跳转至

支持更多编码智能体 harness

问题与目标

EGM 需要的不仅仅是一个能够发现 SKILL.md 文件的主机。审查者必须阅读共享的角色与标准,在全新上下文中运行,并产生可审计的结果。仅复制 skill 本身可能会使相对资源路径失效。

将共享的 EGM 工作流扩展到 Cursor、OpenCode 和 GitHub Copilot CLI。为每个主机使用小型适配器以及现有的工作流测试用例。分别验证对每个主机的支持。一个主机可以保持实验性,而另一个通过验证。

本提案不改变任何运行时行为,也不建立任何支持声明。它独立于 #135、#136 和 #137 中的打包与发布技术栈。实验性实现可以在基于本设计的草稿 PR 中准备。维护者的范围批准和设计批准仍然是合并的前提条件。草稿实现不构成主机支持,也不满足实况验证要求。

范围

目标:

  • 将 skills、角色、标准和必需的指南作为一个软件包安装。
  • 保留头脑风暴、起草、审查、人工批准门禁和文件产物。
  • 在需要时,以可强制执行的只读访问权限启动全新审查者。
  • 分别记录安装、工作流和隔离结果。
  • 复用现有场景和集成测试夹具。遵照 #112 中的共享测试抽取,无需等待新框架。

非目标:

  • 不构建通用型 harness 注册表、传输、兼容性服务或编排框架。
  • 不为每个主机复制规范 skill 或角色文本。
  • 不基于一次成功的 CLI 或本地 IDE 运行,就宣称支持 VS Code 中的 Copilot、Cursor 云代理或其他界面。
  • 不在普通 CI 中进行付费测试、不规避提供商策略、不发布到市场。
  • 不在此实现 Hermes、OpenClaw 或 Delta。#116 和 #119 拥有该项工作。
  • 本次迭代不支持 Factory Droid 或 Pi。

现有组件与职责归属

共享行为仍然位于 skills/、agents/、resources/ 和主机指南中。参见 harnesses 和 testing。

每个主机贡献者维护各自的适配器、安装指南、离线检查和实况测试记录。维护者批准范围。维护者还决定测试记录是否足以支持支持声明。人类用户批准设计和其他必需的工作流步骤。

适配器可以定义主机如何找到插件及其资源。它们也可以定义委派指令和工具限制。它们必须读取共享的角色文本,而不是为其审查规则维护第二份副本。

架构与数据流

  1. 主机将固定版本的 EGM 候选版安装到其原生包位置。
  2. 编排器从该包中加载共享 skill 并解析资源。
  3. 每个审查者以全新对话启动。其任务包含角色位置、目标产物、所需标准和必要的源路径。
  4. 审查者读取这些资源,并通过主机的结果机制返回发现。它不会收到父级的对话、理由、记忆或不相关的审查者发现。仅在规范阶段明确要求并将其列为输入时,才传递之前的报告。例如,阶段 8 需要阶段 5 的 zoom_out_report.md。
  5. 编排器等待所有预期的完成结果,识别失败,写入报告,并在现有的人工批准门禁处停止。

当嵌套委派不可用时,使用直接调度。缺失的审查者不得被表示为已通过的审查。报告未完成的阶段,并询问用户如何继续。暂缓选择性重试,直到某个主机需要它们。

审查者拥有只读访问权限。起草和报告编写角色仅保留其输出所需的工作区访问权限。不要为了安装或委派成功而全局削弱主机权限。

仅凭全新对话并不能证明审查者隔离。主机注入的指令、记忆、MCP 访问和共享工作区文件必须单独评估。上下文隔离不是文件系统或进程隔离。评估审查者是否可以通过共享文件系统访问不相关的报告。要求其避免访问的指令并不构成强制隔离。将未知的原生隔离记录为“未验证”,绝不能记录为“通过”的结果。

人工批准门禁

保留规范 skills 中定义的门禁:

  • Brainstorm:在 Goldfish 调度前确认就绪,然后在交接前批准简报。
  • Draft:确认接收内容并获准起草。批准每个章节。当未提供目标位置时,确认目标位置。
  • Review:当未提供预设时,选择预设。保留其必需的阶段检查点以及暂停/恢复选项。
  • Resolve:在应用用户批准的编辑之前,呈现建议的修复和有争议的发现。

