beaver_project/app-instance/backend/flow.md

Beaver Backend Flow

这份文档只保留树形运行结构。

• 原理、参考项目边界、长期蓝图：看 change.md
• 施工顺序、阶段目标、完成标准：看 施工指南.md

---

1. 总入口

用户输入（用户在不同入口发来一句话或一个任务）
│
├─ CLI（命令行入口）
├─ Web（网页前端入口）
├─ Gateway（消息通道入口，比如以后接 Slack / Telegram）
└─ future channels（未来扩展入口）
   │
   └─ AgentService（统一服务层：所有入口都先汇总到这里）
├─ MainAgentRouter（LLM 语义判断 simple / continue task / new task / close / abandon）
      ├─ create_loop()（创建 AgentLoop 运行核心）
      ├─ start()（启动后台运行模式）
      ├─ submit_direct()（把任务提交到运行队列）
      ├─ process_direct()（直接处理一次任务，不走队列）
      ├─ submit_feedback()（记录聊天反馈并驱动内部 Task 状态）
      ├─ stop()（停止接收新任务，并等待队列收尾）
      ├─ shutdown()（停止运行并释放资源）
      └─ close()（关闭已经创建的 runtime）

---

2. Boot / Loader

AgentService.create_loop()（服务层创建运行核心）
│
└─ AgentLoop(profile, loader)（Agent 主循环：真正跑任务的核心对象）
   │
   └─ AgentLoop.boot()（启动前装配依赖）
      │
      └─ EngineLoader.load()（加载所有运行时模块）
         ├─ SessionManager（会话管理：保存聊天记录和隐藏事件）
         ├─ MemoryStore（长期记忆存储：真正落盘的 curated memory）
         ├─ MemoryService（记忆服务：运行时访问 memory 的唯一入口）
         ├─ RunMemoryStore（运行记录存储：保存每次 run 的结果）
         ├─ SkillLearningStore（技能学习存储：保存表现统计和学习候选）
         ├─ ToolRegistry（工具注册表：登记系统有哪些工具）
         ├─ ToolAssembler（工具选择器：决定本轮暴露哪些工具）
         ├─ ToolExecutor（工具执行器：真正调用工具）
         ├─ SkillsLoader（技能目录加载器：只加载可用技能）
         ├─ SkillAssembler（技能选择器：决定本轮激活哪些 skill）
         ├─ SkillSpecStore（技能生命周期存储：保存版本、草稿、审核）
         ├─ DraftService（草稿服务：创建 skill draft）
         ├─ ReviewService（审核服务：approve / reject draft）
         ├─ SkillPublisher（发布服务：publish / disable / rollback）
         ├─ EvidenceSelector（证据选择器：为学习闭环挑选历史证据）
         ├─ SkillDraftSynthesizer（草稿合成器：让 LLM 生成 skill draft）
         ├─ SkillLearningService（技能学习服务：生成学习候选和草稿）
         ├─ TaskService（内部 Task 服务：自动 Task 化、状态、事件、反馈）
         ├─ TaskExecutionPlanner（Task 执行规划器：决定 single / team）
         ├─ ValidationService（结果验证服务：Task run 完成后的自动验证）
         └─ ContextBuilder（上下文构建器：拼 system prompt 和 messages）

---

3. Main Agent Routing / Internal Task

AgentService.process_direct / submit_direct（聊天入口统一进入服务层）
│
├─ resolve session_id（复用请求 session，或生成新 session）
├─ task_service.get_latest_open_task(session_id)（查找同会话未关闭 Task）
├─ MainAgentRouter.classify(message, active_task, recent_messages)（LLM 语义分类）
│  ├─ simple（简单问题）
│  │  └─ runner(message, include_skill_assembly=False, include_tools=False)（不创建 Task，不跑 skills/tools）
│  │
│  ├─ continue_task（继续当前 Task）
│  │  └─ reuse active Task（只要话题没有完全无关，就继续当前 open Task）
│  │
│  ├─ new_task（明确开启新任务）
│  │  └─ TaskService.create_task(...)（内部创建 Task，并保存 short_title）
│  │
│  ├─ close_task / abandon_task（用户明确结束或放弃）
│  │  └─ TaskService.close_task / abandon_task（关闭当前 Task）
│  │
│  └─ task execution
│     └─ AgentService._run_task_mode(...)（进入 Task 模式执行）

