# 实施进度

> 配合 `DESIGN.md` 阅读。本文件记录已完成的事、关键决策、与原设计的偏差。

最后更新: 2026-05-06 (Phase 4 + Phase 6 task/state.json 落地;移除 legacy session 兼容;Phase 5 evals 决定不做)

---

## 总体状态

| Phase | 标题 | 状态 | 备注 |
|------|-----|-----|------|
| 1 | 最小可用骨架 | ✅ 完成 | 全部验收点过 |
| 2 | Skill 系统 + 三个 skill | ✅ 完成 | Anthropic 格式;coding/ppt/proposal |
| 3 | Hybrid 范式 (run_python) | ✅ 完成 | subprocess + 敏感 env 过滤 |
| 4 | 演化性能力 | 🟡 部分 | Model Profile 已就位;capability probing ✅;版本化 prompts 未做 |
| 5 | Eval Suite | ⏸ 不做 | 个人工具,造作 case 没区分度;真换模型用 dogfooding 判断 |
| 6 | 长任务工程化 | 🟡 部分 | task + state.json ✅;session 中断恢复 ✅;context 压缩、双层记忆未做 |
| 7 | 打磨 | ❌ 未开始 | Docker 沙盒 / 更多 skill / Web UI |

---

## 已完成清单

### 1. 项目骨架
- 目录: `core/ tools/ skills/ prompts/ config/ workspace/`
- 入口: `cli.py` (REPL) + `main.py` (装配)
- 依赖: `requirements.txt` (litellm / pyyaml / click / rich / python-pptx / python-docx / matplotlib)
- 本地虚拟环境: `.venv/`(Python 3.10.9)

### 2. 模型层
- `core/capabilities.py`: `ModelCapabilities` 数据类,从 `config/models/<family>.yaml` 加载
- `core/llm.py`: LiteLLM 封装,自动按 capabilities 启用 parallel_tools / reasoning_effort / prompt_caching / thinking_mode;指数退避重试
- `config/models/deepseek_v4.yaml`: flash 和 pro 两档
- 缺 `DEEPSEEK_API_KEY` 时报清晰错误,不崩

### 3. 会话与持久化
- `core/session.py`: 内存消息列表 + 元数据 + 落盘 JSON,文件格式
  ```json
  {"meta": {"id","created_at","cwd","model","model_profile"}, "messages": [...]}
  ```
  老格式(纯 list)向后兼容
- 每次 `cli.py chat` 启动一个新 session,文件名 `workspace/sessions/<YYYYMMDD_HHMMSS>.json`
- 支持: `--resume last` / `--resume <id>`;resume 时若当前 cwd 与记录不同会警告
- REPL 命令: `/exit /reset /new /id`
- `cli.py sessions` 列表显示 id / msgs / cwd / 第一条用户消息预览

### 4. ReAct 主循环
- `core/loop.py`: LLM ↔ tool 循环,无 tool_calls 即返回
- LLM 调用包了 `console.status("thinking...", spinner="dots")` 转圈点
- 工具结果对模型截断到 16K 字符,对用户预览 400 字符
- 所有日志走 `rich.Console`,彩色

### 5. 通用工具
- `tools/base.py`: `Tool` 基类 + `_resolve` 路径解析
- `tools/fs.py`:
  - `read` —— 带行号,支持 offset/limit
  - `write` —— 自动建父目录,覆写
  - `edit` —— old_str **唯一匹配**约束(CoreCoder 风格)
  - `glob` —— `**/*.py` 等模式
  - `grep` —— Python 正则,自动跳过 `.git node_modules __pycache__ .venv venv dist build`
- `tools/shell.py`: subprocess 执行,黑名单拦 `rm -rf /` 等;默认 60s 超时
- `tools/run_python.py`: subprocess 跑临时 .py 文件,过滤 `*API_KEY *TOKEN *SECRET *PASSWORD *PRIVATE_KEY` 环境变量

