@pencil-agent/nano-pencil 2.0.0 → 2.0.1

package/docs/codex-goal-vs-grub.md

@@ -1,500 +1,500 @@
-# Codex `/goal` vs nanoPencil `/grub`：同源异流的长期任务机制
-
-> 两个系统解决同一个问题：让 AI agent 自主迭代完成复杂任务。
-> 但设计哲学、实现路径和约束模型截然不同。
-
----
-
-## 一、一句话概括
-
-| | Codex `/goal` | nanoPencil `/grub` |
-|---|---|---|
-| **核心理念** | "设个目标，我 idle 时自动继续" | "设个目标，我每轮严格推进一个 feature" |
-| **控制粒度** | token 预算 + 时间 | 迭代轮次 + 连续失败次数 |
-| **完成判定** | LLM 自己说了算（但有 completion audit prompt） | feature-list.json 所有项 passes:true 才算完成 |
-| **持久化** | SQLite（进程内） | 文件系统（.grub/ 目录） |
-
----
-
-## 二、命令对比
-
-### 2.1 命令格式
-
-| 操作 | Codex `/goal` | nanoPencil `/grub` |
-|------|--------------|-------------------|
-| 设置目标 | `/goal <objective>` | `/grub <goal>` |
-| 查看状态 | `/goal`（显示摘要菜单） | `/grub status` 或 `/grub status --json` |
-| 暂停 | `/goal pause` | 无（只有 stop） |
-| 恢复 | `/goal resume` | `/grub resume` |
-| 停止 | `/goal clear` | `/grub stop` |
-| 编辑 | `/goal edit` | 无（stop 后重新 start） |
-| 帮助 | 无（直接显示 usage） | `/grub help` |
-| 限制参数 | token_budget（LLM 工具设置） | `--max-iter N`, `--max-fail N` |
-
-### 2.2 命令解析
-
-**Codex**：在 TUI 层解析，通过 `AppEvent` 事件总线分派到 `App` 层的 `thread_goal_actions`。
-
-**nanoPencil**：在扩展层解析，`parseGrubCommand()` 返回类型化的命令对象：
-
-```typescript
-type ParsedGrubCommand =
-  | { type: "start"; goal: string; maxIterations?: number; maxConsecutiveFailures?: number }
-  | { type: "status"; json?: boolean }
-  | { type: "stop" }
-  | { type: "resume" }
-  | { type: "help"; reason?: string };
-```
-
----
-
-## 三、数据模型对比
-
-### 3.1 状态枚举
-
-| Codex `ThreadGoalStatus` | nanoPencil `GrubStatus` | 对应关系 |
-|--------------------------|------------------------|----------|
-| `active` | `running` | 等价 |
-| `paused` | 无 | grub 无暂停概念 |
-| `blocked` | `blocked` | 等价（但触发条件不同） |
-| `usage_limited` | 无 | grub 无用量限制 |
-| `budget_limited` | 无 | grub 无 token 预算 |
-| `complete` | `complete` | 等价 |
-| 无 | `stopped` | grub 有手动停止 |
-| 无 | `failed` | grub 有失败终止 |
-
-**关键差异**：Codex 有 6 种状态，grub 有 5 种。Codex 的 `paused`/`usage_limited`/`budget_limited` 在 grub 中不存在；grub 的 `stopped`/`failed` 在 Codex 中不存在。
-
-### 3.2 实体结构
-
-**Codex `ThreadGoal`**：
-```typescript
-interface ThreadGoal {
-  thread_id: string;
-  goal_id: string;           // UUID，每次 replace 生成新 ID
-  objective: string;
-  status: ThreadGoalStatus;
-  token_budget: number | null;
-  tokens_used: number;
-  time_used_seconds: number;
-  created_at: number;        // epoch ms
-  updated_at: number;        // epoch ms
-}
-```
-
-**nanoPencil `GrubTaskState`**：
-```typescript
-interface GrubTaskState {
-  id: string;                        // 8 位 hex
-  goal: string;
-  locale: "en" | "zh";
-  status: GrubStatus;
-  phase: "initializer" | "execution"; // ⭐ grub 独有
-  startedAt: number;
-  updatedAt: number;
-  currentIteration: number;          // ⭐ 当前轮次
-  awaitingTurn: boolean;             // ⭐ 是否在等 turn 返回
-  consecutiveFailures: number;       // ⭐ 连续失败计数
-  maxIterations: number;             // 默认 25
-  maxConsecutiveFailures: number;    // 默认 3
-  maxInitializerFailures?: number;   // 默认 5（初始化阶段更宽容）
-  harnessDirectory: string;          // ⭐ .grub/<id>/
-  featureChecklistPath: string;
-  featureListPath: string;
-  stateFilePath: string;
-  progressLogPath: string;
-  initScriptPath: string;
-  featureListBaseline?: FeatureList;
-  lastDecision?: GrubDecision;
-  lastError?: string;
-}
-```
-
-**关键差异**：
-- Codex 用 token 预算做限制，grub 用轮次和失败次数
-- grub 有 `phase`（initializer/execution），Codex 没有
-- grub 有完整的 harness 文件系统（feature-list.json、progress-log.md、init.sh），Codex 没有
-- grub 有 `consecutiveFailures` 计数和 `lastDecision`/`lastError` 恢复上下文
-
-### 3.3 持久化
