本分支（PlanSpec+React）是一个实验性版本，展示了多 Agent 设计的复杂性。
-
多 Agent 设计过于复杂：虽然设计严谨，但多个 Agent 之间相互牵制，导致系统过于复杂。并非从零生成项目，导致不断拆东墙补西墙。
-
过度依赖 JSON 控制稳定性：通过 PlanSpec 等 JSON Schema 来控制执行稳定性，但因为 LLM 生成 JSON 的不稳定性，反而导致多次返工。简单任务的耗时和 token 消耗都大幅增长。
-
核心问题：
- 多 Agent 协作的复杂性超过了收益
- JSON Schema 验证虽然严谨，但 LLM 生成的不稳定性导致频繁失败
- 简单任务变得复杂，执行效率下降
我们应该做更简单直接的 Agent 系统，但在初期想好后期的拓展性。
这个版本作为经验积累保留，但不建议在生产环境使用。后续版本将采用更简单直接的设计。
一个基于 多 Agent 协作架构 的 AI 助手系统，采用 PlanSpec 驱动的执行模式。
┌─────────────────────────────────────────────────────────────┐
│ 多 Agent 协作架构 │
├─────────────────────────────────────────────────────────────┤
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ 执行Agent │ │ 编排Agent │ │ 审计Agent │ │
│ │ (Execution) │ │ (Planner) │ │ (Auditor) │ │
│ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │ │
│ └───────────────────┼────────────────────┘ │
│ │ │
│ ┌──────────────┐ │ │
│ │ 测试Agent │ │ │
│ │ (Tester) │ │ │
│ └──────────────┘ │ │
│ │ │
│ ┌──────────────────────────┼──────────────────────────┐ │
│ │ 能力栈 (CapabilityRegistry) │ │
│ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │
│ │ │ Workflow │ │ Skill/ │ │ Atomic │ │ │
│ │ │ 层 │ │ MCP层 │ │ 层 │ │ │
│ │ └──────────┘ └──────────┘ └──────────┘ │ │
│ └──────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
-
编排 Agent (OrchestrationAgent/Planner)
- Mode A: 任务拆解 Plan 设计 - 将用户任务拆解为 PlanSpec
- Mode B: 模板抽取 - 从成功执行轨迹抽象 Workflow
- Mode C: 测试用例生成 - 为能力/Workflow 生成测试用例
- Mode D: 失败经验构建 - 从失败执行轨迹构建失败经验
- 包含 Session 上下文，用于理解任务意图
-
执行 Agent (ExecutionAgent)
- 唯一在线执行者，所有工具调用都经由它
- 按 PlanSpec 执行子任务，每个子任务内部使用 React 模式
- 不包含 Session 上下文，只按 Plan 执行
- 支持 success_criteria 验证和 LLM 目标评估
-
审计 Agent (AuditorAgent)
- 监督执行轨迹，判定是否存在撒谎、越权等问题
- 生成 AuditReport，包含 verdict、risk_level、issues
- 支持迭代修正识别（中间错误但已修正的情况）
-
测试 Agent (TesterAgent)
- 执行测试用例，验证能力/Workflow 的正确性
- 支持 TestCaseSpec 的多种测试类型
- PlanSpec 驱动执行：通过 JSON Schema 定义执行计划，确保结构化执行
- 三层能力栈：Atomic / Skill / Workflow，支持渐进式能力注册
- 瘦执行上下文 + 完整 ExecutionTrace 日志：上下文精简，日志完整
- 两层上下文管理：
- Session 上下文：用于理解任务（Planner 使用）
- 执行上下文：用于执行任务（Execution Agent 使用）
- 可审计可追溯：所有决策和调用都有日志，支持事后审计
详细设计规范见仓库根目录的 SPEC.md。该项目的目标是在实践中验证并迭代这套规范。
-
数据结构与 Schema 定义
- ✅ PlanSpec（执行计划规范）
- ✅ ExecutionTrace（执行轨迹）
- ✅ WorkflowSpec（工作流规范）
- ✅ AuditReport（审计报告）
- ✅ TestCaseSpec（测试用例规范）
- ✅ FailureExperience（失败经验）
-
基础设施实现
- ✅ ContextManager（瘦执行上下文管理）
- ✅ LogService（ExecutionTrace 记录）
- ✅ CapabilityRegistry（能力注册，支持渐进式加载）
- ✅ TemplateRegistry（Workflow 模板库）
- ✅ TestCaseStore（测试用例存储）
- ✅ SessionManager（会话管理，含 Session 上下文接口）
- ✅ MemoryStore（长期记忆系统）
- ✅ Database（SQLite 持久化）
-
Agent 实现
- ✅ ExecutionAgent：执行 Agent 核心循环
- PlanSpec 驱动的子任务执行
- React 模式内部循环
- success_criteria 验证
- LLM 目标评估
- ✅ OrchestrationAgent/Planner：编排 Agent
- ✅ Mode A: 任务拆解 Plan 设计
- ✅ Mode B: 模板抽取
- ✅ Mode C: 测试用例生成
- ✅ Mode D: 失败经验构建
- ✅ AuditorAgent：审计 Agent
- 执行轨迹审计
- 撒谎/越权检测
- 迭代修正识别
- ✅ TesterAgent：测试 Agent
- 测试用例执行
- 结果验证
- ✅ ExecutionAgent：执行 Agent 核心循环
-
上下文管理
- ✅ ContextBuilder（两层上下文构建）
- Session 上下文（Planner 使用，用于理解任务）
- 执行上下文（Execution Agent 使用，用于执行任务）
- ✅ 上下文隔离：Execution Agent 不包含 Session 历史
