autopilot

name	autopilot
description	接收一句模糊指令，自动调查、分类、拆解为 XML 阶段计划、选 skill、定完成判定， 然后以无人值守模式通过 loop/goal + agent-mode 完整执行到底—— 包括自动部署、自动 E2E 测试、自动代码 review，不跳过任何阶段。 当用户扔过来一句宽泛任务时主动使用——"把 bug 修了"、"补测试"、 "优化性能"、"把这个功能做完"、"代码扫一遍"、"调查一下为什么 XX"。 也在用户说"autopilot"、"auto"、"帮我规划"、"自己搞定"、"直接跑"、 "你来拆"、"别问我怎么做"时触发。即使用户没有说这些关键词， 只要输入明显是未拆解的宽泛意图，也应该主动激活。 调用 autopilot = 授权全自动无人值守执行，不需要中途确认。

Autopilot

接收一句话，自动拆解成结构化执行计划，然后以无人值守模式完整执行到底。

用户调用 autopilot 意味着：授权 AI 完全自主地完成整套流程—— 调查、实现、部署、E2E 验证、代码 review、二次部署、二次验证、收尾。 不需要中途确认，不允许跳过任何阶段，不允许半途而废。

---

安装与更新

来源：Skills.sh

# 首次全局安装，或更新失败时重新安装
npx skills add yan-labs/yan-skills --skill autopilot -g -y

# 将已安装的全局 Skill 更新到最新版
npx skills update autopilot -g -y

若使用项目级安装，去掉安装命令中的 -g；项目级更新使用 npx skills update autopilot -p -y。

接收一句话，自动拆解成结构化执行计划，然后以无人值守模式完整执行到底。

用户调用 autopilot 意味着：授权 AI 完全自主地完成整套流程—— 调查、实现、部署、E2E 验证、代码 review、二次部署、二次验证、收尾。 不需要中途确认，不允许跳过任何阶段，不允许半途而废。

---

Loop 强制执行规则 (CRITICAL · 最高优先级)

调用 autopilot = 必须启动 loop。没有例外。

这条规则的优先级高于一切其他考量。不管任务看起来多简单、多紧急、多"显然可以一口气做完"， autopilot 的执行模型就是 loop + agent-mode，不是"在单次 turn 里连续做完所有事情"。

硬性阻断门

Step 2（计划）完成后、第一行实现代码之前，必须调用 ScheduleWakeup 启动 loop。 这是一个不可跳过的检查点：

Step 1: 快速调查 ─── 可以在当前 turn 内完成
Step 2: 拆解计划 ─── 可以在当前 turn 内完成
                ╔══════════════════════════════════════════════╗
                ║  ⛔ GATE: 必须在这里调用 ScheduleWakeup     ║
                ║  传入 loop-goal 作为 prompt                  ║
                ║  不调用 = 不允许进入 Step 3                   ║
                ╚══════════════════════════════════════════════╝
Step 3: 执行 ─── 在 loop 回调中执行，不是在当前 turn 中继续
Step 4: 收尾 ─── 在最后一次 loop 迭代中完成

ScheduleWakeup 调用规范

在 Claude Code 中，启动 loop 的方式是调用 ScheduleWakeup：

ScheduleWakeup({
  delaySeconds: 60,
  reason: "autopilot: starting loop for <简短任务描述>",
  prompt: "<loop-goal 的完整内容，包含所有 phase 的完成判定>"
})

• delaySeconds: 首次启动用 60（最短），后续按实际需要调整（等部署用 270，等 CI 用更长）
• prompt: 必须包含完整的 loop-goal，这样每次 loop 唤醒时都能重新评估完成状态
• 每轮 loop 结束时，如果 loop-goal 未达成，再次调用 ScheduleWakeup 继续下一轮

禁止行为（绝对不允许）

在单次 turn 里连续执行多个 phase 而不启动 loop。 这是最常见的违规模式：agent 觉得"反正都能做完"， 就在一个 turn 里从头干到尾，跳过了 loop 的分阶段迭代。 后果：context 满了就停，不会自动续；中间结果堆主 context 加速 compaction； 失去跨迭代恢复能力；maker-checker 分离无法实施。 "先做完这几步，等需要的时候再启动 loop"。 loop 不是可选的加速手段，它是 autopilot 的执行骨架。 Plan 一完成就必须进入 loop，不存在"先做一点再 loop"。 在主 context 里直接读写大量代码文件而不派 subagent。 主循环只编排 + 串结论；实际 coding/验证/review 全部派 subagent。