-
-| | Codex | nanoPencil grub |
-|---|---|---|
-| **存储** | SQLite `thread_goals` 表 | JSON 文件 `state.json` |
-| **粒度** | 每个 thread 一行 | 每个 task 一个目录 |
-| **事务** | SQL 事务保证原子性 | 文件写入（best-effort） |
-| **并发** | 行锁 + 乐观锁（`expected_goal_id`） | 内存锁（`GrubController` 单例） |
-| **跨会话** | 天然支持（SQLite 持久） | 支持（文件持久 + resume 命令） |
-
----
-
-## 四、续作机制对比
-
-这是两个系统最核心的差异。
-
-### 4.1 Codex：Idle Continuation（空闲续作）
-
-```
-Agent turn 结束 → idle
-    ↓
-on_thread_idle() 触发
-    ↓
-检查 goal 是否 active
-    ↓
-注入 continuation prompt
-    ↓
-触发新 turn（自动，无需用户干预）
-```
-
-**特点**：
-- 完全自动，agent idle 就续作
-- 续作 prompt 包含 objective、budget 信息、completion audit 规则
-- token 预算在每次 tool 完成时实时记账
-- budget 耗尽时注入 `budget_limit_prompt` 收尾
-
-### 4.2 nanoPencil grub：Controller Loop（控制器循环）
-
-```
-/grub <goal> 启动
-    ↓
-GrubController.start() → 创建 harness 目录 + state.json
-    ↓
-injectGrubTurn() → 注入初始化 prompt → 触发 turn
-    ↓
-Turn 结束 → extractGrubDecision() 解析 <loop-state> 块
-    ↓
-┌─ status === "continue"?
-│   ├─ YES → validateFeatureListAfterTurn()
-│   │        → finishTurn(decision) → currentIteration++
-│   │        → injectGrubTurn() → 触发下一个 turn
-│   └─ NO → status === "complete"?
-│       ├─ YES → validateCompletion() → 检查 feature-list 所有 passes:true
-│       │        ├─ 全部通过 → stop("complete")
-│       │        └─ 有未完成 → 降级为 continue，指定 nextStep
-│       └─ status === "blocked" → stop("blocked")
-    ↓
-失败时 → recordFailure() → consecutiveFailures++
-    ↓
-consecutiveFailures >= maxConsecutiveFailures → stop("failed")
-currentIteration >= maxIterations → stop("failed")
-```
-
-**特点**：
-- 有明确的初始化阶段（initializer）和执行阶段（execution）
-- 每轮必须输出 `<loop-state>` JSON 块
-- feature-list.json 是完成的 ground truth，不是 LLM 说了算
-- 有 init.sh 每轮验证项目健康状态
-- 有 progress-log.md 记录每轮进展
-
-### 4.3 续作 Prompt 对比
-
-**Codex continuation prompt**（52 行）：
-```
-Continue working toward the active thread goal.
-<objective>{{ objective }}</objective>
-- This goal persists across turns.
-- Keep the full objective intact.
-- Temporary rough edges are acceptable.
-Budget: Tokens used: X / Token budget: Y / Remaining: Z
-Work from evidence: Use current worktree as authoritative.
-Completion audit: Derive requirements, verify against actual state.
-Blocked audit: 3+ consecutive turns of same blocker before marking blocked.
-```
-
-**grub execution prompt**（100+ 行）：
-```
-[GRUB:<id>:<iteration>]
-Autonomous grub goal: <goal>
-You are inside a managed grub harness.
-1) Run .grub/<id>/init.sh and verify project boots.
-2) Read feature-list.json. Pick EXACTLY one feature with passes:false.
-3) Implement + verify that single feature end-to-end.
-4) Flip ONLY "passes" to true and set "evidence".
-5) Append to progress-log.md.
-6) End with <loop-state>{"status":"continue|complete|blocked","summary":"...","nextStep":"..."}</loop-state>
-```
-
-**关键差异**：
-- Codex 的 prompt 侧重"忠实于 objective"和"防止 premature completion"
-- grub 的 prompt 侧重"每轮只做一个 feature"和"严格遵守 feature-list 契约"
-- Codex 用 XML `<objective>` 包裹用户输入（安全边界）
-- grub 用 `<loop-state>` XML 块作为 agent→系统的结构化通信协议
-
----
-
-## 五、完成判定对比
-
-### 5.1 Codex：LLM 自判 + Prompt 约束
-
-```
-LLM 判断任务完成
-    ↓
-调用 update_goal(status: "complete")
-    ↓
-系统接受（无额外验证）
-    ↓
-但如果 continuation prompt 的 completion audit 被严格执行：
-- LLM 应该验证每个 requirement
-- LLM 应该检查 evidence
-- LLM 应该避免 premature completion
-```
-
-**问题**：完成判定完全依赖 LLM 的自律。prompt 再严格，LLM 仍可能"偷懒"。
-
-### 5.2 nanoPencil grub：Feature-List 门控
-
-```
-LLM 判断任务完成
-    ↓
-输出 <loop-state>{"status":"complete",...}
-    ↓
-extractGrubDecision() 解析
-    ↓
-validateCompletion() 检查：
-    ↓
-读取 feature-list.json
-    ↓
-allPassing(list)?
