@chongyan/autospec 1.0.2 → 1.0.4

package/plugins/commands/explore.md

@@ -1,193 +0,0 @@
----
-description: "我先想想…" — 需求探索阶段。包含CEO想法对齐 + 需求分析。
----
-
-# AutoSpec Explore — 需求探索
-
-## 用户输入
-
-```
-$ARGUMENTS
-```
-
----
-
-**【能力指南】**
-本命令执行时参考以下指南（由 Skill 层按需加载）：
-
-| 指南文件 | 用途 |
-|---------|------|
-| 02-analyze-requirement.md | 需求分析方法论 |
-| 09-review-requirement.md | 需求审查标准 |
-
----
-
-## 前置处理
-
-【前置】读取流程协议：
-> **【重要】执行本command前必须先读取流程协议**
-> 1. 读取 `knowledge/03-guides/00-pipeline-protocol.md` 中的「流程能力」章节
-> 2. 执行以下步骤：
->    - 解析命令与参数
->    - 加载必要文件
->    - 检查前置条件
-> 3. 完成后继续执行本命令的具体逻辑
->
-> **【注意】日志追踪已启用**
-> - 执行日志会自动记录到 `.autospec/logs/execution-{date}.json`
-> - 关键步骤（skill加载、agent调用、产物生成、阶段完成）都会被追踪
-
----
-
-## 执行指令
-
-### 探索阶段
-
-**【前置检查】** 检查执行模式：
-
-```
-检查清单：
-□ 读取 state.json 确认 executionMode
-□ 如果 executionMode 未设置，默认为 "interactive"
-□ 如果 executionMode === "interactive"，单命令模式，完成后暂停
-□ 如果 executionMode === "autonomous"，自动流转模式，完成后触发下一阶段
-```
-
-**【阻塞检查】** 在开始执行前，必须确认以下条件：
-
-```
-□ 已读取流程协议
-□ 已准备启动多 Agent 对抗分析
-□ 已准备使用 AskUserQuestion 进行澄清
-```
-
-**【跳过检测】** 以下行为将被检测并阻止：
-
-| 行为 | 检测方式 | 处理 |
-|------|----------|------|
-| 直接生成 requirement.md | 检查 clarifications.md | 阻止，返回执行对抗分析和澄清 |
-| 使用单个 Agent 模拟对抗 | 检查 Agent 调用记录 | 阻止，要求并行启动多 Agent |
-| 不使用 AskUserQuestion 澄清 | 检查问答记录 | 阻止，要求执行澄清 |
-
-**【前置】动态智能体团队组建（增强）：
-1. 读取 `knowledge/05-config/03-role-composition.yaml`
-2. 使用 project-evolve-scanner 检测技术栈
-3. 根据复杂度（simple/medium/complex）选择团队：
-   - 简单：CEO + PO
-   - 中等：+ TechLead
-   - 复杂：+ 关键 Engineer
-4. **AI Native 感知**：检测是否涉及 Prompt/RAG/Agent/模型
-   - 涉及AI → 标记，后续阶段强制加入 ai-engineer
-5. **数据感知**：检测是否涉及数据Schema/管道
-   - 涉及数据 → 标记，后续阶段强制加入 data-engineer
-
-**【强制执行】**：此阶段必须与人类进行深入交互，完成需求澄清后才能继续。
-
-**【重要】** 即使有详细的需求文档，也必须执行多Agent对抗分析和多轮澄清！需求文档是重要输入材料，澄清时要基于文档内容深入探讨，不能忽略文档中的信息。
-
-**【复用】** 读取 `plugins/skills/exploration-phase/SKILL.md` 并执行探索阶段逻辑：
-
-1. 复杂度评估 → 确定探索轮次上限（简单2-3轮，中等3-4轮，复杂5-6轮）
-2. 检查是否已有澄清记录（clarifications.md）
-   - **【重要】** 即使有详细的需求文档，也不代表澄清完成！
-   - 只有当 clarifications.md 中有完整的「对抗分析结果」+「多轮问答记录」时，才算完成
-3. **【强制】【不可跳过】** 使用 Agent 工具启动 2-3 个独立 Agent 进行对抗分析：
-   - Agent A - 乐观视角：支持理由、预期价值
-   - Agent B - 质疑视角：潜在问题、风险、伪需求可能性
-   - Agent C - 技术视角：技术可行性、实现难点
-   - **【强制】** 使用 Agent 工具启动独立 Agent，不要自己模拟分析
-4. **【强制】【不可跳过】** 使用 AskUserQuestion 工具进行多轮澄清：
-   - 每轮最多5个问题
