您好!
欢迎来到京东云开发者社区
登录
首页
博文
课程
大赛
工具
用户中心
开源
首页
博文
课程
大赛
工具
开源
更多
用户中心
开发者社区
>
博文
>
Agent 研发工作系统:面向多需求并行端到端开发的设计与实践
分享
打开微信扫码分享
点击前往QQ分享
点击前往微博分享
点击复制链接
Agent 研发工作系统:面向多需求并行端到端开发的设计与实践
wd****
2026-11-16
IP归属:北京
27浏览
> 让 Agent 完成一次修改,还要回答三个问题:工作如何续接,结果如何验收,经验如何复用。 “修复搜索结果重复,并在预发验证。” 以这个需求场景为例,看似只是一次代码修改,实际却有一串问题需要回答:去重发生在最终响应,还是上游候选池?原有顺序和字段是否保留?本地测试通过后,预发运行的是否正是这次修改对应的镜像?换一个会话继续处理,又该从哪里接着做? 这些问题不能只靠一次工具调用回答。它们要求系统保留任务状态、明确动作范围,并把测试和运行结果对应到具体的完成条件。 这套系统围绕这些要求展开:主 Agent 负责理解目标、组织工具调用;规则与检索提供上下文;任务记录保存进度;动作策略约束执行;质量检查判断是否完成;方法库记录哪些做法在什么条件下得到过验证。 下面先看整体结构,再逐步展开实现。搜索去重的例子会贯穿其中,并在第 10 节串成完整流程。 ## 1\. 全貌:八个模块,分别解决什么问题 系统划分为 M1—M8 八个模块,但它们是**逻辑职责,而不是八个独立微服务**。实现以本地文件、SQLite、Python 和 Node.js CLI 为主,由具备工具调用能力的大语言模型组织协作。  *图 1:主 Agent 连接知识、状态、执行与验收;状态和方法反馈也由它组织回写。* | 模块 | 解决的问题 | | --- | ----- | | **M1 主 Agent** | 当前目标是什么,下一步该查什么、做什么? | | **M2 规则与技能** | 这个项目有哪些约定,这类操作应该怎样执行? | | **M3 上下文检索** | 历史线索和当前源码在哪里,怎样回到原文? | | **M4 任务状态** | 工作做到哪了,跨会话和并发更新时如何续接? | | **M5 工具与平台适配** | 怎样把操作落实到仓库、测试和企业平台? | | **M6 动作策略** | 对这个具体目标执行这项操作,是否符合范围与授权? | | **M7 证据与质量** | 已有结果能证明什么,还缺什么才能完成? | | **M8 方法治理** | 哪些经验可以复用,方法改版后如何重新验证? | 这些模块不是必须逐个经过的流水线。主 Agent 按需读取 M2、M3、M4、M8,组织策略检查、工具执行和验收,再将进度写回 M4,将实际复用结果写回 M8。 ## 2\. M1 主 Agent:理解目标,再组织工具调用 “修复重复搜索结果”并没有直接告诉系统应该修改哪里。 最终响应重复、上游候选池重复、某个展示模块重复,可能对应不同的责任位置。主 Agent 首先要理解用户要求解决的是哪一层问题,然后决定读哪个仓库、查哪条调用链、采用什么验证方式。 检索器可以返回匹配的源码,状态程序可以保存当前进度,但它们不会替代这层业务判断。 M1 的执行方式是一个工具调用循环: ```text 读取用户目标与当前状态 ↓ 选择需要的信息或执行工具 ↓ 构造参数并调用工具 ↓ 读取结果、错误和证据 ↓ 继续 / 修正 / 等待 / 验收 ``` 规划、实现和评价可以由同一个主 Agent 顺序完成。只有任务存在独立工作边界,且引入独立角色已获授权时,才安排其他执行者或审阅者。角色名称本身不构成独立审查保证。 跨模块编排目前主要发生在这套工具调用循环中,还没有一个统一的后台工作流服务自动推进所有步骤。 ## 3\. M2 规则与技能:把项目知识和操作流程分开 M2 回答两个问题:**这个项目怎么工作,这类操作怎么执行。** 这两类知识有关联,但不应该混在一起。交付流程可以复用,应用名、目标分支、实例组等项目参数则需要分别维护。 