kunchenguid/backpass

백패스

에이전트 메모리에 대한 그라데이션 하강.

이 블로그 글에서는 왜 그리고 어떻게 그런지 설명합니다.

backpass는 과학적 엄격함으로 AGENTS.md, CLAUDE.md와 기술을 향상시키는 데 도움을 줍니다. 실제로 저장소에서 실행된 에이전트 세션을 찾아냅니다. 그들 안에서 무슨 일이 있었는지, 그리고 증거에 기반한 편집을 제안하는 기억 표면 - 더 메모리 파일과 프로젝트 기술 - 토큰 예산 내에서 당신에 의해 제한됩니다.

• 로컬 우선 - 7개의 에이전트 하네스의 전사자 저장소를 디스크에서 직접 읽습니다, 로컬 또는 SSH를 통해 자신의 컴퓨터로 연결됩니다. API가 없으면 업로드가 불가; 대본은 절대 당신의 컴퓨터를 떠나지 않습니다 이미 인증한 에이전트와 명백한 비밀을 제외한 기계들은 삭제됩니다 그들이 하기 전에.
• 근거 게이팅 - 제안된 모든 편집에는 실제 세션에서 인용한 그대로 인용됩니다. 그리고 모든 add, rewrite, remove 편집에는 최소 두 개의 서로 다른 출처의 증거가 필요합니다 세션들. 작고, 시끄럽고, 경계가 있는 걸음 - 다시 쓰는 게 아니라.
• 루프 속의 인간 - 분석은 절대 쓰지 않는다. 검토와 명시적인 스크립트 결정을 위한 인간 게이트인 Apply 참조.

한 번의 런은 한 단계의 유한한 경사입니다.

퀵 스타트

PATH에 Node >= 22.5와 acpx가 필요합니다.

backpass

<a href=“https://github.com/kunchenguid/backpass/actions/workflows/ci.yml” > <a href=“https://github.com/kunchenguid/backpass/actions/workflows/release-please.yml” > <a href=“https://www.npmjs.com/package/backpass” > <a href=“https://img.shields.io/badge/platform-macOS | Linux-blue?style=flat-square” > <a href=“https://x.com/kunchenguid” > <a href=“https://discord.gg/Wsy2NpnZDu” >

Gradient descent for your agent memory.

This blog post explains the why and how.

backpass helps you improve your AGENTS.md, CLAUDE.md and skills with scientific rigor. It finds the agent sessions that actually ran in your repo, reads what happened in them, and proposes evidence-backed edits to your memory surface - the memory file and project skills - under a token budget, gated by you.

• Local-first - Reads the transcript stores of seven agent harnesses directly from disk, locally or over SSH to your own machines. No API, no upload; transcripts never leave your machines except into an agent you already authenticated, and obvious secrets are redacted before they do.
• Evidence-gated - Every proposed edit carries verbatim quotes from real sessions, and every add, rewrite, or remove edit needs evidence from at least two distinct sessions. Small, noisy, bounded steps - not a rewrite.
• Human in the loop - Analysis never writes. See Apply - the human gate for review and explicit scripted decisions.

AGENTS.md / CLAUDE.md + skills (the weights)
  → agent session               (forward pass)
  → transcript on disk          (loss signal)
  → backpass: collect samples, distill, calculate loss, aggregate gradients
  → backpass: gradient descent  (diffs + skill extractions)
  → you accept or reject        (the human gate)
  → back to the weights

One run is one bounded gradient step.

Quick Start

npm install -g backpass
# or run it without installing
npx backpass

Requires Node >= 22.5 and acpx on your PATH.