@ohos-cpf/3rdloop 0.0.2 → 0.0.3

package/vendor/Server/Skills/task-analysis/references/INTEGRATION_CONTEXT.md

@@ -1,162 +1,162 @@
-# 集成上下文说明
-
-> task-analysis SKILL 在 AI Loop 系统中的完整调用链路与消费方式。理解本文件有助于编写更贴合实际执行的 SKILL 指令。
-
----
-
-## 1. 调用链路
-
-```
-LoopEngine.startLoop()
-  └─ _runBrain()
-       ├─ 首轮 (loop=0):  Brain.planTask()
-       │     └─ AnalysisStrategies.analyzeTask()
-       │           ├─ _analyzeViaCLI()        ← 主路径（opencode CLI 执行本 SKILL）
-       │           └─ _analyzeViaLLM()        ← 降级路径（直接 LLM 调用，不经过 SKILL）
-       │
-       └─ 后续轮 (loop>0): Brain.replanTask()
-             └─ AnalysisStrategies.analyzeTaskWithContext()
-                   ├─ _analyzeWithContextViaCLI()  ← 重规划路径（CLI 执行本 SKILL）
-                   └─ _analyzeWithContextViaLLM()  ← 降级路径
-```
-
----
-
-## 2. SkillExecutor 调用机制
-
-`SkillExecutor.invokeSkill(skillDir, workDir, resultFilePath, title, contextSections)` 的工作流程：
-
-1. `cli.checkHealth()` — 检查 opencode 服务可用性
-2. `fs.mkdirSync(workDir, {recursive:true})` — 确保工作目录存在
-3. `buildSkillPrompt()` — 构建 prompt（SKILL 目录 + 工作目录 + 结果路径 + 上下文段落）
-4. `cli.startSession(title, prompt)` — 创建 opencode Session
-5. `pollSession()` — 每 5s 轮询，超时 30 分钟
-6. `readSkillResult(resultFilePath)` — 读取 JSON 结果文件
-
-opencode 收到 prompt 后会读取 SKILL.md 并按指令执行。
-
----
-
-## 3. Prompt 注入的上下文段落
-
-### 3.1 首轮分析
-
-调用方（`_analyzeViaCLI`）注入：
-- `## SKILL 目录` — `{skillDir}/task-analysis`
-- `## 工作目录` — `{taskDir}`
-- `## 结果文件输出路径` — `{taskDir}/brain_analysis_loop{N}.json`
-- `## 任务描述` — `{taskDescription}`
-- `## 用户提供的验收标准`（如有）或 `## 验收标准`（自动生成提示）
-
-### 3.2 重规划分析
-
-调用方（`_analyzeWithContextViaCLI`）在首轮基础上额外注入：
-- `## 重规划上下文` — "当前是第 N 轮重规划"
-- `## 上一轮审核摘要` — `prevCheckSummary`
-- `## 上一轮编排状态` — `prevOrchStatus`
-- `## 未满足的验收标准` — failedCriteria 列表（含 id/criterion/reason）
-- `## 改进建议` — improvementSuggestions 列表
-- `## 重分析要求` — 6 条固定指令
-
----
-
-## 4. 结果消费链路
-
-### 4.1 JSON 读取与容错
-
-`SkillExecutor.readSkillResult(resultFilePath)`：
-- 读取文件内容
-- 用 `indexOf('{')` / `lastIndexOf('}')` 提取 JSON（容忍 markdown 包裹）
-- `JSON.parse` 解析
-- 返回 `{ success, json, raw }`
-
-### 4.2 规范化
-
-`AnalysisStrategies.normalizeAnalysis(json)` 对字段兜底：
-
-| 字段 | 兜底值 |
-|------|--------|
-| `intent` | `''` |
-| `domain` | `'general'` |
-| `keywords` | `[]` |
-| `constraints` | `[]` |
-| `techStack` | `[]` |
-| `complexity` | `'medium'` |
-| `estimatedSteps` | `3` |
-| `acceptanceCriteria[].id` | `ac{idx+1}` |
-| `acceptanceCriteria[].type` | `'output'` |
-| `acceptanceCriteria[].verification` | `''` |
-| `failureAnalysis` | `''` |
-| `adjustmentStrategy` | `''` |
-
-> 空描述的 acceptanceCriteria 条目会被 `.filter(c => c.criterion)` 过滤。
-
-### 4.3 下游消费 — DecompositionStrategies
-
-`DecompositionStrategies` 将分析结果格式化后传给 `task-decomposition` SKILL：
-- `acceptanceCriteria` → 格式化为 `[ac1] (type) criterion → 验证: verification` 列表
-- `intent/domain/keywords/constraints/techStack/complexity/estimatedSteps` → 写入拆解 prompt
-
-### 4.4 最终组装 — Brain
-
-`Brain.planTask` / `replanTask` 将 `acceptanceCriteria` 写入 `taskDef`：
-```js
-taskDef = {
-    taskId, taskDir, skillDirectory,
-    acceptanceCriteria: analysis.acceptanceCriteria || [],
-    loopCount: 0,
-    steps: rawSteps.map(...)