因此,操作知识被组织为三个层次: ```text 全局约定 / 项目 AGENTS.md 一般规则、项目边界、验证方式 项目技术地图 入口、模块职责、调用链、常用命令 Skill 目录 SKILL.md 用途、触发条件、操作步骤 scripts/ 可执行程序 references/ 参数、模板、复杂流程细节 assets/ 操作需要的资源 ``` 例如,交付 Skill 说明怎样选择仓库执行合同、调用构建接口、读取产物和运行探针;合同提供该项目的具体参数与执行要求。这样,调整应用参数不必重写通用流程,更新流程也不必把所有项目细节重新组织一遍。 加载同样按需进行:先识别资源用途,适用时读取正文,执行时再展开必要引用。这与 [Agent Skills](https://agentskills.io/home) 的元信息发现、正文激活和资源按需加载方式相对应。 M2 负责组织规则与操作资源;一套做法是否适用、被验证过几次、修改后是否仍然可靠,则交给 M8 管理。 ## 4\. M3 上下文检索:按缺失的信息选择路径 查历史讨论、找已知字段、定位一个只知道功能的入口,是三种不同的问题。M3 为它们保留了三条检索路径,而不是把所有查询都交给向量检索。  *图 2:先判断缺什么信息,再选择检索方式;找到候选后,仍需回到当前来源复核。* ### 4.1 查历史:Python + SQLite FTS5 需要回答“以前在哪里讨论或处理过”时,使用历史检索。 Python 导入器读取追加式会话记录,将消息和整理摘要写入本地 SQLite。它保存源文件的字节偏移,下次从该位置继续;末尾尚未写完整的一行留待后续处理。每条记录保留项目、会话、时间、来源文件和偏移,便于定位原文。 查询使用 FTS5 与 BM25,并支持按项目等范围筛选。短查询或全文检索异常时,提供 `LIKE` 回退。使用顺序是:先用 `search` 找候选,再用 `timeline` 看邻近上下文,最后用 `show` 读取原文。 这里有两个限制需要记住:热索引会跳过工具大载荷,因此无命中不代表当时没有执行过;历史记录也不能证明今天的分支、配置或运行状态,当前事实仍要从当前来源读取。 ### 4.2 找已知标识:ripgrep 已经知道类名、字段、错误字符串或配置 key 时,直接使用 `rg` 做文本、正则或文件枚举。 例如查 `expected_revision`,先找到定义和调用方,比重新描述它的功能再做语义检索更直接。匹配到文件和行号后,再检查调用链,确认它是否处于当前问题的责任范围内。 ### 4.3 找未知入口:Node.js + 本地模型 + Zvec 只知道功能、不知道入口名称时,使用 `semantic-context.mjs`。这条路径的实现如下: ```text 明确 root 与正向 globs(纳入检索的文件模式) ↓ 枚举文件,记录文件哈希与范围快照 ↓ zg 0.2.1 抽取文本片段,按范围增量刷新 ↓ Transformers.js 加载本地 ONNX 模型 multilingual-e5-small / 384 维 / CPU ↓ Zvec 向量索引,zg context 返回候选 ↓ 回读原始源码行,复核范围快照 ``` `zg` 支持组合词法与向量候选。本地适配器调用其公共索引和 `context` API,固定使用本地模型,关闭远端下载与网络回退,没有另建远端向量服务。索引按规范化目录、文件模式和模型隔离,放在源码目录之外,可以重建。 这条路径不只返回相似片段,还保留三类信息:定位原文的 `path`、`startLine`、`endLine`;标识来源的 `sha256`、`sourceSnapshot`;说明匹配与截断情况的 `matchedBy`、`contentTruncated`。 返回前会再次检查文件新增、删除和内容变化,避免将已经漂移的快照当作有效结果。不过,模型输入和输出片段都可能截断,候选仍不能证明完整覆盖。 该适配路径目前处于有界试用:最多 **200 个文件、单文件 256 KiB、合计 4 MiB**,超限就缩小范围。这些是本地试用限制,不是底层工具的通用上限;也没有后台全盘扫描或每次任务必跑的要求。 已有信息直接使用,缺失信息才检索。可复用方法的检索属于 M8,不与这里的源码索引混用。另外,这里的 E5 是嵌入模型名称,与第 8 节的 E5 证据等级无关。 ## 5\. M4 任务状态:既能续接,也能防止旧进度覆盖新进度 跨会话继续工作,最需要恢复的不是全部聊天,而是四件事:目标是什么,已经确认什么,还缺什么证据,下一步做什么。 `workctl.py` 将这些信息保存在 `tasks/*.md` 中。任务文件是权威记录:结构化头部保存 `task_id`、`revision`、`status`、`owner` 和更新时间,正文记录目标、证据、缺口、阻塞与下一步。总览由程序生成。 下面是字段与内容示意,不是完整任务文件格式: ```yaml task_id: task-… revision: 7 status: validating 目标: 修复最终响应重复并完成预发验证 已确认: 本地完整输出与保留条件通过 待证明: 当前预发镜像处理固定请求的结果 下一步: 读回实例,再发业务探针 ``` 保存状态还要处理另一个问题:两个更新者都拿着旧进度,怎么办? 假设 A、B 都读到 `revision = 7`。A 先提交,任务变为版本 8;B 随后仍携带 `expected_revision = 7` 提交,就会被拒绝。B 必须重读最新记录,再判断如何合并自己的更新。 **文件锁协调写入过程,版本检查防止旧状态覆盖新状态。** 两者解决的问题不同。  *图 3:持锁读取、比较版本,再写入新状态;发生冲突时保留原记录,由更新者重读。* 具体写入顺序是:取得 `flock` 文件锁,读取任务并比较 `expected_revision`,写临时文件,执行 `flush` / `fsync`,原子替换,再更新派生总览。原子替换用于减少半文件风险;这些机制限于本地记录,不提供分布式事务或远端动作幂等保证。 恢复工作时,Agent 先核对目标是否变化,再从缺口继续;需要历史线索时调用 M3。后续执行可以由用户继续对话或已配置的定时任务触发,但调度配置和实际运行结果要分别核验,触发过不等于业务已完成。 ### 5.1 需求卡:把多次任务串成一个需求 任务卡记录一次工作的进度,但一个需求可能跨多个任务、会话、项目或 Agent。 2026-09-17 增加的 `reqctl.py` 用需求卡补上这一层。权威记录是 `requirements/req-*.md`,集中关联以下对象: ```text 任务卡 哪些任务在推进这个需求 会话 哪些宿主、Agent 和会话参与过 功能模块 pending → in_progress → done → verified 开发分支 哪个分支完成了哪些模块 问题记录 open → resolved / workaround,附解决方式 方法 复用的方法及内容版本哈希 证据与文档 证据引用、参考文档 阶段推进 discovering → developing → validating → delivering → observing → closed ``` 续接时,先从需求卡找到相关任务、分支和问题,再读取具体记录继续工作。需求卡与任务卡使用同一套文件锁、乐观版本检查和原子写协议;都通过程序更新,派生索引只读。 ## 6\. M5 工具与平台适配:把操作落实到真实系统 理解了目标,也保存了状态,接下来要真正修改代码、构建产物、部署和验证。M5 负责把这些动作连接到本地仓库、测试工具和企业平台。 典型调用链如下: ```text 主 Agent / 领域 Skill ↓ 交付驱动:组合 Git、构建、部署、验证步骤 ↓ Python 操作封装:已覆盖的平台原子操作 ↓ manifest 固定的 Node.js 命令行工具 ↓ 平台适配器与标准通信接口 ``` 项目路由选择仓库与交付驱动,仓库执行合同提供应用、分支、commit、实例组、镜像、探针 ID、查询范围和结果约束等参数。 这里还要保证:**检查的入口,就是实际运行的入口。** 因此,运行包、入口及 adapter 通过运行清单(manifest)和 SHA-256 固定,并在执行链路中读回核对。 | 工作类别 | 工具与平台路径 | 返回的能力与材料 | | ---- | ------- | -------- | | 代码与交付 | Git、交付驱动、交付平台 | 分支操作、构建、产物身份与预发交付 | | 运行与业务验证 | 日志平台、配置中心、业务验证平台 | 配置与运行态读回、业务探针、原始响应 | | 数据与实验 | 数据平台、实验平台等入口 | 有范围的查询、实验操作与返回核验 | | 扩展能力发现 | 能力目录与应用元数据路径 | 能力 schema 发现与具体接口选择 | 各适配器按实际验证范围声明能力。