当主机没有结构化提问工具时,使用普通聊天。在所选工作流需要人工响应的地方,等待人工响应。非交互式测试夹具的预先批准并不能验证交互式暂停。

主机适配器计划

主机 提议的机制 所需证据
Cursor local Agent 原生插件包和自定义子代理,使用宿主的只读设置。通过轻量适配器提示词复用共享 persona 文件。 验证安装的资源路径、只读权限的强制实施、宿主完成记录,以及子代理接收到的上下文。
OpenCode CLI OpenCode 1.18.29 V1 配置,包含原生命令、技能别名和严格的 JSON agent 定义。在暴露入口技能之前,先安装完整的 EGM 目录树。 验证 task 分发、permission 强制实施、隔离的子会话,以及相对于包路径的读取。
GitHub Copilot CLI 原生插件安装和带有显式工具允许列表的自定义 agent 配置文件。审阅者保持禁用仓库指令包含(repository-instruction inclusion)。 验证已安装的包布局、子上下文、共享 persona 读取、工具拒绝,以及可靠的结果收集。

对照所选宿主版本,确认原生插件清单(manifests)和路径。 不要假设 Claude 兼容语法能保证等价行为。

Cursor 候选版本以 CLI 2026.10.01-e373342 为目标进行离线发现。 它的 .cursor-plugin/plugin.json 选择了 skills/、.cursor-plugin/agents/ 和 .cursor-plugin/rules/。每个审阅者声明 readonly: true 和 permissionMode: readonly。固定的 CLI 加载器要求后者注册只读权限。 离线发现找到了七个技能、七个审阅者和一个活动路由规则。原生强制实施仍未验证。

OpenCode 实现针对 1.18.29 版本和 V1 接口。 它生成一个单独的 opencode.json,包含 agent、command 和 skills.paths 条目。审阅者使用 mode: subagent 和 permission 规则, 允许本地 read、glob 和 grep 操作。MCP 资源读取必须显式拒绝, 因为 V1 将这些工具映射到 read 权限。主 agent 使用 带已注册 subagent_type 的 task,并在全新审阅时省略 task_id。 原生 CLI 接受了此配置,并离线发现了七个已安装技能。 运行时强制实施和上下文隔离仍未验证。 不要将此映射与 V2 subagent 或 permissions 接口组合使用。

Copilot CLI 候选版本以 1.0.82 版本和根级 Agent Plugins 1.0 plugin.json 为目标。配置文件位于 com.github.copilot/agents/*.agent.md。 入口 agent 的原生 ID 为 egm:egm,审阅者为 egm:<persona-name>。 技能仍位于 skills/*/SKILL.md。原生会话清单在未发起模型请求的情况下 找到了全部八个配置文件和七个已启用技能。审阅者使用 tools: [read, search]、include-custom-instructions: false 和 user-invocable: false。实时强制实施和隔离仍未验证。

在宿主指南中保留当前的产物目录约定。报告文件写入位置。 不要在此处引入新的默认输出目录。

验证与发布门禁

Grok Bot 兼容性

在 #145 下单独评估 Grok Bot。 它的持久记忆和共享云计算机与 Cursor local Agent 不同。 Grok Bot 指南 描述了技能和 bot 交接。它并未确立与 Cursor 适配器的兼容性。

检查包导入、所需资源读取、全新审阅者上下文、只读强制实施、 完成记录,以及人工批准暂停。检查审阅者记忆和共享文件 是否暴露了先前发现。在这些检查通过之前,保持支持为“未验证”。 通过 Cursor local Agent 运行不能确立 Grok Bot 支持。 在此评估之后,另行提出任何所需的实现。

共享检查

复用现有技能套件中的提示词和断言: brainstorm 场景、 draft 场景 和 review 场景。 将 tests/integration/test_codex.py 中的标记探针和行数工作流夹具,以及 tests/integration/test_claude.py 中的项目指令和父级标记探针,作为行为参考。它们的原生跟踪读取器是宿主特定的。 根据每个新宿主调整证据收集;不要复用不兼容的解析器。 通用运行器和结果模式仍是 #112 中的后续工作。

