46 · Planning 应作为每个任务的默认前置步骤,覆盖三类信息来源
状态: 📝 设计中——四个关键决策已拍板。Phase 0 已完成(2026-09-01 真实回归验证):链路能收敛、44 号文档修复确认生效,发现的独立缺陷已拆到 47 号文档 并修复。Phase 1 代码已实现(2026-09-02,见「Phase 1 实现记录」):新 agent
subtask-planning+enqueueTaskRun挂钩(收窄为显式 opt-in)+ 复用 R-9.3 任务级共享索引对接下游,单测覆盖,但还没做真实端到端回归(且过程中出过一次真实 CLI 子进程泄漏事故,已修复并加了测试环境防护,见该节)。Phase 2 已实现且已做真实端到端回归(收窄版,2026-09-02,见「Phase 2 实现记录」):经验检索(新查询能力,扫已雇 agent 的 dream 沉淀)+ 按需 deep research(图外调用 org-hunt,默认关闭)。真实回归第一次就跑出一个真缺陷(关键词打分噪音压过信号,导致"经验库有答案"分支误触发)并已修复验证;两条真实任务的分解内容质量都好,但 deep research 分支目前更接近"多问一个角色的第二意见"而非真的做了外部检索(org-hunt 那次调用没有工具调用痕迹),如实记在实现记录里。"历史同类 goal 检索"这条来源本轮明确收窄未做。Phase 3 代码已实现(2026-09-02,见「Phase 3 实现记录」):tasks表加subtask_kind/claimed_at,认领 CAS(claimSubtask/unclaimSubtask,全仓库第一个"认领"语义写入)+ 物化(materializeClaimableSubtasks)+ 两个新路由 +settleNode闸门收窄(必须同步改,已用回归测试固定)。认领后复用现成的executor='agent'派单闭环,没有碰graph-engine.js的调度逻辑。单测覆盖(23+ 条新增),但还没做真实端到端回归——尤其"认领后 org-coder 自己怎么干"这一段完全没有验证质量的机制,设计阶段就写明"跑得糙"。Phase 4(独立开发验证循环)、Phase 5(看板 UI)仍未设计,留给后续 日期: 2026-09-01 触发场景: 用户复盘 43 号文档(goal 分解粒度)时,追问"为什么本地和线上所有公司的任务看板都没有子任务分解"。核实后发现:不是巧合或配置遗漏,acceptance_mode='itemized'在当前系统里从未被真正触发并落库过一次——追问引出了比 43 号文档更大的架构缺口:43 号文档只解决"验收要不要拆细",而用户认为规划(把一件事拆成第一步/第二步/第三步)本身应该是每个任务默认必经的前置步骤,不是一个可选的、可以被判"不需要"的例外。 格式对齐27-requirement.md/43-task-decomposition-granularity.md:原话照搬 + 结构化复述,现状调研另起一节。
原始需求(用户原话,一字不改)
所以,拆解任务计划这件事情是默认要做的。也就是说,我们做任何一个任务,其实都要有一个 planning(规划)的过程。
Planning 过程就是明确这个事情怎么做:第一步干什么,第二步干什么,第三步干什么。这个是一定要规划出来的。而这种规划来源于以下三个地方:
- 模型本身有规划能力。
- 来源于我们的知识库、经验库、memory 或 history。
- 来源于我们去做线上的 Deep Research。去研究怎么更好地实现这个过程,别人是怎么做的,线上有什么 know-how、有什么方法论,怎么做这件事情才是更优解。
比如说,我们怎么做一个视频:视频要不要生成分镜、生成脚本、修改编剧台词?最后怎么视频合成、怎么验证?这些方法论是需要有一个 planning 过程的,这个过程一定是要有的。所以,我们之前没有做任务分解,但并不代表这个事情在现实生活中不存在。既然我们之前的架构上有这个问题,那我们就必须要改变它。
也就是说,我们做任何一个 ORG graphy 或者是 work graphy 的时候,就应该先有 planning 的过程:
- 分解任务;
- 所有的 agents 围绕这个任务看板来工作,一层一层地接子任务;
- 子任务做完之后,再去做主任务的 validate。
人的工作是这样的,那多 Agent 的协同工作也应该是这样的。
结构化复述
拆成三条独立主张:
- 规划是默认前置步骤,不是可选判断——任何一个任务(goal / org graph / work graph 层面)在真正执行前,都必须先产出一份"第一步干什么、第二步干什么"的分解结果。当前架构里"要不要拆"是一次可以判"不需要"的例外判断,这一点本身就是缺陷。
- 规划的信息来源要显式覆盖三类:① 模型自身推理能力,② 内部知识库/经验库/memory/history,③ 外部 deep research(别人怎么做、行业 know-how、方法论)。三者不是互斥,是应该都被用上的三个输入源。
- 执行模型要围绕"任务看板"重新组织:分解出的子任务应该是 agent 们认领、逐层完成的对象;子任务做完之后再做主任务的 validate(先子后主,不是先给主任务判总分)。
现状调研(本次会话核实,基于 43/44 号文档 + 本次代码交叉核对)
结论:当前架构在这三条主张上都有真实的、具体的缺口,不是风格问题。逐条列证据:
1. 规划目前是"要不要拆"的保守判断,默认是不拆
system/agents/task-planning/agent.md Step 2bis(决定 acceptance_mode 的地方)原文态度:
判断错的代价是不对称的:错误地写
"itemized"(验收标准其实互相依赖)会让后续验收拆出没法独立成立的子任务,比漏写、保守选"holistic"的代价更高。拿不准就留"holistic"。
这与"规划是默认动作"直接相反——现在的默认值是"不规划到子任务颗粒度",只有信心足够时才拆。而且这一步只回答"验收要不要拆",从不回答"这件事第一步干什么、第二步干什么"这种通用意义上的 planning。
2. 规划阶段被显式禁止使用知识库/深度调研
system/agents/task-planning/tools.md「你不该用的工具」表格原文:
| 联网搜索、读第三方资料 | 拆分的唯一真相来源是 goal 描述原文。去外面找依据,等于给自己发明需求(违反
agent.md硬约束 8) |
这条规则本身有合理的历史动机(防止 LLM 脱离用户原话臆造需求),但结果是:用户设想的三条规划来源里,第 2 条(知识库/经验库/memory/history)和第 3 条(deep research)在当前唯一的"goal → task"规划入口上被明文禁止,规划只能来自第 1 条(模型自身能力)。
值得注意:知识库/经验库这条路径不是完全空白——dream 机制(29 号文档)会把各 agent 的运行经验提炼后写回 agent.md/soul.md 的专属区块(本对话前半段刚看过 CEO 的这次刷新)。但这是事后单向沉淀:写给 agent 在被调用时"顺带看到",不是规划阶段主动查询的机制——task-planning 判断"要不要拆、怎么拆"时,完全不会去读任何 agent 的 dream 沉淀经验。
3. 已经存在一套真正做"deep research"的机制,但没有接入日常任务规划