- ✅ ContextBuilder（两层上下文构建）
-
工具与能力
- ✅ Atomic 层工具（filesystem, shell, echo 等）
- ✅ 工具注册与执行机制
- ✅ 能力调用验证
-
CLI 命令
- ✅
openbot agent -m "message"- 单次对话 - ✅
openbot agent- 交互式模式 - ✅
openbot config- 查看/初始化配置
- ✅
-
配置系统
- ✅ 配置文件管理（
~/.openbot/config.json） - ✅ 多 Provider 支持（OpenRouter, Anthropic, OpenAI 等）
- ✅ 环境变量覆盖
- ✅ Provider Registry 自动匹配
- ✅ 配置文件管理（
- Skill/Workflow 层能力扩展
- QQ 渠道集成
- 更多测试用例类型支持
- 性能优化（减少 token 消耗）
cd openbot
pip install -e .openbot 使用配置文件来管理设置。首次运行时会自动创建默认配置。
运行配置命令查看或初始化配置：
openbot config配置文件位置：~/.openbot/config.json
你可以直接编辑配置文件，或使用环境变量覆盖：
# 环境变量格式：OPENBOT__<SECTION>__<SUBSECTION>__<KEY>
export OPENBOT__PROVIDERS__OPENROUTER__API_KEY="your-api-key"
export OPENBOT__PROVIDERS__ANTHROPIC__API_KEY="your-anthropic-key"
export OPENBOT__AGENTS__DEFAULTS__MODEL="anthropic/claude-opus-4-5"
export OPENBOT__AGENTS__DEFAULTS__WORKSPACE="~/.openbot/workspace"编辑 ~/.openbot/config.json：
{
"agents": {
"defaults": {
"workspace": "~/.openbot/workspace",
"model": "anthropic/claude-opus-4-5",
"maxTokens": 8192,
"temperature": 0.7,
"maxToolIterations": 20
}
},
"providers": {
"openrouter": {
"apiKey": "your-openrouter-api-key",
"apiBase": null
},
"anthropic": {
"apiKey": "your-anthropic-api-key",
"apiBase": null
}
},
"channels": {
"qq": {
"enabled": false,
"appId": "",
"secret": ""
}
}
}openrouter- OpenRouter 网关（支持多种模型）anthropic- Anthropic Claudeopenai- OpenAI GPTdeepseek- DeepSeekgemini- Google Geminidashscope- 阿里云通义千问moonshot- Moonshot (Kimi)minimax- MiniMaxgroq- Groqvllm- vLLM 本地部署custom- 自定义 OpenAI 兼容端点
# 单次对话
openbot agent -m "Hello, openbot!"
# 交互式模式
openbot agentopenbot/
├── openbot/
│ ├── agent/ # Agent 核心
│ │ ├── loop.py # ExecutionAgent（执行 Agent）
│ │ ├── context.py # ContextBuilder（上下文构建）
│ │ ├── memory.py # MemoryStore（长期记忆）
│ │ ├── tester.py # TesterAgent（测试 Agent）
│ │ ├── planner/ # OrchestrationAgent（编排 Agent）
│ │ │ ├── planner.py # 主入口
│ │ │ ├── mode_a_task_plan.py # Mode A: 任务拆解
│ │ │ ├── mode_b_template_extract.py # Mode B: 模板抽取
│ │ │ ├── mode_c_test_generation.py # Mode C: 测试生成
│ │ │ └── mode_d_failure_experience.py # Mode D: 失败经验
│ │ ├── auditor/ # AuditorAgent（审计 Agent）
│ │ │ ├── auditor.py # 主入口
│ │ │ ├── case_builder.py # 审计 Case 构建
│ │ │ ├── llm_judge.py # LLM 评估
│ │ │ └── report_generator.py # 报告生成
│ │ └── tools/ # Atomic 工具
│ │ ├── base.py # 工具基类
│ │ ├── filesystem.py
│ │ ├── shell.py
│ │ └── registry.py
│ ├── infra/ # 基础设施
│ │ ├── context_manager.py # 执行上下文管理
│ │ ├── log_service.py # 执行轨迹记录
│ │ ├── capability_registry.py # 能力注册
│ │ ├── template_registry.py # 模板库
│ │ ├── test_case_store.py # 测试用例存储
│ │ └── database.py # 数据库持久化
│ ├── schemas/ # 数据结构 Schema
│ │ ├── plan_spec.py # PlanSpec
│ │ ├── execution_trace.py # ExecutionTrace
│ │ ├── workflow_spec.py # WorkflowSpec
│ │ ├── audit_report.py # AuditReport
│ │ ├── test_case_spec.py # TestCaseSpec
│ │ └── failure_experience.py # FailureExperience
│ ├── providers/ # LLM Provider
│ ├── bus/ # 消息总线
│ ├── session/ # 会话管理
│ └── cli/ # CLI 命令
└── SPEC.md # 详细设计规范
# 安装开发依赖
pip install -e ".[dev]"
# 运行测试
pytest
# 代码检查
ruff check .