-};
-```
-
-重规划时额外记录：
-```js
-taskDef.replanInfo = {
-    loopCount,
-    previousCheckId,
-    failedCriteriaCount,
-    improvementSuggestions
-};
-```
-
-### 4.5 准出审核 — TestCheck
-
-`taskDef.acceptanceCriteria` 最终传给 `acceptance-check` SKILL / `TestCheck`，用于每轮执行后的准出审核。审核结果决定是否进入下一轮重规划。
-
----
-
-## 5. 循环终止条件
-
-| 条件 | 结果 |
-|------|------|
-| `checkResult.passed === true` | `LoopStatus.PASSED`，结束 |
-| `currentLoop >= maxLoops`（默认 3） | `LoopStatus.FAILED` |
-| `ctx.aborted` | `LoopStatus.ABORTED` |
-
----
-
-## 6. 目录命名约定
-
-- **物理目录名**：`task-analysis`（Brain 硬编码拼接 `path.join(skillDir, 'task-analysis')`）
-- **frontmatter name**：`task-analysis`（SkillSelector 体系下的逻辑标识）
-- 两者一致 — Brain 用物理目录名定位，frontmatter name 作为逻辑标识
-
-> ⚠️ 重命名物理目录需要同步修改 Brain 中 `AnalysisStrategies.js` 的 `path.join(skillDir, 'task-analysis')`。
-
----
-
-## 7. 结果文件命名
-
-- 首轮：`brain_analysis_loop0.json`
-- 第 1 轮重规划：`brain_analysis_loop1.json`
-- 第 N 轮重规划：`brain_analysis_loop{N}.json`
-
-文件路径由调用方通过 prompt 注入，SKILL 只需写入指定路径。
-
----
-
-## 8. 持久化
-
-`Brain.planTask` / `replanTask` 末尾调用 `PlanPersistence.persistPlan(plan)`：
-- 完整 `analysis` 对象写入 `brain.json` 快照
-- `loadPlanHistory(taskId)` 可按轮次加载历史分析结果
+# 集成上下文说明
+
+> task-analysis SKILL 在 AI Loop 系统中的完整调用链路与消费方式。理解本文件有助于编写更贴合实际执行的 SKILL 指令。
+
+---
+
+## 1. 调用链路
+
+```
+LoopEngine.startLoop()
+  └─ _runBrain()
+       ├─ 首轮 (loop=0):  Brain.planTask()
+       │     └─ AnalysisStrategies.analyzeTask()
+       │           ├─ _analyzeViaCLI()        ← 主路径（opencode CLI 执行本 SKILL）
+       │           └─ _analyzeViaLLM()        ← 降级路径（直接 LLM 调用，不经过 SKILL）
+       │
+       └─ 后续轮 (loop>0): Brain.replanTask()
+             └─ AnalysisStrategies.analyzeTaskWithContext()
+                   ├─ _analyzeWithContextViaCLI()  ← 重规划路径（CLI 执行本 SKILL）
+                   └─ _analyzeWithContextViaLLM()  ← 降级路径
+```
+
+---
+
+## 2. SkillExecutor 调用机制
+
+`SkillExecutor.invokeSkill(skillDir, workDir, resultFilePath, title, contextSections)` 的工作流程：
+
+1. `cli.checkHealth()` — 检查 opencode 服务可用性
+2. `fs.mkdirSync(workDir, {recursive:true})` — 确保工作目录存在
+3. `buildSkillPrompt()` — 构建 prompt（SKILL 目录 + 工作目录 + 结果路径 + 上下文段落）