system/agents/org-hunt(+ org-digest/org-evolve)是 41 号文档验证过的一套真实调研机制:用 l1-web-fetch 抓取网页、评估数据源权威性、产出方法论。这正是用户设想里"第 3 条来源"的现成实现,而且经过真实跑通验证(41 号文档"11 轮真跑挖出并修复 5 个独立缺陷")。
但它当前只服务于 FDE 方法论训练场景(org-innovator 评估/训练某个角色的专业能力),只在 deliverable.json 这一种 work-graph-template 骨架里被引用,从未被接入 task-planning 或 org-planner 的常规执行路径。换句话说:deep research 的能力已经造好了,只是没有被接到"用户下一个任务 → 系统怎么规划"这条主路径上。
4. 子任务目前只影响"验收",不影响"执行分工"
43 号文档的落地范围里明确记录了这条设计决策:
子任务要不要独立开发+验收循环 | 先只拆验收,开发仍整体完成——org-coder 一次性写完整个交付物,验收侧改成按子任务(验收条目)逐条判,而不是给总分 | 改动小得多……独立开发循环(每个子任务各起一个 work-graph run)留作后续再评估
用户这次的第 2 条主张——"所有的 agents 围绕这个任务看板来工作,一层一层地接子任务"——正是 43 号文档当时明确放弃、留待后续评估的那部分。现在看,"后续"就是现在。
5. org/work graph 是预先铺好的固定拓扑,不是"任务池、谁有空谁认领"
现有 org graph / work graph 是建图阶段(orggraph-planning/workgraph-planning)一次性规划出的 DAG,节点和边在执行前就已固定,执行时严格按拓扑推进。org-planner 没有任何"创建 task"的工具(43 号文档已核实),子任务是靠服务端在它产出 acceptance.md 之后物化出来的,不是 agent 从一个共享任务池里"认领"的。
用户"agents 围绕任务看板逐层接子任务"这句话,字面上更接近一个动态任务池 + 认领机制,跟"图在建图那一刻就已经画死"的现有模型有结构性差异——这不是一个小改动,需要先确认要不要走这个方向(见下节问题 C)。
6. 即便是现有最小范围的子任务机制,可靠性也还没被坐实
上一轮对话已核实:当前 data/graph.sqlite 里 acceptance_mode='itemized' 的 task 零条,所有公司运行态目录里都搜不到 itemized 字样——43/44 号文档做的那次真实验证用的测试公司数据也已被清理。也就是说,在讨论"要不要扩大规划范围"之前,现有范围内的东西本身还没有一次成功的端到端确认。
设计决策(2026-09-01 定案)
| 问题 | 决定 | 直接后果 |
|---|---|---|
| A:规划打通到哪一层 | 新增独立的"深度规划"阶段,插在 task-planning(goal→task,保持极简不变)和现有 org-planner 之间 |
task-planning 职责不变(仍是"要不要多条 task"的粗粒度判断,3 轮内、不碰磁盘)。新阶段专门承接"这件事第一步/第二步/第三步怎么做"+ deep research + 查经验库,产出结构化的分解结果,取代现有"org-planner 收尾后才物化子任务"的时序——分解结果要在执行开始前就产出,而不是brd/prd/sdd写完后才回头拆 |
| B:Deep Research 触发时机 | 规划环节自行判断——先查经验库/memory/dream 沉淀,查不到或置信度低时才触发调研(复用 org-hunt/org-digest) |
新阶段需要两类工具权限:① 读 agent 的 soul.md/agent.md dream 区块 + 跨公司经验(目前没有现成的"查经验库"检索接口,需要新建);② 有条件触发 org-hunt(目前只能被 workgraph-planning 挑进固定模板,需要开放为"新阶段可按需插入") |
| C:执行模型 | 引入任务池 + 认领机制,替代当前"建图时固定 DAG、严格拓扑推进"的执行方式 | 这是四条里改动面最大的一条:graph-engine.js 当前是纯拓扑驱动(readDefGraph 一次性给出全部节点和边),需要新增"子任务作为可认领工作项"的调度层——agent(或调度器代 agent)从共享任务看板拉取匹配自己角色、状态为"可认领"的子任务,而不是等图上游节点产出后按边推给固定下游 |
| D:验证时机 | 子任务拥有独立的开发+验证生命周期(这次和 A/C 一起做,不再分阶段) | 每个子任务对应一次独立的开发→验证循环(而不是 43 号文档现状的"整体开发、分子验证"),意味着每个被认领的子任务大概率各自触发一次工作流实例(起类似 work-graph run 的调用),成本和并发编排复杂度显著上升,需要有预算/并发槽位控制(可复用 27-P3C 已实现的队列/并行槽位机制) |
四条决策合起来的完整流程:
goal 创建
│
▼ task-planning(不变,粗粒度)
产出 1..N 条 task(draft)
│
▼ 人工"全部下达"(不变)
│
▼ 【新】深度规划阶段
1. 查经验库/memory/dream 沉淀,看有没有可复用的方法论
2. 置信度不够 → 触发 org-hunt/org-digest 做 deep research
3. 结合"模型自身规划能力 + 查到的经验/调研结果",产出结构化分解
("这件事第一步做什么、第二步做什么…",形态类似 43 号文档的 acceptance.md
但发生在执行前而不是收尾后,且不仅是验收条目,是完整的步骤清单)
4. 把分解结果物化成任务看板上的一批"可认领子任务"(不是固定图节点)
│
▼ 【新】任务池认领执行
各角色 agent(org-coder / org-validator / …)按自己的角色,从共享看板拉取
下一条匹配、状态为"可认领"的子任务 → 独立开发 → 独立验证 → 回写子任务终态
│
▼ 汇总收敛
全部子任务 completed → 父 task success;任一子任务 failed → 父 task fail
(沿用 43 号文档已实现的父子终态汇总规则,未变)
已知的高风险点(老实写,别假装这是小改动)
- 任务池认领是对现有图执行引擎(
graph-engine.js)的范式级改动,不是加字段/加钩子能做到的。现有引擎的核心心智模型是"边决定谁在什么时候跑",任务池模型的心智模型是"角色决定谁能跑什么,时机由认领动作决定"——两者要并存(company 结构层的 org graph 显然还是要保留固定角色拓扑,不可能把 CEO/CTO 汇报关系也做成认领制),需要先明确任务池模型的作用域边界:只用于"深度规划产出的子任务"这一层,还是要往上影响到 work-graph 本身怎么跑。这个边界目前还没有定案,是 Phase 1 设计阶段必须先钉死的第一件事。 - 43/44 号文档已经踩过一次"新机制先天有可靠性缺口"的坑(