自检清单

在声称进入 Step 3 执行阶段之前，必须能回答"是"：

• progress.md 已创建且包含所有 phase 的初始状态 ⏳？
• loop-goal 已定义且可客观判定？
• ScheduleWakeup 已调用（不是"打算调用"，是"已经调用了"）？
• 当前 turn 没有开始执行任何 phase 的实际工作？

如果第三项是"否"，停下来，现在就调用 ScheduleWakeup。

---

核心原则

这些原则来自 loop engineering 的实战经验，是防止 loop 变成烧钱空转的关键。

State File — agent 会遗忘，文件不会 每轮开始时创建 `progress.md` 记录已完成和待完成的阶段。 每个 phase 完成后立即更新。下次迭代从 state file 恢复而非从零开始。 这是 loop 能跨迭代续跑的脊柱。 Maker-Checker Split — 写代码的不能自己判卷 实现代码的 subagent 和验证代码的 subagent 必须是不同的 subagent。 同一个 agent 写完代码再"review"自己的代码，只是第二个乐观主义者在点头。 E2E 验证、代码 review 必须由独立的 subagent 执行， 不接触实现 subagent 的推理过程。 Objective Gate — 每个验证必须有机器可判定的信号 "看起来没问题"不是验证。验证必须有客观的 pass/fail 信号： - 本地验证：tsc 退出码 0 + test 全绿 - 部署验证：gh run 状态 = success - E2E 验证：agent-browser 在 test 环境复现→现象消失 - Review 验证：review skill 输出无 blocking issue 没有客观信号的"验证"不算完成。 Hard Stop — loop 必须有刹车 每个 loop 必须有明确的停止条件： - 成功停止：loop-goal 的所有条件满足 - 失败停止：连续 3 次同一阶段失败 → 报告原因并停止 - 安全停止：iteration 上限（默认 10 轮）或 token 预算耗尽 没有刹车的 loop 会空转到被外部杀掉——这不是停止，是崩溃。 No Ralph Wiggum — 不允许半完成就声称 done agent 可能在只完成了一半的时候提前退出 loop（"看起来差不多了"）。 防护措施： - 每个 phase 完成后输出 ✓ PHASE [id] COMPLETE: [客观证据] - loop 结束前逐一核对所有 mandatory phase 的完成标记 - 缺标记 = 未完成 = 不允许退出 Failure Classification — 先分类再重试 phase 失败时不能盲目 loop 回去重试同样的事情。 必须先分类失败原因，然后根据分类选择不同的修复路径：

<failure-type id="missing-context">
  缺少上下文/信息。修复：扩大调查范围，读更多代码/日志/文档。
</failure-type>
<failure-type id="wrong-approach">
  方案本身有问题。修复：回退到 plan 阶段，探索替代路径（多角度发散思考）。
</failure-type>
<failure-type id="environment-issue">
  环境/配置/依赖问题（非代码 bug）。修复：用项目 debug skill 排查环境。
</failure-type>
<failure-type id="hallucinated-assumption">
  基于错误假设实现。修复：回退到 investigate，验证假设再重新实现。
</failure-type>
<failure-type id="incomplete-output">
  做了一部分但不完整。修复：继续当前 phase，不要从头开始。
</failure-type>
<failure-type id="external-blocker">
  被外部因素阻塞（API 不可用、权限不足等）。修复：降级或中止并报告。
</failure-type>

记录每次失败的分类到 progress.md，防止重蹈覆辙。

Adaptive Retry — 重试必须改变策略 "更多次重试 ≠ 更好的结果。如果系统重复相同的行为，它不是在改进，它只是在空转。"

每次 loop 回去重试时，必须满足以下条件之一：
- 使用了不同的修复方案
- 获取了新的上下文/信息
- 缩小了问题范围
- 换了工具或 skill
- 修正了之前的错误假设

如果想不出任何不同的做法 → 不要重试，直接中止并报告：
"连续 N 次以相同方式失败，无法找到新的修复路径。"
这比空转烧 token 有价值得多。

失败签名 = phase + 客观 gate + 观察到的失败 + 失败边界。
只有四项全同才累加重复计数；失败点向下游移动是 progressive discovery，
重置该签名计数但全局预算继续累计。详见 `references/execution-budget.md`。

Evidence Ladder — 说清楚你的"验证"到底证明了什么 每条实质性结论都必须带证据等级： L0 假设/读代码 → L1 单测 → L2 集成测试/fixture/构造流程 → L3 目标环境上的原始事故身份或显式等价身份 → L4 部署后真实复发观测。

铁律：绝不能把 L0–L2 说成"历史根因已证实"。
加了兜底之后跑通了，只说明兜底生效，不说明原路径坏在哪。
fixture-only 的 L2 通过永远不能关闭一个用户报告的缺陷。