TaskService（内部 Task 状态机）
│
├─ TaskRecord
│  ├─ task_id
│  ├─ session_id
│  ├─ goal / description / constraints
│  ├─ metadata.short_title（5-15 字左右的短标题，用于前端当前任务标识）
│  ├─ status
│  │  ├─ open
│  │  ├─ running
│  │  ├─ validating
│  │  ├─ awaiting_feedback
│  │  ├─ needs_revision
│  │  ├─ closed
│  │  └─ abandoned
│  ├─ run_ids
│  ├─ skill_names
│  ├─ validation_result
│  └─ feedback
│
└─ TaskEvent
   ├─ created
   ├─ run_started
   ├─ run_completed
   ├─ validated
   ├─ feedback_satisfied
   ├─ feedback_revise
   └─ feedback_abandon

Task Mode Execution（复杂任务执行）
│
├─ attempt 1
│  ├─ task_service.start_run(...)
│  ├─ TaskExecutionPlanner.plan(...)（LLM 规划 single / team）
│  ├─ session hidden event: task_execution_planned
│  ├─ if plan.mode == team
│  │  ├─ TeamService.run_team(parent_task_id=task_id, parent_session_id=session_id)
│  │  ├─ sub-agent runs -> parent Task run_ids
│  │  ├─ session hidden event: task_team_run_completed / task_team_run_failed
│  │  └─ team summary + node results -> 主 Agent synthesis execution_context
│  ├─ AgentLoop.process_direct / submit_direct(..., task_id, task_mode=True, attempt_index=1)
│  ├─ ValidationService.validate_task_result(..., team_summaries=...)
│  ├─ TaskService.record_validation(...)
│  ├─ RunMemoryStore.update_run_record(validation_result=...)
│  └─ session hidden event: task_validation_snapshotted
│
├─ if validation accepted
│  └─ return result with task_id / task_status / validation_result
│
└─ if validation failed
   ├─ session_manager.set_run_context_visible(run_id, false)（隐藏失败草稿尝试）
   ├─ attempt 2 重新规划 single / team
   ├─ revision request + team result -> 主 Agent synthesis execution_context
   └─ 第二次结果无论验证是否通过，都返回并等待用户反馈

