Files
Agent-Workbench/docs/PRODUCT-PLAN.md

166 lines
19 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# Agent Workbench 后续产品与执行开发方案
当前入口更新(2026-11-06):官方直连优先,代理/兼容按各自原生协议与真实结果适配;自动发现模型与版本化官方能力、用户覆盖分别管理。[全系统审查](SYSTEM-AUDIT-OFFICIAL-FIRST-2026-11-06.md)明确正式F/1.25.12、后续三源码修复未部署及30区域/38事项。[开发路线](DEVELOPMENT-ROADMAP-OFFICIAL-FIRST.md)以正确性/残留上限、官方契约/缓存、独立发行、新真实交付及收益验证为顺序;全球原生、多模态、服务端工具、交互PTY/电脑操作和生态按批补齐。本轮审查不修改产品源码或部署;下方旧版本与预算设计按历史理解,不恢复默认额度/逐步审批。
1.20.1已完成真实案例修复及保留状态本地升级:原任务目标/无需测试约定、只读诊断、系统审查来源、完整无参协议兼容、失败请求用量、无进展保护和实际模型展示均已修复,并补齐暂停封存及Windows进程退出竞态。独立源码626/626、桌面/390px核心5组、相关历史UI5类、同载荷安装/重启/卸载7组、正式26页和实际Electron两视口通过。原PID36552/Provider及模型连接保持,17项目/30全部会话/3144记录/5986事件、全部表每行/全导出/模型中心及1824工件记录/1721去重文件原字节保持,9229关闭。本轮真实模型请求0,未续跑原用户任务或改写历史用量。 见[验收](QA-1.20.1.md)、[回顾](RETROSPECTIVE-1.20.1.md)和[发行身份](task-control-release-identity.json)。下一[1.21方案](PLAN-1.21.md)保持计划。
## 1. 产品目标
1.14的A–F已完成实现、独立验收和正式交付:253份源码输入/6构建/40基准、三工程13节点、23类178组UI及独立445/445通过;最终不可变20261030235440461便携/归档与保留状态升级通过。原PID23172/Provider、全部7表每行及28会话导出保持,具体原结果见[QA-1.14](QA-1.14.md)。[1.15桌面方案](PLAN-1.15.md)的A–E已分别实现及实际验收(249f191、72a496a、5354d95、f7a5969、b77783b),F独立发行/正式部署全部通过,后续真实手机配对另属1.16。
建立由我们掌握源码、可接用户选择的大模型、在本地持续完成真实工程任务的AI编程与能力研究工作台。研究Codex、Claude Code、Cursor、DeepSeek Harness、WorkBuddy的有价值机制,用REA取得可追溯证据,将机制独立开发成工作台内置能力;DSH-purge作为明确版本和作用范围的研究及增强策略候选。
项目范围仅包含本工作台及其核心代理能力。研究目标的源码、安装目录和发行工件仍是各自独立资源,工作台保存来源及结论,并通过明确接口集成。
产品的最终交付单位是一个完成的工程任务:明确需求与验收条件、项目基线、实际代码变化、测试与修复记录、可审查diff、Git提交和交付说明。基础工具测试与界面通过,不能单独证明已经具备这一能力。
## 2. 几个概念的分工
| 层 | 负责什么 | 本项目的建设方式 |
| --- | --- | --- |
| 大模型 | 理解、推理、提出代码和工具调用 | ModelProvider接入用户选择的服务,验证工具协议/上下文/流式/用量能力 |
| 自有Harness | 把模型组织成能完成任务的执行系统 | 自己实现规划、工具、上下文、记忆、权限、验证、恢复和预算 |
| REA | 分析发行工件、资源和运行证据 | 作为专用研究工具适配器,分析有独立job生命周期,结果保留工件身份与Evidence |
| 外部引擎 | 整个代理运行时,例如Codex app-server、DeepSeek Harness SDK | EngineAdapter接入;与纯模型API分别管理,不能混用返回格式和执行权限 |
| DSH-purge | DeepSeek Harness插件:提示注入、pre-step hooks及相关执行策略 | 锁定兼容组合,先做对照实验,再决定可集成策略;源码声称和实际提升分开记录 |
| 桌面/手机 | 用户输入、观察、审查和授权 | 共用任务/事件/工件契约;代码、Git、终端、REA由执行宿主完成 |
可以把Harness理解为负责组织工程的执行流程:记住用户要做什么,找到相关代码,调用工具,核对修改和测试,出错后修复,最后交付可运行结果。研究这些客户端的重点,是把这样的具体流程开发成我们自己的能力。