-    ├─ YES → 接受 complete
-    └─ NO → 降级为 continue，指定下一个 pending feature
-```
-
-**关键差异**：grub 有**硬编码的完成门控**。LLM 说"complete"但 feature-list 还有 `passes:false` 的项 → 系统拒绝，强制继续。这不是 prompt 约束，是代码约束。
-
----
-
-## 六、错误恢复对比
-
-### 6.1 Codex
-
-| 场景 | 处理 |
-|------|------|
-| Turn 出错（非 usage limit） | `on_turn_error` → stop goal for turn error（→ blocked） |
-| Usage limit exceeded | `on_turn_error` → stop goal for usage limit（→ usage_limited） |
-| Provider 错误 | turn 内部重试（由 agent-core 处理） |
-| 预算耗尽 | 注入 budget_limit_prompt，LLM 收尾 |
-
-### 6.2 nanoPencil grub
-
-| 场景 | 处理 |
-|------|------|
-| Turn 返回但无 `<loop-state>` | `recordFailure()` → consecutiveFailures++ |
-| `<loop-state>` 解析失败 | `recordFailure()` → consecutiveFailures++ |
-| feature-list 被非法修改 | `validateFeatureListAfterTurn()` → recordFailure() |
-| 连续失败 >= maxConsecutiveFailures | stop("failed") |
-| 轮次 >= maxIterations | stop("failed") |
-| 初始化阶段连续失败 >= maxInitializerFailures | stop("failed")（更宽容的预算） |
-
-**关键差异**：
-- Codex 的错误恢复依赖 provider 级重试和 LLM 自我修正
-- grub 有**显式的失败计数器**和**结构化验证**（feature-list diff 检查）
-
----
-
-## 七、Token 预算 vs 轮次预算
-
-### 7.1 Codex：Token 预算
-
-```typescript
-// 创建时设置
-create_goal({ objective: "...", token_budget: 50000 });
-
-// 每次 tool 完成时记账
-account_thread_goal_usage(threadId, timeDelta, tokenDelta, "ActiveOnly");
-
-// 预算耗尽 → 自动标记 budget_limited
-if (tokens_used >= token_budget) {
-  status = "budget_limited";
-  inject_budget_limit_prompt();  // 告诉 LLM 收尾
-}
-```
-
-**优点**：精细控制成本，token 是硬通货。
-**缺点**：不同 provider 的 token 计费不同，用户难以估算。
-
-### 7.2 nanoPencil grub：轮次预算
-
-```typescript
-// 启动时设置
-/grub <goal> --max-iter 25 --max-fail 3
-
-// 每轮结束时检查
-if (currentIteration >= maxIterations) stop("failed");
-if (consecutiveFailures >= maxConsecutiveFailures) stop("failed");
-```
-
-**优点**：用户直观理解（"最多跑 25 轮"），不依赖 token 计费。
-**缺点**：每轮消耗的 token 可能差异很大，无法精确控制成本。
-
----
-
-## 八、Harness 文件系统（grub 独有）
-
-grub 创建了一个完整的 harness 目录：
-
-```
-.grub/<task-id>/
-├── feature-list.json      # 功能清单（ground truth）
-├── feature-checklist.md   # 清单的 markdown 可读版
-├── progress-log.md        # 每轮进展日志
-├── init.sh                # 项目健康检查脚本
-└── state.json             # 任务状态持久化
-```
-
-### 8.1 feature-list.json
-
-```json
-{
-  "version": 1,
-  "goal": "实现用户认证系统",
-  "features": [
-    {
-      "id": "auth-login-endpoint",
-      "category": "functional",
-      "description": "POST /auth/login 接受 email+password，返回 JWT",
-      "steps": [
-        "创建路由和控制器",
-        "实现密码哈希验证",
-        "生成 JWT token",
-        "返回 token 和 user 对象"
-      ],
-      "passes": false,
-      "evidence": null
-    }
-  ]
-}
-```
-
-**契约**：
-- 初始化阶段：agent 生成 15-40 个 feature，全部 `passes: false`
-- 执行阶段：agent 每轮只能改一个 feature 的 `passes` 和 `evidence` 字段
-- 其他字段（id、category、description、steps）不可变
-- 系统用 `validateFeatureListDiff()` 检查是否有非法修改
-
-### 8.2 init.sh
-
-```bash
-#!/bin/bash
-pwd
-git log --oneline -n 20
-tail -5 .grub/*/progress-log.md
-grep -c '"passes": true' .grub/*/feature-list.json
-npm test  # 项目特定的烟测
-```
-
-每轮执行前运行，确保项目健康。
-
-### 8.3 Codex 的对应物
-
-Codex 没有 harness 文件系统。它的"ground truth"是：
-- LLM 自己的记忆（上下文窗口内的对话历史）
-- continuation prompt 中的 objective 描述
-- completion audit prompt 的验证规则
-
----
-
-## 九、生命周期钩子对比
-
-### 9.1 Codex 的钩子系统
-
-```typescript
-// 6 个扩展 trait
-ThreadLifecycleContributor: on_thread_start, on_thread_resume, on_thread_idle, on_thread_stop