acceptance.md未必被稳定产出,闸门只查私有目录不查共享区),且现有最小范围的子任务机制(43 号文档)在生产数据里至今零命中。在没有把现有范围坐实之前就叠加更大的改动,风险会累加而不是替换。 - "每个子任务独立开发+验证循环"直接推高成本——一个 goal 可能因此从"1 次 work-graph run"变成"N 次子任务级 run",需要先有预算模型(每个子任务分到多少预算、超预算怎么办)才能不失控。
- Deep research 的调用成本和可靠性——
org-hunt目前只在方法论训练场景验证过(41 号文档),没有在"日常任务规划、时间敏感"场景下验证过延迟和成功率。
技术实施计划(架构级阶段划分,未细化到代码行)
建议顺序:Phase 0(先坐实现有范围)→ Phase 1(深度规划阶段骨架)→ Phase 2(经验库检索 + deep research 接入)→ Phase 3(任务池认领)→ Phase 4(子任务独立开发验证循环)→ Phase 5(看板 UI)。理由:每一阶段都在前一阶段的地基上加一层能力,且允许在任何一个阶段暂停评估效果/成本,不是一次性大爆炸式改造。
Phase 0 · 坐实现有范围(前置条件,不是本文档新增范围)
在叠加新机制前,先补一次 43/44 号文档遗留的端到端确认跑——用真实公司走一遍现有 acceptance_mode='itemized' 全链路,确认它能稳定收敛。当前生产数据零命中,不能假设地基是稳的。
Phase 1 · 深度规划阶段骨架
- 新增独立 agent(暂定
deep-planning,命名需过 27 号命名规范),接在 task-planning 产出 task、人工下达之后,org 图真正执行之前。 - 先只做"模型自身规划能力"这一路(用户三条来源里的第 1 条):产出结构化步骤分解,格式参考 org-planner 现有
acceptance.md表格惯例,但覆盖"怎么做"而不仅是"怎么验收"。 - 暂不接经验库/deep research,暂不接任务池——先验证"分解结果能不能被下游正确消费"这一步。
- 明确任务池模型的作用域边界(上面"高风险点"第一条),写成本文档的补充小节,动 Phase 3 之前必须先定案。
Phase 2 · 经验库检索 + Deep Research 接入
- 新建一个"查经验库"的检索能力——扫描相关 agent 的 dream 沉淀区块 + 历史同类 goal 的执行记录,给深度规划阶段用。这是全新能力,当前没有任何 agent 具备"主动查别的 agent 经验"的工具。
- 打通深度规划阶段按需触发
org-hunt/org-digest的路径(当前它们只能被 workgraph-planning 挑进固定模板,需要开放"按需调用"的口子)。 - 验收:给一个"经验库有答案"的任务和一个"经验库没答案、需要调研"的任务各跑一次,确认分支判断正确、调研产出确实被规划阶段消费。
Phase 3 · 任务池认领机制
- 范围先限定在"深度规划产出的子任务"这一层(不动 company 结构层的 org graph 固定拓扑)。
- 新增"可认领子任务"的状态位与认领接口;调度器或各角色 agent 心跳时拉取匹配自己角色的可认领项。
- 需要复用/扩展 27-P3C 已实现的队列与并行槽位机制,避免重新发明并发控制。
Phase 4 · 子任务独立开发+验证循环
- 每条被认领的子任务触发独立的开发→验证生命周期(复用 work-graph run 的既有机制,而不是新发明一套)。
- 预算模型:子任务预算怎么从父 task 预算里切分、超支怎么处理,需要单独设计(可能复用现有 wallclock/token 预算机制的分配逻辑)。
- 父子终态汇总规则沿用 43 号文档已实现的逻辑(全 success 才 success)。
Phase 5 · 看板 UI
- 任务看板要能展示"可认领池"状态(谁在等认领、谁已认领在跑),不只是现有的父子树形/表格展示。
Phase 0 实现记录(2026-09-01,真实回归已完成)
用真实(非 mock)测试公司 p0verify0901 走完一次完整的 goal→task→org 执行链路。测试公司数据未清理,留作证据(data/companies/p0verify0901/)。
结论:链路能收敛,44 号文档的修复确认生效,但发现一个新的、独立的真实缺口——acceptance_mode='itemized' 在当前 org-planner 子图形状下永远物化不出子任务,不是概率问题,是结构性打不通。这解释了 46 号文档「现状调研」第 6 条记录的"生产库零命中"现象:不是运气差,是这条路径已经失效。
验证结果
| 检查项 | 结果 |
|---|---|
| task-planning 真实判定 | itemized(未诱导、未重试,T-mtis98aq-8c7f) |
goal-benchmark/planner-validator 是否真正跑完(44 号文档修复验证) |
✅ 两者都 success,不再被误判 skip;contract.json 声明 produces.acceptance 指向共享 artifacts/ 绝对路径,闸门正确识别 |
acceptance.md 是否产出 |
❌ 全程未产出,四个 org-planner 节点私有目录搜遍为空 |
子任务是否物化(parent_task_id 指向该 task) |
❌ 0 条 |
coder-validator 是否逐条上报子任务结果 |
❌ 未调用,走的是整体 holistic 判定(SUBTASKS_INCOMPLETE 闸门因为子任务本来就是 0 条而天然放行) |
| 父 task 终态 | completed(按 holistic 规则收敛,不是 43 号文档设计的"全子任务 completed 才 success"规则——因为没有子任务可供该规则生效) |
| 回退/报错 | 零回退(backward_count 全程 0),零 fail_reason,全程 18 分 55 秒 |
根因
org-planner 名义上(agent.md/tools.md 文档)要交 brd.md/prd.md/sdd.md/acceptance.md 四份产物,但它是 nodeKind='subgraph',真正执行靠 workgraph-planning 现场规划的子图。这次真实规划出的子图是 org-planner-prd → org-planner-sdd → org-planner-benchmark → org-planner-validator(没有 brd-planning,也没有任何节点职责是写 acceptance.md)——org-planner-benchmark 产出的是 goal-benchmark.json(R-19-B 契约的 benchmark 段,44 号文档那套新机制),跟"子任务物化"依赖的 acceptance.md 是两套不同产物,已经对不上。graph-engine.js 里 maybeMaterializeItemizedSubtasks(约 2372-2417 行)扫不到 acceptance.md 时会静默降级为 holistic(设计上是"软失败不拖垮硬产出",出发点合理),但代价是这条路径悄无声息地形同虚设,没人会发现。
org-planner/agent.md、org-planner/tools.md 里"四份产物含 acceptance.md"的文档描述本身可能已经过时,没跟上 goal-benchmark.json/R-19-B 契约这套后来的机制。