-   - 每个问题附AI推荐答案
-   - 支持用户提前终止（说「足够」「清楚了」）
-   - **必须至少执行一轮澄清**
-5. 用户确认「足够」或达到轮次上限 → 探索完成
-6. 生成 requirement.md 并通过 Layer1/Layer2 验证
-
-**【禁止跳过】** 以下情况必须暂停并使用 AskUserQuestion 向用户确认：
-- 需求有歧义
-- 技术方案有多种选择
-- 涉及安全/性能/成本等关键决策
-- **即使需求文档很详细，也必须执行至少一轮澄清**
-- 用户说「足够」前不得跳过澄清环节
-
-**与原逻辑对比**：
-- 原：固定3轮澄清
-- 新：按复杂度动态调整（2-6轮）+ 用户可提前终止 + 强制 AskUserQuestion 交互
-
-### Step 2: 多角色对抗审查（team-orchestrator）
-
-**【强制】** 需求分析完成后，使用 team-orchestrator 进行多角色对抗审查：
-
-1. **读取配置文件**
-   - 读取 `knowledge/05-config/01-team-stage.yaml` 获取团队阶段
-   - 读取 `knowledge/05-config/03-role-composition.yaml` 获取角色组合（含动态决策树）
-
-2. **调用 team-orchestrator**
-   - 使用 Agent 工具，subagent_type=team-orchestrator
-   - 传入被审查文档：requirement.md
-   - 传入当前阶段：requirement
-   - 传入复杂度评估结果
-
-3. **处理审查结果**
-   - 审查通过 → 进入下一阶段
-   - 审查不通过 → 返回修正（最多3次）
-
-**质量红线（不可跳过）**：
-- 所有任务必须执行团队对抗审查
-- 安全敏感项目必须包含 safety-auditor
-- 涉及用户数据必须包含 security-engineer
-- 涉及AI功能必须包含 ai-engineer
-
-**角色优化（仍需执行审查）**：
-- 简单任务（复杂度≤3）：可使用最小团队配置（CEO + PO）
-- 中等任务：使用标准配置（+ TechLead）
-- 复杂任务：使用完整配置（+ 关键 Engineer）
-
-**【阶段门禁】** 需求分析完成后，必须通过以下检查：
-
-```
-门禁检查清单：
-□ team-orchestrator 调用记录存在（检查 execution-{date}.json）
-□ independent-reviewer 调用记录存在
-□ Layer 2 审查报告已生成
-```
-
-任何记录缺失 → 阻止进入下一阶段，返回补充执行
-
-**【阶段完成验证】** 探索阶段完成后，必须验证：
-
-```
-验证清单：
-□ clarifications.md 文件存在且完整
-□ requirement.md 已生成
-□ Layer1 验证通过（Schema校验 + 格式检查）
-□ Layer2 审查通过（independent-reviewer）
-```
-
-**验证失败处理**：
-- 缺少 clarifications.md → 返回执行对抗分析和澄清
-- Layer1/Layer2 不通过 → 执行修复循环
-
-探索阶段完成后：
-- 更新 `.autospec/runtime/state.json`
-- 记录阶段完成状态
-
-**【自动流转】** 阶段完成后，检查执行模式：
-
-1. **读取 state.json 确认 executionMode**
-   - 如果 executionMode === "autonomous"：
-     - **无需用户确认，立即触发下一阶段**
-     - 自动执行 `/autospec:propose` 命令
-   - 如果 executionMode === "interactive" 或未设置：
-     - 输出阶段完成报告
-     - 等待用户确认后进入下一阶段
-
-2. **自主模式特别说明**：
-   - 自主模式由 `/autospec:run` 触发，会自动设置 executionMode
-   - 单独调用 `/autospec:explore` 默认为交互模式
-   - 自主模式下禁止询问用户，直接执行下一阶段
-
----
-
-**继续执行**: `/autospec:propose`

package/plugins/commands/field-evolve.md

@@ -1,412 +0,0 @@
----
-description: "触发 AutoSpec 领域进化：从多个实战项目中提炼经验，回流到框架层"
----
-
-# AutoSpec Field-Evolve — 领域进化（L2）
-
-## 定位
-
-**领域级进化（L2）** — 从多个实战项目的实践中提炼经验，回流到框架层。
-
-与 L1/L3 形成完整的三层进化体系：
-
-| 层级 | 命令 | 用途 | 目标 |
-|------|------|------|------|
-| L1 | `/self-evolve` | 框架自我进化 | AutoSpec 框架自身的迭代升级 |
