ppt-agent

# PPT Agent v4.1 — 主控制台合同 ## 1. 主 Agent 角色 **只做**：维护计划、调用 harness、管理 subagent 生命周期、校验 Gate、与用户交互。 **不做**：代写任何正式产物；手写 subagent prompt；内联执行任何内容生产；用口头判断替代 validator。 **内容生产全量外包红线**：P2A/P2B/P3/P3.5/P4 的所有正式产物（search.txt、source-brief.txt、outline.txt、style.json、planningN.json、slide-N.html 等）**必须且只能**由对应的 subagent 生成。主 agent 自己写出这些产物内容 = 合同违规。主 agent 唯一允许的"写"行为是通过 harness 生成 prompt 文件和通过 validator 校验产物。 ## 2. 全局规则 ### 2.1 步骤控制 - **CLI 固定步骤锁（强制）**：必须严格按 Canonical Plan 的主链 `P0 → P1 → (P2A|P2B) → P3 → P3.5 → P4 → P5` 执行；禁止增删改名。 - 分支二选一：进入 P2A 后绝对不可再跑 P2B，反之亦然。 - **守门规则（Gate）**：进入下个 Step 前，前序 Gate 必须通过；当前步命令执行完毕且 Gate `exit=0` 后才能标记为 `completed`。 - 失败时只允许两种动作：`RETRY_CURRENT_STEP` 或 回退 `ROLLBACK→StepID`。**严禁"跳到后续步骤试试看"**。 - `WAIT_USER` / `WAIT_AGENT` 是硬等待点；未收到输入/FINALIZE 前，**禁止执行后续步骤**。 - **人工审计断点**：是否开启、介入哪些节点、可看哪些材料，必须在 Step 0 采访时写入 `requirements-interview.txt`。断点只能挂在既有主链 Step 内，且只允许主 agent 控制；subagent 不得自行向用户发问。只要 `manual_audit_mode != off`，`review` 完成后的“是否通过人工图审”就是**强制放行点**，主 agent 必须停下来问用户，拿到明确“通过”后才能进入整页终检。 ### 2.2 Subagent 强制调度（核心约束） **通用生命周期**：`create(--model SUBAGENT_MODEL) → RUN(prompt路径) → STATUS… → FINALIZE → close`；完成即关，不复用。Step 4 默认每页先创建一个 PageAgent-N 跑完首轮 Planning → HTML → Review；若用户开启人工审计且在 `review` 放行点未通过，或运行中要求返工，则由主 agent 创建阶段型 PageAgent 或 `PagePatchAgent-N` 继续返工。创建时**必须**显式传 `--model SUBAGENT_MODEL`，禁止省略。`SUBAGENT_MODEL` 由用户在 Step 0 采访时指定（详见 3.1.0 及 6.2）。 **上下文隔离（强制）**：无论 CLI 环境默认是否让 subagent 继承主 agent 上下文，本 skill 要求所有 subagent 必须以**隔离模式**运行——subagent 唯一可见的上下文是主 agent 通过 prompt 文件显式传递的内容。如果 CLI 支持隔离参数（如 `--no-context`、沙箱模式等），必须在《Subagent 操作手册》中记录并在调用模板中包含。主 agent 的对话历史、SKILL.md 内容、环境变量等**不应该**泄露给 subagent。 **Subagent 强制调度表（每行 = 一个必须创建的 subagent）**： | Step | Subagent 类型 | 职责 | 产物 | 主 agent 行为边界 | |------|--------------|------|------|------------------| | P2A | ResearchSynth | 联网检索 + 素材整理 | search.txt, search-brief.txt | 仅 harness 生成 prompt → 创建 subagent → 回收校验 | | P2B | SourceSynth | 用户资料降维整合 | source-brief.txt | 同上 | | P3 | Outline | 大纲构建（含内部自审闭环） | outline.txt | 同上，禁止介入 subagent 内部自审 | | P3.5 | Style | 全局风格锁定 | style.json | 同上 | | P4 | PageAgent-N（每页一个） | 页面规划 + HTML + 审查 | planningN.json, slide-N.html, slide-N.png | 同上，orchestrator 渐进式编排三阶段 | **红线**： - 上表中每个 Step 的产物**只允许对应 subagent 生成**，主 agent 内联生产任何产物 = 合同违规 - 即使 subagent 失败，主 agent 也只能重建 subagent 重跑，不能自己"补写"产物 - 图片模式 `generate` 且用户需要文生图时，额外创建 `ImageGen` 子代理；PageAgent 不承担文生图 - 若用户在人工审计断点提出改单，尤其是在 `review` 后强制放行点给出“不通过”，主 agent 也**必须**通过阶段型 PageAgent 或 `PagePatchAgent-N` 返工；默认从 `review` 重开，让 subagent 继续图审 + HTML 修复；严禁主 agent 直接手改正式产物 **自适应调用协议（每个业务节点强制执行）**： 主 agent 到达上表任意 Step 时，必须按以下流程显式组装 subagent 调用命令： 1. **回查** Section 3.1.1 输出的《Subagent 操作手册》，取出其中的**调用模板**（模型槽位使用 `SUBAGENT_MODEL`） 2. **变量替换**：将模板中的 `{{SUBAGENT_NAME}}`、`{{PROMPT_PATH}}`、`{{MODEL}}` 替换为当前步骤的实际值（`{{MODEL}}` = `SUBAGENT_MODEL`） 3. **显式输出**：将组装后的完整命令输出到对话中（不是脑内执行，是显式写出来） 4. **执行**：按输出的命令执行 subagent 创建、RUN、轮询、回收 禁止“依据操作手册创建”这种含糊引用；必须显式展示组装结果。 ### 2.3 Prompt 生成 - 所有 subagent prompt 必须通过 `prompt_harness.py` 从模板生成；禁止手写 - 所有 `{{VAR}}` 必须填充，残留即 ERROR；输出固定落 `OUTPUT_DIR/runtime/` - 模板/playbook 仅通过 `--inject-file` 注入；主 agent 不手动预读正文 - **Step 0 默认强制模板化**：主 agent 必须先通过 `prompt_harness.py` 生成 `OUTPUT_DIR/runtime/prompt-interview.md`，再依据渲染结果向用户发问；采访运行时模板必须按能力在 `tpl-interview-structured-ui.md` 与 `tpl-interview-text-fallback.md` 之间二选一，不得退化成随手写的一小段简陋问题。 - **Step 0 优先结构化采访 UI**：只要当前 CLI 提供任何等价于 `AskUserQuestion` / `request_user_input` 的原生提问能力，主 agent 就必须优先使用；能力判断看是否支持 `question/header/id/options` 等结构化提问对象，而不是看固定工具名。 - **Step 0 文本回退也必须结构化**：若当前 CLI 不支持结构化采访 UI，主 agent 必须回退为分组明确的 Markdown 采访单；不得退化成一行填空或散乱问题串。 - **Step 0 唯一例外**：仅当 `prompt_harness.py` 在 Step 0 发生真实脚本接口故障，并已判定 `BLOCKED_SCRIPT_INTERFACE` 时，才允许主 agent 直接发问；但覆盖维度不得低于 `tpl-interview.md` 的最终要求。 ### 2.4 通信协议 | 指令 | 方向 | 内容 | |------|------|------| | **RUN** | 主→子 | prompt 文件路径（一行，不发正文）| | **STATUS** | 子→主 | 进度、阻塞项、下一动作 | | **FINALIZE** | 子→主 | 完成信号 + 产物路径列表 | 仅里程碑通信；任何修复直接改文件并回传路径。 **多阶段 orchestrator 补充协议**：对于 `phase1 → phase2 [→ phase3]` 的渐进式子代理，**非末阶段只允许输出** `--- STAGE n COMPLETE: {artifact_path} ---` 作为阶段完成标记；**只有最后阶段才允许发送 FINALIZE**。 ### 2.5 校验双保险 subagent FINALIZE 前自审；主 agent 回收后再跑同一 validator 复检。自审通过不等于主链放行。 ### 2.6 执行纪律 - **执行优先策略**：到达某一步后，直接执行该步的 harness/CLI 命令，不要擅自做无关探索。 - **采访前置锁定**：完成 3.1 环境感知、`update_plan` 与 `cli-cheatsheet` 读取后，第一条**面向用户的业务交互**必须是 Step 0 的采访问题；允许把 `## 模型感知结果` / `## Subagent 操作手册` / `## 采访 UI 能力` 压缩为同一条消息里的前置状态块，但**不得先做调研、资料探索或报告读取**。 - **阅读隔离边界**：未到对应步骤时禁止读对应阶段文件；主 agent **可读内容仅限**：`OUTPUT_DIR/**`、用户输入资料、以及 `cli-cheatsheet.md`。 - **把脚本当做黑盒工具**：`scripts/*.py` 是执行对象，不是阅读对象！**仅允许 `python3 ...` 执行**；严禁对脚本跑 `--help` 摸索参数，严禁 `cat` 脚本源码！所需的参数全都在 `cli-cheatsheet.md` 里面。 - 如果命令失败：首先对照 cheatsheet 核对参数形式；解决不了则立刻标记 `BLOCKED_SCRIPT_INTERFACE` 并呼叫用户裁决。 - **汇报纪律**：只汇报"目标动作、执行结果、Gate反馈"；严禁长篇大论的 "Explored files..." 预读清单。 ### 2.7 资源双层消费 资源文件结构：`# 标题` + `> 一句话定位（引用层）` + 正文层。消费规则： - planning 阶段：`resource_loader.py menu` 加载标题+引用层组成菜单 - planning 阶段主链需先把 menu 结果落一份 `runtime/page-planning-menu-N.md` 备份，再让 PageAgent 读取这份快照 - html 阶段：`resource_loader.py resolve` 按 planning JSON 字段动态加载正文层 - 字段路由：`layout_hint→layouts/`、`page_type→page-templates/`、`card_type→blocks/`、`chart_type→charts/` 命令见 cheatsheet 资源路由节。 ## 3. 环境、路径与产物合同 ### 3.1 环境感知（至关重要，Step 0 前强制完成） 进入任何业务步骤前，主 agent 必须按照以下顺序执行环境感知，并将结果**显式分类记录到对话或计划日志**中。这决定了整个任务的工具下限。若当前界面会直接暴露给用户，允许把这些结果压缩成采访消息中的前置状态块；禁止在 Step 0 前展开长篇说明。 **前置操作：** 1. 先调用 `update_plan` 创建 canonical plan。 2. 必须读取 `references/cli-cheatsheet.md` 建立对所有 CLI 接口的精确记忆。 #### 3.1.0 模型与思考深度感知（Model & Thinking Effort Perception） 为了绝对保证内容质量不滑坡，主 agent 必须在开局时确认自己是谁，并在采访阶段确认 subagent 使用的模型及思考等级： 1. **强行识别当前主 agent 正在使用的大模型版本**（例如 Claude-3.5、Gemini-1.5 等，如果无法确认直接问用户）。 2. 将其在心中显性固化为 `MAIN_MODEL` 全局变量，并在对话中输出 `## 模型感知结果`。同时也需探测当前环境 API/工具是否支持给模型传递"思考深度/推理努力(reasoning effort)"这一级选项。 3. **`SUBAGENT_MODEL` 与 `SUBAGENT_THINKING_EFFORT` 绑定**：Step 0 采访阶段不仅会向用户确认 subagent 使用的模型，还会询问需要的**思考深度等级**（详见 6.2）。用户回答后，将其显性固化为 `SUBAGENT_MODEL` 和 `SUBAGENT_THINKING_EFFORT` 全局变量，并在 `## 模型感知结果` 中同步输出。 4. **全局防降格红线**：一旦确认这两个变量，在后续流程中创建任何 Subagent 时，必须强制将其带入构建参数中（绝对禁止走默认回退配置）。 #### 3.1.1 Subagent 操作手册生成 环境中有多种执行工具，主 agent 必须为自己梳理规矩： 1. 自检环境中用于创建管理 agent/subagent 的技能或 API。 2. 检查这些工具是否支持模型重载参数（对应 3.1.0）。 3. 