### 6. Skill 系统(Anthropic 渐进披露标准)
- `core/skills.py`: `SkillRegistry` 扫描 `skills/<name>/`,只读 SKILL.md frontmatter 做 discovery
- `tools/skill_tool.py`: `load_skill(name)` 工具返回完整 SKILL.md 给模型
- 三个 skill,均按 WHY+WHAT 风格写,不写 Step 1/2/3:
  - `skills/coding/SKILL.md`
  - `skills/ppt/` —— 完整渐进披露结构(借鉴 hugohe3/ppt-master 的两阶段 + spec lock 思路):
    - `SKILL.md`(两阶段工作流 + ⛔ blocking 八条对齐 + 红色硬约束 + 强制封面/尾页 + 反模式)
    - `references/design_principles.md`(§0 画布 + §1-9 字号/配色/留白/字数预算/图表)
    - `references/layouts.md`(9 种版式 + `apply_brand(slide, kind)` 品牌条覆盖每页 + assert_inside)
    - `references/icons.md`(业务图标两层:Iconify / unicode 兜底;MSO_SHAPE 退为 layouts.md helper 内部几何原语)
    - `assets/icons/INDEX.md`(本地图标库索引 + 推荐清单)
    - `scripts/fetch_icon.py`(Iconify CDN 拉个性化 SVG/PNG,主题色染色,缓存本地)
    - `scripts/quality_check.py`(页数/标题/bullet/字号/配色 + shape 越界 + 文本溢出估算)
    - `scripts/source_to_md.py`(PDF/DOCX/PPTX/URL → Markdown)
    - `scripts/render_icon.py`(unicode 字形 → 透明 PNG,兜底)
    - **配色**:商务红 PRIMARY `#C00000` / SECONDARY `#E15554` / ACCENT `#FFC107` —— v3 改为硬约束,模型不能基于"场景判断"自行换色
    - **品牌条**:v3 加 `apply_brand(slide, kind)`,所有版式起手必调,4 种模式 (cover/inner/section/end) 覆盖左竖条 + 浅底,不再裸白纸
    - **图标**:v3 加 Iconify CDN 拉取链路 (tabler/lucide/heroicons/material-symbols 等 150+ 集),本地缓存复用
  - `skills/proposal/SKILL.md`(含工作目录约定 + 字数表 + python-docx 合并模板)

### 7. System Prompt
- `prompts/system/general_v1.md`(无版本化软链接,直接引用 v1)
- 启动时拼接顺序: 通用指引 → discovery 块(skill 列表) → 当前工作目录

### 8. Capability Probing(Phase 4)
- `core/probe.py`:四项探测 + ProbeReport
  - `probe_basic_chat` —— 连通性,失败则跳过其余
  - `probe_parallel_tools` —— 给两个独立工具,看 single response 里 tool_calls 数 ≥2
  - `probe_thinking_mode` —— 对 declared=True 的模型传 reasoning_effort,看 API 接受 + 是否产出 reasoning_content/thinking
  - `probe_long_context` —— needle-in-haystack 简化版,默认 reliable_context * 4 / 8 字符,上限 200K(opt-in,需 `--long-context`)
- `cli.py probe [--model X] [--long-context]`:rich Table 输出;退出码 0=全 ok / 2=有 mismatch / 3=有 error
- 不修改 yaml,只报告差异——是否调档案由用户决定
- 不进启动路径(每次启动跑会烧 API),用户显式触发

### 9. Task 概念 + state.json(Phase 6)
- `core/task.py`:`TaskState` dataclass(对齐 DESIGN.md §7.1)
  - 字段:task_id / mode / description / status (active/completed/abandoned) / model / model_profile / reasoning_effort / cwd / created_at / updated_at / tokens_prompt / tokens_completion / cost_usd
  - `save(task_dir)` / `load(task_dir)`,加载时容忍未知字段(schema 演化)
- 存储布局:`workspace/tasks/<task_id>/{state.json, messages.json}`
- `main.build_agent` 返回 5 元组 `(agent, session, sid, task_state, task_dir)`
- `main.sync_task_tokens(state, dir, llm)`:每轮 agent.run 后调,把 LLM 累计 tokens 写回 state.json
- CLI:
  - `chat --mode coding --desc "修一处 bug"`(可选元数据)
  - REPL:`/status` 看 state、`/done` 标完成、`/abandon` 标弃、`/desc <文本>` 改描述
  - `cli.py tasks [--status active|completed|abandoned]`:列任务,显示 mode/model/msgs/tokens/desc
- 已知小坑:`Session.save()` 不原子,write_text 抛错(如 stdin 注入了 UTF-8 surrogate 半字符)会留下 0 字节文件——交互使用没问题,后续可加 tmp+rename