Purge的源码机制不证明模型权重或工程成功率已经提升。增强效果以同模型、同任务、同预算的实际工程结果判断。模型策略可以影响建议与调用,但自有执行内核保留对项目读写、命令、任务归属和预算的最终控制。
## 3. 当前基础与关键缺口
现有基础:React工作台、兼容模型连接、Task/Run/Tool及预算、SQLite/工件恢复、工程索引与精确补丁、npm实际检查、单文件/整批审核、Git和报告。1.4.0增加原/新字节快照和逐文件执行账本、整批预检及显式恢复;各版本实测证据单独登记。
当前已实现Task所属计划/原证明、请求预算、来源记忆/检查点、模型中心/池、Skills/stdio MCP、受限worker与父审查、固定DeepSeek受控桥、Windows桌面/可选DPAPI、真实iPhone伴随端、Chat/Responses有界SSE、PNG/JPEG视觉与预算续接、来源核对的持久解析缓存,以及1.20固定工程评测/受控自身模块候选采纳。各阶段证据见对应QA;工程依赖准备、更多引擎、OS沙箱、语音、通用电脑操作及未知客户端格式仍待开发。真实模型自主完成率和视觉/Purge收益单独评测;现有文本批次不提供跨文件原子事务。
工作台源码已建立本地Git,基线提交为`bac87da`,标签`v1.0.0-baseline`,继续按可审查小步提交。用户工程已有内置审查提交/证据报告、独立工作区及1.13父子文本成果审查合并;任意自动合并、归档和总体自主工程完成率继续实施与验收。
能力逐项对照见 [CAPABILITIES.md](CAPABILITIES.md)。研究身份、来源和问题见 [RESEARCH-ROADMAP.md](RESEARCH-ROADMAP.md)。
## 4. 建议架构:一套执行核心,多种入口
```mermaid
flowchart TB
Desktop[Windows桌面:编辑、终端、审查] --> Gateway[统一网关:任务、事件、设备身份]
Mobile[移动端:任务、进度、审查] --> Gateway
Gateway --> Core[自有Harness:规划、上下文、执行、验证、恢复]
Core --> Models[ModelProvider:用户选择的大模型]
Core --> Workspace[工作区:Git、patch、测试、交付]
Core --> Research[研究工具:REA、Evidence、长任务]
Core --> Engines[可选EngineAdapter:Codex、DeepSeek Harness等]
Core --> Storage[SQLite事件与状态 + 工件文件 + 项目记忆]
```
建议逐步拆出以下模块,保持现有界面与文件/命令验证能力可复用:
```text
src/shared/contracts/ Task、Run、Step、ToolInvocation、Event、Artifact、ChangeSet
src/core/storage/ JSON导入、SQLite、事件/outbox与迁移
src/core/tasks/ 计划图、调度、检查点、预算与取消
src/core/context/ 工程索引、项目记忆、上下文组装与来源
src/core/models/ 模型能力探测、流式协议、请求策略与用量
src/core/tools/ 工具注册、执行策略、终端、测试、REA/MCP
src/core/workspaces/ Git、worktree、patch、多文件变更与合并
src/core/engines/ Codex/DeepSeek等整代理运行时适配
src/core/artifacts/ 日志、测试报告、证据、diff与交付记录
src/core/evaluation/ 真实任务基准、独立验收、同题对照与质量记录
src/gateway/ 本机接口、配对设备、游标补发
apps/desktop/ Electron桌面宿主与客户端
apps/mobile/ PWA伴随端;之后评估React Native/Expo
research/ 来源登记、研究问题与小型脱敏结论
```
核心契约:
- Task固定用户目标、约束和验收标准;Run保存本轮工作区、模型配置版本、预算、执行提供方和检查点。
- Step表达依赖、产物、前置条件与实际完成标准;ToolInvocation有稳定身份、输入校验、作用范围、状态、审批、取消与恢复策略。
- 事件按单调seq追加,数据库事务保存状态、事件和outbox;大输出保存为工件,事件携带引用。
- ChangeSet绑定项目和Git基线,包含多个patch及文件操作;验证和审查后才合并到目标工作区。
- ModelProvider只处理推理协议;EngineAdapter处理外部代理运行时。两者分别报告能力与限制。
- 记忆条目包含来源、时间、项目/commit身份和验证状态;代码变化后重检失效事实。
## 5. 后续执行阶段与闸门
每个阶段都交付可演示功能、来源记录、验证结果和本地Git提交。阶段顺序表示依赖,不表示已实现;发布时间在工作量验证后再确定。
