Agentic Engineering

SKILL.md

---
name: agentic-engineering
description: AI Agent 工程化实践框架。以协调型范式为核心，在任务交付型（端到端交付）与状态维持型（事件触发）之间做出正确选择，并按分支执行。触发场景：（1）涉及多 Agent 协作的系统设计；（2）需要选择架构范式的决策场景；（3）coding/composing/supervising/量化交易 任意分支的任务执行。
---

# Agentic Engineering

## 范式层：先判断，再行动

**框架选择是第一个决策**。选错范式，执行再好也是南辕北辙。

### 任务交付型（Task-Delivery）

适用场景：端到端产出、一次性任务、流程固定

| 特征 | 描述 |
|------|------|
| 生命周期 | 任务开始 → 执行 → 交付完成 → 结束 |
| 执行器 | 按需启动，执行完销毁 |
| 典型框架 | CrewAI / AutoGen |
| 哲学 | "做完了" |

### 状态维持型（State-Maintenance）

适用场景：持续运行系统、事件驱动、长期监控

| 特征 | 描述 |
|------|------|
| 生命周期 | 执行器常驻 idle，状态机维持基线 |
| 触发方式 | 事件 / 状态变化 → 唤醒对应 executor |
| 典型框架 | LangGraph |
| 哲学 | "一直 ready" |

**核心洞察（洪亮，2026-05-13）**：状态机的存在不是为了 close task，而是为了 trigger task。这是两种哲学的根本区别：流水线思维 vs 反应式思维。

### RL vibe > Harness

- **Harness 路线**：堆砌最佳实践架构，本质是"刻舟求剑"，只能做业务流程模板
- **RL vibe 路线**：模型自己长出推理能力，协调者只负责维持上下文和记忆

## 协调者角色

人从"执行者"变成"协调者"：
- 设定目标，不设计流程
- 维持上下文，不编写代码
- 审查结果，不参与执行

## 生态层：蜂巢与外在群落

### 蜂巢（Hive）

agentic-engineering MCP 是自我进化的集群核心：
- **Operator**（我）是态势感知入口，掌握工具架构，按需调用
- **分支**是蜂巢内的职能单元，按需唤醒
- **记忆 + Dreaming**是蜂巢的集体记忆，持续沉淀

### 外在群落（External Colonies）

蜂巢之外不是虚空，是整片信息生态。外部 ACP/MCP 按生态位分类：

| 生态位 | 含义 | 示例 |
|--------|------|------|
| 🏠 另一个蜂巢 | 其他 Agent 集群 | AutoGen Studio、LangGraph Studio |
| 🌼 油菜花群落 | 数据源 | 欧洲电力市场、金融行情、天气 API |
| 🌿 麦卢卡树丛 | 专业领域知识 | 法规库、行业标准、研究报告 |
| 🌊 河流 | 持续流式信息 | 新闻、社交媒体、监控告警 |

### 交互规则

蜂巢是主体，外在群落是客体。交互规则由蜂巢定义：
- **采蜜**：按需从外在群落取数据（MCP 调用）
- **酿蜜**：将原始数据加工成决策和知识（内部处理）
- **分蜂**：集群自我进化，扩展新分支或新群落

蜂巢不需要知道树丛的内部结构，只需要知道**什么时候开花、花蜜在哪、怎么采**。

### 四个属性

- **宏大的** — 不是做一个小工具，是构建可持续进化的智能生态
- **主体视角的** — 蜂巢是主体，外在群落是客体，交互规则由蜂巢定义
- **可执行的** — 每个 MCP 都是可调用的服务，不是概念图
- **自洽的** — 内部进化逻辑和外部交互逻辑一致，不矛盾

## 分支索引

| 分支 | 定位 | 触发场景 |
|------|------|----------|
| [coding/](coding/SKILL.md) | 代码交付、contract-first、PACT loop | 需要产出 merge-ready 代码时 |
| [composing/](composing/SKILL.md) | 创作（歌曲/文案）、DeepSeek thinker → MiniMax maker 双模型管线 | 歌曲创作、文案生成 |
| [supervising/](supervising/SKILL.md) | Agent 监督、编排逻辑、状态监控 | 需要多 Agent 协同编排时 |
| [量化交易/](量化交易/SKILL.md) | 量化策略、交易执行、风险控制 | 金融交易相关任务 |