---

4. Direct Run

AgentLoop.process_direct(task)（直接执行一轮用户任务）
│
├─ 生成 session_id（确定这句话属于哪个会话）
├─ 生成 run_id（给本次运行生成唯一编号）
├─ memory_service.capture_snapshot_for_run()（每个 run 捕获独立记忆快照）
│  └─ fresh MemoryStore(root).load_from_disk()（不写共享 `_snapshot`，避免并发串记忆）
│
├─ session_manager.ensure_session(session_id)（确保会话存在）
├─ session_manager.append_message(event_type="run_started", hidden)（记录隐藏事件：本轮开始）
│
├─ make_provider_bundle()（装配模型 provider 组合）
│  ├─ main_runtime（主模型配置）
│  ├─ main_provider（主模型调用器）
│  ├─ fallback_runtime（备用模型配置）
│  ├─ fallback_provider（备用模型调用器）
│  ├─ auxiliary_runtime（辅助模型配置）
│  ├─ auxiliary_provider（辅助模型调用器，用于选 skill 等）
│  └─ embedding_runtime（向量模型配置，用于语义召回）
│
├─ if include_skill_assembly=False（simple_chat 默认关闭）
│  └─ skip SkillAssembler（不激活 skill，不注入 skill 正文）
│
├─ if include_skill_assembly=True（Task mode 默认开启，在 Task 创建/复用和规划之后执行）
│  └─ skill_assembler.assemble(...)（选择本轮应该激活哪些 published skill）
│     ├─ input task_description = skill_selection_context or current user input
│     │  ├─ Task goal / description
│     │  ├─ current user request
│     │  ├─ attempt / revision / team synthesis phase
│     │  ├─ validation feedback（重试时）
│     │  ├─ team summary / plan（team synthesis 时）
│     │  └─ previously activated skills（只作为 reuse bias，不是 pinned）
│     ├─ SkillsLoader.build_selection_candidates()（列出候选技能摘要）
│     ├─ embedding retrieve skill candidates（用向量召回相关技能）
│     ├─ LLM shortlist candidate names（先用摘要粗选少量候选）
│     │  └─ if retrieved candidates <= max_detailed_candidates -> skip shortlist
│     ├─ SkillsLoader.load_published_skill(...)（系统侧内部读取粗选候选正文，不暴露 skill_view 给主 Agent）
│     ├─ LLM final select activated skills（结合候选正文做最终选择）
│     ├─ if no matching skill -> return [] and continue run without skills
│     └─ 返回 activated skills（返回本轮被激活的技能）
│        ├─ name（技能名称）
│        ├─ content（技能正文）
│        ├─ version（技能版本）
│        ├─ content_hash（技能内容哈希，用于追踪）
│        ├─ activation_reason（为什么激活）
│        └─ tool_hints（技能建议使用哪些工具）
│
├─ ContextBuilder.build_skill_activation_messages(...)（把激活技能变成模型可读消息）
├─ 构造 SkillActivationReceipt[]（构造技能激活收据）
├─ session_manager.append_message(...)（记录隐藏事件：本轮用了哪些技能）
│  ├─ event_type="skill_activation_snapshotted"（技能激活快照）
│  ├─ hidden（不进入普通聊天上下文）
│  └─ payload（隐藏数据）
│     ├─ receipts（技能激活收据）
│     └─ activation_messages（实际注入给模型的技能消息）
│
├─ tool_assembler.assemble(...)（选择本轮应该暴露哪些工具；simple_chat 默认跳过）
│  ├─ always tools（默认总是可用的工具）
│  ├─ activated skill tool hints（被激活技能推荐的工具）
│  ├─ embedding retrieve tools（用向量召回相关工具）
│  └─ 返回 selected ToolSpec[]（返回本轮工具列表）
│
├─ session_manager.append_message(event_type="tool_selection_snapshotted", hidden)（记录隐藏事件：工具选择快照）
│
├─ ContextBuilder.build_messages(...)（构造发给模型的完整 messages）
│  ├─ build_system_prompt()（构造 system prompt）
│  │  ├─ base system prompt（基础系统提示词）
│  │  ├─ session metadata（当前会话元信息）
│  │  ├─ execution context（本轮额外执行上下文）
│  │  └─ frozen memory snapshot（冻结记忆快照）
│  ├─ insert activated skill messages（插入已激活技能正文）
│  ├─ append visible history（追加可见历史聊天）
│  └─ append current user input（追加当前用户输入）
│
├─ session_manager.update_system_prompt(...)（把本轮 system prompt 快照写回会话）
├─ session_manager.append_message(event_type="skill_selection_context_snapshotted", hidden)（完整记录 skill query）
├─ session_manager.append_message(event_type="system_prompt_snapshotted", hidden)（记录隐藏事件：system prompt 快照）
├─ session_manager.append_message(event_type="user_message_added")（记录可见事件：用户消息）
│
├─ 进入 tool loop（进入模型回答和工具调用循环）
│
├─ 成功时（模型正常结束）
│  ├─ session_manager.append_message(event_type="run_completed", hidden)（记录隐藏事件：运行完成）
│  └─ _record_run_receipts(...)（记录运行证据，不生成学习候选）
│
├─ 失败时（运行中出现异常）
│  ├─ append assistant error message（写入 assistant 错误消息）
│  ├─ session_manager.append_message(event_type="run_failed", hidden)（记录隐藏事件：运行失败）
│  └─ _record_run_receipts(...)（即使失败也记录运行证据）
│
└─ return AgentRunResult（返回本轮结果）
   ├─ session_id（会话编号）
   ├─ run_id（运行编号）
   ├─ output_text（最终回复文本）
   ├─ finish_reason（结束原因）
   ├─ tool_iterations（工具循环次数）
   ├─ provider_name（模型供应商）
   ├─ model（模型名称）
   ├─ usage（token 用量）
   ├─ task_id（Task 模式下返回）
   ├─ task_status（Task 模式下返回）
   └─ validation_result（Task 模式下返回）

---

5. Tool Loop

tool loop（工具调用循环）
│
├─ session_manager.append_message(event_type="llm_request_snapshotted", hidden)（完整记录本次 provider messages / tools）
├─ provider.chat(messages, tools=schemas)（把消息和工具 schema 发给模型）
├─ session_manager.update_usage(...)（累计 token 用量）
├─ session_manager.append_message(event_type="assistant_message_added")（记录 assistant 回复）
├─ ContextBuilder.add_assistant_message(...)（把 assistant 回复追加到本轮 messages）
│
├─ if no tool calls（如果模型没有要求调用工具）
│  └─ finish（结束本轮回答）
│
└─ if tool calls（如果模型要求调用工具）
   ├─ ToolExecutor.execute_tool_call(...)（执行一个工具调用）
   ├─ session_manager.append_message(event_type="tool_result_recorded")（记录工具结果）
   ├─ ContextBuilder.add_tool_result(...)（把工具结果追加到 messages）
   └─ 回到 provider.chat(...)（带着工具结果继续问模型）

