1. workflow + state machine#

每个 agent 不是函数调用，是有生命周期的实体：

1
DISPATCHED → ACKED → RUNNING → SUCCEEDED / FAILED

任意阶段挂掉都能 resume，状态变更落盘，全链路可观测。

2. agent 强制拆分#

不允许”一个 Agent 干完所有事”：

• Planner 拆成 product_agent + design_agent + arch_agent
• Builder 拆成 testcase_agent + builder_agent
• 每个任务强制 fork 新 SubAgent，绝不在已有上下文上继续

目的：阻断上下文污染，让每个 SubAgent 在干净 context 中聚焦单一职责。

3. 三条设计原则#

4. Evaluator 元评估（核心创新）#

谁来保证 Evaluator 本身靠谱？用 Benchmark 反向打分 Evaluator：

• 代码片段层：好例子 / 坏例子 / Golden Answer
• 全项目层：todo → blog → ecommerce 难度梯度，注入 OWASP Top 10 / CWE 漏洞

3 轮迭代结果：

• Evaluator 综合评分：64.5 → 67.5 → 83.4
• 漏洞精确匹配率：25% → 42% → 78%

启示：评审系统也要被评审，不能假设它天然正确。

5. 快速失败流水线#

评估按耗时升序串联，任意一步失败立即退回：

1
env check (<1s) → deps (5-10s) → tsc (10-30s) → dev server (15-30s) → ESLint (30-60s) → Playwright E2E (2-5min)

核心信念：宁可让 Evaluator 花 10 次 1 秒钟快速退回，也不允许 1 次 4 分钟的无效评审。

① 给 note skill 加自检（5 分钟，最高优先级）#

note 是知识库写入流水线的最后一道闸。它声明”已写入”但实际没写入，是最致命的回归。

改动：写入后 ls -la / stat 验证文件存在且大小 > 0，失败时回报”声明失败”而不是”成功”。

对应原文思想：零信任 — Builder 的”我做完了”不能算数，必须有独立验证。

② 经期 App 的 preflight 流水线#

当前是手动跑 build / lint / 预览。可以套用”快速失败流水线”思想：

1
tsc --noEmit (秒级) → eslint (秒级) → wxml-loader 编译检查 → 微信开发者工具真机预览

按耗时排序，前面失败不进下一步。对应原文：用最便宜的检查先拦截最多的错误。

③ memory 文件化（已部分落地）#

当前 docs/HANDOFF.md / docs/memory/YYYY-MM-DD.md 已经在做。可以扩展：

• 重要 decision 单独落盘到 docs/decisions/（不只靠 observations 检索）
• 任何”我后面会用到”的中间产物（design 草稿、技术选型对比）落盘，而非塞进 context

对应原文：prds/ designs/ architectures/ evaluations/ runs/ decisions/ 全文件化。

④ workflow-audit 引入 mini-benchmark#

workflow-audit 现在的判断标准是经验性的（“重复 2 次以上”）。可以引入反向打分：

用历史已沉淀成功的 skill（如 daily-recap、repo-research）当 Golden Answer，让 workflow-audit 重新评估它们，看判断是否一致。不一致说明 audit 标准有偏差。

对应原文：Evaluator 元评估 — 评审系统也要被评审。

⑤ 一人监护多任务的心态#

把自己定位成 Evaluator，不是 Builder。Claude 是 Builder，我只做：

• 任务派发（workflow 编排）
• 验收（不读它的”完成”声明，独立 verify）
• 决策（架构方向、归档与否）

对应原文 OPC（一人公司）思想：一个人靠 harness 同时监护多个 agent，关键不是手快，是验收纪律。