遗留决策:这个新发现的 bug 怎么处理
已拆分成独立文档处理,已修复:见 47 号文档(acceptance.md 缺失时物化逻辑改读 goal-benchmark.json 的 dimensions[],2026-09-02,单测 5 条全过)。47 号文档末尾也记了一条需要 Phase 1 设计时想清楚的遗留点:这条兜底修的是旧的(43 号文档设计的)物化机制,Phase 1 打算把分解提前到执行开始之前,旧机制届时可能降级为安全网而不是主路径——不影响当下必要性,但 Phase 1 设计阶段要显式决定要不要保留它。
Phase 1 详细设计(2026-09-02,设计已细化,未实现)
命名
按 27-naming-conventions.md §二「规划类 agent —— {产出物}-planning」的既有惯例(brd-planning/prd-planning/sdd-planning 都按自己产出什么命名),新 agent 命名为 subtask-planning——它的产出物就是 subtask-goal(该规范 §一 作用域表里已经预留了这一级:"子任务的目标(一个 task-goal 分解出多个)"),命名轴完全对上,不用新造概念。
与 task-planning 的关系:task-planning 把 company-goal 拆成多条 task(= task-goal);subtask-planning 把一条 task-goal 拆成多条 subtask-goal——同一条命名轴上相邻的两级,职责边界清楚。
触发点:enqueueTaskRun(不改 task-scheduler 的排队逻辑)
server/routes/company.js:1099 enqueueTaskRun() 是 dispatch 时真正创建 org run 并把 task 标记 queued 的地方,紧接着会调用 writeTaskGoalArtifact() 写下这条 task 的验收边界产物。这是最合适的钩子位置——原因:
- 不碰
task-scheduler.js:该文件的排队/占坑逻辑充满精细的并发不变式(本次设计阶段读代码时看到的注释密度就是证据),新增一道"等 subtask-planning 跑完才能出队"的阻塞闸门风险很高,且违反 33/44/47 号文档反复验证过的教训——软数据不能当硬闸门。 - 异步、不阻塞:
subtask-planning在enqueueTaskRun内用setImmediate触发(照抄runGoalSplit现成的异步模式),跟 org run 的排队/起跑并行,不等它。多数情况下subtask-planning只是一次单轮 LLM 调用,会比 org run 真正排到执行位、org-planner 开始跑之前完成;即使没赶上,也只是这一轮 org-planner 拿不到分解方案参考,不是失败。
产出物:写共享 artifacts/ 区,不是私有目录
吸取 44/47 号文档的教训——产物必须落在下游查得到的地方,且格式要对已经证实稳定工作的机制友好。写入 runRootDir(run)/artifacts/subtask-plan.json,形状复用 47 号文档刚验证过的 goal-benchmark.json 风格(结构化、非 Markdown 表格,避免重蹈 acceptance.md 那种"文档说要写、实际没人写"的覆辙):
{
"steps": [
{ "seq": 1, "title": "...", "why": "...", "depends_on_hint": null },
{ "seq": 2, "title": "...", "why": "...", "depends_on_hint": [1] }
],
"reasoning_source": "model_only"
}
reasoning_source 字段是为 Phase 2 预留的("model_only" / "memory" / "deep_research"),Phase 1 恒为 "model_only"。
与 org-planner 的衔接点:软注入,不建硬依赖
org-planner 现在读的输入里已经有一套"P1 虚拟引用"注入模式(company-context.md,prompt-builder 直接拼进提示词,见 27-P1 文档)。subtask-plan.json 走同一种模式:prompt-builder 组装 org-planner 任务提示词时,检查这条 task 对应 run 的共享 artifacts/subtask-plan.json 是否存在,存在就拼进提示词一段"已有的分解参考(来自 subtask-planning,仅供参考,不是必须遵守的清单)",不存在就跟现在完全一样,什么都不加。不改 org-planner 的硬约束、不要求它必须使用这份参考——Phase 1 的验收标准只是"分解结果能被下游正确读到",不是"下游行为因此改变"(那是 Phase 1 完成后才评估的效果问题,不是这一步的实现范围)。
工具权限
比照 task-planning 的极简先例(该 agent 现在"大概率一个工具都不需要用"):v1 只给读权限(bash/read_file,无 str_replace),能读的输入是任务描述 + 公司 org graph 摘要(跟 task-planning 拿到的是同一批,首轮消息里给)。明确不给:创建/修改 task 的 API、创建/下达 run 的 API、招聘/改 org graph 的 API(原因与 task-planning 工具箱里那张"不该用的工具"表完全一致——落库是服务端的活,agent 只交结构化产出)。联网调研(Phase 2 才接)本阶段也不给。
Phase 3 前必须先定案的边界(呼应「已知的高风险点」第一条)
任务池认领机制的作用域明确限定为:subtask-planning 产出的 subtask-plan.json 里的 steps[],物化成 tasks 表里 parent_task_id 指向该 task、可被认领的行。不影响:
- company 级 org graph(
ceo/cto/org-planner/org-coder这套角色拓扑,27-P2 已实现,继续保持人工固定/慢变/可审计); workgraph-planning现场规划出的 org node 内部 work graph(brd-planning → prd-planning → sdd-planning → ...这类,继续保持固定 DAG)。
任务池只是在"task"和"当前这套固定的 org/work graph 执行"之间新插了一层——这层里的东西(subtask)才能被认领,图本身怎么跑不变。这条边界写在这里,是为了 Phase 3 设计时不用重新讨论一遍。
Phase 1 验收标准(后续真实回归要检查的)
- dispatch 一条 task 后,
subtask-planning是否被异步触发、是否产出了subtask-plan.json? org-planner的任务提示词里是否真的拼进了这段参考(不是"写了注入逻辑但没生效")?subtask-planning没跑完/失败时,org-planner 这一轮是否完全不受影响(确认软注入的降级路径成立)?