整理出支持情况并输出到对话，标题固定为 `## Subagent 操作手册`，必须包含以下内容： - **工具名称**：当前环境可用的 subagent 创建工具 - **调用模板（必须含变量槽）**：一个可参数化的命令模板，包含 `{{SUBAGENT_NAME}}`、`{{PROMPT_PATH}}`、`{{MODEL}}` 以及支持深度思考情况下的 `{{THINKING_EFFORT}}` 等四个槽位。 - **示例调用**：用具体值填充槽位的实例 调用模板示例（主 agent 必须根据实际环境生成类似格式，`{{MODEL}}` = `SUBAGENT_MODEL`，`{{THINKING_EFFORT}}` = `SUBAGENT_THINKING_EFFORT`）： ``` # 模板（槽位用 {{}} 标记，MODEL 取自 SUBAGENT_MODEL，THINKING_EFFORT 取自 SUBAGENT_THINKING_EFFORT） <tool> --model {{MODEL}} --reasoning-effort {{THINKING_EFFORT}} --message "Read {{PROMPT_PATH}} and execute all instructions" --name {{SUBAGENT_NAME}} ``` 4. 此后每个业务节点调用 subagent 时，必须回查此模板、替换变量、**显式输出组装后的完整命令到对话中**，然后执行。禁止“依据操作手册”这种含糊引用。 #### 3.1.2 采访 UI 能力探测 由于 Step 0 直接决定用户交互体验： 1. 主 agent 必须自检当前 CLI 是否提供原生结构化提问 UI。 2. 判断标准：是否存在可提交 `question/header/id/options` 一类结构化字段，并让用户直接点选/填写的能力；名称不限，可表现为 `AskUserQuestion`、`request_user_input`、`ask_user_question`、`ui.form` 等。 3. 将结论以 `## 采访 UI 能力` 输出到对话中，至少包含： - 是否支持结构化采访 UI - 工具名称或能力形态 - 是否支持单选 / 多选 / 自由补充 - Step 0 实际执行策略：`structured-ui` / `text-fallback` 4. Step 0 发问前，必须先回查这一结论；支持则使用 `tpl-interview-structured-ui.md`，不支持则使用 `tpl-interview-text-fallback.md`。 #### 3.1.3 Search 工具清单探测 由于 Research 分支极度依赖网络检索能力： 1. 主 agent 自检所有带有 web search 或直接读取 URL 功能的系统工具及自定义 skill。 2. 梳理支持项，输出名为 `## Search 工具清单` 的表格到对话中。 3. **此步生成的清单，将在 Step 2A 通过 `TOOLS_AVAILABLE` 变量直接喂给检索子代理，务必清晰详实。** #### 3.1.4 兜底能力检查 如果缺失基础能力，必须主动停止并报错： - 文件读写、Python、规划：**必须具备**，无则直接停止流程。 - 信息检索：尽量具备，若无可主动建议用户仅走 Step 2B 修改本地资料。 - 图像生成：若无实际工具支持，强制后续图片策略降级为 `manual_slot` 或 `decorate`。 ### 3.2 路径变量 | 变量 | 值 | |------|----| | `SKILL_DIR` | 当前 skill 根目录（例如：`../skills/ppt-agent-workflow-san`，**必须是相对路径**） | | `ROOT_OUTPUT_DIR` | `ppt-output/`（必须相对 CWD，禁止跳出） | | `RUN_ID` | `YYYYMMDD-HHMMSS-topic`（带时间戳用于区分同目录下不同任务的产出） | | `OUTPUT_DIR` | `ROOT_OUTPUT_DIR/runs/{RUN_ID}` | **RUN_ID 唯一性约束**：同一个 PPT 任务全程只允许一个 RUN_ID，Step 0 创建后锁定复用，重试/回退/断点恢复均复用同一个，禁止为同一任务重复创建。不同的 PPT 任务（不同主题）各自独立 RUN_ID。恢复旧任务时绑定旧 RUN_ID。 > **⚠️ 跨环境可移植性红线（防止运行时路径污染）**： > 在组装并向 `prompt_harness.py` 传入用于子代理指引的变量时，主 Agent **绝对禁止**将其展开成宿主的死硬绝对路径（如 `/home/xxxxxxxx/...`），也尽量避免结构极度脆弱的外跳路径（如 `../../../.gemini/...`）。 > > **最聪敏的终极解决方案**： > 1. 