能力发现不代表每项操作都已验收,每个入口也保留自己的参数与范围检查。 M5 返回结构化结果、错误、产物身份和原始证据。工作流在动作前接入 M6,在执行后交给 M7 验收。遇到超时或响应丢失,先读回远端状态,再决定是否重试,而不是默认再执行一次。 ## 7\. M6 动作策略:能调用工具,不等于有权执行动作 主机允许执行 Bash,并不等于某次部署、删除或外发消息已经获得业务授权。 M6 检查的是具体动作。任务范围内、环境明确、可恢复的非生产操作,在满足策略的正向目标 schema(允许的目标结构)和操作合同后可以继续。生产或环境未知的变更、破坏性操作、权限与凭据变化、外发消息、支付等,则需要针对相应动作的明确授权。 ### 7.1 用指纹绑定具体动作 `authzctl` 接收动作类型、稳定范围 ID、精确目标和操作,依据 JSON 策略返回 `decision`、`reason` 和动作指纹。 指纹的计算方式如下。这里是示意,不是可直接运行的完整 Python 程序: ```python contract = { "action": action, "scope_id": scope_id, "target": target, "operation_kind": operation_kind, "operation": operation, "resource": resource, "allowlist_id": allowlist_id, "policy_sha256": policy_sha256, } fingerprint = sha256(canonical_json(contract)) ``` 规范化 JSON 固定键顺序和分隔形式,使同一动作描述得到稳定指纹。目标、参数或策略变化,指纹也随之变化。 例如,合并产生新 commit 后,构建与部署必须绑定新对象,不能沿用一个没有明确对象的“发布一下”。指纹用于绑定动作描述,授权仍需经过相应策略和用户确认流程。  *图 4:策略判定绑定具体动作;目标、参数或策略变化后重新判断。图示为策略与执行关系,不表示所有工具类型都已接入拦截。* ### 7.2 从显式调用,到宿主执行前拦截 早期,动作策略依赖工作流在执行前显式调用。后续通过宿主的执行前钩子接入检查,对纳入策略的命令采用 fail-closed 方式:未满足放行条件时,不予执行。 在已接入策略的执行入口中,需要明确授权的命令,须完成相应判定和授权后才能继续。 被拦命令需要先经策略判定,取得用户对精确动作、目标与操作的显式授权,再登记授权记录。授权记录与命令及动作指纹绑定;实际操作变化后,需要重新判定并取得相应授权。 ### 7.3 一次误拦截:连记录问题的命令也被挡住了 接线验证暴露了一个实际缺陷:拦截器先挡住了包含危险操作描述的验证命令,接着又挡住了“把这条被拦命令记入需求卡”的记录命令。 原因是,记录命令的参数也包含相同文本。描述危险操作的文字触发了检查,导致授权与记录路径被一起堵住。 修复针对记录与授权路径设置了受限的处理规则,并补充相关执行检查。问题和修复结果一并登记到需求卡。这个案例说明,拦截设计需要区分实际执行的操作与用于描述操作的普通文本。 **覆盖边界:** 策略的有效范围取决于各执行入口的实际接入和验证。分类测试通过,不能证明所有执行路径均已覆盖,仍需逐入口核验。 ## 8\. M7 证据与质量:执行过了,怎样证明完成了 代码测试通过,只能回答相应测试是否通过。它没有直接回答:预发运行的是什么镜像,用了什么配置,实际业务请求是否正确。 M7 将执行材料与任务要求对应起来,区分“已经做过什么”和“已经证明什么”。 ### 8.1 用 E0—E5 界定结论能说到哪一步 这套系统使用以下证据等级: | 等级 | 要回答的问题 | 典型材料 | | --- | ------ | ---- | | E0 观察 | 出现了什么症状? | 用户反馈、历史记录、未验证观察 | | E1 代码 | 当前源码或本地产物有什么行为? | 源码、差异、完整行为测试、本地产物 | | E2 配置与数据 | 实际选择了什么配置和数据? | 实验分配、配置读回、索引、缓存、数据集 | | E3 运行态 | 当前运行的到底是什么? | 不可变产物、实例和 Provider 绑定 | | E4 业务验收 | 当前目标处理真实业务请求是否正确? | 完整字段、内容、顺序断言及相关负例 | | E5 结果效果 | 性能、可靠性、成本或业务是否改善? | 预定义指标、人群、窗口、基线或对照 | 并非所有任务都必须达到 E5。文档修改可以用本地证据验收;预发交付要核验相应目标的业务行为;要求效果改善的任务,才需要对应的效果证据。 证据还必须绑定目标。镜像 A 的业务验证通过,不能直接替镜像 B 背书。目标变化后,旧记录保留,但受影响的配置、运行态和请求需要重新核验。请求模式、调用方、数据和时效,也会影响证据能否复用。 ### 8.2 把验收要求接入任务关闭入口 `quality.json` 保存质量合同:原始需求、责任边界、最小必要设计、假设、目标、行为测试与交付检查。 `quality_gate.py` 检查字段是否齐全,是否还存在未经验证的实现前提,测试是否对应目标,以及缺不缺任务范围要求的交付证据。 对登记了 `quality_contract` 和 `quality_target` 的任务,`workctl` 在写入 `closed` 或 `observing_outcome` 前调用关闭检查。检查失败,任务与 `revision` 不变;通过后,保存检查合同哈希,并允许对应状态更新。  *图 5:已登记任务进入关闭检查;失败保留原状态,未登记旧任务仍走兼容路径。* 证据等级是验收规约,程序门禁是可执行检查,两者不能混为一谈。未登记的旧任务仍走兼容路径;程序检查结构和一致性,也不能替代对原始证据真实性及业务语义的审查。 ### 8.3 效果指标要在看结果之前定义 要求 E5 时,需要提前写清指标公式、观察人群、完整窗口、数据来源、基线或对照、负责人、停止条件和因果限制。 不能先挑一段好看的结果,再反过来定义成功。业务请求通过与效果改善,是两个不同的结论。 ## 9\. M8 方法治理:经验可以复用,成功记录不能随意继承 方法库不只要保存“以前怎么做”,还要回答:这次是否适用,执行的是哪个版本,成功是否经过验证,是否存在反例。 `methodctl.py` 管理这类记录。权威数据是 `library/*.json`,`methods/*.md` 是阅读视图,`registry` 与 `INDEX` 是派生索引。一条方法包含四组信息: ```text 适用性:trigger / scope / prerequisites / exclusions 执行:decision / procedure / 每步 action、check、stop_if 验收:outcome_class / outcome / closure_gate / safety_boundaries 反馈:evidence / cases / status / revision ``` 这里的“学习”发生在外部方法库、工作上下文和执行约束中,**不涉及在线训练模型权重**。检索影响下一次做法选择,执行反馈再改变方法的成熟度和适用条件。 ### 9.1 先找到候选,再判断能否采用 M8 使用词法匹配,与 M3 的源码向量检索分开。英文和标识符提取 token,连续中文按相邻双字切分;再与方法的标题、摘要、领域、触发条件、目标、范围和关键词匹配。 评分规则为: ```text coverage = 命中的查询 token 数 / 查询 token 总数 score = 10 × coverage + maturity_bonus stable = 4,draft = 3,candidate = 2,needs_review = 1 ``` 检索先按领域和状态过滤,零命中不返回,再按分数和标题排序。`--explain` 返回匹配词、内容版本、触发条件、前提、排除项和门槛,供主 Agent 判断。 **相关只代表值得检查,不代表可以直接采用。** 是否满足方法前提,仍要结合当前任务判断。 ### 9.2 方法改了,旧成功为什么不能继续计数 一个反例测试很好地说明了这个问题:旧版本已经成功三次,新版本只成功一次,旧实现却仍将方法判为 `stable`。 