Phase 1 实现记录(2026-09-02,代码已实现,未做真实端到端回归)
落地清单
| 内容 | 位置 |
|---|---|
新 agent 本体 subtask-planning |
system/agents/subtask-planning/{config.json,agent.md,identity.md,soul.md,tools.md},config.type='meta-planning'(复用 task-planning 同款分类,不进 org graph) |
| 规划服务(含 CLI 调用 + 宽松解析归一化) | server/services/subtask-planning.js——单轮调用、无重试、单条不合法数据丢弃不作废整批(与 task-planning 的严格写入前校验刻意不同,见 agent.md「你的产出是建议,不是指令」) |
| 触发点 | enqueueTaskRun(server/routes/company.js)新增 withSubtaskPlanning 参数,默认 false,只在两处显式传 true:/goals/:goalId/dispatch(批量下达)、/tasks/:taskId/enqueue(单条下达)。POST /:companyId/tasks(quick task,外部 agent 自主派发)与 /rerun 保持默认不触发——理由见下「设计比原计划收窄的一处」 |
| 产物 | runRootDir(run)/artifacts/subtask-plan.json(共享区,47 号文档同款教训:不写节点私有目录) |
| 与下游的衔接 | 登记进 graph_files(kind='subtask_plan'),纳入 graph-engine.TASK_SHARED_KINDS——复用 R-9.3 任务级共享机制自动出现在该 task 下任意节点的「上游输入」提示词段落,没有另写 prompt-builder 注入逻辑(比原设计「衔接点」一节设想的软注入方案更省事,见下) |
| 测试 | subtask-planning.test.js(12 条,纯函数解析/归一化)+ subtask-planning-materialize.test.js(4 条,共享区落地 + describeInputs 真的能读到)。全量单测 1558 passed,唯二失败与本次改动无关(改动前即存在) |
与原设计的两处出入
触发点从"
enqueueTaskRun内部无条件触发"收窄成"调用方显式 opt-in"。原设计(本文档上一版)打算让enqueueTaskRun无条件触发,动手时撞上goal-task-acceptance.test.js的「验收 22」——它守着一条真实存在的产品保证:POST /:companyId/tasks(外部 agent curl 自主派发的快速任务,例子就是"把周报发出去"这种行政指令)必须零 LLM 调用,这是给 agent 间快速委派留的零成本通道。subtask-planning 无差别触发会直接击穿这条保证。改法:enqueueTaskRun新增withSubtaskPlanning参数,默认false,只在"goal 批量下达"和"单条 task 显式下达"这两个真正对应"人/系统郑重下达一条任务"的语义上打开。与 org-planner 的衔接从"prompt-builder 软注入"改成"复用 R-19.3 任务级共享索引"。原设计打算专门给 org-planner 写一段"检查 subtask-plan.json 存在就拼进提示词"的注入逻辑。动手核实
graph-engine.describeInputs的实现后发现:这个函数在 subgraph 节点上直接跳过(org-planner本身是 subgraph),真正的消费者应该是它展开出的子图里那些agent_call节点(org-planner-prd/org-planner-sdd/…)——而这些节点已经有一套现成机制(TASK_SHARED_KINDS,任务级共享产物索引,acceptance/contract已经在用)自动把"这个 task 下的共享产物"塞进任意节点的提示词,不受拓扑相邻性限制。把subtask_plan加进这个白名单,比另写一段注入逻辑更省代码、更少一个新的失败模式,而且覆盖面更广(org-coder 阶段的节点也能看到,不只 org-planner)。
⚠️ 一次真实的安全事故(写实话,别再犯)
第一版实现(enqueueTaskRun 内部无条件触发,未做任何测试环境防护)在跑 npx vitest run server/tests/unit 时,真实开出了 44 个 claude CLI 子进程挂在后台(ps aux 现场抓到,手动 kill 清理干净,未产生数据损坏,但存在真实 API 调用成本)。根因:task-planning/workgraph-planning 那套"默认走真实实现,测试要显式注入桩才安全"的设计前提,建立在"只有专门测规划逻辑的测试才会碰到这条触发路径"之上;subtask-planning 的触发点(enqueueTaskRun)被全仓库大量跟规划毫不相关的单测(测排队、测预算、测状态流转)顺带路过,这些测试从没想过要为一个新加的旁支功能注入桩。
修法:subtask-planning.js 的 planSubtasks() 新增一道防护——process.env.VITEST(vitest 对所有测试进程自动置位,通用判据不是我们发明的)为真、且没有人显式调用过 setPlanSubtasks() 注入时,直接跳过真实调用,返回空结果(等价于 47 号文档反复用到的软失败路径)。这是 subtask-planning.js 独有的防护,task-planning.js 没有、也不需要——它的触发面窄得多,从未出现过这个问题。加完防护后,全量测试(1558 条,含 integration/devloop)跑三遍,ps aux 确认零残留子进程。
遗留:还没做真实端到端回归
设计文档「Phase 1 验收标准」一节列的三条(① dispatch 后 subtask-planning 真的被触发并产出 artifact;② org-planner 展开的子图节点提示词里真的能读到这段参考;③ subtask-planning 没跑完时 org-planner 完全不受影响)——①③ 已经被集成测试间接覆盖(用注入桩验证了机制本身是对的),②的"提示词真的拼上了共享索引这一段"也已经用集成测试直接验证(describeInputs 真实读到 subtask_plan 并列进提示词)。没做的是:用真实公司、真实 goal、真实 Claude CLI 走一遍全链路,确认 subtask-planning 在真实调用下真的产出有意义的分解(不是机制通不通,是内容有没有用)——考虑到刚踩过的真实 CLI 子进程事故,这次真跑验证需要更谨慎地控制范围(单个任务、有人盯着、跑完立刻检查有没有残留进程),不建议顺手跑,值得单独作为一步来做。
Phase 2 实现记录(2026-09-02,收窄版,代码已实现,未做真实端到端回归)
用户原话要求"把 Phase 2-5 一次性做完"。动手前先做了一轮代码调研,发现文档字面描述掩盖了真实工作量落差:dream(29-DREAM)只单向写回经验,没有任何可查询索引;"R-19.3 共享索引"是笔误(实指 TASK_SHARED_KINDS/R-9.3,跟经验库无关);org-hunt 只能作为图节点被 workgraph-planning 动态选中,没有图外可调用入口;Phase 3(任务池认领)是"改动面最大的一条",要给纯拓扑驱动的 graph-engine.js 并行引入认领制调度层;Phase 4 需要全新的子任务级 run + 预算模型;Phase 5 在 3/4 落地前没有真实"可认领池"状态可展示。跟用户对齐后,这一轮只做 Phase 2(收窄版),Phase 3-5 涉及核心调度引擎范式级改动 + 全新预算模型,风险量级不同,另起设计讨论。
落地清单
| 内容 | 位置 |
|---|---|
| 经验检索(新模块) | server/services/experience-lookup.js——queryExperience({companyId, task}):查这家公司已雇佣 agent 的 memory/experience.md(dream 沉淀),关键词重叠打分(中文用双字滑窗近似分词,不引依赖)。命中为零是真实信号("查不到"),不是异常 |
| 按需 Deep Research(新模块) | server/services/deep-research.js——triggerDeepResearch({companyId, task, topic}):图外直接 AgentManager.callAgent('org-hunt', ...),轻量提示词,不套用 org-hunt 训练场景的三件套契约。默认关闭(ENABLE_DEEP_RESEARCH 环境变量,不为 '1' 直接返回 null,连注入的假实现都不调用) |
subtask-planning.js 两段式改造 |