根因用词必须精确：confirmed root cause / supported mechanism /
defensive hardening / bounded unknown。详见 `references/evidence-and-verification.md`。

Single Writer — "只有我在改这个仓库"是必须被证明的假设 同一台机器上经常有多个 agent、多个 worktree 共享同一个 git 仓库。 任何时刻只允许一个 maker 写同一个工作树、一个 landing owner 做 commit/push/发布。写入前必须持有 git-common-dir 的原子租约； 证明不了本机独占就停止。

staging 只用精确文件清单，绝不 `git add -A` / `git add .`；
绝不 stash / checkout / reset / 覆盖别人的改动；绝不 force push。
push 后必须 fetch 并用 `git merge-base --is-ancestor` 回读远端 ancestry——
本地 commit 不算交付。详见 `references/concurrency-and-landing.md`。

Bounded Increment — 每轮只推进一个有界增量 一轮迭代 = 读 checkpoint → 校验归属与租约 → 提出一个假设或一个 phase delta → 执行一个带客观 gate 的 maker 或 checker 动作 → 记录结果和最强证据 → 选择一个有界的下一步或停止。

不允许把"调查全部 + 实现 + 部署 + review"塞进一个增量。
只读的事实收集可以并行（输出互不依赖时），写入永远单 maker。

---

平台适配

autopilot 运行在不同产品上时，使用不同的 loop 命令：

/loop /loop + 自定步调目标驱动 Claude Code 中使用 /loop 驱动目标迭代。 /loop 支持按间隔运行，也支持自定步调（不指定间隔时 model 自行决定何时继续）。 /goal /goal [完成条件描述] Codex 中使用 /goal 驱动目标迭代。 /goal 持续运行直到声明的条件成立，由独立的 checker model 验证完成。 如果无法确定平台，优先尝试 /loop。 关键区别：/goal 有独立 checker 验证完成（Codex 内建）， /loop 需要自己在 loop body 里检查完成条件。

---

工作流程总览

快速调查，理解任务实际涉及什么（2-5 分钟） 分类任务 → 拆解为 XML 阶段 → 选 skill → 定 loop 目标 → 初始化 state file loop/goal（外层驱动目标）+ agent-mode（内层按阶段派 subagent）→ 全程无人值守 输出收尾总结 + 所有 phase 完成标记

用户调用 autopilot 本身就是确认——不需要中途展示计划等"go"。 如果用户明确说"先让我看看计划"，才暂停展示。默认直接执行。

Reference 导航（按 phase 加载，不要在开始时全部加载）

时机	加载
任务形态模板与调查清单	references/phase-library.md 中对应那一节
goal / loop / checkpoint / 预算 / 失败记账	references/execution-budget.md
工单归属、认领、批次、终态、续跑租约	references/ownership-and-tracker.md
maker 编辑 / commit / rebase / push / 发布	references/concurrency-and-landing.md
测试设计 / E2E / 根因表述 / 关闭判定	references/evidence-and-verification.md
交付、复盘、规则晋升、最终审计	references/learning-and-audit.md

必须停止的红旗

• 候选工单是 draft、in-progress、有预约/有效外来租约/接管，或已有开工证据；
• 认领回读未成功却已经开始改代码；
• 一批只共享标签/模块/症状，没有共享精确根因和同一条验证链；
• 出现第二个 maker 或第二个 landing owner，或本机租约回读不一致；
• 想用 mock/fixture 关闭用户报告的缺陷，或用兜底成功宣称历史根因已证实；
• goal 没有 proof/constraints/cap，或 checkpoint 没有有界的下一步动作；
• 同一失败签名重复三次而策略没有真正改变，或 A→B→A 无新证据来回摆；
• staging 含任务外路径、远端回读不含交付 SHA，或出现任何 force-push 倾向；
• 学习规则没有证据/eval/独立 checker 就要改权威规则文件。

命中红旗时：先写最终 checkpoint，再停止。不得靠延长 turn、重复等待或 "最后再看一眼"绕过刹车。

---

Step 1: 快速定范围

在规划之前，先花 2-5 分钟弄清任务实际涉及什么。 没有调查的计划是空中楼阁——先看再拆。

1a. 自动分类任务类型

根据用户输入 + 调查发现判断类型：

修复已知缺陷。从现象追到根因，根治而非打补丁。 新增功能或能力。从需求到交付。 改善代码结构但不改变外部行为。 补充测试覆盖或验证已有功能。 理解问题或技术方案。产出是结论/报告而非代码。 部署代码到环境并验证。 对已有代码做质量审查和改进。