离线检查必须覆盖:

  • 清单解析,以及与现有包的标识/版本一致性。
  • 已安装布局中所有引用的 persona、标准(standard)和指南路径。
  • 适配器工具限制,以及不存在共享行为的副本。
  • 当引入原生证据解析器时,使用缺少开始、 缺少完成、格式错误的记录以及 Unicode 行分隔符的夹具。 先从真实宿主记录建立模式;复用适用的解析器和夹具。

实时检查仅在用户明确请求时运行。使用干净的宿主配置文件和 固定版本的候选。运行 brainstorm、draft 和 review,包括真实的人工 批准暂停。当原始证据包含账户数据时,私下保存。

对于每次运行,记录候选 SHA、产物校验和或已安装文件标识、 宿主版本和界面、模型标识符,以及日期。 分别记录安装、工作流和隔离结果。从宿主记录记录审阅者的开始和完成, 而不是仅依赖父级的摘要。

隔离检查必须包含一个仅在父对话中可用的随机标记。 验证子代理的必需读取,并在可用时检查宿主注入的上下文。 仅仅未能复述标记不能证明隔离。使用一次性夹具探测只读强制实施, 并确认审阅者无法修改它。

如果无法访问主机记录,请保留明确的未验证隔离结果。一次通过的安装绝不能将未知的工作流或隔离结果提升为已验证状态。所有结论均应限定于已测试的主机版本、模型和测试面。

仅当所有三个类别均通过后,才将主机添加到支持表中。缺少委派能力时,必须停止审查并给出明确的不支持消息。不允许内联模拟独立审查者。

备选方案

备选方案 决策与理由
通过通用安装程序仅安装技能 本身不足:EGM 要求各技能目录之外的角色和标准。只有在完整包访问得到验证后才可使用。
每个主机复制一次整个运行时 否决:重复内容会发生漂移。保持源内容共享,并让适配器保持精简。
审查者复用父级对话 否决:这会破坏 Goldfish 隔离。
先构建通用适配器框架 否决:三个具体集成不足以证明新框架的合理性。只有在重复出现之后才提取公共逻辑。
添加流行仓库列出的所有测试工具 否决:其他地方的使用并不能证明 EGM 的安装或隔离要求得到满足。
仅支持当前主机 维护成本最低,但无法满足 #145–#147 所代表的需求。维护者可在具备验证能力之前选择此方案。

风险与缓解措施

  • 主机 API 漂移:在测试记录中记录精确版本,并通过回归检查更新适配器。
  • 模型成本过高:手动运行小型测试夹具,并在可用时记录使用量。
  • 维护负担增长:保持每个适配器独立,避免未使用的能力。

推出与回滚

基于本设计分支,为每个主机准备一个独立的草稿实现 PR。各适配器拥有独立的包布局和验证结果。首先合并设计,然后针对 main 重新定向并验证每个实现。实现合并前仍需维护者批准。每个实现都引用其对应的 issue。仅在合并该实现完成所有验收标准时,才使用关闭引用。

每个适配器都应附带安装文档和离线检查。在所需主机运行通过之前,将实时安装、工作流和隔离结果明确标记为未验证。用这些证据更新支持表。保留现有主机行为和测试。损坏的集成可以独立回滚。将其支持声明降级,并保留失败记录。不要删除无关的用户配置。

发布工作另行推进。在发布中包含新适配器,需要重新生成包并验证确切候选版本。

待定决策与审查状态

  • 维护者必须批准或修改这三项询问。
  • 确认维护者能够支持验证工作及持续的主机版本测试。
  • 完成对所选 OpenCode V1 映射及其他主机映射的审查。
  • 本提案尚未运行完整的 EGM 审查流水线和实时主机测试。在这些决策和审查结论得到解决之前,本文档尚不具备实施条件。

研究参考文献

审查日期:2026-10-24。这些是能力参考,并非 EGM 测试证据。

本页原文 Markdown:在 AtomGit 查看·内容源自开源项目 el/elephant-goldfish-model