defaultPlanSubtasks:先查经验库拼进提示词 → 调一次 agent,agent 自评 confidence → 经验为空或 confidence:"low" 就触发调研 → 有结果就带着调研结果再调一次取代第一轮。reasoning_source(model_only/memory/deep_research)由服务端根据实际发生的分支算出,不是 agent 自报的。新增更细粒度注入点 setSubtaskAgentCaller(仿 dream-service.setDreamAgentCaller),能测到这段编排逻辑本身,不只是测"落盘"那一层 |
subtask-plan.json 增补字段 |
reasoning_source/experience_refs/research_used,纯增量、向后兼容旧的注入桩(缺失时兜底 model_only/[]/false) |
system/agents/subtask-planning/agent.md |
输出契约加 confidence 字段(硬约束 9),补充"你可能会看到两种提示词"一节 |
| 测试 | experience-lookup.test.js(6 条)、deep-research.test.js(6 条,含"关闭开关时哪怕注入了假实现也不调用"这条最重要的安全阀)、subtask-planning.test.js 扩展(extractConfidence + buildSubtaskPlanningPrompt 的经验/调研小节,7 条新增)、subtask-planning-materialize.test.js 扩展(新增字段落盘 2 条 + defaultPlanSubtasks 三条分支编排 4 条)。全量单测 1177 条,1175 passed,唯二失败(.env.example 覆盖 + 测试 id 稳定性)与本次改动无关、改动前即存在。测试全程 ps aux 确认零残留 CLI 子进程 |
与原设计的出入
- "历史同类 goal 执行记录"这条来源本轮不做——只做 agent 经验区块检索。原设计的用户原话把"经验库/memory/dream 沉淀"和"历史同类 goal 检索"并列成一条来源,但后者需要语义检索基础设施(当前没有),贸然上关键词匹配对"同类"这种判断噪音会很大。这是范围收窄,不是遗忘,留给以后需要时再评估怎么做语义检索。
- Deep research 复用 org-hunt,但用轻量提示词,不套用它的训练场景三件套契约(
knowhow_raw.md/crawl_config.json/seed_data.json≥50 条)。原因:那套契约是为 FDE 训练场景校准的,直接套用在"人在等一条 task 入队"这种时间敏感场景会不可控地慢。org-hunt 本身的图节点契约、deliverable.json模板都没动。 - Deep research 触发默认关闭(
ENABLE_DEEP_RESEARCH环境变量)。org-hunt 的延迟/成功率在"日常任务规划、时间敏感"场景下从未验证过,且 Phase 1 已经因为一个新触发点疏于隔离出过真事故。这跟 Phase 1withSubtaskPlanning默认false是同一个谨慎级别——机制已实现且单测覆盖,但真实调用需要用户手动开关、挑单个任务验证。
真实端到端回归(2026-09-02,已完成)
用真实测试公司 p2verify0902(真实 org graph、真实 goal→task→dispatch)+ ENABLE_DEEP_RESEARCH=1 跑了两条真实任务,全程 ps aux 确认零残留 CLI 子进程。
发现一个真实缺陷(已修复):第一条真实任务(贪吃蛇小游戏)跑完,reasoning_source 落成 "memory",但 experience_refs 列出的命中全是 ceo/orggraph-planning 关于"校验失败怎么兜底路由""修复要重新触发验证"这类跟游戏开发毫无关系的工程流程经验——查了实际打分才发现根因:原始实现"关键词交集计数、只要 >0 就算命中",一条 100+ 词的任务描述几乎必然跟经验库里的高频工程词汇("验证""检测""流程")偶然重合 1-3 个 bigram,噪音就压过了信号,直接吃掉了本该触发的调研分支——这正是 Phase 2 acceptance 标准要求确认的"分支判断正确",第一次真跑就没通过。
修法:打分改成"这条经验自己的词里有多少比例被 task 提到"(对经验块词数归一化的 containment ratio,不是对查询词数),阈值(命中 ≥2 词且比例 ≥12%)拿真实噪音案例(约 3%-4%)和合成的真正相关案例(约 16%-32%)校准。补了一条回归测试固定复现这个真事故场景。修完重启服务、用第二条真实任务(Markdown 转 HTML 工具)重跑:reasoning_source 正确变成 "deep_research"、experience_refs 正确为空、research_used: true——分支判断修复生效,且日志确认真的走了两轮调用(subtask-planning → org-hunt → subtask-planning)。
两条真实任务的分解内容质量都相当好:贪吃蛇任务给出"先定义状态 → 渲染循环 → 输入监听 → 移动逻辑 → 吃食物 → 碰撞检测"六步,依赖关系合理;Markdown 工具任务甚至体现出"代码块围栏必须最先扫描保护,否则块内的 #/**/[] 会被后续正则误转换"这种真实的解析器实现顺序知识。这直接回答了 Phase 1/2 一直悬而未决的"内容有没有用"——回答是有用。
一个诚实的局限,没有掩盖:查了 org-hunt 那次调用的日志,全程没有 l1-web-fetch 工具调用痕迹——它大概率是直接用自己训练知识回答的,没有真的去查外部资料。轻量提示词只要求"给一段总结",没有强制要求引用可验证来源、没有强制要求真的调用检索工具。这意味着当前的 "deep_research" 分支实际提供的价值更接近"多问一个角色的第二意见",不是名副其实的外部调研——如果以后要坐实"真的查了外部资料"这件事,需要在提示词里明确要求工具调用证据(比如强制要求 sources 是真实可验证 URL),这次没有额外去做,留给以后需要更强调研可信度时再补。
Phase 3 详细设计(2026-09-02,设计已细化,未实现)
前置决策(跟用户对齐)
Phase 3 最关键的架构分叉——可认领子任务要不要复用现有 tasks 表的 parent_task_id 机制——已跟用户对齐:复用 tasks 表,加字段区分类型。原因见下节,这条决定直接决定了后面所有设计。
数据模型:新增 subtask_kind 字段 + 两个新 status 值
tasks 表新增列 subtask_kind(NULL | 'acceptance_item' | 'claimable_work'),CHECK 约束仿 acceptance_mode 那次迁移的写法(batch 迁移):
NULL:普通 task(现状不变,绝大多数行)。'acceptance_item':43 号文档现有机制——maybeMaterializeItemizedSubtasks从acceptance.md/goal-benchmark.json物化出的验收条目,行为完全不变,只是把它们打上一个明确的类型标签(之前隐含在"parent_task_id 非空"里,现在显式区分)。'claimable_work':Phase 3 新增——subtask-planning产出的subtask-plan.json里steps[]物化出的可认领工作项。
两者都用 parent_task_id 指向同一条父 task,语义/生命周期完全独立,靠 subtask_kind 分流——这是为什么不需要开新表:现有 tasks 表本来就是"通用工作项容器",subtask_kind 只是给容器里已经混杂的两种东西正名,不是往一个干净的模型里硬塞第二套语义。
status 枚举新增两个值:'claimable'(已物化、开放认领、还没人要)、'claimed'(已被认领,等待被处理——处理方式见下"认领后怎么办"一节)。只对 subtask_kind='claimable_work' 的行有意义,其余行继续用现有 draft|queued|running|completed|failed|blocked|cancelled 六态,不受影响。新增 claimed_at 时间戳列(认领发生的时间,用于超时/僵尸认领巡检——复用心跳巡检已经在用的"时间戳 + 巡检" 模式,不新造一套监控)。
必须同步改的一处:settleNode 的 SUBTASKS_INCOMPLETE 硬闸门要收窄
graph-engine.js:1881-1889(43 号文档实现)现在是:
// coder-validator 报 success 时,查 parent_task_id 指向该 task 的所有行是否 completed
SELECT id, status FROM tasks WHERE parent_task_id = ?