一个输入可能同时命中多个类型（如"修完 bug 然后部署"= bug-fix + deploy）。 此时组合对应的阶段模板，按自然因果排序。

1b. 执行快速调查

根据分类出的类型，从 references/phase-library.md 的 <scope-checklist> 拿到 该类型的调查清单，快速执行。产出是对范围、受影响区域和关键发现的简短摘要。

用户报告的缺陷还必须在这一步记录精确事故身份（规范化来源 URL/ID、产物 ID、 会话/任务 ID、目标环境与修复 watermark、期望 vs 实际）。 拿不到就明确标为 bounded unknown——fixture 可以验接线，但不能关闭该缺陷。

1c. 工单归属门（有关联工单时，先认领再动手）

多个 agent 和人共享同一个工单系统，"没人在做这个"必须被证明：

• 可选资格：OPEN、非 draft、无 in-progress、无预约/有效外来租约/接管信号、 无分支/PR/协调评论证明已开工。歧义时 fail closed，跳过的候选保持零 mutation。
• 已有 assignee 只是弱意图，不是自动排除条件；但认领前必须重读工单并 整体替换 assignee 集合，绝不在过期 assignee 上追加。
• 认领顺序：重读 → 替换 assignee → 加 in-progress → 写结构化认领评论 → 从工单系统读权威 createdAt 回填并回读校验。 第二次回读成功之前，禁止任何导向实现的编辑、commit、部署或 E2E。
• 一批最多 4 项，且必须共享一个精确因果边界 + 一个实现 + 一条验证链。 "都是 Bug""标签相同""模块相邻""恰好改同一个文件"都不够——发散就只做优先级最高的那一个。

完整契约（含续跑租约、终态不变量、可执行性分类）见 references/ownership-and-tracker.md。

---

Step 2: 拆解为 XML 阶段计划

2a. XML Phase Schema

每个计划用这个结构：

<execution-plan>
  <task>用户的原始输入（原文保留）</task>
  <type>分类出的任务类型（可多个，逗号分隔）</type>
  <scope>调查发现的实际范围摘要（2-3 句话）</scope>

  <loop-goal>
    具体的、可判定的完成标准。
    必须涵盖所有子问题——不能只做最明显的就算完。
    必须包含所有强制验证阶段的预期产出。
    示例："#442 根因修复 + 本地验证通过 + test 部署绿 +
           E2E 通过 + review 通过 + 二次部署绿 + 二次 E2E 通过 +
           issue 关闭附 commit"
  </loop-goal>

  <hard-stop>
    <max-iterations>10</max-iterations>
    <consecutive-fail-limit>3</consecutive-fail-limit>
  </hard-stop>

  <phases>
    <phase id="唯一标识" order="N" mandatory="true">
      <skill>执行该阶段使用的 skill</skill>
      <goal>该阶段要达成什么</goal>
      <input>需要什么输入</input>
      <output>产出什么</output>
      <gate>客观的 pass/fail 信号（非主观判断）
      可验证的完成判定
      失败时怎么处理
    
  

2b. Skill 选择

按阶段职能选 skill。每个阶段必须通过 skill 完成，不允许裸手做。

Skill 发现顺序：

1. 先用 find-skills 或直接读 .agents/skills/ 扫描当前项目和全局可用的 skill
2. 优先选项目级 skill（如 dev-*, test-*, debug-*, review-*）——它们包含项目特定的规则和上下文
3. 项目没有专用 skill 时，退到全局 skill

说明："项目 dev/test/debug/review skill"指当前项目 .agents/skills/ 下与该职能匹配的 skill。 例如 Kollab 项目有 dev-kollab、test-kollab、debug-kollab、review-kollab； 其他项目可能有 dev-myapp、test-myapp 或者没有——此时用 fallback。

2c. Feature Completeness Checklist（feature 类型强制）

feature 类型的任务在 design phase 必须通过 references/phase-library.md 中的 <feature-completeness-checklist> 逐项核查。历史教训：share 按钮上线后 分享页渲染不一致、用户主题设置 useState-only 刷新丢失、公开页无 SEO—— 全部因为"先做能跑的，剩下的下次说"。checklist 覆盖五个维度：

• 多表面一致性：同一功能的所有 surface 必须同 PR 完成或 flag-gate 关闭
• 设置持久化：用户可调节项必须持久化，禁止 useState-only
• 公开页面基础设施：公开 URL 必须有 title/OG tags/合理加载态
• 数据完整性：前后端字段必须端到端流通
• 跨功能影响：评估新 surface 对导航/权限/下游消费的影响

每条标记通过/N/A/本次不做（flag-gated），不允许留空。 不适用的条目标 N/A 并简述理由；适用但本次不做的必须 feature-flag 关闭 且记入 progress.md 的"未完成项"。