-ConfigContributor: on_config_changed
-TurnLifecycleContributor: on_turn_start, on_turn_stop, on_turn_abort, on_turn_error
-TokenUsageContributor: on_token_usage
-ToolLifecycleContributor: on_tool_finish
-ToolContributor: tools()  // 注册 get_goal, create_goal, update_goal
-```
-
-### 9.2 nanoPencil grub 的钩子
-
-grub 不使用生命周期钩子。它在扩展入口（`index.ts`）中：
-- 注册 `/grub` 命令和补全
-- 注册 `user_message` 事件拦截（检测 grub turn 的响应）
-- 注册 `session_start` 事件（发现并恢复持久化的任务）
-- 手动调用 `injectGrubTurn()` 触发每轮
-
-**关键差异**：Codex 的 goal 是深度集成到 agent 生命周期的；grub 是通过扩展 API 在外层编排的。
-
----
-
-## 十、设计哲学差异
-
-### 10.1 Codex：信任 LLM + 预算约束
-
-- **信任**：LLM 可以自主判断 complete/blocked
-- **约束**：token 预算硬限制
-- **恢复**：continuation prompt 的 completion audit 是"建议"而非"强制"
-- **哲学**："给 LLM 足够的上下文和规则，让它做出正确判断"
-
-### 10.2 nanoPencil grub：不信任 LLM + 结构化验证
-
-- **不信任**：LLM 说 complete 时，系统验证 feature-list
-- **约束**：轮次 + 失败次数
-- **恢复**：feature-list diff 检查、结构化 `<loop-state>` 解析
-- **哲学**："LLM 是执行者，系统是裁判"
-
-### 10.3 这反映了什么
-
-Codex 是 OpenAI 的产品，倾向于**让模型更强然后信任它**。
-grub 是工程团队的工具，倾向于**用结构约束弥补模型的不确定性**。
-
-两种哲学都有道理：
-- Codex 的方式在模型足够强时效率更高（少一轮验证就少一轮 token）
-- grub 的方式在模型不够强时更可靠（不会 premature completion）
-
----
-
-## 十一、复刻指南：如何在 nanoPencil 中融合两者
-
-如果你想把 Codex goal 的优点融入 grub，以下是可借鉴的点：
-
-### 11.1 可以直接借鉴的
-
-| Codex 特性 | 融入 grub 的方式 |
-|-----------|-----------------|
-| Token 预算 | 在 `GrubTaskState` 加 `tokenBudget` 和 `tokensUsed` 字段 |
-| 自动续作 | 在 `on_thread_idle` 时检查是否有 running task，自动注入下一轮 |
-| 编辑 objective | 加 `/grub edit <new-goal>` 子命令 |
-| 暂停/恢复 | 加 `/grub pause` + 状态 `paused` |
-| 状态行指示器 | 在 TUI status bar 显示当前 grub task 状态 |
-| 记账系统 | 在 `on_tool_finish` 时累加 token 使用 |
-
-### 11.2 不建议借鉴的
-
-| Codex 特性 | 原因 |
-|-----------|------|
-| LLM 自判 complete | grub 的 feature-list 门控更可靠 |
-| SQLite 存储 | 文件系统对 grub 的 harness 模式更自然（可 git 追踪） |
-| 6 种状态 | grub 的 5 种 + phase 已经足够表达 |
-
-### 11.3 grub 独有的优势应保留
-
-| 特性 | 为什么重要 |
-|------|-----------|
-| feature-list.json | 完成的 ground truth，不依赖 LLM 记忆 |
-| init.sh | 每轮健康检查，防止退化 |
-| progress-log.md | 人类可读的进展记录 |
-| initializer/execution phase | 先规划后执行，防止 LLM 直接跳到实现 |
-| `<loop-state>` 协议 | 结构化的 agent→系统通信 |
-| feature-list diff 验证 | 防止 LLM 偷改清单 |
-
----
-
-## 十二、总结矩阵
-
-| 维度 | Codex `/goal` | nanoPencil `/grub` | 谁更好 |
-|------|--------------|-------------------|--------|
-| **命令丰富度** | 6 个子命令 | 5 个子命令 | Codex（有 edit） |
-| **状态模型** | 6 种状态 | 5 种状态 + 2 种 phase | grub（phase 更清晰） |
-| **续作机制** | idle 自动续作 | controller loop 驱动 | Codex（更无缝） |
-| **完成判定** | LLM 自判 | feature-list 门控 | grub（更可靠） |
-| **错误恢复** | provider 重试 + LLM 自修 | 结构化失败计数 | grub（更可预测） |
-| **成本控制** | token 预算 | 轮次预算 | 各有优劣 |
-| **持久化** | SQLite | 文件系统 | 各有优劣 |
-| **可审计性** | 低（只有 DB 行） | 高（feature-list + progress-log） | grub |
-| **集成深度** | 深（6 个生命周期 trait） | 浅（扩展 API 外层编排） | Codex |
-| **模型依赖** | 高（强依赖模型自律） | 低（结构约束兜底） | grub |
-
-**最终结论**：Codex 的 goal 是"给模型自由"，grub 是"给模型笼子"。两者不是好坏之分，是信任边界的差异。grub 的 feature-list 门控是它最大的结构性优势，不应被 Codex 的"信任 LLM"哲学取代。
+# Codex `/goal` vs nanoPencil `/grub`：同源异流的长期任务机制
+
+> 两个系统解决同一个问题：让 AI agent 自主迭代完成复杂任务。
+> 但设计哲学、实现路径和约束模型截然不同。
+
+---
+
+## 一、一句话概括
+
+| | Codex `/goal` | nanoPencil `/grub` |
+|---|---|---|
+| **核心理念** | "设个目标，我 idle 时自动继续" | "设个目标，我每轮严格推进一个 feature" |
+| **控制粒度** | token 预算 + 时间 | 迭代轮次 + 连续失败次数 |
+| **完成判定** | LLM 自己说了算（但有 completion audit prompt） | feature-list.json 所有项 passes:true 才算完成 |