Phase 3 一旦开始物化 claimable_work 行,这条查询会立刻把它们也扫进去——一堆天然不会是 completed(它们的终态是 Phase 4 才要定义的东西)的 claimable_work 行会让这条闸门对所有开了 subtask-planning 的 task 都误判 SUBTASKS_INCOMPLETE,把本该正常通过的验收打成失败。这是实现时第一件必须做的事,不是可选项:查询加一条 AND subtask_kind = 'acceptance_item',把两套子任务的完成判定彻底分开。
触发/物化时机:跟 subtask-planning 同一时刻,不等 org-planner
43 号文档的验收条目物化时机是"org-planner 完成后"(依赖它的产出)。Phase 3 的物化对象不一样——subtask-plan.json 在 enqueueTaskRun 时就异步产出了(triggerSubtaskPlanning),比 org-planner 开始规划早得多。物化时机定在 triggerSubtaskPlanning 成功写完 subtask-plan.json 之后立刻做,不拖到 org-planner 跑完:
- 呼应用户原始诉求"分解任务 → 所有 agents 围绕这个任务看板来工作,一层一层地接子任务"——如果拖到 org-planner 整个流程跑完才有"看板","围绕看板协作"这句话在 org-planner 执行期间根本无从谈起。
- 技术上更省事:
triggerSubtaskPlanning已经是 best-effort、绝不 throw 的收尾逻辑,加一步物化不引入新的失败模式(复用同一套"软失败,只打日志"的处理)。
具体实现:steps[].depends_on_hint 是这批 steps 内部的 1-based seq 引用,物化时先建好全部行拿到真实 task.id,再回填 depends_on(复用 tasks.depends_on 现有的"JSON 数组存 task id"格式,不新造依赖表示法)——depends_on_hint 本身"是提示不是硬依赖"这条设计(Phase 1 agent.md 就这么写的)延续下来:Phase 3 物化后的 depends_on 同样只做展示,不做认领前置校验(见下"明确不做")。
认领 API:这是本轮唯一真正的新机制
调研确认:全仓库目前没有任何"认领/接单(pull)"语义的端点——executor='agent' 那条路径是纯粹的"派发(push)":发送方在 /task/dispatch 请求体里显式指定 to,从没有过"多方竞争同一条任务,谁先抢到算谁的"这种场景,所以也没有任何 CAS 并发保护先例可抄。这是 Phase 3 唯一必须新写的东西:
POST /api/company/:companyId/tasks/:taskId/claim {agentId}
服务端逻辑(仿 claimQueuedTask 的 CAS 写法,work-graph-db.js:2209):
UPDATE tasks SET status='claimed', assignee_agent_id=?, claimed_at=?
WHERE id=? AND subtask_kind='claimable_work' AND status='claimable'
changes === 0 就是"没抢到"(要么已被别人认领,要么状态不对),返回 409,不是 500——这是预期会发生的正常竞争结果,不是错误。对称补一个 POST .../unclaim(status='claimed' → 'claimable',assignee_agent_id 清空)——认领了发现做不了要能退回去,成本很低,没理由不做。
认领角色范围:不引入能力匹配(调研确认 system_agents/company_agents 表没有任何结构化角色能力字段,能不能干一件事完全靠 agent 自己读 agent.md 判断,代码层不做匹配)。Phase 3 用最简单的白名单:claimable_work 行默认只对 role_name='org-coder' 开放认领(当前系统唯一的通用"写代码"角色,且物化出的 steps 基本都是实现类工作),认领 API 校验调用者的 role_name 是否在白名单里,不在直接拒绝。这个白名单先写死,不是留数据库字段——真需要扩展到多角色再加,不为假想的未来预先建模。
认领后怎么办:复用现成的 agent 派单路径,不新起执行机制
这是这轮设计里最重要的一处化简,值得单独说清楚:最初以为"认领后要真正驱动执行"必然要碰 graph-engine.js(比如给每个 claimed 的子任务起一次独立 work-graph run),那就是 Phase 4 的范畴,而且是范式级改动。但调研 executor='agent' 那条路径后发现——它本来就是"一条 task 归某个 agent 负责、这个 agent 自己想办法搞定、搞定后自己调 /task/report 上报"的完整闭环,跟"认领了之后谁去干"这个问题的答案高度重合。
所以 Phase 3 的落地方案是:claim 成功后,除了状态转成 claimed,同时把这条行的 executor 设成 'agent'——这样它立刻变成一条普通的"agent 自主任务",认领它的 agent(多半是 org-coder)用它已经在用的既有机制(自己决定怎么干、干完调 /task/report)走完剩下的生命周期,META_TO_TASK_STATUS 状态机(agent-chat.js:1795)直接接管后续的 dispatched → done/failed/blocked/cancelled 转移,不需要 Phase 3 再发明一套新的执行触发逻辑。task-scheduler.js 明确只认 executor='graph'(367 行注释已经写了这条判据),所以这条行天然不会被现有的图排队/并发逻辑碰到,两套系统互不干扰。
这个方案的好处:Phase 3 做完,"认领"不是一个没人会因此真正干活的静态标记,是一个立刻能跑的真实闭环,而且零新增执行机制、不碰 graph-engine 一行代码,完全落在 Phase 1 已经定案的边界内("图本身怎么跑不变")。代价是诚实的:org-coder 认领到的这一步"怎么干"完全靠它自己(可能是直接写代码、可能是走它熟悉的其他工具),没有 Phase 4 设想的那种"独立开发 + 独立验证"的正式生命周期(写代码有没有经过验证、有没有走测试,全凭 org-coder 自己负责)——这正是 Phase 4 真正要解决的问题:现在这条最小可用路径能跑,但"跑得糙",要不要、以及怎么给它补上正式的验证循环,留给 Phase 4 设计时决定。
明确不做(本轮范围边界)
- 不做依赖顺序强制:
depends_on只展示,不阻止认领——判断"前一步是否真的做完了"需要一个可靠的完成判据,Phase 3 阶段(executor='agent'自主执行)没有这个判据,强行卡会卡出一堆认领不了的死锁。 - 不做能力匹配:认领角色白名单写死
['org-coder'],不引入任何"这一步该给谁"的推断逻辑。 - 不碰
graph-engine.js执行/调度模型:认领这件事完全在tasks表 + 一个新端点里完成,不新增图节点类型、不改拓扑推进逻辑。 - 不做 Phase 4 设想的"独立开发+验证循环":认领后的执行完全复用现有
executor='agent'闭环,org-coder自己对交付质量负责,没有独立验证阶段。 - 不做看板 UI(Phase 5):可认领池先靠
GET /:companyId/tasks?subtaskKind=claimable_work&status=claimable这类查询参数(复用现有parentTaskId过滤模式加一个新参数)暴露数据,UI 展示留给 Phase 5。
Phase 3 验收标准(后续实现完要检查的)
subtask-plan.json产出后,claimable_work子任务是否正确物化(depends_on回填正确、status='claimable')?- 有
subtask-planning挂钩的 task,coder-validator的验收判定是否完全不受这些新增claimable_work行影响(SUBTASKS_INCOMPLETE闸门收窄生效)? - 并发认领同一条子任务,是否只有一方成功(CAS 生效,409 不是 500)?