---

6. Run Evidence / Skill Effect Recording

AgentLoop._record_run_receipts(...)（记录本轮运行证据；不直接学习）
│
├─ 构造 RunRecord（构造本轮运行记录）
│  ├─ run_id（运行编号）
│  ├─ session_id（会话编号）
│  ├─ task_text（用户原始任务）
│  ├─ task_id（内部 Task 编号，简单问题可为空）
│  ├─ attempt_index（Task 模式下的尝试序号）
│  ├─ started_at（开始时间）
│  ├─ ended_at（结束时间）
│  ├─ success（是否成功）
│  ├─ finish_reason（结束原因）
│  ├─ validation_result（Task 模式下的验证结果）
│  ├─ feedback（用户反馈）
│  └─ activated_skills（本轮激活过的技能收据）
│
├─ 构造 SkillEffectRecord[]（构造技能效果记录）
│  └─ 每个 activated skill 一条（每个被用到的技能都单独记一条）
│
├─ skill_learning_service.collect_run_receipts(...)（收集运行收据）
│  ├─ RunMemoryStore.append_run_record(...)（把 RunRecord 写入 memory/runs/runs.jsonl）
│  ├─ RunMemoryStore.append_skill_effect(...)（把 SkillEffectRecord 写入 memory/runs/skill-effects.jsonl）
│  ├─ SkillLearningService.rescore_skill_versions()（重新统计每个技能版本表现）
│  │  └─ SkillLearningStore.update_performance_snapshot(...)（更新表现快照）
│  └─ never build learning candidates in runtime hot path（运行完成时永不生成候选）
│
└─ session_manager.append_message(...)（记录隐藏事件：技能效果快照）
   ├─ event_type="skill_effects_snapshotted"（技能效果已快照）
   ├─ hidden（不进入普通聊天上下文）
   └─ payload（隐藏数据）
      ├─ run_record（本轮运行记录）
      ├─ skill_effects（技能效果记录）
      ├─ candidate_generation_allowed（本轮是否允许生成候选；runtime 固定 false）
      └─ learning_candidates（学习候选；默认空）

runtime invariant（运行期不直接学习）
│
├─ run completed / run failed
│  └─ 只写 RunRecord + SkillEffectRecord + performance snapshot
│
├─ simple chat
│  └─ 不创建 Task，不触发 learning candidate
│
└─ Task attempt / sub-agent run
   └─ 只留下证据，等待 feedback gate 决定是否学习

---

7. Chat Feedback / Learning Gate

POST /api/chat/feedback（聊天反馈接口，不是 Task 管理 API）
│
├─ input
│  ├─ session_id
│  ├─ run_id
│  ├─ feedback_type
│  │  ├─ satisfied
│  │  ├─ revise
│  │  └─ abandon
│  └─ comment?
│
├─ AgentService.submit_feedback(...)
│  ├─ TaskService.get_task_by_run_id(run_id)
│  ├─ reject if task/session mismatch
│  ├─ reject conflicting feedback for same run
│  ├─ same feedback is idempotent
│  └─ TaskService.add_feedback(...)
│
├─ satisfied
│  ├─ if validation accepted
│  │  ├─ Task status -> closed
│  │  └─ SkillLearningService.build_learning_candidates_for_task(task_id, trigger_run_id)
│  └─ if validation not accepted
│     └─ 记录人工接受但保留验证风险；不自动生成 learning candidate
│
├─ revise
│  ├─ Task status -> needs_revision
│  ├─ 更新 run / skill effect 为需修订证据
│  └─ 下一条用户消息默认复用该 Task；不生成 learning candidate
│
└─ abandon
   ├─ Task status -> abandoned
   ├─ 更新 run / skill effect 为失败证据
   ├─ 追加 task_failure_evidence_recorded 隐藏事件
   └─ 默认不写主 memory，不生成成功 Skill draft