-| **L2** | `/autospec:field-evolve` | **领域进化** | **从多个实战项目提炼经验回流框架** |
-| L3 | `/autospec:project-evolve` | 项目自我进化 | 单个实战项目的自我优化 |
-
-## 用户输入
-
-```
-/autospec:field-evolve
-```
-
----
-
-## 前置处理
-
-【前置】读取流程协议：
-> **【重要】执行本 command 前必须先读取流程协议**
-> 1. 读取 `knowledge/03-guides/00-pipeline-protocol.md` 中的「流程能力」章节
-> 2. 完成后继续执行本命令的具体逻辑
-
----
-
-## 执行指令
-
-**【技能组合】** 领域进化由以下技能协作完成：
-- `field-evolve-scanner` - 扫描项目状态
-- `field-evolve-executor` - 执行 benchmark
-- `field-evolve-analyzer` - 分析评估结果
-- `field-evolve-fixer` - 自动修复问题
-- `field-evolve-verifier` - 验证修复效果
-- `field-evolve-learner` - 学习团队偏好
-- `field-evolve-distiller` - 蒸馏技能
-
-### Step 1: 交互式选择模式
-
-**运行时让用户选择执行模式：**
-
-```
-请选择执行模式：
-
-  1. quick   - 快速验证：仅测试核心功能（编译、单元测试、lint）
-  2. deep    - 深度测试：执行 benchmarks + 评估分析
-  3. full    - 完整循环：deep + 改进优化 + 技能蒸馏 + 自动修复
-  4. report  - 仅报告：分析并生成报告，跳过修复和蒸馏
-
-请输入选项编号（1-4）：
-```
-
-**模式说明**：
-- **quick**: 快速验证 - 仅测试核心功能（编译、单元测试、lint）
-- **deep**: 深度测试 - 执行 benchmarks + 评估分析
-- **full**: 完整循环 - deep + 改进优化 + 技能蒸馏 + 自动修复（含 distill）
-- **report**: 仅报告 - 分析并生成报告，跳过修复和蒸馏
-
----
-
-### Mode: quick（快速验证）
-
-**快速验证项目的编译、测试、lint、类型检查**
-
-#### Step 1: 确定技术栈
-
-读取 `.autospec/runtime/config.json`：
-- 获取 techStack
-- 获取 subsystems（多系统模式）
-
-#### Step 2: 运行确定性测试
-
-依次执行：
-
-1. **编译检查**
-   - Node.js: `npm run build` 或 `tsc --noEmit`
-   - Java: `mvn compile`
-   - Python: 跳过（解释型）
-   - Go: `go build ./...`
-
-2. **单元测试**
-   - Node.js: `npm test`
-   - Python: `pytest`
-   - Java: `mvn test`
-   - Go: `go test ./...`
-
-3. **Lint 检查**
-   - Node.js: `npm run lint`
-   - Python: `flake8 .`
-   - Go: `golint ./...`
-
-4. **类型检查**（如适用）
-   - TypeScript: `tsc --noEmit`
-   - Python: `mypy .`
-
-#### Step 3: 收集测试结果
-
-收集：
-- 每项检查的执行状态（pass/fail）
-- 输出日志
-- 错误信息
-- 测试覆盖率（如有）
-- 失败用例列表
-
-输出到 `.autospec/runtime/test-result.json`
-
-#### Step 4: AI 评测
-
-对测试结果进行 AI 分析：
-
-**1. 失败分析**
-- 识别失败的根本原因
-- 评估影响范围
-- 提供修复方向
-
-**2. 覆盖率分析**
-- 评估测试覆盖是否充分
-- 识别未覆盖的关键路径
-- 建议补充的测试用例
-
-**3. 代码质量评估**
-- 代码复杂度分析
-- 潜在 bug 风险识别
-- 可维护性问题
-
-**4. 改进建议**
-- 按优先级排序
-- 提供具体修改建议
-
-#### Step 5: 生成快速报告
-
-```markdown
-📋 AutoSpec Field-Evolve Quick 报告
-
-━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
-
-## 测试结果
-
-| 检查项     | 状态 | 耗时   |
-|-----------|------|--------|
-| 编译检查   | {status} | {time} |
