позволяет ответвляться от любого более раннего коммита, давая мета-агенту возможность наблюдать за трассой и вмешиваться до того, как будет закоммичена плохая запись. Исследовательская группа сообщает, что ответвления работают в 5 раз быстрее, чем Docker, и обеспечивают более 95% повторного использования кэша подсказок при воспроизведении. Демонстрации показывают, что живой супервизор повышает долю успешных парных задач на CooperBench с 28,8% до 54,7%, разветвленное исследование превосходит базовые показатели на 11 пунктов при сокращении времени на 58%, а обучение Tree-RL улучшает TerminalBench-2 с 34,2% до 39,4%. Для работы Shepherd требуется Python 3.11+ и поддерживает принудительное применение разрешений на уровне ОС на macOS (Seatbelt) и Linux (Landlock). Он распространяется под лицензией MIT и устанавливается через pip install shepherd-ai.