+4. `cli.startSession(title, prompt)` — 创建 opencode Session
+5. `pollSession()` — 每 5s 轮询，超时 30 分钟
+6. `readSkillResult(resultFilePath)` — 读取 JSON 结果文件
+
+opencode 收到 prompt 后会读取 SKILL.md 并按指令执行。
+
+---
+
+## 3. Prompt 注入的上下文段落
+
+### 3.1 首轮分析
+
+调用方（`_analyzeViaCLI`）注入：
+- `## SKILL 目录` — `{skillDir}/task-analysis`
+- `## 工作目录` — `{taskDir}`
+- `## 结果文件输出路径` — `{taskDir}/brain_analysis_loop{N}.json`
+- `## 任务描述` — `{taskDescription}`
+- `## 用户提供的验收标准`（如有）或 `## 验收标准`（自动生成提示）
+
+### 3.2 重规划分析
+
+调用方（`_analyzeWithContextViaCLI`）在首轮基础上额外注入：
+- `## 重规划上下文` — "当前是第 N 轮重规划"
+- `## 上一轮审核摘要` — `prevCheckSummary`
+- `## 上一轮编排状态` — `prevOrchStatus`
+- `## 未满足的验收标准` — failedCriteria 列表（含 id/criterion/reason）
+- `## 改进建议` — improvementSuggestions 列表
+- `## 重分析要求` — 6 条固定指令
+
+---
+
+## 4. 结果消费链路
+
+### 4.1 JSON 读取与容错
+
+`SkillExecutor.readSkillResult(resultFilePath)`：
+- 读取文件内容
+- 用 `indexOf('{')` / `lastIndexOf('}')` 提取 JSON（容忍 markdown 包裹）
+- `JSON.parse` 解析
+- 返回 `{ success, json, raw }`
+
+### 4.2 规范化
+
+`AnalysisStrategies.normalizeAnalysis(json)` 对字段兜底：
+
+| 字段 | 兜底值 |
+|------|--------|
+| `intent` | `''` |
+| `domain` | `'general'` |
+| `keywords` | `[]` |
+| `constraints` | `[]` |
+| `techStack` | `[]` |
+| `complexity` | `'medium'` |
+| `estimatedSteps` | `3` |
+| `acceptanceCriteria[].id` | `ac{idx+1}` |
+| `acceptanceCriteria[].type` | `'output'` |
+| `acceptanceCriteria[].verification` | `''` |
+| `failureAnalysis` | `''` |
+| `adjustmentStrategy` | `''` |
+
+> 空描述的 acceptanceCriteria 条目会被 `.filter(c => c.criterion)` 过滤。
+
+### 4.3 下游消费 — DecompositionStrategies
+
+`DecompositionStrategies` 将分析结果格式化后传给 `task-decomposition` SKILL：
+- `acceptanceCriteria` → 格式化为 `[ac1] (type) criterion → 验证: verification` 列表
+- `intent/domain/keywords/constraints/techStack/complexity/estimatedSteps` → 写入拆解 prompt
+
+### 4.4 最终组装 — Brain
+
+`Brain.planTask` / `replanTask` 将 `acceptanceCriteria` 写入 `taskDef`：
+```js
+taskDef = {
+    taskId, taskDir, skillDirectory,
+    acceptanceCriteria: analysis.acceptanceCriteria || [],
+    loopCount: 0,
+    steps: rawSteps.map(...)