2d. 强制阶段规则

任何涉及代码变更的任务类型（bug-fix / feature / refactor / quality）， 必须包含以下阶段，不允许省略：

implement — 实现（通过项目 dev skill 或直接编码） local-verify — 本地验证（tsc / lint / test，客观 gate） deploy-1 — 第一轮部署到测试环境（通过项目 deploy skill 或 gh-cli） e2e-1 — 第一轮 E2E 验证（通过项目 test skill + agent-browser，独立 subagent） review — 代码审查（通过项目 review skill 或 simplify + code-review，独立 subagent） deploy-2 — 第二轮部署（review 修改后） e2e-2 — 第二轮 E2E 验证（独立 subagent）

所有 autopilot 任务（包括 research / deploy / quality）还必须把下面阶段作为最后一个 mandatory phase。它必须进入 loop-goal，不能等报告时才临时想起：

issue-finalize — 有关联 Issue 时，写入完整实施记录、最终方案、验证证据和用户可见效果，并按真实终态关闭或保留 cleanup — 清理本任务创建的临时文件、诊断产物、独立 worktree 和临时分支，并用 Git 状态证明没有任务残留

这些阶段存在的原因：

本地测试只验证逻辑正确性。部署后可能因环境差异、配置缺失、迁移遗漏而表现不同。 E2E 是唯一能从用户视角证明"真的修好了"的环节。 即使你 100% 确信修复是正确的，也必须跑——确信本身就是风险。 历史上多次发生"本地全绿、部署后炸"的事故。

E2E 判定必须以运行时证据链为准（新链路自己的日志 marker / 数据行 / 指标）， 不能只看表面成功——带静默 fallback 的链路坏掉时功能照常响应，只有日志能暴露。 三条配套规则：

1. 外部凭证的权限面（网关 key 的模型/接口 allowlist、API key 的 scope、配额） 是独立于代码的配置面：代码+部署完成不代表凭证就绪；改了调用目标就必须同任务 核对所有环境的凭证权限，test 验过不代表 prod 凭证同样就绪。
2. 空 catch / 无日志的 catch 包外部调用是缺陷不是风格问题：它把配置漂移变成 不可见的降级。发现时必须补 queryable 日志 marker。
3. 验证一条链路前先给它加打点——打点本身经常当场暴露此前静默存在的故障 （真实案例：一个网关调用 401 了六周，加耗时日志的当天被发现）。

实现者有盲点：注释缺失让后人排查时看不懂链路、 兼容性漏洞让别人的代码合并时挂掉、过度修改让影响面失控。 审查是提前拦截线上事故的最后一道防线。 历史上最严重的事故往往来自"太小了不需要 review"的改动。 review 阶段的修改（simplify 重构、注释补充、代码问题修复）可能引入新问题。 第二轮部署+验证确保 review 修改没有破坏任何东西。 跳过 = 把未经验证的 review 修改直接当作最终产出。

2d-1. Lane 选择（决定阶段顺序）

按运行时消费方选 lane，不按文件名选。拿不准时 fail closed 到 deployed-required。

local-only（所有改动消费方都在本地可完整执行的边界内，后端/契约/env/迁移/运行时 prompt 全未变）：
investigate → design(feature 时) → implement → local-verify → e2e-1(本地完整旅程)
→ deploy-1(仅推送) → review → 按影响分类决定 e2e-2 / deploy-2 → deliver

deployed-required（任何后端/混合消费方、API 契约、迁移、env/secret/部署配置、
运行时加载的 prompt/skill、认证回调、SSR/edge、远端专属行为，或任何不确定）：
investigate → design(feature 时) → implement → local-verify → deploy-1(推送+部署)
→ e2e-1(目标环境) → review → 按影响分类决定 deploy-2 / e2e-2 → deliver

2d-2. Review 后影响分类（决定 deploy-2 / e2e-2 的形态）

review 后按 diff 实际影响面分类，不是无脑重跑一整轮，也不是随便跳过：

diff 分类	deploy-2 / e2e-2
no-diff（review 无改动）	两者 N/A，复用已 review 的 SHA
docs/skill/evals-only	跑一个点名的替代 gate（结构校验/eval），最终推送，不等部署
test-only	重跑受影响测试分区，最终推送，不等部署
前端代码 diff（local-only lane）	重跑本地 check + 针对性测试 + 独立本地 E2E，然后最终推送
任何后端/运行时/不确定的 diff	升级为 deployed-required：最终推送 → 部署 → 跑受影响的 E2E

分类结论和依据写进 progress.md。落地仍由同一个 landing owner 执行， 代码修改路由回 maker——checker 不 commit、不 push。

