Blizzard
cb6eec5614
把已通的多智能体后端(MULTI_AGENT.md)接上 UI，用户可在画布拖出协调者图。
- nodeCatalog: 新增 `coordinator`「多智能体协调」节点(indigo) + 新字段类型
`agentList` + Specialist 接口({name,use,system,tools})，与后端 parseSpecialists 对齐。
- Inspector: AgentListField —— 可增删的子智能体卡片(名/用途/系统提示词/工具逗号分隔)。
- dsl 校验: agentList 需 ≥1 个有名字的专家、名字不重复。
- RunsView: 「工具调用」面板纳入专家派发(kind=agent)，改名「工具/专家」，专家项
用 Users 图标 + indigo「专家」徽标区分(此前只筛 kind=tool，漏掉多智能体派发)。
- 导出: agents 数组经 exportDsl 原样透传进 DSL → 后端 parseSpecialists 直接消费。
tsc + vitest(19) 绿；UI 同款结构 DSL 后端可跑(协调链路 live 已验)。
DEPTH_ROADMAP T0.2 ✅，T0 激活 2/2 完成。
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
5.2 KiB
5.2 KiB
sundynix-agentix · 深度路线图
目标：在现有广度下做深度 —— 不加新功能面，把已有的盘活、做实、能交付。 用法：完成一项勾一项
[ ]→[x]，子项同理。每完成一个 Tier 回顾一次。 图例：[ ]未做 ·[x]完成 ·[~]进行中 · 🔴 高杠杆 · ⏸ 暂缓
诊断：深度不足分四类（别混排）
- A 建了没激活/没校准：评测裁判恒给 ~1.00 → 纠偏闭环空转；多智能体后端通了但 Studio 画不出。
- B 重复/欠债的税：两套编排引擎（graph.go + compose）；前端测试薄（自评 🔴）。
- C AI 核心还浅：单模型无 fallback；RAG 三路部分降级/桩、无检索质量度量；无 prompt 版本管理/输出缓存。
- D 生产硬化 🔴：审计日志 / NATS 集群 / DB HA / K8s / TLS —— 是"部署深度"非"产品深度"，无真实流量前暂缓。
🥇 Tier 0 — 激活已有投入（小改动，最高回报）
[x] T0.1 🔴 校准评测裁判 — 让恒温器真触发 ✅
现状：LLM judge 恒给 0.94/1.00，从不判 poor，低分自动纠偏闭环几乎从没启动。
eval.gojudge 改对抗性/rubric 打分（默认怀疑、先挑毛病再打分、给死评分基准、用满 1–5）- grounded judge 同样收紧（忠实度按编造数递减，一处编造≤2；未支持说法进 Flags）
- 根因更深的数学修复：归一
score/5(下限 0.2) →(v-1)/4(1→0)，否则 0.4*rule 底使 poor 永不可达 - 校准测试：normJudge 区间 + 「流畅但跑题(judge=1)可达 poor」+ 好坏区分度
- 复核阈值（poor<0.5 / warn<0.75）与新分布匹配
- 验收 ✅ live(deepseek)：跑题→0.40 poor→触发纠偏(0.40→0.55)；截断→0.55 warn；好答案→1.00 ok。 校准前这三个全是 1.00→ok，恒温器从没触发。
[x] T0.2 多智能体进 Studio（多智能体 v2）✅
现状：coordinator 后端已通（见 MULTI_AGENT.md），但画布拖不出。
- nodeCatalog 加
coordinator节点（「多智能体协调」，indigo）+ 新agentList字段类型 + Specialist 接口 - Inspector
AgentListField：可增删的专家卡片（名/用途/系统提示词/工具逗号分隔） - dsl 校验：agentList 需 ≥1 个有名字的专家 + 名字不重复
- 运行轨迹「工具调用」面板纳入专家派发（kind=agent）→ 改名「工具/专家」，专家项 indigo 标识
- 后端验证：UI 同款 DSL 结构提交可跑（agents 数组经 exportDsl 透传 → parseSpecialists）
- 验收 ✅：Studio 左栏出现「多智能体协调」节点，检查器配专家卡片，导出 DSL 对齐后端； 轨迹/工具面板能看到专家派发。（真机由用户在 wails 窗口确认）
🥈 Tier 1 — 收口 / 去税
[ ] T1.1 退役 graph.go — 消灭双引擎
现状：compose 已默认，HITL/多智能体只在 compose 上；graph.go 是逃生舱。
- compose soak 一段真实流量（无回归）
- 删 graph.go（runGraph 及其专属分支）+
EINO_COMPOSE开关 + 降级回退 - 把仅 graph.go 用到的辅助函数收编/删除，等价测试转为只测 compose
- 验收：单引擎，全测试绿，HITL/多智能体/分支/map 全在 compose 上。
[ ] T1.2 前端深度补齐
- 评测质量面板（运行页展示 overall/质量/忠实/纠偏/flags，驱动 T0.1 的可见性）
- HITL 边角（长等待后 token 重连、拒绝分支体验）
- 补前端测试（自评 🔴 缺失）：关键流程（run/审批/多智能体）的组件/逻辑测试
- 验收：后端已有能力在 UI 都可见可操作；前端测试覆盖核心流程。
🥉 Tier 2 — 把 AI 核心做深（差异化卖点）
[ ] T2.1 模型路由 + Fallback
现状：单模型，一家 provider 抖动全平台挂（自评 ⚠️缺失）。
- 多 provider 配置（admin 端）+ 主/备路由
- 主调用失败/超时自动切备（熔断器联动）
- 按任务类型/成本选模（可选）
- 验收：杀主 provider，任务自动走备完成。
[ ] T2.2 RAG 深度
现状：三路混合检索部分降级/桩（Neo4j 图谱降级、Milvus relevance 待 P3），无质量度量。
- 补 Milvus relevance 排序（记忆 P3 同源）
- 验证/修复图谱检索路（Neo4j）
- 加检索质量度量（命中率/相关性，离线评测集）
- 验收：三路都真出结果且可度量，能说清"混合检索比单路好多少"。
[ ] T2.3 Prompt 版本管理 + 输出缓存
- prompt 版本化（可回溯/对比/灰度）
- 模型输出缓存（同输入命中，省成本+提速）
- 验收：prompt 可版本切换；重复输入走缓存。
🗄️ Tier 3 — 生产硬化 ⏸（等有真实流量再上）
- 审计日志（敏感操作留痕）
- NATS 集群（3 节点 + JetStream Raft）+ DB HA
- K8s 部署 + 多副本
- 网络安全（TLS / CORS 严格化）
- 备份 / DR 演练
进度回顾
| Tier | 完成 / 总 |
|---|---|
| T0 激活 | 2 / 2 ✅ |
| T1 收口 | 0 / 2 |
| T2 深化 | 0 / 3 |
| T3 硬化 ⏸ | 0 / 5 |
推进顺序：T0.1 → T0.2 → T1.1 → T1.2 → T2.* → （T3 按需）。