auto-sync: 2026-05-14 13:38:42

This commit is contained in:
cfdaily
2026-05-14 13:38:42 +08:00
parent 1d41e169a1
commit dd68c34137
+112
View File
@@ -2110,6 +2110,118 @@ observation 写入条件(必须满足至少一条):
这是 PRD B1(AI 帮用户想清楚要什么)的全程贯穿,不限于 Phase 1。
在庞统的 prompt 中加入"用户意图一致性检查"规则。
#### 3.12.8 AI native Skill 体系(v2.5 新增)
> **核心理念**v1.0 的 Skill 是操作手册(告诉 AI 怎么做),v2.0 的 Skill 是行为准则(告诉 AI 做什么是对的)。
> AI 自己决定具体怎么做,Skill 只设定边界。
**三层 Skill 模型**(综合 oh-my-claudecode、Hermes、Nuwa、Agent Skills 生命周期):
| 层级 | 名称 | 内容 | 示例 |
|------|------|------|------|
| L1 | Principles(原则) | 做事的底线和方向 | "数据获取后必须先检查质量再回报" |
| L2 | Patterns(模式) | 遇到什么情况应该怎么做 | "如果发现缺失值 > 5%,标记异常区间" |
| L3 | Anti-patterns(反模式) | 绝对不能做的事 | "绝不能假设数据是干净的" |
**v2.0 预设 Skill 目录**
```
skills/
├── task-bootstrap/SKILL.md # Agent 启动协议(感知→执行→观察)
├── task-report/SKILL.md # Agent 完成报告协议
├── quality-gate/SKILL.md # 产出物自检协议
├── orchestration-strategy/SKILL.md # 庞统调度策略(五原则)
├── data-acquisition/SKILL.md # 数据获取最佳实践(赵云)
├── strategy-coding/SKILL.md # 策略编码最佳实践(张飞)
├── risk-review/SKILL.md # 风控审核最佳实践(关羽)
└── experience-distill/SKILL.md # 经验蒸馏最佳实践
```
每个 Skill 包含 L1(原则)+ L2(模式)+ L3(反模式)三层。
Skill 内容用 Markdown 格式(LLM 理解最好、token 最省),不用 JSON。
#### 3.12.9 庞统调度策略 Skillv2.5 新增)
> 综合 Microsoft Azure Checker Pattern、Google RouterAgent、oh-my-claudecode Team pipeline、AWS Strands ReWOO。
**调度五原则**
| # | 原则 | 说明 | 业界来源 |
|---|------|------|---------|
| 1 | **Capability Matching** | 根据 Agent 能力画像匹配任务,不是轮询分配 | Google RouterAgent |
| 2 | **Dependency-Aware Scheduling** | 先调度无依赖步骤(可并行),有依赖的等前置完成 | AWS Strands ReWOO |
| 3 | **Iterative Refinement** | 执行→验证→如有问题→第二轮修正→再验证(设上限) | Microsoft Azure Checker Pattern |
| 4 | **Quality-Gated Advancement** | 当前步骤通过门控后才调度下一步 | oh-my-claudecode verify→fix loop |
| 5 | **Escalation Over Failure** | 失败不放弃:重试→换 Agent→升级到用户 | Hermes per-task retry |
**Iterative Refinement 具体流程**
```
庞统调度张飞 → 张飞产出 → 庞统/司马懿审核
→ 通过:调度下一步
→ 未通过:调度张飞第二轮(带上审核意见 + 相关 observation
→ 张飞 read observations/ → 自主调整 → 再提交
→ 通过:调度下一步
→ 未通过 + 达到迭代上限(3次):升级到用户
```
**并行步骤的处理**
并行步骤间不需要实时感知。庞统在两个并行步骤都完成后,
检查 observation 是否有关联。如果有关联,调度受影响的 Agent 做第二轮。
#### 3.12.10 Observation 设计方案(v2.5 完善)
**Observation 生命周期**
```
1. Agent 执行中发现问题
→ 判断是否符合写入标准(影响后续步骤/提升质量/专业外问题)
→ 不符合标准就不写(禁止进度报告、正常确认、无关细节)
2. 写入 observation
→ write artifacts/task-{id}/observations/{agent}-{timestamp}-{uuid短}.md
→ 唯一强制:第一行必须是 [SEVERITY: blocking/warning/info]
→ 内容格式完全自由(不固定 JSON 或 Markdown
→ POST /api/observations 通知 daemon
3. daemon 收到通知
→ blocking:立即通知庞统
→ warning/info:步骤完成时一起通知
4. 庞统处理
→ 评估影响 → 决策(忽略/调整计划/通知后续 Agent/调度第二轮)
5. 后续 Agent 感知
→ 被调度时 read observations/ → 自主决定是否调整
```
**为什么内容格式不固定**
固定 JSON 或 Markdown 格式会束缚 AI 的表达能力。
Agent 根据发现的情况自由选择最合适的表达方式。
唯一强制 severity 标记是因为 daemon 需要它来决策通知级别。
**频率限制**:每个步骤每个 Agent 最多 3 个 observation。
**observation 的 pav 执行记录**v2.5 新增):
Agent 执行过程中的关键决策点用 severity=audit 记录:
- 为什么选这个方法
- 做了什么取舍
- 发现了什么
audit 级别不通知庞统,只记录在文件系统供事后审查。
#### 3.12.11 Agent 调度方式(v2.5 确认)
**实验结论**2026-05-14 spawn 实验):
- `sessions_spawn` 只能 spawn 自己的 sub-agent,不能指定 guanyu-dev 等其他 agentId
- 因此 spawn 用于庞统内部的复杂分析,不能替代调度将军
**v2.0 双模式调度**
| 方式 | 用途 | 特点 |
|------|------|------|
| `openclaw agent --agent xxx` | 调度将军执行步骤 | 一次性 CLI,执行完进程结束 |
| `sessions_spawn` (cleanup:delete) | 庞统内部复杂分析 | 子 session 完成后自动清理 + 结论回传 |
---
## 4. 已决策(全部)