---

## 关键决策与偏差

| 项 | 决策 | 与设计差异 |
|---|------|-----------|
| 工具基目录 | 用户当前 cwd,不是 workspace/ | 设计未明说;选 cwd 是因为 agent 该操作用户的项目 |
| Workspace 用途 | `tasks/<id>/{state.json, messages.json}`;memory/ 待 Phase 6 双层记忆 | 设计含 `tasks/ memory/ logs/`,部分落地 |
| Session 粒度 | 一个目录一个 task,含 state.json | Phase 6 落地;DESIGN.md §7.1 字段对齐 |
| Eval Suite | 决定不做 | DESIGN.md §6.3 设计为团队/产品场景;个人工具用 dogfooding 替代,probe 覆盖健康检查 |
| 版本化 prompt | 直接 general_v1.md,无 active.md 软链接 | Windows 软链接麻烦;后续要切版本时再做 |
| run_python 沙盒 | subprocess + env 过滤 | 设计阶段 1 就是这套,未升级 Docker |
| 工具数 | 8 个 (read/write/edit/glob/grep/shell/run_python/load_skill) | 设计上限 ≤10 同时可见,目前刚好 |

---

## 验收过的测试

- 全项目 `ast.parse` 语法 OK
- yaml 配置可解析
- 所有 import 链路在 venv 中跑通
- `cli.py --help` / `cli.py chat --help` / `cli.py tasks --help` / `cli.py probe --help` 正常
- `SkillRegistry` 识别出 3 个 skill,discovery 块拼装正确
- 缺 `DEEPSEEK_API_KEY` 时报清晰错误
- 实测 DeepSeek API 接通,`flash` 和 `pro` 两档都能调通
- **真实 probe 结果**(2026-05-06):
  - `deepseek_v4.flash`:basic_chat ok / **parallel_tools mismatch**(yaml=false, observed=true,2 个 tool_calls)/ thinking_mode skip(declared false)
  - `deepseek_v4.pro`:basic_chat ok / parallel_tools ok / thinking_mode ok(reasoning_content 返回)
  - flash 的 mismatch 暂不自动改 yaml —— `parallel_tools=true` 会影响所有实际调用,需更多场景观察后再决定

---

## 已知遗留 / 下一步候选

按性价比排序:

1. **Phase 6 双层记忆**(~半天)—— `workspace/memory/core.md` 注 prompt + `extended/` 按需读
2. **Phase 6 context 三层压缩**(~1 天)—— 兜底用,V4 长上下文一般用不到
3. **小修打磨**(~半小时)—— `Session.save()` 改原子写(tmp + rename),防 surrogate 等异常 truncate
4. **Phase 7 Docker 沙盒**(~1 天)—— 替换 subprocess,run_python 安全升级
5. **Phase 7 更多 skill / 模型档案**(持续)

---

## 文件清单(代码量)

```
core/capabilities.py        71 行
core/llm.py                 89 行
core/loop.py                99 行
core/probe.py              243 行   ← Phase 4
core/session.py             77 行
core/skills.py              81 行
core/task.py                63 行   ← Phase 6
tools/base.py               34 行
tools/fs.py                182 行
tools/shell.py              63 行
tools/run_python.py         84 行
tools/skill_tool.py         45 行
main.py                    175 行   ← +tasks 布局 / TaskState 装配
cli.py                     265 行   ← +probe / +tasks 子命令
─────────────────────────────────
合计 Python               ~1571 行

prompts/system/general_v1.md
skills/coding/SKILL.md
skills/ppt/SKILL.md
skills/proposal/SKILL.md
config/agent.yaml
config/models/deepseek_v4.yaml
requirements.txt
```

设计预估 Phase 1-3 大约 800-1000 行,实际 1083 行,加上 Phase 4 + Phase 6 约 1571 行 Python。