+| **持久化** | SQLite（进程内） | 文件系统（.grub/ 目录） |
+
+---
+
+## 二、命令对比
+
+### 2.1 命令格式
+
+| 操作 | Codex `/goal` | nanoPencil `/grub` |
+|------|--------------|-------------------|
+| 设置目标 | `/goal <objective>` | `/grub <goal>` |
+| 查看状态 | `/goal`（显示摘要菜单） | `/grub status` 或 `/grub status --json` |
+| 暂停 | `/goal pause` | 无（只有 stop） |
+| 恢复 | `/goal resume` | `/grub resume` |
+| 停止 | `/goal clear` | `/grub stop` |
+| 编辑 | `/goal edit` | 无（stop 后重新 start） |
+| 帮助 | 无（直接显示 usage） | `/grub help` |
+| 限制参数 | token_budget（LLM 工具设置） | `--max-iter N`, `--max-fail N` |
+
+### 2.2 命令解析
+
+**Codex**：在 TUI 层解析，通过 `AppEvent` 事件总线分派到 `App` 层的 `thread_goal_actions`。
+
+**nanoPencil**：在扩展层解析，`parseGrubCommand()` 返回类型化的命令对象：
+
+```typescript
+type ParsedGrubCommand =
+  | { type: "start"; goal: string; maxIterations?: number; maxConsecutiveFailures?: number }
+  | { type: "status"; json?: boolean }
+  | { type: "stop" }
+  | { type: "resume" }
+  | { type: "help"; reason?: string };
+```
+
+---
+
+## 三、数据模型对比
+
+### 3.1 状态枚举
+
+| Codex `ThreadGoalStatus` | nanoPencil `GrubStatus` | 对应关系 |
+|--------------------------|------------------------|----------|
+| `active` | `running` | 等价 |
+| `paused` | 无 | grub 无暂停概念 |
+| `blocked` | `blocked` | 等价（但触发条件不同） |
+| `usage_limited` | 无 | grub 无用量限制 |
+| `budget_limited` | 无 | grub 无 token 预算 |
+| `complete` | `complete` | 等价 |
+| 无 | `stopped` | grub 有手动停止 |
+| 无 | `failed` | grub 有失败终止 |
+
+**关键差异**：Codex 有 6 种状态，grub 有 5 种。Codex 的 `paused`/`usage_limited`/`budget_limited` 在 grub 中不存在；grub 的 `stopped`/`failed` 在 Codex 中不存在。
+
+### 3.2 实体结构
+
+**Codex `ThreadGoal`**：
+```typescript
+interface ThreadGoal {
+  thread_id: string;
+  goal_id: string;           // UUID，每次 replace 生成新 ID
+  objective: string;
+  status: ThreadGoalStatus;
+  token_budget: number | null;
+  tokens_used: number;
+  time_used_seconds: number;
+  created_at: number;        // epoch ms
+  updated_at: number;        // epoch ms
+}
+```
+
+**nanoPencil `GrubTaskState`**：
+```typescript
+interface GrubTaskState {
+  id: string;                        // 8 位 hex
+  goal: string;
+  locale: "en" | "zh";
+  status: GrubStatus;
+  phase: "initializer" | "execution"; // ⭐ grub 独有
+  startedAt: number;
+  updatedAt: number;
+  currentIteration: number;          // ⭐ 当前轮次
+  awaitingTurn: boolean;             // ⭐ 是否在等 turn 返回
+  consecutiveFailures: number;       // ⭐ 连续失败计数
+  maxIterations: number;             // 默认 25
+  maxConsecutiveFailures: number;    // 默认 3
+  maxInitializerFailures?: number;   // 默认 5（初始化阶段更宽容）
+  harnessDirectory: string;          // ⭐ .grub/<id>/
+  featureChecklistPath: string;
+  featureListPath: string;
+  stateFilePath: string;
+  progressLogPath: string;
+  initScriptPath: string;
+  featureListBaseline?: FeatureList;
+  lastDecision?: GrubDecision;
+  lastError?: string;
+}
+```
+
+**关键差异**：
+- Codex 用 token 预算做限制，grub 用轮次和失败次数
+- grub 有 `phase`（initializer/execution），Codex 没有
+- grub 有完整的 harness 文件系统（feature-list.json、progress-log.md、init.sh），Codex 没有
+- grub 有 `consecutiveFailures` 计数和 `lastDecision`/`lastError` 恢复上下文
+
+### 3.3 持久化
+
+| | Codex | nanoPencil grub |
+|---|---|---|
+| **存储** | SQLite `thread_goals` 表 | JSON 文件 `state.json` |
+| **粒度** | 每个 thread 一行 | 每个 task 一个目录 |
+| **事务** | SQL 事务保证原子性 | 文件写入（best-effort） |
+| **并发** | 行锁 + 乐观锁（`expected_goal_id`） | 内存锁（`GrubController` 单例） |