2e. 组装阶段

1. 根据任务类型从 references/phase-library.md 加载对应的阶段模板
2. 用调查发现（Step 1）填充每个 <phase> 的具体内容
3. 补上所有 mandatory-phases（如果模板里没有）
4. 模板是骨架不是枷锁——可以根据实际情况增加阶段，但不允许删除 mandatory 阶段
5. feature 类型：确认 design phase 产出的方案文件包含 feature-completeness-checklist 的逐条判定

2f. 初始化 State File

创建 progress.md：

# Autopilot Progress

## Task
[用户原始输入]

## Type
[任务类型]

## Loop Goal
[loop-goal 内容]

## Budgets
| iterations | repair cycles | elapsed | tokens | external cost |
|-----------|---------------|---------|--------|---------------|
| 0/10      | 0/6           | 0/240m  | 0/…    | 0/0           |

## Phase Status
| Order | Phase ID | Skill | Maker/Checker | Objective Gate | Status | Evidence (含 L0-L4 等级) |
|-------|----------|-------|---------------|----------------|--------|--------------------------|
| 1     | ...      | ...   | ...           | ...            | ⏳     |                          |

## Acceptance Ledger
(有多个目标项/工单时，逐项独立验收——不允许整批一起关)

| 项 | 事故身份 | 证据等级 | 精确/等价论证 | 客观证据 | 关闭判定 |
|----|---------|---------|--------------|---------|---------|

## Delivery Ledger
(每个交付 SHA 出现且只出现一次，附其精确 diff 路径；本地 commit 不算交付)

| Delivery SHA | 精确文件清单 | 远端 ancestry 回读 |
|-------------|-------------|-------------------|

## Failure Log
(每次失败记录在这里——不是用来回顾的流水账，而是用来防止重蹈覆辙的行动记忆)
失败签名 = phase + 客观 gate + 观察到的失败 + 失败边界；四项全同才累加计数。
一次性 shell 引号/拼写/harness 瞬态错误是 orchestration diagnostic，不计 repair cycle。

| Iteration | Failure Signature | Failure Type | What Was Tried | Why It Failed | What Changed Next | Repeat |
|-----------|-------------------|-------------|----------------|---------------|-------------------|--------|

## Telemetry
(每轮只记汇总，不粘贴 agent 完整输出)
spawned/reused/closed agent 数 | maker/checker 数 | routine/critical 路由与升级原因 |
wait 与状态检查次数 | context compaction 次数

## Lessons Learned
(跨迭代积累的可复用经验，每条一句话)
- [例] phase implement: 这个模块的 tsc 需要用 tsconfig.build.json 而非默认 tsconfig
- [例] phase e2e: test 环境的测试账号密码在项目 test skill 里，不要猜

## Iterations
(每次迭代的简要摘要)

每个 phase 完成后立即更新 Status 列（⏳ → ✅）和 Evidence 列。 每次失败立即更新 Failure Log。 跨迭代发现的可复用经验记入 Lessons Learned。

2g. 定义 Loop 目标（Goal 合同）

从所有阶段的 <done-when> 合成一个可判定的 loop 目标。 一个任务只保留一个 active goal，phase、重试、subagent 都不另建 goal。 objective 控制在 1-3 句、600 字符以内，必须含五部分：

1. Measurable end state —— 精确的产品/工单终态
2. Proof —— 点名的客观 gate 和要求的证据等级（L2 还是 L3）
3. Constraints —— 归属、隐私、分支、成本、环境、发布边界
4. Caps —— 迭代数 / 修复回合 / 耗时 / token / 批准的外部花费
5. Stop phrase —— 逐字附在 objective 末尾： Stop after <max-iterations> iterations or <max-repair-cycles> repair cycles, whichever comes first.

stop phrase 必须写进 goal 文本本身：独立 checker 只读 goal 文本， 上限不进 goal，就等于对 checker 而言这个 loop 根本没有刹车。

默认预算：iterations 10 / repair cycles 6 / elapsed 240min / 外部花费 0（除非批准）。 运行中不得未经授权抬高任何上限。

phase 表、通用规则、验收矩阵写进 progress.md，不复制进 objective—— goal 是终点声明，不是第二份计划文件。完整预算契约见 references/execution-budget.md。