-| 单元测试   | {status} | {time} |
-| Lint 检查  | {status} | {time} |
-| 类型检查   | {status} | {time} |
-
-测试统计: {passed}/{total} 通过 ({rate}%)
-覆盖率: {line}% (行) | {branch}% (分支)
-
-━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
-
-## AI 分析
-
-### 失败测试分析
-{failureAnalysis}
-
-### 覆盖率改进建议
-{coverageSuggestions}
-
-### 质量评估
-| 维度       | 评分 | 说明                    |
-|-----------|------|------------------------|
-| 可读性     | {grade} | {comment} |
-| 可维护性   | {grade} | {comment} |
-| 测试质量   | {grade} | {comment} |
-
-━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
-
-## 优先修复建议
-{priorityFixes}
-```
-
----
-
-### Mode: deep（深度测试）
-
-**对应原 `/evaluate` 功能 + Benchmark 执行**
-
-#### Step 1: 扫描 Benchmarks
-
-```
-1. 扫描 .autospec/benchmarks/*.yaml
-2. 如指定 --benchmark=<name>，仅执行该 benchmark
-3. 如无 benchmarks，需要先创建 benchmark 配置
-```
-
-#### Step 2: 执行 Benchmarks
-
-**【强制】执行项目级 benchmark：**
-
-对每个 benchmark：
-
-```
-1. 读取 .autospec/benchmarks/ 中的 benchmark YAML 配置
-2. 创建隔离环境 /tmp/autospec-field-benchmark-{id}/
-3. 执行 benchmark 定义的测试场景
-4. 捕获过程指标：
-   - 各阶段 Layer1/Layer2 通过率
-   - 回退次数和原因
-   - 人工介入点
-   - 各阶段耗时
-5. 收集产出物
-6. 清理环境（除非 --keep）
-```
-
-#### Step 3: 读取评测数据
-
-```
-1. 读取 .autospec/runtime/metrics.json
-2. 读取 .autospec/logs/traces/{traceId}.json（如有）
-3. 读取 benchmark 执行结果
-```
-
-#### Step 4: 计算三维度评分
-
-使用 Agent 工具执行评测：
-
-**4.1 过程指标 (权重 30%)**
-- Layer1 首次通过率
-- Layer2 首次通过率
-- 人工介入率
-- 回退率
-- 错误率
-- 阶段成功率
-
-**4.2 结果指标 (权重 40%)**
-- 产出物平均评分
-- 一致性评分
-- 结构完整性
-
-**4.3 路径指标 (权重 30%)**
-- 流程合规性
-- 执行效率
-- 决策质量
-- 异常处理
-
-#### Step 5: 生成深度报告
-
-```markdown
-## AutoSpec Field-Evolve Deep 报告
-
-### Benchmark 执行结果
-| Benchmark | 状态 | 通过率 | 耗时 |
-|-----------|------|--------|------|
-| {name} | {status} | {rate}% | {time} |
-
-### 质量评分
-| 维度 | 分数 | 权重 |
-|-----|------|------|
-| 过程指标 | {process}/100 | 30% |
-| 结果指标 | {result}/100 | 40% |
-| 路径指标 | {path}/100 | 30% |
-| **综合** | **{overall}/100** | - |
-
-### 等级: {grade}
-
-### 主要发现
-{findings}
-
-### 改进建议
-{recommendations}
-
-### 进化触发
-{evolutionTriggers}
-
----
-详细报告: .autospec/logs/autospec:field-evolve/deep-{date}.md
-```
-
----
-
-### Mode: full（完整循环）
-
-**deep + 改进优化 + 自动修复 + 技能蒸馏**
-
-#### Step 1-2: 同 deep 模式
-
-执行完整的 benchmark 测试和评估分析。
-
-#### Step 3: 改进方案生成
-
-**【强制】** 使用 `self-evolve-improver` Agent：
-
-```