+| **跨会话** | 天然支持（SQLite 持久） | 支持（文件持久 + resume 命令） |
+
+---
+
+## 四、续作机制对比
+
+这是两个系统最核心的差异。
+
+### 4.1 Codex：Idle Continuation（空闲续作）
+
+```
+Agent turn 结束 → idle
+    ↓
+on_thread_idle() 触发
+    ↓
+检查 goal 是否 active
+    ↓
+注入 continuation prompt
+    ↓
+触发新 turn（自动，无需用户干预）
+```
+
+**特点**：
+- 完全自动，agent idle 就续作
+- 续作 prompt 包含 objective、budget 信息、completion audit 规则
+- token 预算在每次 tool 完成时实时记账
+- budget 耗尽时注入 `budget_limit_prompt` 收尾
+
+### 4.2 nanoPencil grub：Controller Loop（控制器循环）
+
+```
+/grub <goal> 启动
+    ↓
+GrubController.start() → 创建 harness 目录 + state.json
+    ↓
+injectGrubTurn() → 注入初始化 prompt → 触发 turn
+    ↓
+Turn 结束 → extractGrubDecision() 解析 <loop-state> 块
+    ↓
+┌─ status === "continue"?
+│   ├─ YES → validateFeatureListAfterTurn()
+│   │        → finishTurn(decision) → currentIteration++
+│   │        → injectGrubTurn() → 触发下一个 turn
+│   └─ NO → status === "complete"?
+│       ├─ YES → validateCompletion() → 检查 feature-list 所有 passes:true
+│       │        ├─ 全部通过 → stop("complete")
+│       │        └─ 有未完成 → 降级为 continue，指定 nextStep
+│       └─ status === "blocked" → stop("blocked")
+    ↓
+失败时 → recordFailure() → consecutiveFailures++
+    ↓
+consecutiveFailures >= maxConsecutiveFailures → stop("failed")
+currentIteration >= maxIterations → stop("failed")
+```
+
+**特点**：
+- 有明确的初始化阶段（initializer）和执行阶段（execution）
+- 每轮必须输出 `<loop-state>` JSON 块
+- feature-list.json 是完成的 ground truth，不是 LLM 说了算
+- 有 init.sh 每轮验证项目健康状态
+- 有 progress-log.md 记录每轮进展
+
+### 4.3 续作 Prompt 对比
+
+**Codex continuation prompt**（52 行）：
+```
+Continue working toward the active thread goal.
+<objective>{{ objective }}</objective>
+- This goal persists across turns.
+- Keep the full objective intact.
+- Temporary rough edges are acceptable.
+Budget: Tokens used: X / Token budget: Y / Remaining: Z
+Work from evidence: Use current worktree as authoritative.
+Completion audit: Derive requirements, verify against actual state.
+Blocked audit: 3+ consecutive turns of same blocker before marking blocked.
+```
+
+**grub execution prompt**（100+ 行）：
+```
+[GRUB:<id>:<iteration>]
+Autonomous grub goal: <goal>
+You are inside a managed grub harness.
+1) Run .grub/<id>/init.sh and verify project boots.
+2) Read feature-list.json. Pick EXACTLY one feature with passes:false.
+3) Implement + verify that single feature end-to-end.
+4) Flip ONLY "passes" to true and set "evidence".
+5) Append to progress-log.md.
+6) End with <loop-state>{"status":"continue|complete|blocked","summary":"...","nextStep":"..."}</loop-state>
+```
+
+**关键差异**：
+- Codex 的 prompt 侧重"忠实于 objective"和"防止 premature completion"
+- grub 的 prompt 侧重"每轮只做一个 feature"和"严格遵守 feature-list 契约"
+- Codex 用 XML `<objective>` 包裹用户输入（安全边界）
+- grub 用 `<loop-state>` XML 块作为 agent→系统的结构化通信协议
+
+---
+
+## 五、完成判定对比
+
+### 5.1 Codex：LLM 自判 + Prompt 约束
+
+```
+LLM 判断任务完成
+    ↓
+调用 update_goal(status: "complete")
+    ↓
+系统接受（无额外验证）
+    ↓
+但如果 continuation prompt 的 completion audit 被严格执行：
+- LLM 应该验证每个 requirement
+- LLM 应该检查 evidence
+- LLM 应该避免 premature completion
+```
+
+**问题**：完成判定完全依赖 LLM 的自律。prompt 再严格，LLM 仍可能"偷懒"。
+
+### 5.2 nanoPencil grub：Feature-List 门控
+
+```
+LLM 判断任务完成
+    ↓
+输出 <loop-state>{"status":"complete",...}
+    ↓
+extractGrubDecision() 解析
+    ↓
+validateCompletion() 检查：
+    ↓
+读取 feature-list.json
+    ↓
+allPassing(list)?