修正后,新版本被判为 `candidate`,四条历史记录全部保留。改变旧案例的独立键,也不能绕过内容版本匹配。 要得到这个结果,方法选择、执行和反馈必须连在一起。 **选择时绑定版本。** `contract_hash` 对触发条件、前提、范围、步骤、排除项、完成门槛和安全边界等语义字段计算 SHA-256。执行前保存 `method_id + contract_hash + fit`,说明准备复用哪一步、怎样验证。关键词、摘要、记账时间等元信息与内容身份分开。 **反馈时绑定实际结果。** 登记成功、部分、失败或矛盾,以及目标、证据类型和等级。结果对应执行前选定的版本,不能事后拿当前哈希给旧经历补签。 **计数时区分独立性。** `independent_key` 区分独立任务。同一事件的多轮探测、修复重试和不同阶段,不能拆成多次独立成功。 **语义修订后重新累计。** 旧案例继续保留,但不能抬高新版成熟度;未解决的失败或矛盾阻断升级。  *图 6:先绑定版本,再执行验证与反馈;案例按内容版本和独立任务计数。* 当前项目的规则是:同一内容版本一次独立已验证成功为 `candidate`,两次为 `draft`,至少三次且无未解决失败或矛盾为 `stable`;出现失败或矛盾,优先进入 `needs_review`。 成功还必须达到方法声明的门槛。效果类方法要求 E5,只有 E4 交付证据时记为 `partial`,不能作为该方法的一次完整成功。 旧库未绑定案例仍有兼容路径,但语义修订后不能借这些记录提升新版成熟度。内容哈希也不能证明证据真实、独立键确实独立,或整体成功由这条方法造成。 ## 10\. 完整运行:一次搜索去重请求怎样走完 回到开头的教学案例:**修复最终搜索响应中的重复,保留首次出现顺序和原对象字段,并在预发验证。** 以下用于说明模块协作,不是一条新增的实际执行记录。  *图 7:从目标澄清到业务验收,再到状态和方法反馈;实际步骤由主 Agent 按需组织。* **先明确目标。** M1 与 M2 确认问题位于最终响应,并写清顺序、字段等保留条件。M4 建立任务记录;涉及多次任务时,再通过需求卡聚合。 **再找责任位置。** 已知字段或错误时用 `rg`;只知道功能时用意图检索;需要了解旧处理过程时查历史。M3 返回候选后,仍要读取当前源码与调用链。 **选择可复用方法。** M8 提供相关做法,M1 检查前提和排除项。决定采用后,先绑定方法 ID、内容哈希及验证计划,再执行。 **修改并交付。** 按动作范围接入 M6 判定,由 M5 完成代码修改、测试、构建和交付。产物身份与平台返回要保留;合并等操作改变了 commit,后续目标也随之更新。 **验证完整业务行为。** 对下面的输入,验收不能只检查结果数量: ```text 输入:[P1, P1, P2] 预期:[P1, P2] 要检查:身份是否正确、是否保留首次顺序、对象字段是否保留。 ``` 只断言“数量等于 2”,会漏掉 `[P2, P1]` 或标题错绑。先验证本地完整行为,再核对预发配置、运行目标和相应业务请求,由 M7 判断是否满足原要求。目标变了,就补充受影响的证据。 **最后回写进度与方法结果。** 未完成的缺口和下一步写入 M4;满足条件后,通过相应关闭检查更新状态。实际复用的方法,再按选定版本、独立键和证据反馈到 M8,失败与部分成功也要保留。 这条链路依靠主 Agent 的工具调用、任务记录和证据引用衔接,不由统一消息总线自动驱动。模型负责语义判断,对应程序执行可计算的约束。 ## 11\. 对工作带来的作用:看得到哪些产物 这套系统的作用,可以从三类可核对的产物来看。 **续接工作,有明确入口。** 历史检索保留原始线索,任务卡保存目标和缺口,需求卡关联任务、会话、模块、分支和问题。进入陌生代码时,还有项目技术地图、当前文件和责任链可查。 **执行与验收,有对应材料。** 预发交付保留产物身份、配置与运行态读回、业务响应;动作有范围判定,完成有对应检查,不只留下一个“执行成功”。 **复用经验,有版本与反例。** 方法有适用步骤、内容合同和验证案例。不再适用的做法进入复审,修订保留旧记录,新版重新验证。 