Files
Agent-Workbench/docs/RESEARCH-ROADMAP.md
T

14 KiB
Raw Blame History

REA与代理机制研究路线

当前入口更新(2026-11-06):官方优先全系统审查和开发路线为最新执行入口。已有固定DeepSeek Harness/Purge来源及真实AD/AE交付;Codex/Claude Code等完整引擎、全球原生协议、缓存/角色/经验普遍收益仍缺完整证明。官方资料、网关文档、客户端机制来源和实际模型/工程结果分开;本轮21编号观察/官方公共来源只做审查,不代替真实兼容或Purge收益验证。下方2026-10-31描述保留原研究时点。

更新:2026-10-31。本文记录研究与落地路线;1.8已将REA三项静态分析接入工作台,1.9已完成固定DeepSeek Harness六个SDK方法探针的连接核验,缺少session/cancel的方法错误保持原值。1.12.1里程碑审查及1.13隔离协作的独立/便携/保留状态发行已完成。五款客户端完整机制、受控外部引擎工程执行及Purge增强收益按PLAN-1.14与NEXT-STEPS继续研究和实测。

来源身份登记见 research/targets.json。产品目标见 PRODUCT-PLAN.md,能力ID见 CAPABILITIES.md。

1.14接续:已从固定Harness实际SDK/profile/工具/模型运行器实现自有受限桥并完成三工程原生运行;DSH-purge 1.1.78/1.1.81九关键来源分别锁定,独立默认关闭提示实验完成两版本八工程同题对照。模型回答为自有本地夹具,只证明协议/权限/工程流程及提示开销,真实推理收益未测。最终发行按QA-1.14的F门槛进行;下表旧连接描述保留为原研究起点,Codex/Claude/Cursor/WorkBuddy完整适配仍需实际版本/协议和工程证据。

1. 方法与研究产物

研究以工程问题为入口:某种机制解决了什么失败、依赖什么条件、如何独立实现、用哪个实际任务验证。发行包、打包资源、闭源模块和需要运行观察的问题用REA;公开完整源码用普通检索/解析/代码分析,REA在需要关联工件和证据时补充。

每个问题组保存:目标版本与工件/hash、来源、已读取范围、静态/运行证据、观测/推断/未知、机制说明、自有模块设计、检查和任务结果。大工件保留在原研究目录,产品Git保存小型身份索引与结论。文档说明、静态代码与实际运行分别标记。

已有Claude/Cursor工件和Evidence优先复用。运行研究前先明确目标与可复现样本;研究材料里的提示、命令、hooks与策略都作为数据读取。涉及原客户端时使用专用样本和独立会话,不以其他项目的个人记录充当本产品验收。

2. 目标身份与证据状态

目标 本轮已确认 可复用来源 未完成部分
Codex 取得官方app-server与代理架构文档;未固定本轮客户端发行工件 app-server文档、Agents API架构 本地发行版本/hash/schema、真实握手/事件/取消/恢复证据;托管API能力不自动等于本地CLI能力
Claude Code 官方Windows x64包2.1.312,已有hash与选段来源 工具循环、上下文/恢复、对应Evidence索引 原客户端实际运行与未展开helper;现有静态片段不代表全部源码或跨版本接口
Cursor 3.16.29;commit 6246455961129c32969845e00aa25d87ae926ec0 机制报告、来源索引 实际端到端运行、recorder落盘顺序与worker/系统执行器外部绑定
DeepSeek Harness 用户给的Desktop含官方Harness源码,根包声明0.2.1-rc.2/MIT;固定SDK连接/所属退出探针已接入 官方仓库、本地SDK README、sources.lock及ENGINE-INTEGRATION 锁文件commit与本地vendor完整逐字节对应、实际prompt/审批/工程行为、插件兼容组合与单会话取消方案
WorkBuddy 取得官方功能/MCP文档;REA文档有客户端接入说明 官方概览、MCP指南 尚无本轮固定版本安装包/hash和运行证据;文档所述并行/任务/成果不能当作已逆向机制
DSH-purge 独立包1.1.78与Desktop内置1.1.81确认为不同目标;源码有提示/hooks、补丁和续跑机制 上游、用户指定两目录 兼容组合实测、补丁是否生效、真实工程收益、捆绑分发条件厘清