+    ├─ YES → 接受 complete
+    └─ NO → 降级为 continue，指定下一个 pending feature
+```
+
+**关键差异**：grub 有**硬编码的完成门控**。LLM 说"complete"但 feature-list 还有 `passes:false` 的项 → 系统拒绝，强制继续。这不是 prompt 约束，是代码约束。
+
+---
+
+## 六、错误恢复对比
+
+### 6.1 Codex
+
+| 场景 | 处理 |
+|------|------|
+| Turn 出错（非 usage limit） | `on_turn_error` → stop goal for turn error（→ blocked） |
+| Usage limit exceeded | `on_turn_error` → stop goal for usage limit（→ usage_limited） |
+| Provider 错误 | turn 内部重试（由 agent-core 处理） |
+| 预算耗尽 | 注入 budget_limit_prompt，LLM 收尾 |
+
+### 6.2 nanoPencil grub
+
+| 场景 | 处理 |
+|------|------|
+| Turn 返回但无 `<loop-state>` | `recordFailure()` → consecutiveFailures++ |
+| `<loop-state>` 解析失败 | `recordFailure()` → consecutiveFailures++ |
+| feature-list 被非法修改 | `validateFeatureListAfterTurn()` → recordFailure() |
+| 连续失败 >= maxConsecutiveFailures | stop("failed") |
+| 轮次 >= maxIterations | stop("failed") |
+| 初始化阶段连续失败 >= maxInitializerFailures | stop("failed")（更宽容的预算） |
+
+**关键差异**：
+- Codex 的错误恢复依赖 provider 级重试和 LLM 自我修正
+- grub 有**显式的失败计数器**和**结构化验证**（feature-list diff 检查）
+
+---
+
+## 七、Token 预算 vs 轮次预算
+
+### 7.1 Codex：Token 预算
+
+```typescript
+// 创建时设置
+create_goal({ objective: "...", token_budget: 50000 });
+
+// 每次 tool 完成时记账
+account_thread_goal_usage(threadId, timeDelta, tokenDelta, "ActiveOnly");
+
+// 预算耗尽 → 自动标记 budget_limited
+if (tokens_used >= token_budget) {
+  status = "budget_limited";
+  inject_budget_limit_prompt();  // 告诉 LLM 收尾
+}
+```
+
+**优点**：精细控制成本，token 是硬通货。
+**缺点**：不同 provider 的 token 计费不同，用户难以估算。
+
+### 7.2 nanoPencil grub：轮次预算
+
+```typescript
+// 启动时设置
+/grub <goal> --max-iter 25 --max-fail 3
+
+// 每轮结束时检查
+if (currentIteration >= maxIterations) stop("failed");
+if (consecutiveFailures >= maxConsecutiveFailures) stop("failed");
+```
+
+**优点**：用户直观理解（"最多跑 25 轮"），不依赖 token 计费。
+**缺点**：每轮消耗的 token 可能差异很大，无法精确控制成本。
+
+---
+
+## 八、Harness 文件系统（grub 独有）
+
+grub 创建了一个完整的 harness 目录：
+
+```
+.grub/<task-id>/
+├── feature-list.json      # 功能清单（ground truth）
+├── feature-checklist.md   # 清单的 markdown 可读版
+├── progress-log.md        # 每轮进展日志
+├── init.sh                # 项目健康检查脚本
+└── state.json             # 任务状态持久化
+```
+
+### 8.1 feature-list.json
+
+```json
+{
+  "version": 1,
+  "goal": "实现用户认证系统",
+  "features": [
+    {
+      "id": "auth-login-endpoint",
+      "category": "functional",
+      "description": "POST /auth/login 接受 email+password，返回 JWT",
+      "steps": [
+        "创建路由和控制器",
+        "实现密码哈希验证",
+        "生成 JWT token",
+        "返回 token 和 user 对象"
+      ],
+      "passes": false,
+      "evidence": null
+    }
+  ]
+}
+```
+
+**契约**：
+- 初始化阶段：agent 生成 15-40 个 feature，全部 `passes: false`
+- 执行阶段：agent 每轮只能改一个 feature 的 `passes` 和 `evidence` 字段
+- 其他字段（id、category、description、steps）不可变
+- 系统用 `validateFeatureListDiff()` 检查是否有非法修改
+
+### 8.2 init.sh
+
+```bash
+#!/bin/bash
+pwd
+git log --oneline -n 20
+tail -5 .grub/*/progress-log.md
+grep -c '"passes": true' .grub/*/feature-list.json
+npm test  # 项目特定的烟测
+```
+
+每轮执行前运行，确保项目健康。
+
+### 8.3 Codex 的对应物
+
+Codex 没有 harness 文件系统。它的"ground truth"是：
+- LLM 自己的记忆（上下文窗口内的对话历史）
+- continuation prompt 中的 objective 描述
