29-dream-design.md 20.6 KB

Edit Raw Blame History


29-DREAM · 经验汇流（dream）—— 设计草案

所属: 28 Agent 注册表统一 §5.6b 锁住的那条约束的下游设计；未确认项来源 28-followups §1.1。
日期: 2026-08-20
状态: 📝 四条取舍已由用户拍板（2026-08-20，见 §三），实现未开始。
标 ✅ 的是已生效的约束或有实测证据的事实；标 🔒 的是本轮拍板的决定。


〇、一句话
dream 是设想中定时跑的一套逻辑：整理所有 agent 在所有公司的 history 与 memory，
显式提炼后沉淀到 skill memory 上，让经验跨公司汇流，而不泄漏任何一家公司的具体信息。


一、开工前先看清原料：它现在是脏的

这一节全是实查 2026-08-20 的仓库状态得到的，不是推测。
结论很直接：在原料变干净之前，做提炼是没有意义的——垃圾进，垃圾出。

1.1 现在写进 memory 的不是「事实」，是截断的日志行
memory-service.appendToMemoryMd() 的全部逻辑是：
const taskOneLine   = (task   || '').split('\n')[0].substring(0, 80);
const resultOneLine = (result || '').split('\n')[0].substring(0, 100);
const entry = `- [${timestamp}] ${taskOneLine} → ${resultOneLine}`;


取第一行、砍到 80/100 字符。这不是提炼，是搬运 + 截断。
cto/_global/memory/memory.md 的实际内容：
## 关键事实
- [2026-08-20] [TASK from ceo] → ..._global/` 下不新增 `callback-*` 目录。反向验证过：临时把 `isTestEnv` 改成 `() => false`，该用例 FAIL。
- [2026-08-20] [SYSTEM HEARTBEAT] → 🔧 [TOOL_CALL] Bash (ID: toolu_01RsQ3gh5niCFyUZMFZj2hxF)
- [2026-08-20] [SYSTEM HEARTBEAT] → 🔧 [TOOL_CALL] Bash (ID: toolu_01MG6RqDgqcRCi5ageGk84Kt)


后三条是工具调用 id。它们作为「关键事实」被写下来、被注入下一轮提示词、
并且会成为 dream 的原料。第一条更糟：它是一句话的中段（开头被截掉了），
读起来像事实，其实缺主语。


§5.6b 说的错误版本是「每轮对话自动把原文写进共享 SKILL.md」。
现在这套已经是那个错误版本的单公司版了 —— 只是还没跨公司共享，所以还没泄漏。
dream 如果直接消费它，等于把这个错误放大到跨公司。

1.2 长期记忆是一个 3000 字符的滚动窗口
MAX_MEMORY_MD_SIZE = 3000。超了就截。所以「长期记忆」实际是最近若干条截断日志，
没有任何按重要性保留的机制。
1.3 「公司态目录」里有不是公司的东西
system/agents/{aid}/{cid}/ 是约定，不是校验。实查 96 个二级目录里混着：


形态
例子
是什么


真公司
e2e-demo / mycompany / idearun
✅ dream 的原料


保留段
_global
全局 agent 的落点，算不算「一家公司」需要定 ❓


ArenaSK 时代的运行态
train/ workspace/
❌ 不是公司，是训练 / 工作目录


测试残留
tmp-w7-bootstrap-1786986291739-9n2xv、qroute-co-13/14、zz-*
❌ 夹具，且带时间戳，会无限增长


dream 的第一步「枚举所有公司」现在没有可靠答案。
可靠的答案在库里：company_agents 表（28 批次 4 起「这家公司雇了谁」的唯一真相源）。
目录只能用来定位文件，不能用来枚举公司。
1.4 绝大多数 memory 是空模板
75 份 memory.md 里，只有 7 份有非模板内容（innovator-evolver / master /
org-innovator / innovator-digest / innovator-hunt / coo / qa-judge），
其余全是 _(刚入职，尚无记忆)_。