+};
+```
+
+重规划时额外记录：
+```js
+taskDef.replanInfo = {
+    loopCount,
+    previousCheckId,
+    failedCriteriaCount,
+    improvementSuggestions
+};
+```
+
+### 4.5 准出审核 — TestCheck
+
+`taskDef.acceptanceCriteria` 最终传给 `acceptance-check` SKILL / `TestCheck`，用于每轮执行后的准出审核。审核结果决定是否进入下一轮重规划。
+
+---
+
+## 5. 循环终止条件
+
+| 条件 | 结果 |
+|------|------|
+| `checkResult.passed === true` | `LoopStatus.PASSED`，结束 |
+| `currentLoop >= maxLoops`（默认 3） | `LoopStatus.FAILED` |
+| `ctx.aborted` | `LoopStatus.ABORTED` |
+
+---
+
+## 6. 目录命名约定
+
+- **物理目录名**：`task-analysis`（Brain 硬编码拼接 `path.join(skillDir, 'task-analysis')`）
+- **frontmatter name**：`task-analysis`（SkillSelector 体系下的逻辑标识）
+- 两者一致 — Brain 用物理目录名定位，frontmatter name 作为逻辑标识
+
+> ⚠️ 重命名物理目录需要同步修改 Brain 中 `AnalysisStrategies.js` 的 `path.join(skillDir, 'task-analysis')`。
+
+---
+
+## 7. 结果文件命名
+
+- 首轮：`brain_analysis_loop0.json`
+- 第 1 轮重规划：`brain_analysis_loop1.json`
+- 第 N 轮重规划：`brain_analysis_loop{N}.json`
+
+文件路径由调用方通过 prompt 注入，SKILL 只需写入指定路径。
+
+---
+
+## 8. 持久化
+
+`Brain.planTask` / `replanTask` 末尾调用 `PlanPersistence.persistPlan(plan)`：
+- 完整 `analysis` 对象写入 `brain.json` 快照
+- `loadPlanHistory(taskId)` 可按轮次加载历史分析结果

package/vendor/Server/Skills/task-analysis/references/LESSONS_LEARNED.md

@@ -1,55 +1,55 @@
-# 经验总结：task-analysis SKILL 规范化重生成
-
-## 背景
-
-对已有的 task-analysis SKILL 进行 skill-generator 规范化重生成。原 SKILL 仅有单文件 SKILL.md，无 references/assets/scripts，未采用渐进式披露结构。
-
-## 关键发现
-
-### 1. 目录命名与 frontmatter name 不一致是设计如此
-
-- Brain 模块硬编码 `path.join(skillDir, 'task-analysis')` 定位 SKILL
-- frontmatter `name: task-analysis` 是 SkillSelector 体系下的逻辑标识
-- 两者现在保持一致，物理目录名与逻辑标识同名
-
-### 2. SKILL 执行通过 opencode CLI 间接调用
-
-- SkillExecutor 不是直接执行 SKILL 代码，而是创建 opencode Session
-- opencode 读取 SKILL.md 后按指令执行
-- SKILL.md 实际上是给 LLM 看的指令文档，不是可执行脚本
-- prompt 中注入的上下文段落是 SKILL 的实际输入
-
-### 3. 结果输出有容错机制但仍应输出纯 JSON
-
-- `readSkillResult` 用 `indexOf('{')`/`lastIndexOf('}')` 容错提取
-- 即使被 markdown 包裹也能解析
-- 但 SKILL 应输出纯 JSON，不依赖容错
-
-### 4. normalizeAnalysis 提供字段兜底
-
-- 所有字段有兜底值（intent='', domain='general', complexity='medium' 等）
-- 空描述的验收标准会被 `.filter(c => c.criterion)` 过滤
-- SKILL 应尽量输出完整字段，避免依赖兜底
-
-### 5. 重规划上下文通过 prompt 段落注入
-
-- 不是通过参数传递，而是通过 `## 重规划上下文` 等 markdown 段落