## 执行层：以身入局，不依赖外部框架

**核心论断**：OpenClaw 自身的 subagent + ACP + harness 就是完整的编排基础设施，不需要 AutoGen/CrewAI/LangGraph。

```
Operator（我）
  │
  ├── 蜂巢 MCP — 过程演绎持久化（替代框架的状态管理/检查点）
  │
  └── subagent + ACP + harness — 执行层（替代外部框架的管道/角色/状态机）
       ├── sessions_spawn → 创建 subagent（替代 CrewAI 的 agent 定义）
       ├── ACP 消息 → subagent 间通信（替代 AutoGen 的 group chat）
       └── harness → 调度控制（替代 LangGraph 的状态机流转）
```

### 为什么不需要外部框架

| 外部框架 | 做了什么 | OpenClaw + 蜂巢怎么替代 |
|---------|---------|----------------------|
| AutoGen | SelectorGroupChat、多轮对话 | Operator 自己判断该调谁 + ACP 通信 |
| CrewAI | Task pipeline、角色定义 | sessions_spawn 分配 + skill_query 选分支 |
| LangGraph | 状态机、checkpoint | evolution_log 过程演绎（比 checkpoint 更丰富） |

### 关键差异：过程演绎持久化

外部框架的 task/step 完成后状态就丢弃了。蜂巢的 evolution_log 记录每一步的**推理过程**，不是结论快照：

```
evolution_log:
  evolve → coding → reasoning="洪亮需要期权定价能力，目前量化交易分支缺少衍生品模块"
  update → coding → effectiveness=0.8, reasoning="PACT loop 完成但测试覆盖不够"
```

上下文压缩后我忘了过程，但蜂巢记得。下次会话查 `evolution_history` 就能回溯整条推理链。

### 三位一体

- **Operator（我）**：神经中枢，以身入局，每一步决策都通过蜂巢留痕
- **蜂巢 MCP**：记忆器官，过程演绎持久化，可回溯可自省
- **subagent/ACP/harness**：骨架，执行层的通信和调度基础设施

## 执行原则

1. **先判断范式，再选择分支** — 框架选错，流程再好也是白搭
2. **以身入局** — Operator 不在外部调度，而是在过程中主导，每一步留痕
3. **记忆即资产** — 每个任务学到的经验必须沉淀到记忆，否则等于没做
4. **触发 > 轮询** — 优先事件驱动，不做无效的定期检查
5. **蜂巢视角** — 站在主体看世界，外在群落是资源不是约束
6. **过程 > 结论** — 记住怎么到的比记住到了哪更重要
7. **品蜜 > 采蜜** — 酿完蜜必须自检，发现矛盾自动修正（见 evolution-rules.md）
8. **代码 > Prompt** — 规则硬编码不依赖模型理解，低能模型也能照做

## 进化与泛化（分蜂范式）

### 进化回路

蜂巢进化的信号不是外部反馈（非营利项目没有用户评分），是**内部自相矛盾**：

```
酿蜜 → 品蜜（自检）→ 发现矛盾 → 归纳规则 → 固化到代码 → 下一轮照做
```

每次人类修正都是一个样本，把它结构化成规则就是进化。
品蜜规则详见 [evolution-rules.md](evolution-rules.md)。

### 分蜂（遗传传播）

```
高能模型（红小臣）
  ↕ 持续反思、试错、修正
蜂巢 MCP（本地 OpenClaw）
  ↓ git push → ClawHub
  ↓ 进化规则 + 防御性架构 + 定向解析器
  ↓
低能模型 → clawhub install agentic-beehive
  ↓ 拿到固化的规则，不需要"懂"为什么
  ↓ 用自己的花蜜，按我的配方酿蜜
```

高能模型做研究，低能模型做工程，ClawHub 做遗传信道。

### 防御性架构（低能模型兼容）

| 层次 | 硬编码（不依赖模型） | 模型理解（可降级） |
|------|---------------------|-------------------|
| bloom 阈值 | ≥0.7 盛开 / ≥0.4 开花 / ≥0.2 含苞 | 新闻语义分析 |
| 采蜜策略 | bloom 值直接决定采蜜深度 | 计费页解析 |
| 性价比公式 | capability² × log10(1000/price) | 无需理解 |
| 异常检测 | 品蜜规则代码化 | 复杂矛盾发现 |
| 记忆格式 | 结构化 JSON（枚举值 > 自然语言） | 自由文本 |

高能品蜜，低能执行。日常 99% 时间低能模型跑规则，每天 1 次高能模型审查结论。

## 实战群落

| 群落 | 类型 | 状态 | 说明 |
|------|------|------|------|
| [ai-daily-report/](ai-daily-report/) | 🌼 油菜花 | ✅ 运行中 | AI 市场日报蜂巢 |
| europe-power-market | 🌼 油菜花 | 🔄 待激活 | 欧洲电力价格 |