这些机制提供了工作支撑,但不能仅凭模块存在或局部测试,就推导总体节省了多少工时、长期准确率提高了多少。效率和效果仍需要在真实任务中持续测量。 ## 12\. 技术特色与已有方案的关系 这套系统复用了乐观并发、内容哈希、显式合同、分层验收和可追踪反馈等工程思想。它的重点不在于替代某个框架,而是把这些机制接到具体研发对象和执行入口上。 ### 12.1 与已有机制如何组合 下表比较能力所在层次,不作功能排名,也不代表完成了同条件性能基准。 | 方案或机制 | 参考能力 | 本系统侧重的组合方式 | | ----- | ---- | ---------- | | [Agent Skills](https://agentskills.io/home) | 标准目录封装知识、脚本与资源,按需加载 | 在资源组织之外,管理方法适用条件、版本与验证案例 | | [LangGraph Persistence](https://docs.langchain.com/oss/python/langgraph/persistence) | checkpointer 保存线程内图状态,store 保存跨线程数据 | 状态持久化之外,定义环境、产物、配置和请求的验收身份 | | [Temporal Workflow](https://docs.temporal.io/workflows) | 事件历史与重放恢复工作流 | 执行恢复之外,由领域合同定义业务证据与完成条件 | | [LangSmith Evaluation](https://docs.langchain.com/langsmith/evaluation) | 数据集、评估器、离线与在线评测,失败回流测试 | 在评测之外,跟踪跨任务方法的内容版本、独立性与反例 | | [Claude Code Hooks](https://code.claude.com/docs/en/hooks#pretooluse) | 工具调用前允许、拒绝或请求用户决定 | 承载动作策略;本文描述的是已接线宿主中的 Bash 命令级检查 | 这些机制能够扩展和组合,表中区分的是关注点,而不是它们无法实现哪些功能。 ### 12.2 三个贯穿全篇的设计选择 **第一,把目标身份贯穿验收。** 源码、commit、配置、镜像、请求和证据需要对应起来。目标变化,不直接复用旧目标的通过结论。 **第二,把方法反馈绑定到执行时的版本。** 先选版本,后记结果;语义变化重新累计,失败和矛盾不能被成功次数淹没。 **第三,把可计算的规则接入实际入口。** 版本冲突检查进入状态写入流程,质量检查进入已登记任务的关闭流程,Bash 策略进入已接线宿主的执行前钩子。能由程序检查的约束,不只依赖 Agent 记住一段文字。 ### 12.3 还需要继续验证什么 后续仍需扩大 API 与部署适配器级的策略覆盖,核验不同宿主的实际接线,并持续观察长期效果和跨团队迁移情况。 内部指令精简另有独立实验,本文未展开相应材料,因此不将其作为这里的效果证据。这些设计也不构成算法首创或全面领先的证明。 回到最初的问题:完成一次代码修改之后,系统是否还能说明做到哪了、运行的是什么、凭什么验收,以及这次经验能否在下次使用? 这正是八个模块协作的目标:**主 Agent 组织工作,规则与检索提供上下文,状态承接进度,工具落实操作,策略约束动作,质量对应证据,方法治理记录经过验证的做法。**
上一篇:为什么你的模型“答得对,却做不好”?——从模型机理到Agent落地
下一篇:【积微成著】AI驱动“自动化测试后周期”诊治体系升级
wd****
文章数
1
阅读量
27
作者其他文章
01
Agent 研发工作系统:面向多需求并行端到端开发的设计与实践
让 Agent 完成一次修改,还要回答三个问题:工作如何续接,结果如何验收,经验如何复用。“修复搜索结果重复,并在预发验证。”以这个需求场景为例,看似只是一次代码修改,实际却有一串问题需要回答:去重发生在最终响应,还是上游候选池?原有顺序和字段是否保留?本地测试通过后,预发运行的是否正是这次修改对应的镜像?换一个会话继续处理,又该从哪里接着做?这些问题不能只靠一次工具调用回答。它们要求系统保留任务
wd****
文章数
1
阅读量
27
作者其他文章
添加企业微信
获取1V1专业服务
扫码关注
京东云开发者公众号