Files
Agent-Workbench/docs/PRODUCT-PLAN.md
T
2026-10-29 11:52:04 +08:00

14 KiB
Raw Blame History

Agent Workbench 后续产品与执行开发方案

日期:2026-10-29。状态:规划版本;当前软件为1.0.0基础版本。本文中的后续能力与验收目标均为待实施项。

1. 产品目标

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、6个固定工具、单文件提案及基线检查、逐条命令确认、中文UTF-8、分类错误、会话保存/恢复、诊断和浏览器重连。34项行为测试、19组UI及真实模型原会话诊断已通过。

当前边界:JSON整段会话存储,active/waiters仍在内存;没有独立任务图、工程索引、长期项目记忆、精确patch、多文件ChangeSet、结构化测试修复、用户工程Git/worktree、REA/MCP工具注册、多worker或桌面壳。模型为一个全局连接且stream:false。

本次已为工作台源码建立本地Git,基线提交为bac87da,标签v1.0.0-baseline。这是开发仓库的版本管理;让用户在工作台中管理其工程的Git,是后续独立能力。

能力逐项对照见 CAPABILITIES.md。研究身份、来源和问题见 RESEARCH-ROADMAP.md。

4. 建议架构:一套执行核心,多种入口

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:

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 项目长期记忆、压缩/恢复、任务重规划、受限并发、独立worktree、检查与合并 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。现有1.0.0内存连接保持原状,后续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 与 AGENTS.md。

9. 下一轮最先执行的三个开发切片

  1. 定义Task/Run/Step/Event/Tool/Artifact契约,将现有模型循环的状态从UI会话表述中拆出;先保留兼容层。
  2. 抽象Storage,给JSON→SQLite迁移和崩溃/重放边界建立可验证样本;同时生成首批真实工程任务基准。
  3. 实现工程识别、TestRunner检查计划/planId/jobId/结果及Git基线,完成一个“跨文件修改→实际测试→修复→diff→提交”的最小工程交付。

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。