这条对设计有直接影响：dream 现在跑起来几乎没有原料。
它的价值随「真跑的量」增长，不是上线即有收益的东西。


二、已经生效的约束（不随设计变化）
✅ 公司态目录是 dream 的唯一原料，不许被任何清理策略当垃圾扫掉（§5.6b）。
任务态（{aid}/{cid}/{taskId}/）可清，公司态（{aid}/{cid}/memory/ 与 conversations/）不可清。

✅ 沉淀必须是提炼后的抽象，不是自动搬运原文。
错误版本真的发生过（28 号第一轮验收挖出的最严重 blocker）：直接灌原始对话
= 把 A 公司的机密喂给 B 公司。

✅ 目录布局本身就是 dream 的主查询索引：
某个 agent 在所有公司的全部记忆 == glob: system/agents/{aid}/*/memory/，一个 glob 就够。
（前提是 1.3 那个「二级目录不都是公司」的问题被解决。）


三、需要定的取舍
🔒 决策 A —— 去敏的判据：独立判定 agent + 写作要求（2026-08-20 拍板）
定案 = A3 + A1 组合：提炼 agent 按 A1 的写作要求产出，产出后由另一个只负责判
「这段话能不能给别家公司看」的 agent 过闸门，判不准就拒绝沉淀。

理由（也是本仓库反复验证过的一条）：两种错的代价不对称时，判据要偏向贵的那一侧
（P3B §八 关于 FAILING_VERDICTS 的那段）。「少沉淀一条经验」与「泄漏一次机密」显然不对称。
失效方向因此是「少沉淀」，不是「泄漏」。

下面三种形态的对比留档，说明为什么选它。
决策 A 的备选（留档）
这是安全边界，也是整个设计里唯一「做错了会造成真实损害」的一条。三种可选形态：


方案
判据
代价


A1 白名单式：只允许提炼成「不含任何专有名词的方法论」
产出里不许出现公司 id、人名、产品名、URL、文件路径
最安全；但也最容易把有用的经验一起滤掉（「给 X 公司做官网时发现静态站点要先定验收脚本」→ 只剩「要先定验收脚本」）


A2 黑名单式：过滤已知敏感模式后放行
正则 / LLM 扫一遍公司 id、密钥形态、路径
保留信息量更多；漏一个模式就是一次泄漏，而且是静默的


A3 二次判定：提炼 agent 产出后，由另一个 agent 只负责判「这段话能不能给别家公司看」
判定是一次独立的 agent 调用，双方不共享上下文
成本翻倍；但与本仓库既有的 validator / triager 模式同构，且失效方向可控（判不准就拒绝沉淀，宁可少沉淀）


🔒 决策 B —— 沉淀落点：四个都要，按「改动的可逆性」分层（2026-08-20 拍板）
用户定的是：system/agents/{aid}/memory/ 和 SKILL.md 都要写，
必要时还要迭代 soul.md / agent.md。

这比原来三选一的范围大得多，因为它引入了「agent 改写自己的定义」这件事。
下面这一节是这个决定的直接后果，不是可选的补充说明。
B.1 四个落点不是一回事，风险差三个数量级


落点
是什么
谁受影响
可逆性


{aid}/memory/（本体根）
经验积累，跨公司那一份
只影响这个 agent 读到的上下文
删掉即可，无副作用


SKILL.md
能力定义：这个 agent 会什么
同上，但会进 Skill 市场的语义
覆盖前留旧版即可回滚


soul.md
人格：它怎么说话、怎么取舍
所有雇了这个本体的公司
改坏了表现为「行为漂了」，不报错


agent.md
行为契约：它必须做什么、禁止做什么
所有雇了这个本体的公司
改坏了可能让整条链路静默失效


28 号的核心裁决是「本体只有一份」 —— 所以写 agent.md / soul.md 的影响面是
所有雇了它的公司，而不是提炼出这条经验的那一家。这恰恰是 §5.6b 担心的那种扩散，
只不过现在是有意为之。因此它必须比前两个落点多两道东西：
B.2 写定义文件的硬约束（这几条不是建议）