| 阶段 | 重点与交付 | 进入下一阶段的验收 |
| --- | --- | --- |
| M0:规划与工程基线 | 本地Git、目标登记、能力矩阵、开发规范、研究问题;本轮交付 | 1.0.0基线可追溯,规划与源码状态分开,其他项目不进入仓库 |
| M1:可靠内核 | Task/Run/Step/Tool契约、SQLite迁移、事件游标、模型配置快照、工件、预算;先建真实任务基准集 | 旧数据副本迁移可回退;10个崩溃/停止切点状态明确;过期审批不能作用到新Run;重试不重放已完成工具 |
| M2:真实工程闭环 | 项目识别/增量索引、上下文、计划、patch/ChangeSet、Git/worktree、TestRunner、有限轮修复、交付报告 | 三类受控工程中各两个完整任务可执行;包含跨4文件修改、真实测试失败后修复、可审查diff和提交;保留原工作区改动 |
| M3:REA与模型/引擎适配 | REA研究job与Evidence浏览;Codex协议适配、DeepSeek SDK版本适配;Purge对照实验与能力探测 | 同一工件身份可追溯;长分析可观察/停止;引擎事件不串项目;受限协议不被标成完整能力;增强收益有同题证据 |
| M4:长任务与多worker | 项目记忆/恢复与1.13两个受限worker、独立worktree、预算/停止、文本审查合并已实现;大规模调度及完整长任务压缩待做 | 长任务重启后保留目标/已完成结果;两个独立worker可合并;重叠修改检测;父任务停止传播到所属进程与worker |
| M5:桌面与移动伴随端 | Electron Windows安装包、后台宿主、项目/终端/成果区;设备配对网关;PWA手机入口 | 桌面关闭后任务仍可管理;手机与桌面查看同一Run;断线按seq补发,重复审批/执行被拒绝;设备可撤销 |
| M6:专业交付质量 | 封存工程验收集、回归、成本/人工介入统计、迁移、更新、日志导出与交付体验 | 每项正式能力有真实任务证据;用实际完成率、费用和失败分类评价提升;发布清单和回滚方案完整 |
### 首批M2真实任务样本
1. Node/TypeScript:给服务新增一个有输入校验的接口,并保留现有接口行为。
2. Node/TypeScript:修复跨模块异常,增加能复现问题的行为检查并运行。
3. React:新增一个跨组件的完整交互,验证请求/状态/错误行为。
4. React:修复竞态或数据归属问题,并验证刷新/切换后的结果。
5. Python:修改一个处理流程,增加边界样本并运行测试。
6. Python:完成一次多文件整理,同时保留对外行为与项目说明。
每个样本固定基线commit、任务描述、预算、可用工具、独立验收与允许的人工介入。完成定义同时要求需求、实际测试结果和审查通过。零测试、命令失败、检查取消、模型声称完成都不能记为测试通过。
首批之后建立20个封存工程任务,用相同模型/预算独立重复运行至少3次。M6完整任务成功率暂定不低于80%,先测量基线、再校准门槛并记录理由;具体口径见能力矩阵。增强实验记录任务完成率、实际测试通过率、错误修改、人工介入、耗时、调用费用及恢复表现。确定性的项目归属、授权和历史保留契约要求全通过。
## 6. 桌面端与移动端方案
### 桌面:先Windows Electron
复用React和Node核心,先交付Windows x64。桌面宿主负责本地项目、Git、终端、模型连接、后台任务和REA工具进程;renderer通过受控IPC/API访问核心。加入工程选择、diff/成果浏览、任务通知、启动/停止与恢复体验。
UI窗口与执行宿主分开。凭据由用户主动配置,并以宿主内存/后续系统凭据存储管理;规划和Git不读取已有第三方登录信息。当前内存连接在已验证的同进程升级中保留,后续桌面迁移采用明确的数据与凭据生命周期。
Tauri列为后续对照选项:比较Rust/Node侧车、REA引擎兼容、实际包体与维护成本后再决定。macOS/Linux在执行适配和分析引擎支持矩阵建立后拓展。
### 手机:先PWA,再按需求做原生
首版手机端负责发送/追加任务、进度、日志与证据摘要、diff审查、确认操作和接收结果。工程、终端、Git、测试和REA在电脑或后续私有执行宿主运行。
手机的127.0.0.1是手机本身;当前只绑定127.0.0.1的工作台不能直接从手机连接。增加独立配对网关、设备身份/范围/撤销、可靠事件游标和经验证的网络通道,模型凭据留在执行宿主。电脑和手机使用同一Task/Run/Artifact,不另造一套任务状态。
PWA完成上述闭环后,再依据通知、后台体验和系统集成需求评估React Native/Expo。手机断线/切后台时保存游标与视图,恢复后补发事件,避免再次执行历史操作。
## 7. REA、外部引擎与Purge的集成要求
REA是专用长任务工具,产品设计采用清单、分析、追踪、Evidence查看等分层入口;这些是工作台操作层,不保证对应同名REA工具。适配时核对binary_session及tool_availability,再映射实际工具。工件选择、版本/hash、provider、超时/取消、Evidence和观测/推断/未知都成为产品可见记录。工具能力从当前服务探测,不能把技能文档中的数量当成运行时全部可用能力。