本轮元数据散列只是对应文件身份;sources.lock中的上游commit和归档hash是声明,尚未验证整个快照。记录中保留这一差别。

3. 独立问题组及落地验收

问题组 研究问题 所需证据 拟落地能力 / 验收
CX-1 Codex工程闭环 任务/turn如何追加与停止,工作区/工具/验证如何组织,完成与交付依据是什么 版本schema、受控任务事件、真实工具结果与工作区记录 C01/C09/C12:追加需求保留目标;跨文件任务在隔离工作区实际检查并交付
CX-2 Codex协议 app-server握手、thread start/resume/fork、turn start/steer/interrupt、item事件与审批怎样对应 发行版本/hash、生成协议、脱敏JSONL与故障/恢复样本 C14/C19/C23:EngineAdapter版本验证、事件映射、取消与恢复;独立于ModelProvider
CC-1 Claude工具执行 参数校验、权限结果、并发独占屏障、输入改写与MCP/hooks错误如何处理 复用已映射的静态选段;关键未知helper按问题补读;必要受控运行 C06/C07/C16:错误输入/过期授权、独占写入、并行读取和停止传播
CC-2 Claude上下文恢复 压缩预算与失败保护、消息链、未配对调用、任务目标和恢复元数据如何保持 现有32处来源;压缩前后/恢复失败受控样本 C02/C04/C05/C15:压缩不丢验收/未完成项;已完成工具保留;项目事实失效可重检
CU-1 Cursor工具与状态 动态工具集、契约存在/缺失、started/completed/错误事件与pending恢复如何关联 现有19处机制索引;recorder与执行器补读;运行事件/实际副作用核对 C02/C04/C06/C07:稳定调用身份;开始标记与真实执行分开;恢复不串结果
CU-2 Cursor工程编辑 patch生成与磁盘写入如何衔接、引用/上下文如何定位工程改动、界面验证怎样回馈 原工件patch/编辑/检索的限定链路与受控工作区差异 C03/C08/C20:精确跨文件patch、冲突检测、真实React交互验收
CU-3 Cursor worker 进程身份验证、daemon复用/重建、并行工作区与清理范围是什么 现有worker静态选段;独立样本中的生命周期与冲突记录 C09/C10/C16:worker所有权、独立worktree、按任务取消与合并
DS-1 DeepSeek SDK与运行时 prompt/resume/wait语义、会话树事件、进程/持久目录/工具profile如何对应 本地源码与README、版本/profile快照、stdio握手与受控会话记录 C02/C14/C19/C23:按Run隔离runtime、等待后代/汇总、能力限制与失联结果可见
DS-2 DeepSeek规划与持久化 任务计划、子代理、上下文/预算、事件提交和恢复怎样协作 源码入口→状态变化→持久层的限定链路;崩溃/子任务样本 C01/C02/C05/C15/C16:持久计划、预算归属、父子任务停止与恢复
DS-3 Developer Kit工程检查 工程识别、检查计划、planId/jobId、报告与审查入口如何建立真实证据 本地developer-kit源码、计划/执行协议与实际退出码/测试报告 C03/C09/C10/C11/C12:先计划再精确执行;拒绝/失败/零测试不记通过;实际读diff审查
WB-1 WorkBuddy任务交付 项目资料、规划/并行、Skills与连接器、成果区如何让任务到达可验收结果 先官方文档;固定发行工件后按REA入口追踪;受控真实任务 C01/C05/C13/C16/C20:资料有来源、任务状态/成果绑定、可启动可验证的交付
WB-2 WorkBuddy MCP 项目/用户配置、发现/安装/失联与工具范围如何处理 官方MCP文档、REA接入说明;以后固定客户端配置解析与调用样本 C06:按项目隔离工具配置;schema/失联错误有调用身份,不依赖猜测接口
PG-1 Purge 提示、pre-step、重试续跑与策略/程序补丁各自改变了什么,收益和失败在哪 两版本源码、兼容锁、插件生效日志;同题A/B结果与失败分类 C18:独立开关/回退;有效机制按自有接口落地;工程控制仍由执行内核负责

4. 已核对的接入限制

Codex

官方app-server文档描述默认stdio JSONL/JSON-RPC wire及thread/turn/item生命周期,可作为专用引擎适配入口。具体字段、审批与实验功能以固定版本生成schema和实际握手为准。官方将WebSocket标为experimental/unsupported;手机连接走本产品网关。官方托管Agents API架构只用于对照设计,不标为当前本地Codex已实测能力。