✅ agent.md 有一处 2000 字符的截断，但作用点要说准：
graph-engine.js:915 给规划 agent 看的「角色定义摘录」只取
agent.md 的前 2000 字符（readFileSync(f).slice(0, 2000)），
超出部分静默丢弃。agent 自己那条装配链（prompt-builder）不截断，读全文。
→ 后果是：dream 往 agent.md 末尾追加内容，规划侧读到的画像不会变；
但如果追加把重要约束顶到 2000 之后（例如重写时调整了顺序），规划侧会无声地少看到那一段。
→ 判据：写 agent.md 时保证前 2000 字符仍然自足（职能说清楚），
新增内容往后放；改动后应当有一条检查盯住这个窗口。
✅ 这四个文件里有三个是 git 跟踪的定义（agent.md / soul.md / SKILL.md），
不是运行态。dream 改它们 = 改仓库里的文件 → 会被边界守卫看见，也会进 git status。
→ 需要明确：dream 的产出是直接落盘还是提案 + 人工合并。
✅ 毕业闸门读这些文件（missingBodyDefinition / promoteDraftIfComplete）。
把 agent.md 写空 / 写坏会让本体退回「定义没填满」，雇不进任何公司。
✅ 必须可回滚且能分别回滚：经验沉淀写坏了只影响上下文，agent.md 写坏了影响所有公司。
两者混在同一次提交里，回滚粒度就没了。

B.3 🔒 定案：直接落盘，但写之前必须确认这份文件已经在 git 历史里（2026-08-20 拍板）
用户定的是直接写，不走提案；前置条件是「别导致直接修改而没有 git 历史」。

已实现：server/services/definition-write-gate.js，两条判据都满足才放行：
① 文件被 git 跟踪；② 该文件没有未提交改动。判不出来（不在仓库 / git 不可用）一律拒绝。


为什么是「拒绝并报告」，不是「脏就先替它提交一把」：
后者看着更顺手，但那正是本仓库记过的一类事故 —— 多会话共用同一个 worktree
（27-P3C §15.4 / §17.2）。一份未提交的改动很可能是另一个会话正在写的东西，
替它提交等于把别人的半成品写进 main，还署错了名。所以把「要不要提交」留给人。


守卫 definition-write-gate.test.js 5 例，含「拒绝时必须给出下一步」那条 ——
撞上闸门的人（或 agent）要能照着做，否则只能猜。
决策 B 的备选（留档）
「skill memory」目前没有对应的实体。候选落点：


落点
形态
问题


B1 system/agents/{aid}/memory/（本体根，跨公司那一份）
与公司态并列，一个 agent 一份跨公司经验
目前只有 zz-scaffold-readonly-fresh 有这个目录，等于新建一层；但它天然与 §5.6b 的 glob 对齐，读的时候本体根 + 各公司态一起加载


B2 本体的 SKILL.md
复用现有概念（5 个本体已有 SKILL.md）
这正是 §5.6b 点名的错误版本的落点；SKILL.md 是「能力定义」，不是「经验积累」，混在一起之后没法分别回滚


B3 <repo>/../data/skills/ 那 27,059 条 Skill 仓库
与 ArenaSK 的 Skill 市场打通
那是面向分发的仓库，写进去等于对外发布；且跨了两个 data 根


（拍板结果见上：B1 与 B2 都要，另加 soul.md / agent.md 两个定义落点。）
🔒 决策 C —— 触发时机：定时，每日一次（2026-08-20 拍板）
备选留档如下。


⚠️ 与 §1.4 的冲突要知道：实查 75 份 memory.md 里只有 7 份有非模板内容，
所以每日跑起来绝大多数 agent 会是空转。这不是反对定时，是要求实现时做到：
没有新原料就不起 agent 调用（判据：上次 dream 之后有没有新的 session 摘要），
否则每天会有几十次「读完发现没东西」的 LLM 调用在烧钱，而且日志里全是噪声。


