Foundation
配置、事件总线、cron 数据结构、embedding 检索基础设施。
项目在做什么
这个后端是 Beaver 的本地/服务端 agent runtime。它把 Web、CLI、MCP、定时任务等入口统一成 session run，再通过 Intent Agent 判断是否进入内部 Task 模式；Task 模式会计划单 agent 或 team graph，装配 skills/tools/memory，调用 provider，执行工具循环，收集 evidence，并把结果交给用户验收。只有用户接受后的 Task evidence 才进入 skill learning，生成候选、草稿、审核和发布链路。
入口Web / CLI / Gateway / Cron
->
服务编排AgentService / CronService / TeamService
->
运行内核AgentLoop + ContextBuilder
->
能力装配Skills / Tools / Memory
->
模型与工具Providers + ToolExecutor
->
任务验收Evidence / User Acceptance
大模块页
Interfaces
Web API、静态 UI、CLI、Gateway、MCP server 和外部通道入口。
Services
产品级用例层，负责把入口请求变成 agent run、task run、cron run、team run。
Engine
运行内核，负责加载依赖、构造上下文、执行 LLM/tool loop、落 session 事件。
Providers
统一 provider 协议和 OpenAI/LiteLLM/Anthropic/Codex/Custom 的适配转换。
Tasks
内部 Task 模式：路由、计划、team 技能解析、事实证据和用户验收。
Coordinator
把 team graph 节点调度到本地子 agent，管理依赖输出和节点证据。
Tools
工具规格、注册表、按 run 选择工具、执行器、内置工具和 MCP 工具包装。
Skills
Skill 目录、LLM 选择、注入、草稿、审核、发布、学习流水线。
Memory
curated memory、session SQLite、run receipt、skill learning store。
Integrations
MCP、AuthZ、Outlook 等外部集成边界。
Permissions
当前是预留骨架，用来承载后续权限策略。
Prompt 组装总图
所有直接构造 LLM messages 的位置集中在 Prompt Atlas。模块页中只保留与该模块有关的 prompt 流程，详细字段顺序、system/user message 内容结构、fallback 逻辑都在 Prompt Atlas 展开。
Intent Agent判断 simple/task/revise/new/close
->
Planner判断 single/team，生成 graph
->
Skill Select选择 published skill 或临时 guidance
->
ContextBuildersystem prompt + skill activation + history + user
->
User Acceptance用户接受、修改或放弃
已知核对点
定时任务路径有一处疑似运行时错误：
services/agent_service.py 的 run_scheduled_task() 末尾写 event payload 时引用了未定义的 job 和 run，应改用函数参数 cron_job_id、scheduled_run_id、cron_job_name。