sundynix-agentix/DEPTH_ROADMAP.md

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.go judge 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

[x] 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（默认跑数天，HITL/多智能体/评测全在其上真实运行）
• 删 runGraph（自研拓扑解释器）+ composeEnabled/EINO_COMPOSE 开关 + runConversation 死代码
• compose 编译失败兜底改单轮对话（不再回退 graph.go）；清掉仅 runGraph 用的 import(otel)
• 保留 board/各节点执行器/工具函数（compose 各 lambda 复用）；8 处测试 runGraph→runComposeGraph， 等价测试转为 compose 正确性测试，runConversation 测试转为「无 ChatModel 降级 runAgent」
• 验收 ✅：单引擎，go test ./... 全绿 + vet 干净；冒烟 简单 agent/分支图 跑通；HITL/多智能体/branch/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	1 / 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）。