-1. 问题分类与可修复性分析
-   - 可自动修复：路径引用错误、模板字段缺失、配置参数不当、格式不规范
-   - 需人工审查：逻辑设计缺陷、架构调整、涉及冻结区文件
-
-2. 优先级计算
-   - 优先级分数 = 影响分数 × 频率权重 × 可修复性权重
-   - P0 (>=90 分): 立即修复
-   - P1 (60-89 分): 计划修复
-   - P2 (<60 分): 观察
-
-3. 生成改进方案
-   - 自动修复方案：包含具体文件路径、修改内容、验证方式
-   - 人工审查方案：包含审查范围、决策选项、预期效果
-
-4. 影响预测
-   - 预测质量分数提升幅度
-   - 预测 benchmark 通过率变化
-   - 风险评估（退化风险、兼容风险）
-```
-
-输出：
-- `.autospec/logs/autospec:field-evolve/improvements-{timestamp}.md`
-- `.autospec/logs/autospec:field-evolve/auto-fixes-{timestamp}.json`
-- `.autospec/logs/autospec:field-evolve/manual-reviews-{timestamp}.json`
-
-#### Step 4: 自动修复（如 --auto-fix）
-
-**【强制】** 使用 `self-evolve-iterator` Agent：
-
-```
-1. 从 auto-fixes-{timestamp}.json 读取自动修复任务
-2. 按优先级排序（P0 > P1 > P2）
-3. 对每个修复任务：
-   a. 读取目标文件
-   b. 执行修复
-   c. 验证修复（根据 validation.type）
-   d. 验证通过则记录成功
-   e. 验证失败则回滚并标记为 manual-review
-4. 分区执行策略：
-   - 自由区：自动修复并提交
-   - 受控区：自动修复，人工确认后提交
-   - 冻结区：仅生成建议，禁止自动修改
-```
-
-#### Step 5: 效果验证
-
-**【强制】** 使用 `self-evolve-verifier` Agent：
-
-```
-1. 重新执行失败的 benchmark
-2. 对比修复前后的指标变化
-3. 退化检测 → 自动回滚
-4. 计算新的质量分数
-```
-
-#### Step 6: 技能蒸馏
-
-技能蒸馏已包含在 full 模式中（自动执行）。
-
----
-
-### Mode: report（仅报告）
-
-**分析并生成报告，跳过修复和蒸馏**
-
-```
-Step 1-2: 同 deep 模式（执行 benchmarks + 评估分析）
-Step 3: 生成详细报告
-   - 问题分析
-   - 改进建议（区分 auto-fixable/manual-review）
-   - 预期效果预测
-   - 不执行修复
-```
-
----
-
-## 评分等级
-
-| 等级 | 分数范围 | 说明 |
-|-----|---------|------|
-| A | 90-100 | 优秀 |
-| B | 80-89 | 良好 |
-| C | 70-79 | 一般 |
-| D | 60-69 | 较差 |
-| F | <60 | 失败 |
-
----
-
-## 产出物
-
-根据模式不同，产出物有所差异：
-
-**quick 模式**：
-- `.autospec/runtime/test-result.json` - 测试结果
-- `.autospec/logs/autospec:field-evolve/quick-{date}.md` - 快速报告
-
-**deep/report 模式**：
-- `.autospec/logs/autospec:field-evolve/deep-{date}.md` - 深度报告
-- `.autospec/logs/autospec:field-evolve/evaluation-{date}.json` - 评估数据
-
-**full 模式**：
-- `.autospec/logs/autospec:field-evolve/improvements-{timestamp}.md` - 改进方案
-- `.autospec/logs/autospec:field-evolve/auto-fixes-{timestamp}.json` - 自动修复任务
-- `.autospec/logs/autospec:field-evolve/manual-reviews-{timestamp}.json` - 人工审查任务
-- `.autospec/evolution/distilled-skills/` - 提炼的技能（自动生成）
-
----
-
-## 使用示例
-
-```bash
-# 执行 field-evolve（运行时选择模式）
-/autospec:field-evolve
-
-# 选择模式：
-# 1. quick   - 快速验证
-# 2. deep    - 深度测试
-# 3. full    - 完整循环
-# 4. report  - 仅报告
-```