-- SKILL 需要从 prompt 文本中解析这些段落
-- 6 条"重分析要求"是固定文本，由调用方注入
-
-## 最佳实践
-
-- SKILL.md body 保持在 200 行以内，详细内容拆分到 references/
-- 输出 JSON 的 Schema 文档独立为 references/ANALYSIS_SCHEMA.md
-- 验收标准编写指南独立为 references/ACCEPTANCE_CRITERIA_GUIDE.md
-- 提供完整的输出示例（assets/OUTPUT_EXAMPLES.md）供 LLM 参考格式
-- 提供校验脚本（scripts/）用于自动化验证输出合规性
-- 在 SKILL.md 中明确标注调用方式与下游消费方，便于理解集成关系
-
-## 注意事项
-
-- 不要重命名 task-analysis 物理目录（如需重命名须同步修改 Brain 的 AnalysisStrategies.js）
-- 不要修改输出 JSON 的字段名（下游 normalizeAnalysis 依赖固定字段名）
-- `acceptanceCriteria[].id` 必须从 `ac1` 递增（下游格式化依赖）
-- `failureAnalysis`/`adjustmentStrategy` 仅重规划场景必填
-- complexity 必须是 `low`/`medium`/`high` 之一（兜底为 medium 但应显式输出）
+# 经验总结：task-analysis SKILL 规范化重生成
+
+## 背景
+
+对已有的 task-analysis SKILL 进行 skill-generator 规范化重生成。原 SKILL 仅有单文件 SKILL.md，无 references/assets/scripts，未采用渐进式披露结构。
+
+## 关键发现
+
+### 1. 目录命名与 frontmatter name 不一致是设计如此
+
+- Brain 模块硬编码 `path.join(skillDir, 'task-analysis')` 定位 SKILL
+- frontmatter `name: task-analysis` 是 SkillSelector 体系下的逻辑标识
+- 两者现在保持一致，物理目录名与逻辑标识同名
+
+### 2. SKILL 执行通过 opencode CLI 间接调用
+
+- SkillExecutor 不是直接执行 SKILL 代码，而是创建 opencode Session
+- opencode 读取 SKILL.md 后按指令执行
+- SKILL.md 实际上是给 LLM 看的指令文档，不是可执行脚本
+- prompt 中注入的上下文段落是 SKILL 的实际输入
+
+### 3. 结果输出有容错机制但仍应输出纯 JSON
+
+- `readSkillResult` 用 `indexOf('{')`/`lastIndexOf('}')` 容错提取
+- 即使被 markdown 包裹也能解析
+- 但 SKILL 应输出纯 JSON，不依赖容错
+
+### 4. normalizeAnalysis 提供字段兜底
+
+- 所有字段有兜底值（intent='', domain='general', complexity='medium' 等）
+- 空描述的验收标准会被 `.filter(c => c.criterion)` 过滤
+- SKILL 应尽量输出完整字段，避免依赖兜底
+
+### 5. 重规划上下文通过 prompt 段落注入
+
+- 不是通过参数传递，而是通过 `## 重规划上下文` 等 markdown 段落
+- SKILL 需要从 prompt 文本中解析这些段落
+- 6 条"重分析要求"是固定文本，由调用方注入
+
+## 最佳实践
+
+- SKILL.md body 保持在 200 行以内，详细内容拆分到 references/
+- 输出 JSON 的 Schema 文档独立为 references/ANALYSIS_SCHEMA.md
+- 验收标准编写指南独立为 references/ACCEPTANCE_CRITERIA_GUIDE.md
+- 提供完整的输出示例（assets/OUTPUT_EXAMPLES.md）供 LLM 参考格式
+- 提供校验脚本（scripts/）用于自动化验证输出合规性
+- 在 SKILL.md 中明确标注调用方式与下游消费方，便于理解集成关系
+
+## 注意事项
+
+- 不要重命名 task-analysis 物理目录（如需重命名须同步修改 Brain 的 AnalysisStrategies.js）
+- 不要修改输出 JSON 的字段名（下游 normalizeAnalysis 依赖固定字段名）
+- `acceptanceCriteria[].id` 必须从 `ac1` 递增（下游格式化依赖）
+- `failureAnalysis`/`adjustmentStrategy` 仅重规划场景必填
+- complexity 必须是 `low`/`medium`/`high` 之一（兜底为 medium 但应显式输出）