---

8. Agent Team v1 / Local Coordinator

TeamService.run_team(...)（内部 team 执行入口，不暴露产品级 Task API）
│
├─ validate parent task（如果传 parent_task_id，先校验 Task 存在且 session 匹配）
│
├─ TeamGraphScheduler.run(...)
│  ├─ graph.validate()
│  │  ├─ v1 implemented strategies: sequence / parallel / dag
│  │  └─ reserved strategies: moa / hierarchy / heavy / group_chat / forest / maker / router
│  ├─ provider_bundle_factory(node)（推荐：每个节点拿 fresh provider bundle）
│  ├─ inherited_pinned_skills（主 agent 明确委派给 sub-agent 的 pinned skills）
│  ├─ inherited_pinned_skill_contexts（missing skill 生成的一次性 ephemeral guidance）
│  └─ allow_candidate_generation=False（默认只写 receipts，不绕过 Task feedback gate）
│
├─ LocalAgentRunner.run(envelope)
│  ├─ 生成 child_session_id
│  ├─ parent_session_id -> 主 session（建立 session lineage）
│  ├─ AgentLoop.process_direct / submit_direct(...)（复用主 AgentLoop / ContextBuilder / ToolAssembler / SkillAssembler / MemoryService）
│  ├─ pinned_skill_names -> AgentLoop（published pinned skill 必须注入）
│  ├─ pinned_skill_contexts -> AgentLoop（ephemeral guidance 只在本次 run 注入）
│  └─ provider_bundle + node model/provider override 禁止混用
│
├─ strategy execution
│  ├─ sequence：前一节点成功输出进入后一节点 dependency_outputs
│  ├─ parallel：同层节点 asyncio.gather 真并发执行
│  └─ dag：按依赖拓扑分批并发；失败节点会阻断依赖它的后续节点
│
├─ node-level failure normalization
│  ├─ provider factory / runner 普通异常 -> NodeRunResult(success=False, finish_reason="error")
│  ├─ asyncio.CancelledError 继续抛出
│  └─ blocked dependency -> NodeRunResult(success=False, finish_reason="blocked")
│
├─ TeamRunResult
│  ├─ success
│  ├─ summary（只聚合成功节点输出；失败节点列入 Failed nodes）
│  ├─ node_results
│  ├─ run_ids
│  ├─ session_ids
│  └─ task_id（父 Task）
│
└─ attach runs to parent Task
   └─ TaskService.append_run(parent_task_id, sub_run_id, skill_names=...)

Team v1 scope（当前边界）
│
├─ 已实现
│  ├─ Beaver 自有 coordinator models
│  ├─ sequence / parallel / dag 三个执行原语
│  ├─ pinned skill 继承 + open skill assembly
│  ├─ per-run memory snapshot，支持真并发 prompt 构建
│  ├─ per-node provider factory 语义
│  ├─ parent Task 一致性校验
│  └─ 节点失败归一和 summary 失败区块
│
├─ 已接入 Task mode 内部执行链
│  ├─ TaskExecutionPlanner 先决定 single / team
│  ├─ team run 只作为内部 sub-agent 执行策略
│  ├─ TeamRunResult 不直接返回给用户
│  └─ 主 Agent synthesis run 生成用户可见最终回答
│
└─ 仍不暴露产品级 team / Task API
   └─ 外部仍只使用聊天入口和反馈入口

---

9. Session Module

SessionManager（会话管理门面）
│
├─ ensure_session(...)（确保会话存在）
├─ append_message(...)（追加一条事件或聊天消息）
├─ get_event_records(session_id)（获取完整事件流）
├─ get_run_event_records(session_id, run_id)（获取某次 run 的事件）
├─ update_latest_assistant_event_payload(...)（把 task/validation/feedback 状态投影到最新 assistant 消息）
├─ set_run_context_visible(session_id, run_id, visible)（隐藏失败重试草稿等 run）
├─ list_run_ids(session_id)（列出某个会话下所有 run_id）
├─ get_messages_as_conversation(session_id)（获取可作为聊天展示的消息）
├─ get_visible_history(session_id)（获取可进入 prompt 的历史）
├─ update_system_prompt(...)（更新当前会话 system prompt 快照）
├─ update_usage(...)（更新 token 用量）
├─ end_session(...)（结束会话）
├─ reopen_session(...)（重新打开会话）
├─ list_sessions_rich(...)（列出带摘要的会话）
├─ search_messages(...)（搜索历史消息）
└─ resolve_session_id(...)（根据前缀解析 session_id）

SessionStore (SQLite)（SQLite 会话数据库）
│
├─ sessions table（会话表）
├─ messages table（消息和事件表）
├─ messages_fts（全文搜索索引）
├─ WAL（SQLite 写入日志模式）
├─ parent_session_id（父会话字段，给未来分支会话用）
└─ hidden / visible event split（隐藏事件和可见消息分离）

hidden events（隐藏事件类型）
│
├─ run_started（运行开始）
├─ skill_activation_snapshotted（技能激活快照）
├─ tool_selection_snapshotted（工具选择快照）
├─ system_prompt_snapshotted（系统提示词快照）
├─ run_completed（运行完成）
├─ run_failed（运行失败）
├─ skill_effects_snapshotted（技能效果快照）
├─ task_validation_snapshotted（Task 验证快照）
└─ task_feedback_recorded（Task 用户反馈快照）

---

10. Memory Module

MemoryService（记忆服务）
│
├─ initialize()（初始化记忆存储）
├─ reload_for_new_run()（每轮开始前刷新记忆快照）
├─ get_snapshot()（获取本轮冻结记忆快照）
└─ get_store()（获取底层 MemoryStore）

