18 KiB
Agent Workbench 后续产品与执行开发方案
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、回顾和发行身份。下一1.21方案保持计划。
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。1.15桌面方案的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。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
- 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。
- Node/TypeScript:修复跨模块异常,增加能复现问题的行为检查并运行。
- React:新增一个跨组件的完整交互,验证请求/状态/错误行为。
- React:修复竞态或数据归属问题,并验证刷新/切换后的结果。
- Python:修改一个处理流程,增加边界样本并运行测试。
- 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 与 AGENTS.md。
9. 接续执行的开发切片(2026-10-30)
- 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。
- 按用户最新需求进入1.12执行方案: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。
- 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。
- 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。
- 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。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:
- 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。
- 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。
- 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。
- 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。
- 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。