_id、缓存标记的位置
超长输出单个结果 50,000 字符的上限、一次回复 200,000 的总额度、<persisted-output> 预览
压缩阈值的具体数值、总结指令和兜底请求、原样保留的尾部、重新读的文件、摘要的说明文字、"反复刚压完又满"和"连续失败"两道保险、提前在后台写摘要、清掉旧结果、闲置时压缩
对话之外的请求起标题的请求、WebFetch 的网页摘要、自动模式的权限分类器
子代理Agent 工具、完成通知、交回结果
文件和设置技能、代理文件、命令、hooks 及其事件、设置项、MCP 配置、Claude Code 插件目录

每段提示词背后的规则，都用 noeta 自己的话重写在 parity/rules/ 下，并附上原文的哈希（主提示词、压缩、提醒、对话之外的请求、子代理、分类器，以及每个工具一个文件）。

make parity 怎么工作 ​

make parity 衡量的是：在同一个场景下，noeta 发出的东西和 Claude Code 当时发的有哪些不同。它完全离线：noeta 连到本地一个假的 Messages 接口，这个接口用从 Claude Code 录下的模型回复来作答（scripts/parity/）。

录制（在仓库之外） Claude Code drive.py 在 tmux 里 按脚本敲每一步 record.py 本地代理，记下 每个请求和回复 上游模型 一个便宜快速的模型 ~/cc-recordings/<ver>/ 原始录制，不进仓库 parity/<ver>/ 接口事实：参数、头、消息布局、 缓存标记位置、文字的长度和哈希； tools.json、script/ 里模型的回复 distill.py make parity（离线） replay.py 假的 Messages 接口， 按脚本回答 noeta 默认代理、真的 Anthropic provider、真的执行工具 compare.py 逐个请求对比 parity/report.md 每处不同一行； deviations.md 里的不算 录下的回答
从 Claude Code 录一次；每次运行都对 noeta 重放

录制（在仓库之外）。drive.py 在 tmux 里把每个场景的步骤敲进 Claude Code，遇到提示就按这一步写好的按键作答（1 同意，2 同意且不再询问，Escape 拒绝；没写就选默认高亮的第一项）；record.py 是夹在 Claude Code 和上游 Messages 接口之间的代理，记下每个请求和回复。基准是用 API key、默认设置的用户。录下的原始数据放在 $NOETA_PARITY_RECORDINGS（默认 ~/cc-recordings），从不进仓库。场景（scripts/parity/scenarios.json）：

会话覆盖的内容
m1自动模式（默认）：主要流程走一遍、中途打断、计划模式、/compact
m2默认权限模式：批准、"不再询问"、拒绝，以及子代理的审批
m3小窗口上的自动压缩（100K × 30%）
m4--continue：在新进程里恢复 m1
m5带项目 PreToolUse 钩子的自动模式：一个失败的调用、后台 Bash 和 Monitor、TaskStop、一个让分类器判断的不可逆操作

提炼。 distill.py 把录制结果变成 parity/<version>/ 下的一份约定（现在是 parity/2.1.312/）：每个请求的参数名和值、beta 请求头的值和其他请求头的名字、消息的排布、缓存标记的位置、每段文字的类别和它的长度、哈希；tools.json 里是每个工具原样的参数说明，但其中所有描述文字（工具的和各个字段的）只留长度和哈希；texts.json；以及 script/，也就是每个场景里模型那一方的回复。Claude Code 不开源，所以仓库里只放接口层面的事实，不放它的正文。

重放。 replay.py 启动假接口，然后像 noeta 命令那样跑 noeta：默认代理、真的 Anthropic provider、全新的存储和 NOETA_HOME、场景项目（一个小 git 仓库，带 NOETA.md、一个技能、一个 MCP 服务器）放在临时目录里，每个工具都真的执行。主循环的调用按步骤和位置作答，子代理的调用按它的开场提示作答，压缩调用用录下的摘要作答，分类器按录制时的结果作答。审批按这一步录制时的按键作答，和当时操作 Claude Code 的方式一样（Escape 拒绝，2 同意且以后都放行，其他都是同意）；问题一律选第一项。noeta 发出的每个请求都留在 parity/out/。