方案
说明


C1 定时（如每日一次）
简单；但没有真跑的日子会空转，有大量真跑的日子又攒得太多


C2 按量（某 agent 新增 N 条 session 摘要后触发）
与实际产出量对齐；需要一个计数落点


C3 手动（控制台一个按钮 + API）
先手动跑一段时间看提炼质量，稳定了再自动


❓ 决策 D —— 提炼质量怎么评 / 失败怎么办
这一条可以先不定，但要知道它没定：


没有评价手段时，dream 的产出无法验证对错——它和 FDE 那边
「LLM 自己汇报分数」的问题是同一个（见 architecture_todo_list §1）。
一个便宜的起步：dream 每次产出都保留原料指针（哪几条 session 提炼出这一条），
人抽查时能顺着回去看。可追溯比「可评分」便宜得多，也更早有用。


四、推进顺序 🔒 上游与 dream 一起做（2026-08-20 拍板）

进度：步骤 1、2、3、4、5 全部实现。未做的是：定时挂载（决策 C）、
写定义文件（SKILL.md / soul.md / agent.md）、以及一次真 CLI 验收 —— 见 §5.4。


用户定的是两件一起做，不分先后。拆成可验收的步骤：


步
内容
为什么不能省


1
✅ appendToMemoryMd 停止截断搬运（§1.1）—— 已完成
它原来把工具调用 id 当「关键事实」写进 memory.md 并注入每一轮提示词。dream 直接消费它 = 把这个错误放大到跨公司


2
✅ 「有哪些公司」改查 company_agents 表（§1.3）—— 已完成
目录里混着 train/ workspace/ 和带时间戳的测试残留，拿目录枚举公司必然把它们当原料


3
✅ dream v0：枚举 → 提炼 agent → 去敏判定 agent（决策 A）→ 写落点 —— 已完成
主体


4
✅ 定义文件的 git 历史闸门（决策 B.3）—— 已完成
覆盖一份尚未进入 git 历史的内容 = 让上一版永久消失，且不报错


5
✅ 可追溯：每条沉淀记住它是从哪几条记录提炼来的 —— 已完成
没有它，dream 的产出无法验证对错 —— 与 FDE 那边「LLM 自己汇报分数」是同一个问题


空转保护（决策 C 的直接要求）：没有新原料就不起 agent 调用。


本文档仍不是实现规格。决策 D（质量怎么评）未定；B.2 里「定义文件直接写还是走提案」
也还需要你点头 —— 我按「走提案」写在了步骤 4，但那是我的建议，不是你拍的板。


五、实现记录
5.1 步骤 1：memory.md 的自动写入不再冒充「关键事实」（已完成）
改法三条：


换段：自动写入落到 ## 原始记录（未提炼），## 关键事实 从此只由提炼产物填。
读的人和 agent 都能一眼分清「这是日志」还是「这是结论」；这一段同时就是 dream 的输入面。
滤掉确定的噪声：工具调用标记 / 空结果 / 只有心跳标记的任务。
判据刻意窄 —— 只滤明确的噪声，不猜「哪条重要」。猜重要性需要理解内容，
那正是 dream 的活，在这里做等于把提炼下放到一个正则里。
不再截成半句：上限从 80/100 放宽到 200 并取完整第一行。
截断残渣读起来像事实、其实缺主语，比不留更坏。


踩到一条值得记的：噪声判据初版有「任务与结果都短于 8 个字符就丢」。
那是按英文长度想出来的阈值 —— 中文 8 个字是一句完整的话，
实测「结果甲甲甲甲甲」（7 字）直接被丢，整条记录凭空消失。已删掉该规则。
凡是拿长度当信息量代理的判据，都要先问一句「这是按哪种文字算的」。


守卫 memory-raw-section.test.js 5 例：关键事实段一个字不动、噪声一条不写、
长句不再被砍（带「样本确实超过旧上限」的前置断言）、多次写入累加在同一段、
无 toolCall 不写（保住原有行为，别顺手放宽）。
5.2 步骤 2 / 5 与 3 的骨架（dream-service.js）
步骤 2 —— 公司清单只认 company_agents 表。
companiesOf(agentId) 查表，另把保留段 _global 补上（全局 agent 的运行态落在那里，
没人「雇」它，所以不在表里）。目录从此只用来定位文件，不用来枚举公司。
守卫里造了两个「看起来像公司」的目录（train/ 与 tmp-w7-bootstrap-1786986291739-9n2xv），
断言它们不进原料 —— 那正是实查到的两种残留形态。