MemoryStore（长期记忆存储）
│
├─ target: memory（项目/任务级长期记忆）
├─ target: user（用户偏好记忆）
├─ add(...)（新增记忆）
├─ replace(...)（替换记忆）
├─ remove(...)（删除记忆）
├─ load_from_disk()（从磁盘读取）
├─ save_to_disk()（保存到磁盘）
└─ format_for_system_prompt(...)（格式化成 system prompt 段落）

memory runtime semantics（记忆运行语义）
│
├─ run start（本轮开始）
│  └─ refresh live state -> capture frozen snapshot（刷新 live memory，并冻结本轮快照）
│
├─ run middle（本轮进行中）
│  ├─ memory tool may write durable state（memory 工具可以写入长期记忆）
│  └─ current run prompt snapshot stays frozen（但本轮 prompt 里的记忆不变）
│
└─ next run（下一轮）
   └─ newly written memory becomes visible（上一轮写入的新记忆开始可见）

---

11. Skills Module

SkillsLoader（技能加载器）
│
├─ workspace published catalog（工作区正式发布的技能目录）
├─ workspace legacy skills/*/SKILL.md（旧格式技能文件）
├─ builtin skills（内置技能）
├─ list_skills()（列出运行时可见技能）
├─ list_published_skills()（只列正式发布技能）
├─ get_current_version()（获取当前正式版本）
├─ load_published_skill()（加载正式版本正文）
├─ get_skill_record()（获取技能元数据记录）
├─ get_skill_metadata()（获取 frontmatter 元数据）
├─ get_skill_tool_hints()（获取技能推荐工具）
├─ load_skills_for_context()（把多个技能加载成上下文块）
├─ build_skills_summary()（构造技能摘要索引）
├─ build_selection_candidates()（构造给 SkillAssembler 的候选摘要）
├─ list_skill_supporting_files()（列出技能支持文件）
└─ get_always_skills()（获取 always 类型技能）

SkillAssembler（技能选择器）
│
├─ input（输入）
│  ├─ task_description（Task-aware query：Task 描述 / 当前用户消息 / previous skills / attempt context / validation revision context / team context）
│  ├─ candidate skill summaries（候选技能摘要）
│  ├─ embedding runtime（向量模型配置）
│  └─ selector provider/model（用于选择技能的模型）
│
├─ embedding retrieve candidates（先用向量召回相关技能）
├─ LLM shortlist names（用摘要粗选需要查看正文的候选）
│  └─ skip when candidate count <= max_detailed_candidates（候选很少时直接读取正文）
├─ internal load shortlisted SKILL.md（SkillAssembler 内部读取候选正文）
├─ LLM final select names（结合候选正文选择最终技能名）
├─ no match returns []（没有对应 published skill 时返回空，不阻塞任务）
└─ return SkillContext[]（返回技能上下文）
   ├─ name（技能名）
   ├─ content（技能正文）
   ├─ version（技能版本）
   ├─ content_hash（内容哈希）
   ├─ activation_reason（激活原因）
   └─ tool_hints（推荐工具）

skills lifecycle baseline（技能生命周期基线）
│
├─ SkillSpecStore（技能生命周期文件存储）
│  ├─ skill.json（技能总信息）
│  ├─ current.json（当前版本指针）
│  ├─ versions/（正式版本目录）
│  ├─ drafts/（草稿目录）
│  ├─ reviews/（审核记录目录）
│  └─ archive/（归档目录）
│
├─ DraftService（草稿服务）
│  ├─ create_new_skill_draft(...)（创建新技能草稿）
│  ├─ create_revision_draft(...)（创建修订草稿）
│  ├─ create_merge_draft(...)（创建合并草稿）
│  ├─ create_retire_proposal(...)（创建退役提案）
│  ├─ list_drafts(...)（列出草稿）
│  └─ get_draft(...)（读取单个草稿）
│
├─ ReviewService（审核服务）
│  ├─ submit_for_review(...)（提交审核）
│  ├─ approve(...)（批准草稿）
│  └─ reject(...)（拒绝草稿）
│
└─ SkillPublisher（发布服务）
   ├─ publish(...)（发布 approved 草稿为正式版本）
   ├─ apply_retire_proposal(...)（应用退役提案，不创建新版本）
   ├─ disable(...)（禁用技能）
   └─ rollback(...)（回滚到旧版本）

---

12. Tools Module

ToolRegistry（工具注册表）
│
├─ echo（回显工具）
├─ memory（写入/管理长期记忆）
├─ session_search（搜索会话历史）
├─ list_directory（列目录）
├─ read_file（读文件）
└─ search_files（搜索文件）

ToolAssembler（工具选择器）
│
├─ selected = always tools（先加入默认工具）
├─ selected += activated skill tool hints（再加入技能推荐工具）
├─ selected += embedding top-k tools（再用向量召回任务相关工具）
└─ return ToolSpec[]（返回本轮可用工具列表；不通过工具动态加载 skill）