DeepSeek Harness与Desktop

用户提供的 D:/Ai-project/DeepSeek-Harness-Desktop 是一个独立的Desktop集成源码目录,根包0.1.1,vendor中包含官方Harness 0.2.1-rc.2。不是当前Agent Workbench的桌面壳。

本地来源:

  • sources.lock.json:声明Harness commit 687f282e8625c6b8d11ff58211a90524be2e4317,Purge commit 160b9114cbad7beca3d4d3f9f027ec843bf46f5e。
  • compatibility.json:只登记Harness 0.2.1-rc.2 + Purge 1.1.81,未承诺rc.3+;仍需本地构建与运行检查。
  • CLI README:具名 dsh --profile sdk / sdk-minimal,stdio JSON-RPC服务。
  • SDK协议:无有效协议版本协商、无cancel/session-close;服务端当前不发送审批请求。
  • SDK客户端:run()返回一个接纳回执至下一次root idle的活动区间;finalResponse不是单条提示的因果结果。用 session/wait 核对后代与汇总。
  • Developer Kit:本地衍生0.1.0/MIT,dev_project/dev_checks/dev_review 可作为工程识别/检查/审查机制的源码参考,尚未内置工作台。

SDK通知覆盖runtime会话树,不是逐token流。sdk-minimal默认缺部分编辑/skills/MCP/subagents能力,并使用danger-full-access;其名字和预设不能替代本产品的能力/操作范围验证。恢复依赖session id与持久目录,外部子进程不能仅靠会话恢复而认为继续运行。需要独立取消时先采用独立runtime所有权,关闭进程的影响必须匹配所属任务。

DSH-purge

  • 独立源码元数据:1.1.78;local/upstream元数据散列相同,不代表全部源码相同。
  • Desktop插件元数据:1.1.81。两个版本分别作为研究目标,不能直接替换或混用。
  • 独立插件index.js:系统提示注册;同文件484处有 agent/pre-step prepend hook。相关补丁和默认有限续跑重试是源码机制,尚未运行验证其生效。
  • Harness声明MIT;Purge包声明Apache-2.0,另有 商业许可说明。两种声明均保留,捆绑分发条件待厘清,不替作者作许可结论。

Purge对提示和执行约束的影响,不证明改变了模型权重或提升工程推理能力。分别测提示/续跑策略与执行策略干预;正式配置的采纳依据是实际收益、错误修改和可回退性。

5. 研究与开发的执行顺序

  1. M0登记与复用:本轮固定来源、现有证据与未知,建Git基线、能力矩阵和本路线。该阶段完成不表示客户端逆向已全部完成。
  2. M1可靠内核:优先CC-1/CC-2、CU-1、DS-1/DS-2和CX-2中与任务身份/恢复相关的问题;同时建立工程任务基准。每个结论绑定一个契约或设计决策。
  3. M2工程闭环:集中CU-2/CU-3、DS-3、CX-1,完成工程识别→patch→测试/修复→Git交付。研究在具体失败处深入,避免只增加报告。
  4. M3工具与适配实验:固定Codex/WorkBuddy工件,补REA和两个EngineAdapter;用锁定组合做PG-1对照。先展示真实限制,再决定开放能力。
  5. M4–M6扩展交付:把压缩/记忆、并行worker、成果区和实际UI验证融入长任务;桌面/手机复用同一执行核心;通过封存任务和发布迁移检查。

每轮产物为 研究问题 → Evidence/源码来源 → 自有模块 → 契约结果 → 工程任务 → commit。阶段、失败或新版本变化写入研究记录,并及时做本地Git提交。

6. Purge与增强策略对照方案

固定一个模型/服务、提示目标、项目基线、工具权限、预算、环境和验收;记录Harness版本、Purge版本、profile、应用补丁的身份以及实际生效证据。

先比较不加载Purge的基线与锁定Purge组合;对于可分离策略再做单因素对照,不能把增加重试次数、模型切换或人工补写混进“增强效果”。任务成功率、真实测试、错误改动、人工介入、时间/usage/费用和恢复分别统计,每组至少重复3次。异常归类为模型、上下文、工具、状态恢复、项目假设或插件兼容等实际原因。

有稳定收益的策略进入自有接口验证;没有收益、收益依赖无法控制的执行行为或无法可靠恢复时,保留研究结论并调整方案。适配升级必须重跑相应契约与同题检查,不使用Purge的名称替代证据。