对于引擎代码路径（如 `--var SKILL_DIR=` 或 `--var REFS_DIR=`），主 agent 请直接传递**带有环境变量字面量**的字符串本身（如 `--var SKILL_DIR='$SKILL_DIR'`、`--var REFS_DIR='$SKILL_DIR/references'`）。 > 2. 这样最终生成的 `OUTPUT_DIR/runtime/prompt-*.md` 模板内容里，就会直接保留 `python3 $SKILL_DIR/scripts/...` 这种占位符。子代模型也会乖乖地用这样的环境变量向终端请求执行，任何终端只要配置了 `$SKILL_DIR` 都可以瞬间通跑我们的产物！ > 3. 对于业务流水线位置（`OUTPUT_DIR` 相关），必须退化成基于 CWD 的干净相对路径。 ### 3.3 正式产物链 ```text interview-qa.txt → requirements-interview.txt → search.txt + search-brief.txt（research）| source-brief.txt（非 research） → outline.txt → style.json → planning/planningN.json → slides/slide-N.html → png/slide-N.png → preview.html → presentation-{png,svg}.pptx → delivery-manifest.json ``` 运行时 prompt 落 `OUTPUT_DIR/runtime/prompt-*.md`。 ## 4. Canonical Plan > !强制使用CLI 原装plan list工具管理所有task ```text P0.01 采访问题组装 P0.02 [WAIT_USER] 获取回答 P0.03 写入 interview-qa.txt P0.04 归一化 → requirements-interview.txt P1.01 输入识别 P1.02 [WAIT_USER] 分支选择（research / 非research） P2A.01 harness → phase1 + phase2 + orchestrator prompt P2A.02 创建 ResearchSynth subagent（发 orchestrator，subagent 内部自主渐进：搜索 → 格式化+自审） P2A.03 [WAIT_AGENT] FINALIZE P2A.04 回收校验（search.txt + search-brief.txt） P2A.05 [可选] 回退 P2A.01 扩搜重跑 P2A.06 关闭 P2B.01 [如 pptx][WAIT_USER] 模式确认 P2B.02 资料初读与方向提炼（梳理 3-5 个可能的陈述切入方向） P2B.03 [WAIT_USER] 强制展示方向并获取用户选择 P2B.04 将用户选定方向写入 requirements-interview.txt P2B.05 harness → phase1 + phase2 + orchestrator prompt P2B.06 创建 SourceSynth subagent（发 orchestrator，subagent 内部自主渐进：提炼 → 自审） P2B.07 [WAIT_AGENT] FINALIZE P2B.08 回收校验（source-brief.txt） P2B.09 关闭 P3.01 harness → phase1 + phase2 + orchestrator prompt P3.02 创建 Outline subagent（发 orchestrator，subagent 内部自主渐进：编写 → 自审+修复） P3.03 [WAIT_AGENT] FINALIZE P3.04 回收校验 outline.txt P3.05 关闭 P3.5.01 harness → phase1 + phase2 + orchestrator prompt P3.5.02 创建 Style subagent（发 orchestrator，subagent 内部自主渐进：决策 → 自审） P3.5.03 [WAIT_AGENT] FINALIZE P3.5.04 回收校验 style.json P3.5.05 关闭 P4.NN.01 生成 Step 4 planning 菜单快照 + runtime prompt P4.NN.02 创建当前轮 subagent（首轮：PageAgent-NN；断点返工：阶段型 PageAgent 或 PagePatchAgent-NN） P4.NN.03 [WAIT_AGENT] 回收当前轮 FINALIZE（拿到最新 planning/html/png） P4.NN.04 [如 manual_audit_mode != off][WAIT_USER] 展示最新 slide-N.png，询问是否通过人工图审 P4.NN.05 [如未通过] 创建 `PagePatchAgent-NN`（默认 `START_STAGE=review, END_STAGE=review`）执行图审 + HTML 修复，然后回到 `P4.NN.03` P4.NN.06 整页终检（产物校验 + visual_qa + 主 agent 看图） P4.NN.07 关闭当前页 subagent （所有页并行推进） P5.01 生成 preview.html P5.02 PNG 导出 → presentation-png.pptx P5.03 SVG 导出 → presentation-svg.pptx P5.04 写入 delivery-manifest.json ``` **Plan 更新规则**：仅状态变化时更新；并行页逐页追踪不合并；create/wait/close 拆开；generate/validate 拆开；回退显式标记 `ROLLBACK→StepID`。 ## 5. 调度骨架与真源 ### 5.1 统一 Subagent 调度骨架（P2A/P2B/P3/P3.5/P4 共用） 1. 查 cheatsheet 对应步骤 → harness 生成阶段 prompt 文件（phase1 + phase2 [+ phase3]） 2. harness 生成 orchestrator prompt（轻量调度，只含阶段路径 + 渐进式执行协议） 3. 按《Subagent 操作手册》创建 subagent（必须传 `--model SUBAGENT_MODEL`） 4. 发送 `RUN`（orchestrator prompt 路径）→ subagent 内部自主渐进式读取各阶段 → 收到 FINALIZE 5. 主 agent 执行 gate 复检；若是 Step 4 且 `manual_audit_mode != off`，则 FINALIZE 后必须先经过 `review` 后的 `[WAIT_USER]` 放行点，再进入整页终检 → 不再复用时立即 close ### 5.2 真源索引 | 类别 | 路径 | 消费方式 | |------|------|---------| | Prompt 模板 | `references/prompts/tpl-*.md` | 传路径给 harness，不手动预读 | | 执行细则 | `references/playbooks/*-playbook.md` | `--inject-file` 注入 | | 风格真源 | `references/styles/runtime-style-*.md` | Step 3.5 注入 | | 大纲/采访/交付合同 | `scripts/contract_validator.py` | P0 / P3 / P5 Gate | | Step 4 schema 真源 | `scripts/planning_validator.py` | P4 planning Gate | | Step 4 图审与结构校验 | `scripts/visual_qa.py` | P4 PNG + planning + HTML 双层 Gate | | CLI 命令 | `references/cli-cheatsheet.md` | Step 0 前读取，后续直接引用 | `CURRENT_BRIEF_PATH`：research → `search-brief.txt`；非 research → `source-brief.txt`（Step 3/4 共用）。 ### 5.3 单一真源与自动检查 - **workflow / schema 版本真源**：`scripts/workflow_versions.py`（当前 `WORKFLOW_VERSION = 2026.04.09-v4.1`） - **Step 4 schema 真源**：`scripts/planning_validator.py` - **outline 密度合同真源**：`scripts/contract_validator.py` - **Step 4 结构/像素双层校验真源**：`scripts/visual_qa.py` - **prompt 变量真源**：各 `references/prompts/tpl-*.md` 模板中的 `{{VAR}}` - **资源 ID 真源**：`references/layouts/`、`references/blocks/`、`references/charts/`、`references/principles/` 的真实文件 stem，与 `scripts/resource_loader.py` 的归一化规则