ToolExecutor（工具执行器）
│
├─ normalize tool call（规范化模型发来的工具调用）
├─ resolve tool（找到对应工具）
├─ invoke tool（执行工具）
└─ return ToolResult（返回工具结果）

filesystem tool boundary（文件系统工具边界）
│
├─ workspace scoped（只能访问 workspace 范围）
├─ realpath enforcement（用真实路径校验）
├─ reject path escape（拒绝路径逃逸）
├─ reject symlink escape（拒绝软链接逃逸）
└─ reject binary file reads（拒绝读取二进制文件）

---

13. Provider Module

make_provider_bundle(...)（创建模型调用组合）
│
├─ main_runtime（主模型配置）
├─ main_provider（主模型调用器）
├─ fallback_runtime（备用模型配置）
├─ fallback_provider（备用模型调用器）
├─ auxiliary_runtime（辅助模型配置）
├─ auxiliary_provider（辅助模型调用器）
└─ embedding_runtime（向量模型配置）

provider roles（模型角色分工）
│
├─ main（主模型）
│  └─ assistant/tool loop（负责正常回答和工具循环）
├─ fallback（备用模型）
│  └─ main failure recovery（主模型失败时兜底）
├─ auxiliary（辅助模型）
│  └─ skill selection / future helper tasks（负责选择技能等辅助任务）
└─ embedding（向量模型）
   └─ skill/tool semantic retrieval（负责 skill / tool 的语义召回）

---

14. Service Lifecycle

AgentService（服务生命周期）
│
├─ MainAgentRouter（请求进入 AgentLoop 前先分类 simple / task）
├─ submit_feedback(...)（聊天反馈入口，内部更新 Task 状态）
│
├─ direct mode（直接模式：适合 CLI / 单次调用）
│  └─ process_direct(...)（直接处理一次任务）
│
└─ running mode（后台运行模式：适合 Web / Gateway）
   ├─ start()（启动 AgentLoop.run）
   ├─ submit_direct(...)（向队列提交任务）
   ├─ stop(timeout_seconds, force)（停止并等待任务收尾）
   ├─ shutdown(timeout_seconds, force)（停止并释放 runtime）
   └─ close()（关闭已停止的 loop）

running mode semantics（后台运行语义）
│
├─ start()（启动）
│  └─ AgentLoop.run()（进入队列消费循环）
│
├─ submit_direct()（提交任务）
│  └─ enqueue _DirectRunRequest（把任务放入队列）
│
├─ stop()（停止）
│  ├─ stop accepting new tasks（不再接收新任务）
│  └─ drain queued tasks（等待已排队任务处理完）
│
└─ close()（关闭）
   └─ requires loop already stopped（必须先 stop，才能 close）

---

15. Task Team Registry / Process / Learning 闭环

TaskExecutionPlanner（Task 内部执行规划）
│
├─ LLM planner
│  ├─ 输出 single / team
│  └─ team 只允许 sequence / parallel / dag
│
├─ TaskSkillResolver
│  ├─ 从 published skill catalog 检索候选
│  ├─ 按 skill_query / required_capabilities / node task 选择 skill
│  ├─ 命中 published skill 后写入 graph.nodes[].inherited_pinned_skills
│  └─ 无命中时创建 ephemeral guidance，并写入 graph.nodes[].inherited_pinned_skill_contexts
│
└─ TaskExecutionPlan
   ├─ graph.nodes[].agent 只是 generic runtime trace identity
   └─ to_event_payload() 写入 skill_queries / selected_skill_names / ephemeral_guidance_ids / skill_resolution_report

Task mode attempt（每次 Task attempt）
│
├─ task_execution_planned（隐藏事件）
│  └─ plan_mode / strategy / node_ids / skill_resolution_report
│
├─ team run（仅 team plan）
│  ├─ sub-agent run_ids 回填父 Task
│  ├─ team summary 只进入主 Agent synthesis context
│  └─ task_team_run_completed / task_team_run_failed（隐藏事件）
│
├─ main Agent synthesis
│  ├─ 输出最终用户可见回答
│  └─ task_synthesis_completed（隐藏事件）
│
└─ validation
   ├─ task_validation_snapshotted（隐藏事件）
   ├─ 第一次失败隐藏草稿并重试一次
   └─ 第二次或验证通过后等待反馈

Frontend process projection
│
├─ GET /api/sessions/{session_id}/process
│  ├─ 读取隐藏 Task/team/validation 事件
│  ├─ 合并 run memory records
│  └─ 输出 processRuns / processEvents / processArtifacts / agents
│
└─ ChatWorkbench
   ├─ 桌面端显示 ProcessLane
   ├─ 移动端显示 Process tab
   └─ 不直接暴露隐藏事件原始 JSON