比较。 compare.py 把 noeta 的每个请求和 Claude Code 同一步的请求逐一对比，写出 parity/report.md：每处不同一行，按类别和严重程度排序，各带一个短编号。在 parity/deviations.md 里按编号认可过的差异不计入。只要还有差异，运行就以 1 退出。对照 Claude Code 2.1.312，报告是 0 处差异，另有 11 处已认可的差异不计入。

同时还会跑 own_words.py：一份仅供参考的报告，列出 noeta 的文字里哪些地方和 Claude Code 录下的文字有很长一段相同，供许可审查时参考。它从不失败（ADR-020）。

make parity 不在 make check 里（它要搭场景项目，跑一次要几分钟），但凡是改了给模型看的文字或 provider 的请求格式，都要跑它。make check 里有 tests/agents/test_request_golden.py，把默认请求的字节锁死。Claude Code 发新版本可能带来新的差异，用新的录制来补齐（步骤见 scripts/parity/README.md）。

make eval 怎么工作 ​

和 Claude Code 发的字节一样，并不能证明模型拿到这些字节就会表现良好，尤其是不是 Claude 的模型。make eval（evals/）用真实模型跑一组防止提示词退化的场景：

  • 37 个场景（evals/scenarios.py），每个是一个小工作区加一句提问，根据运行轨迹打 0 到 1 分：调用了哪些工具、文件最后是什么样，必要时再让一个模型来评判。例如：read_over_shell_cat、edit_not_write、parallel_independent_reads、injection_in_file、ask_before_ambiguous_delete、honest_test_failure、compaction_continuity、skill_activation、memory_recall、plan_mode_read_only、deny_rule_respected、hook_block_adapts、mcp_tool_use。
  • 每个场景跑几次（默认 3 次；make eval-baseline 跑 9 次并重写 evals/baseline.json）。某个场景比基线低出容差（单个场景 0.34，hook_block_adapts 放宽到 0.4，总体 0.05，记在基线文件里），运行就失败。
  • 凭据从仓库的 .env 读（NOETA_LIVE_BASE_URL、NOETA_LIVE_API_KEY、NOETA_LIVE_MODEL）；--provider 选 anthropic、openai_compat 或 responses。

parity 说明 noeta 发的和 Claude Code 一样；eval 说明模型拿到这些仍然做对了事。改提示词，两样都要过。

有意不一样的地方 ​

parity/deviations.md 列出了每一处认可的、模型能看到的差异，一百多行，每行写明理由，以及 pi 和 DeepSeek Harness 在同一件事上的做法。理由大致分几类：

  • 内核决定的。 工具在回复记进日志之后才跑，而不是边流式输出边跑（先写日志才能扛住崩溃）。崩溃前已经开始的工具，答复"结果未知"，除非它自己能查到结果。等待、计时器和 Workflow 的运行能扛过重启、能换机器。工具结果按调用顺序返回。
  • 持久的任务没有"会话"这回事。 项目说明文件改了，只要用户发新消息就重新给一次，而不是只在恢复时；两轮之间分支变了，就重新给一次 git 快照；日期变化的提示只会往后走；美元预算从日志里把整棵任务树都算进去。
  • 多机和远端执行环境。 环境信息描述的是执行环境，而不是工人那台机器；压缩摘要只在执行环境是本机时才给出完整记录文件的路径；钩子收到的 transcript_path 是空的，因为对话就是日志本身。
  • 服务端无人值守。 连续八次拦住结束的 Stop 钩子会被放过；模型目录里没有的模型用保守的上限；Write 拒绝超过 8 MB 的内容，因为每次调用的输入都会记进日志。
  • noeta 自己的地方和产品。 Claude Code 写 CLAUDE.md 的地方写 NOETA.md，写 .claude/ 的地方写 .noeta/；没有计费头那一块（所以系统提示的缓存标记往前挪了一块）；暂时没有 LSP 工具、内置技能和输出风格；身份行固定只有一种。

没有写进表里的差异，就是 bug。