---

Step 3: 执行

3a. 启动 Loop（强制阻断门 — 见"Loop 强制执行规则"）

这一步是执行的硬前提，不是可选项。Step 2 完成后、任何 phase 实际工作之前，必须先完成这一步。

根据平台使用对应命令：

调用 ScheduleWakeup 启动 loop： ``` ScheduleWakeup({ delaySeconds: 60, reason: "autopilot: starting loop for <任务摘要>", prompt: "<完整 loop-goal，逐字粘贴 Step 2g 定义的内容>" }) ``` 调用后当前 turn 立即结束。不要在调用 ScheduleWakeup 之后继续执行 phase 工作。 后续所有 phase 工作在 loop 回调中进行。 调用 /goal，条件 = Step 2g 定义的 loop-goal。 Codex 的独立 checker model 验证完成条件。

调用后的行为：ScheduleWakeup 调用后，当前 turn 的唯一允许动作是向用户输出一句确认： "Autopilot loop 已启动，目标：<loop-goal 摘要>。"然后结束 turn，等待 loop 唤醒。

每轮 loop 回调中的行为：

1. 读 progress.md 恢复状态
2. 确认当前未完成的 phase
3. 用 Agent tool 派 subagent 执行当前 phase
4. 根据 subagent 结果更新 progress.md
5. 如果 loop-goal 未达成，调用 ScheduleWakeup 继续下一轮
6. 如果 loop-goal 达成，进入 Step 4 收尾

3b. Loop + Agent-Mode 铁律

这两个 必须成对使用，全程贯穿，缺一不可：

• loop/goal（外层）：围绕 <loop-goal> 迭代，未达成不停
• agent-mode（内层）：每个阶段翻成自包含 brief 派 subagent 执行

执行拓扑：

loop-goal = <loop-goal> 定义的完成判定
  ├── iteration 1
  │   ├── agent-mode → phase 1 (investigate)      [maker subagent]
  │   ├── agent-mode → phase 2 (implement)         [maker subagent]
  │   ├── agent-mode → phase 3 (deploy)            [maker subagent]
  │   ├── agent-mode → phase 4 (e2e verify) → FAIL [checker subagent ≠ maker]
  │   └── loop 回 phase 2
  │   (更新 progress.md)
  ├── iteration 2
  │   ├── agent-mode → phase 2 (re-implement)
  │   ├── agent-mode → phase 3 (deploy)
  │   ├── agent-mode → phase 4 (e2e verify) → PASS [checker subagent]
  │   ├── agent-mode → phase 5 (review)            [checker subagent ≠ maker]
  │   └── ...继续后续阶段
  │   (更新 progress.md)
  └── 所有 mandatory phase ✅ + loop-goal 达成 → 结束

3c. Subagent 分派规则

每个 subagent 任务翻成**自包含 brief**—— subagent 没有主循环上下文，必须把它需要的一切都写进 brief。

**语言与格式建议（基于实测数据，供参考）**：

brief 的语言和格式会影响 subagent 的执行效率和质量。
以下是基于 SWE-bench 实测和 token 计数实验的建议，不是硬性规定：

1. **指令部分建议用英文**。Claude 内部以英文推理，英文 prompt 在
   agentic/coding 任务上实测高出 5-10 个百分点。Token 成本方面
   中英文在 Claude 4.7+ 分词器下已接近平价，不是决策因素。
2. **领域内容保留原语言**。中文研究用中文搜索词、日文市场用日文
   关键词、韩文文案用韩文参考——强制翻译会丢失领域精度。
3. **输出语言显式指定**。不指定时模型会猜，猜错浪费整个 turn。
4. **格式按任务复杂度选择**。简单任务用自然语言即可；复杂多步骤
   任务可用压缩格式节省 token（DSL 约省 47%，缩写英文约省 27%，
   YAML 约省 25%；XML 反而贵 19%，仅适合组织分隔）。

主会话用什么语言与用户对话不影响 brief 的语言选择——
brief 的语言由 autopilot 自行决定，用户无需感知。

**并发分派规则**：当多个 phase 之间无数据依赖时，可以并行派多个 subagent。 但并发 subagent **必须互不干扰**——不告知隔离边界就派发是禁止行为。

**资源分区（强制）**：
每个并发 subagent 的 brief 必须包含 `CONFLICT-SCOPE` 字段，
明确声明它**独占**的文件/目录/资源范围。
同时告知它**不得触碰**的范围（其他 subagent 的 scope）。

```
CONFLICT-SCOPE:
  owns: src/auth/, src/middleware/jwt.ts
  avoid: src/api/, src/db/  (另一个 subagent 正在修改)
```

**隔离层级（按风险递增选择）**：

| 场景 | 隔离方式 |
| --- | --- |
| 只读任务（调查、研究、审查） | 无需隔离，可自由并发 |
| 写不同文件 | CONFLICT-SCOPE 声明 + 主循环验证无交叉 |
| 写同目录下不同文件 | 同上 + brief 中列出精确文件名 |
| 可能写同一文件 | **必须用 worktree 隔离**（`isolation: "worktree"`） |
| 操作同一浏览器 | **禁止并发**——串行执行，或分配不同 tab 并在 brief 中声明 tabId |
| 操作同一外部服务/API | brief 中声明调用端点和操作类型，避免竞态 |