- 认领成功后,这条行是否真的能走完
executor='agent'的既有生命周期(org-coder自己完成、/task/report上报、状态正确落到终态)? - 非白名单角色尝试认领,是否被正确拒绝?
Phase 3 实现记录(2026-09-02,代码已实现,未做真实端到端回归)
落地清单
| 内容 | 位置 |
|---|---|
schema:subtask_kind + claimed_at |
work-graph-db.js(批 6 迁移,ALTER TABLE ADD COLUMN,纯增量向后兼容;subtask_kind 取值域 'acceptance_item'|'claimable_work',只有新建库有 CHECK,存量库应用层守,跟 acceptance_mode 那次迁移同一套限制) |
createTask 校验 |
新增 subtaskKind/status 参数:subtaskKind 非法值拒、没有 parentTaskId 拒;status 只放开 'draft'/'claimable' 两个初始值,'claimable' 只能配 subtaskKind='claimable_work' |
| 认领 CAS | claimSubtask/unclaimSubtask(work-graph-db.js)——全仓库第一个"认领(pull)"语义写入,照抄 claimQueuedTask 的 changes 判据。认领成功同时把 executor 改成 'agent',复用既有 executor='agent' 派单闭环(/task/report 上报),不碰 graph-engine.js 一行调度逻辑,跟设计阶段的判断一致 |
| 物化 | materializeClaimableSubtasks(work-graph-db.js)——两阶段建法处理 depends_on_hint 前向引用,幂等(按 subtask_kind='claimable_work' 计数),从 subtask-planning.triggerSubtaskPlanning 写完 artifact 后立刻调用,不等 org-planner |
| 必须同步改的坑,已修 | graph-engine.js 的 settleNode SUBTASKS_INCOMPLETE 闸门查询收窄成 AND subtask_kind = 'acceptance_item';maybeMaterializeItemizedSubtasks 的幂等判据和 createTask 调用同步打上 subtask_kind='acceptance_item'。两处都补了回归测试(见下) |
| 路由 | POST /:companyId/tasks/:taskId/claim、.../unclaim;taskView 补 subtaskKind/claimedAt;GET /:companyId/tasks 加 subtaskKind 过滤(可认领池查询=?subtaskKind=claimable_work&status=claimable,不用专门开池子端点) |
| 角色白名单 | 写死 CLAIMABLE_WORK_ROLES = ['org-coder'](company.js),不做能力匹配 |
| 测试 | 新增 task-pool-claim.test.js(23 条:DB 层 createTask 校验/materializeClaimableSubtasks/CAS + 路由层白名单/并发/放弃);task-decomposition-validator-gate.test.js 补 1 条回归测试(claimable_work 子任务不影响 acceptance_item 验收判定)+ 更新既有用例显式打 subtaskKind(闸门收窄后这些用例如果不补 subtaskKind: 'acceptance_item' 会全部失效——查询看不到没打标的行,等于闸门形同虚设,真被这次改动摸到了);task-decomposition-materialize.test.js 补 subtask_kind 落库断言。全量单测 1202 条,1200 passed,唯二失败与本次改动无关、改动前即存在 |
一次诚实的记录:本地库被顺手迁移了一次
排查一处语法错误(SQL 模板字符串里误用了反引号,把 db.exec 的模板字符串提前闭合——work-graph-db.js 建表块头部本来就有一条注释警告这件事,这次还是踩上了)时,用了一句 node -e "require('./server/services/work-graph-db.js')" 做语法检查——这条命令没有设 GRAPH_DB_PATH,不是测试进程(没有 assertNotProdDbInTests 的拦截),实际对本机 data/graph.sqlite(本地开发库,Phase 2 真实回归的测试公司数据也在里面)跑了一次批 6 迁移。核实过:迁移是纯增量的 ALTER TABLE ADD COLUMN,102 条既有 task 行原样在、subtask_kind 全部是 NULL,没有数据损坏。但这本可以用一次性临时库避免,记在这里是给自己留个教训——语法检查也该走隔离环境,不该因为"只是 require 一下"就放松。
还没做真实端到端回归
跟 Phase 1/2 一样,机制通不通已经用单测验证(DB 层 CAS、路由层白名单/并发、settleNode 闸门收窄的回归)。没做的是:用真实公司走一遍"task 入队 → subtask-planning 产出 steps → 物化出可认领子任务 → org-coder 真的调 /claim 认领 → 自己搞定 → /task/report 上报 → 状态正确落到终态"这条完整链路——尤其是最后一段(认领后 org-coder 自己怎么干),Phase 3 设计里已经写明"这一段完全没有验证质量的机制,跑得糙",真实回归大概率会暴露这一段的具体问题(比如 org-coder 会不会真的知道要去查有哪些可认领子任务、认领了之后要不要真的去写代码、写完会不会记得调 /task/report——这些都是提示词/流程层面的问题,不是这次数据库+路由层改动能回答的)。留给用户后续决定何时验证。
遗留给 Phase 4 的问题
- 现在"认领后怎么干"完全靠
org-coder自主决定,质量没有保障——要不要给claimed状态补一段正式的"开发 + 验证"生命周期?如果要,是新起一次简化版 work-graph run,还是在现有executor='agent'闭环里加一道可选的验证钩子(成本更低,但仍然不是"独立 run")?两个方向哪个都不是这次 Phase 3 该决定的事,需要单独评估。 - 子任务级预算:
executor='agent'现有闭环目前完全没有预算概念(budget_json只在executor='graph'的 run 上有意义)——如果 Phase 4 决定要给认领的子任务设预算,需要先补这个空白。