Learning pipeline
│
├─ evidence recording
│  ├─ every run -> RunRecord
│  ├─ activated skills -> SkillEffectRecord
│  └─ no candidates generated here
│
├─ feedback gate
│  ├─ validation accepted + satisfied -> scoped learning candidate
│  ├─ validation rejected + satisfied -> 记录人工接受风险，不生成候选
│  ├─ revise -> 保持 Task 打开，不生成候选
│  └─ abandon -> 失败证据，不写主 memory，不生成成功候选
│
├─ scoped candidate generation
│  ├─ source = current task run_ids
│  ├─ no published skill -> new_skill
│  └─ published skill used -> revise_skill
│
├─ SkillLearningPipelineService
│  ├─ candidate -> queued / synthesizing
│  ├─ worker/run-once -> draft
│  ├─ draft -> safety report
│  ├─ draft -> lightweight eval report
│  ├─ safety_failed / eval_failed 阻断发布
│  ├─ draft -> submit review
│  ├─ approve / reject
│  ├─ approved + safety passed + eval not failed -> publish
│  ├─ retire proposal -> apply retire
│  └─ rollback / disable
│
├─ SkillLearningWorker
│  ├─ 默认按配置定时扫描 open candidates
│  ├─ 自动生成 draft_ready / safety_failed / eval_failed
│  └─ 永不自动 approve / publish
│
├─ Web review workbench
│  ├─ Candidates
│  ├─ Draft detail
│  ├─ Safety report
│  └─ Eval report
│
└─ Runtime catalog
   └─ 只有 published skill 进入运行时选择；draft 不生效

---

16. Web / Gateway

Web（网页入口）
│
├─ FastAPI lifespan（FastAPI 生命周期）
│  ├─ create or receive AgentService（创建或接收 AgentService）
│  ├─ start() when app owns lifecycle（如果 Web app 拥有生命周期，就启动 service）
│  ├─ start SkillLearningWorker when enabled（按配置启动技能学习 worker）
│  └─ shutdown() when app owns lifecycle（如果 Web app 拥有生命周期，就关闭 service / worker）
│
├─ GET /api/ping（健康检查接口）
│  └─ return status / running / mode（返回状态、是否运行、运行模式）
│
├─ POST /api/chat（聊天接口）
│  ├─ validate WebChatRequest（校验请求体）
│  ├─ agent_service.submit_direct(...)（把用户消息提交给 AgentService）
│  └─ return WebChatResponse（返回模型回复 + run/task/validation 元数据）
│
├─ WS /ws/{session_id}（网页 WebSocket 适配层）
│  ├─ ping -> pong
│  ├─ message -> agent_service.submit_direct(...)
│  ├─ return status / assistant message（携带 run/task/validation 元数据）
│  └─ return session_updated（通知前端刷新 session/process）
│
└─ POST /api/chat/feedback（聊天反馈接口）
   ├─ validate WebChatFeedbackRequest
   ├─ agent_service.submit_feedback(...)
   └─ return WebChatFeedbackResponse

Skills learning admin API
│
├─ GET /api/skills/candidates
├─ POST /api/skills/candidates/{candidate_id}/draft
├─ POST /api/skills/candidates/{candidate_id}/regenerate
├─ POST /api/skills/learning/run-once
├─ GET /api/skills/{skill_name}/drafts/{draft_id}/safety
├─ GET /api/skills/{skill_name}/drafts/{draft_id}/eval
└─ POST /api/skills/{skill_name}/drafts/{draft_id}/publish
   └─ requires approved review + safety passed + eval not failed

Gateway（消息通道入口）
│
├─ MessageBus（内部消息总线）
├─ ChannelAdapter（Telegram / Slack / Email / WhatsApp 等只作为 adapter）
├─ inbound -> AgentService.handle_inbound_message(...)（外部消息进入 AgentService）
├─ outbound <- OutboundMessage（AgentService 返回结构化输出消息）
└─ ChannelManager（按 message.channel 分发 outbound）

---

17. Bus Mode Skeleton

AgentLoop.run()（后台队列运行模式）
│
├─ create queue（创建任务队列）
├─ mark running（标记为运行中）
├─ consume _DirectRunRequest（消费一个任务请求）
├─ call _process_direct_impl(...)（调用真正的单轮执行逻辑）
├─ set future result / exception（把结果或异常写回等待方）
├─ stop() -> enqueue sentinel（停止时放入结束标记）
└─ drain pending queue on exit（退出时清理未处理任务）