空转保护 —— 水位线按「条数」而不是 mtime。
mtime 会被任何一次无关写入推动（例如别处重写整份 memory.md），条数只在真的多出记录时增长。
拿 mtime 当判据的话，空转保护会在「文件被碰过但内容没变」时失效。
没有新原料时 dreamOnce 直接返回 skipped: 'no-new-material'，一次 agent 调用都不起。

步骤 5 —— 可追溯。
每条原料带 source（{公司}:memory.md#{行号}），提炼产物落盘时把 sources 一并写进
experience.md 的引用行。人抽查时能顺着回去看。

决策 A 的失效方向在代码里是硬的：判定 agent 抛异常也算拒绝，
并把「为什么」写进 rejected[] —— 否则现场只看到「少了一条」，查不出是判否还是判炸。
5.3 步骤 3：两个本体 + 默认实现（已完成）
两个本体（都过得了毕业闸门，missingBodyDefinition 为空）：


本体
职责
产出契约


dream-distiller
把一批原始记录提炼成可复用经验
``json 数组，每条{title, body, sources}；没有值得留的就交[]`


dream-screener
逐条判「这条能不能给别家公司看」
``json 对象{shareable: boolean, reason}`


决策 A 的独立性写在两处，缺一不可：


代码层：判定一条一次调用，提示词里只放 title + body，不放原料；
本体层：dream-screener/agent.md 明写「你看不到原料，也看不到是哪家公司——这是故意的」。
守卫里有一条专门断言这句话在（expect(screener).toContain('看不到原料')）——
否则下一个人会顺手把原料塞进提示词「让它判得更准」，而那恰好把独立性拆掉了。


两处失效方向都是硬的：


提炼取不出 JSON → 抛，不是静默返回空。「产出格式坏了」和「没提炼出东西」是两件事，
混为一谈会让前者以后者的形式永远藏下去（每天显示「今天没经验可沉淀」，真相是解析一直在失败）。
判定解析不了 / shareable 不是布尔 → 判否，并把原文片段带进 reason，
让人看得出是「判否」还是「判炸」。


测试写法上纠了自己一次：第一版把解析与失效分支在测试里重抄了一遍再断言 ——
那是在验一份复制品，代码改了它照样绿。改成加一条 setDreamAgentCaller 缝，
只换掉「真起 CLI」那一层，解析、判空、失效方向全走真代码。

本体写错过一次，被守卫抓住：agent.md 里的相对引用按 cwd 深度 3
（{aid}/{cid}/{taskId}/）解析，不是按文件自身位置 —— 仓库根是 ../../../../../。
我按文件位置写了 ../../../，agent-md-refs.test.js 当场判红。

5.4 还没做的（别当成 dream 上线了）

定时挂载没做（决策 C 说每日一次）。现在只有 dreamOnce(agentId) 这个可调用的单元，
没有挂到任何调度上，也没有 REST / 控制台入口。空转保护已经在，挂之前先想清楚
「每天对哪些本体跑」——全量 76 个本体逐个跑，即使空转也要 76 次目录读。
还没写定义文件。writeDistilled 目前只写本体根的 memory/experience.md
（纯经验积累，删掉无副作用）。SKILL.md / soul.md / agent.md 三个 git 跟踪的定义
留给下一步；definitionWritability() 已经能报出「这三份现在能不能写、不能写是为什么」，
闸门（§B.3）也已就位，缺的是「往里写什么、写成什么形状」这半边设计。
没有一次真 CLI 验收。CI 里换掉的是 callDreamAgent 那一层，
验的是「回复 → 结构化产物」的解析与失效方向，不是模型写得好不好。
两个本体的提示词至今没有被任何模型读过 —— 这正是 P3B W4 记过的形态
（mock 从不读提示词，所以提示词在第一次真跑前从未被检验）。
决策 D（提炼质量怎么评）仍未定。可追溯（sources）是它的便宜起步，不是替代品。