Codex优先使用官方app-server本地stdio接口;官方文档把WebSocket标为实验性。移动端使用自己的稳定网关。
DeepSeek SDK使用独立EngineAdapter:stdio JSON-RPC、具名profile和版本对应协议。其当前无单会话cancel/session-close、无有效协议版本协商,审批请求目前未由服务端发出;通知覆盖runtime会话树,run()的root idle区间也不等于单提示任务完成。适配器必须记录这些限制,按Task/Run隔离事件和进程,使用session/wait核对后代及汇总,不能将事件流标成逐token流。
初期需要独立取消的任务使用独立runtime所有权;恢复保留session id和持久目录,外部进程结果另行核对。外部引擎若没有可验证的细粒度授权入口,写入执行能力须由受控工具profile/实际执行环境证明后才开放。
DSH-purge分别登记1.1.78独立包和Desktop内置1.1.81;两者均宣称适配0.2.1-rc.2,不能自动混用。提示/重试策略与宿主策略旁路分别评测,工程权限不交给实验提示决定。默认正式配置由重复工程验收结果决定。
Purge的包声明Apache-2.0,另有商业许可联系说明;Harness声明MIT。保留各自声明和来源,产品捆绑分发条件列为待厘清事项,当前先规划接口与版本适配。
## 8. Git与持续开发规则
工作台源码已在本目录建立独立Git:main分支、1.0.0基线和本地标签。源码、文档、测试与小型研究结论进入仓库;凭据、依赖、构建输出、运行数据、发行包与原始抓包/大工件按.gitignore分开。
后续每个独立可审查的小步通过相关检查后本地提交;实验使用独立分支/worktree,提交包含问题、行为变化和验证。当前没有远端,推送/发布按用户明确指令执行。具体见 [GIT-WORKFLOW.md](GIT-WORKFLOW.md) 与 [AGENTS.md](../AGENTS.md)。
## 9. 接续执行的开发切片(2026-10-30)
1. 1.11本地发行已完成,最终源码298/298、126组界面及随包REA/DeepSeek/Edge、归档/便携和正式PID19084升级全部通过。该发行与真实模型续接分别登记。
2. 按用户最新需求进入[1.12执行方案](PLAN-1.12.md):A连接注册/专业界面、B模型池轮询与恢复、C已验证配置发现/导入、D运行巡检。先以隔离HTTP服务与自有工程验证,真实模型样本另行验收。
3. 同一原页面失败Task保留桌面/手机条件、旧失败和已完成工具;续接按用户“先本地验收”的选择暂缓。后续记录必要人工审查、模型用量和整体结果。
4. 跨Task项目事实与来源、Codex/DeepSeek受控工具profile和Purge同模型/同题/同预算对照继续保留为后续核心切片。技术机制分别落入模块和契约检查,不将连接通过或提示名称当工程能力。
5. Electron桌面端、手机PWA及配对网关按M5复用同一执行宿主,单独验收安装、连接、审批去重和设备撤销。手机端不能直接使用电脑的127.0.0.1;实际设备连接与390px桌面模拟分别记录。
2026-10-30接续:1.12模型中心/池、已验证配置导入和巡检、项目记忆/有界上下文、Task检查点、Skills与受控stdio MCP已进入产品实现并本地提交;最终发行验收与正式升级见[QA-1.12](QA-1.12.md)。后续按以下顺序独立开发,避免把未验收能力一起接入执行链路:
1. 隔离worker:每个worker绑定独立Task/Run、worktree、父目标、模型选择与预算;父任务归集原证据并审查合并。先完成两个无重叠任务、重叠冲突拒绝、父停止传播和宿主中断不重放,再扩展角色与调度。
2. 受控外部引擎/策略对照:从固定版本/profile开始真实工程样本;同题/模型/预算比较原Harness与Purge策略,保存失败和人工介入。连接握手和工具能力、业务任务完成分别核验。
3. Windows桌面壳:复用已有宿主、模型中心、审查和工件;先验证窗口关闭/后台任务、重开、单实例、安装与保留数据升级,再扩到托盘通知及操作系统能力。
4. 手机配对:设备身份和可撤销授权、同一审批去重、断线游标补发;先开发配对网关,再用真实手机完成同Task的观察、停止和审查。390px继续作为布局检查。
5. 多协议/多模态与迭代评测:按每家真实协议分别适配图像/语音与缓存;开发者、审查者和评测者可使用不同模型,统一核对实际产物和用量。自我迭代先在隔离分支生成修复和报告,达到相同发行门槛后升级。
这些切片优先复用已验证的文件范围、基线备份、UTF-8、取消与诊断能力。研究结论每次至少绑定一个实现模块、一个契约检查和一个用户场景,按实际失败分类持续调整顺序。