+- completion audit prompt 的验证规则
+
+---
+
+## 九、生命周期钩子对比
+
+### 9.1 Codex 的钩子系统
+
+```typescript
+// 6 个扩展 trait
+ThreadLifecycleContributor: on_thread_start, on_thread_resume, on_thread_idle, on_thread_stop
+ConfigContributor: on_config_changed
+TurnLifecycleContributor: on_turn_start, on_turn_stop, on_turn_abort, on_turn_error
+TokenUsageContributor: on_token_usage
+ToolLifecycleContributor: on_tool_finish
+ToolContributor: tools()  // 注册 get_goal, create_goal, update_goal
+```
+
+### 9.2 nanoPencil grub 的钩子
+
+grub 不使用生命周期钩子。它在扩展入口（`index.ts`）中：
+- 注册 `/grub` 命令和补全
+- 注册 `user_message` 事件拦截（检测 grub turn 的响应）
+- 注册 `session_start` 事件（发现并恢复持久化的任务）
+- 手动调用 `injectGrubTurn()` 触发每轮
+
+**关键差异**：Codex 的 goal 是深度集成到 agent 生命周期的；grub 是通过扩展 API 在外层编排的。
+
+---
+
+## 十、设计哲学差异
+
+### 10.1 Codex：信任 LLM + 预算约束
+
+- **信任**：LLM 可以自主判断 complete/blocked
+- **约束**：token 预算硬限制
+- **恢复**：continuation prompt 的 completion audit 是"建议"而非"强制"
+- **哲学**："给 LLM 足够的上下文和规则，让它做出正确判断"
+
+### 10.2 nanoPencil grub：不信任 LLM + 结构化验证
+
+- **不信任**：LLM 说 complete 时，系统验证 feature-list
+- **约束**：轮次 + 失败次数
+- **恢复**：feature-list diff 检查、结构化 `<loop-state>` 解析
+- **哲学**："LLM 是执行者，系统是裁判"
+
+### 10.3 这反映了什么
+
+Codex 是 OpenAI 的产品，倾向于**让模型更强然后信任它**。
+grub 是工程团队的工具，倾向于**用结构约束弥补模型的不确定性**。
+
+两种哲学都有道理：
+- Codex 的方式在模型足够强时效率更高（少一轮验证就少一轮 token）
+- grub 的方式在模型不够强时更可靠（不会 premature completion）
+
+---
+
+## 十一、复刻指南：如何在 nanoPencil 中融合两者
+
+如果你想把 Codex goal 的优点融入 grub，以下是可借鉴的点：
+
+### 11.1 可以直接借鉴的
+
+| Codex 特性 | 融入 grub 的方式 |
+|-----------|-----------------|
+| Token 预算 | 在 `GrubTaskState` 加 `tokenBudget` 和 `tokensUsed` 字段 |
+| 自动续作 | 在 `on_thread_idle` 时检查是否有 running task，自动注入下一轮 |
+| 编辑 objective | 加 `/grub edit <new-goal>` 子命令 |
+| 暂停/恢复 | 加 `/grub pause` + 状态 `paused` |
+| 状态行指示器 | 在 TUI status bar 显示当前 grub task 状态 |
+| 记账系统 | 在 `on_tool_finish` 时累加 token 使用 |
+
+### 11.2 不建议借鉴的
+
+| Codex 特性 | 原因 |
+|-----------|------|
+| LLM 自判 complete | grub 的 feature-list 门控更可靠 |
+| SQLite 存储 | 文件系统对 grub 的 harness 模式更自然（可 git 追踪） |
+| 6 种状态 | grub 的 5 种 + phase 已经足够表达 |
+
+### 11.3 grub 独有的优势应保留
+
+| 特性 | 为什么重要 |
+|------|-----------|
+| feature-list.json | 完成的 ground truth，不依赖 LLM 记忆 |
+| init.sh | 每轮健康检查，防止退化 |
+| progress-log.md | 人类可读的进展记录 |
+| initializer/execution phase | 先规划后执行，防止 LLM 直接跳到实现 |
+| `<loop-state>` 协议 | 结构化的 agent→系统通信 |
+| feature-list diff 验证 | 防止 LLM 偷改清单 |
+
+---
+
+## 十二、总结矩阵
+
+| 维度 | Codex `/goal` | nanoPencil `/grub` | 谁更好 |
+|------|--------------|-------------------|--------|
+| **命令丰富度** | 6 个子命令 | 5 个子命令 | Codex（有 edit） |
+| **状态模型** | 6 种状态 | 5 种状态 + 2 种 phase | grub（phase 更清晰） |
+| **续作机制** | idle 自动续作 | controller loop 驱动 | Codex（更无缝） |
+| **完成判定** | LLM 自判 | feature-list 门控 | grub（更可靠） |
+| **错误恢复** | provider 重试 + LLM 自修 | 结构化失败计数 | grub（更可预测） |
+| **成本控制** | token 预算 | 轮次预算 | 各有优劣 |
+| **持久化** | SQLite | 文件系统 | 各有优劣 |
+| **可审计性** | 低（只有 DB 行） | 高（feature-list + progress-log） | grub |
+| **集成深度** | 深（6 个生命周期 trait） | 浅（扩展 API 外层编排） | Codex |
+| **模型依赖** | 高（强依赖模型自律） | 低（结构约束兜底） | grub |
+
+**最终结论**：Codex 的 goal 是"给模型自由"，grub 是"给模型笼子"。两者不是好坏之分，是信任边界的差异。grub 的 feature-list 门控是它最大的结构性优势，不应被 Codex 的"信任 LLM"哲学取代。