**主循环职责**：
- 派发前：规划分区，确认无交叉
- 派发时：每个 brief 写入 CONFLICT-SCOPE + 并发 subagent 数量
- 回收时：检查是否有意外的文件交叉修改，有则回退后者
- 合并时：如果多个 subagent 的产出需要合并到同一分支，由主循环串行 commit

**并发上限**：同一迭代内最多 3 个并发写类 subagent（含 worktree 隔离的）。
只读 checker 不计入此限制。超过 3 个写类任务时排队串行。

根据当前宿主平台选择可用的原生 subagent 模型，不把某个外部 CLI 当作审查前提。 **`model` 参数必须每次显式传，绝不省略**——省略等于继承主线程模型， 而主线程往往是当前可用的最贵那一档，这是已经真实发生过的事故。

**Claude 环境：默认派最便宜的够用档，即 `sonnet`。**
只有在任务确实需要时（深层架构推理、对微妙逻辑的对抗性审查）才升到 `opus`，
并在同一条消息里说明为什么。调查、读文件、跑命令、量布局、查链接、汇报
这类阶段一律 `sonnet`。**不要把下面 Codex 那条的「高思考配置」平移过来**：
那是 Codex 侧的取值，不是「在任何平台都挑最贵的」。

两条 Claude 侧的已知限制，说清楚免得误报：
- `model` 只接受 `sonnet` / `opus` / `haiku` / `fable` **四个档位别名，
  没有版本粒度**，所以「Opus 4.8」这种具体版本在工具调用里钉不住；
  要把某个版本定成常驻默认，那是应用自己的模型配置，不在这里设。
- **`Agent` 工具根本没有 reasoning-effort 参数**（只有 `Workflow` 内层的
  `agent()` 有 `effort`）。所以「所有 subagent 都开中等推理」无法逐次强制，
  推理档是会话级设置。**不要声称给某个 subagent 设过 effort。**

在 Codex 环境，默认派 Codex subagent；涉及 implement、E2E、review 或 quality audit
的阶段必须使用 `model="gpt-5.6-terra"` + `reasoning_effort="high"`。

两侧共同的底线：**成本可以降，独立审查不能省**——
不得因为模型档位低或某个 CLI 不可用就跳过 maker-checker 分离。

实现类阶段（investigate / implement / plan）= maker subagent。 验证类阶段（e2e / review / quality audit）= checker subagent。 checker subagent 不能接触 maker 的推理过程—— 只给它代码 diff、部署 URL 和验证标准，让它独立判断。 这是防止"自己给自己判卷"的核心机制。 主循环只编排、串结论、做关键决策。 大段文件/日志/diff 交给 subagent 读取，只回传结论—— 不要把 subagent 该消化的内容堆进主上下文。 每阶段开始前先确认要用的 skill，通过 skill 完成，不裸手做。 每轮开始时扫描当前项目和全局可用的 skill（`find-skills` 或直接读 `.agents/skills/` 目录），匹配当前 phase 所需能力。 专项 skill 每个任务只发现和加载一次，把选择写进 progress.md 供后续 phase 复用。 按"不同 agent 数"计预算，修复回合优先复用原 agent（同一 agent 多轮不重复计数）： 有界文档/research/verify-only = 2；单子系统代码变更 = 3； 跨系统或多仓库代码变更 = 4（最多两个互不相交的 maker）。 需要超预算时先 close 已完成 agent，并在 progress.md 记录缺失能力、 为什么不能复用、新增角色和客观结束条件——"想再确认一次"不是理由。 maker 返回可修 finding 时把窄修复发回同一个 maker，checker 只复判不接管实现。 只有下一步被该结果阻塞时才等待，否则立刻推进不重叠的工作。 每个委派结果最多一次 90-120 秒阻塞等待，超时后不立即发起第二次。 完成其它工作后最多再做一次状态检查；仍无进展就缩小 brief 复用/中断原 agent， 或 close 掉由主线程完成。禁止连续 wait / 列举轮询 / 短周期 polling。 CI/部署等待走另一套节流（首次延后 5 分钟，核心服务 3-5 分钟一次， 旁支 5-10 分钟一次，失败才拉日志），不与本预算混用。

3d. Phase 完成跟踪

每个 phase 完成后必须：

1. 输出完成标记：✓ PHASE [id] COMPLETE: [一句话客观证据]
2. 更新 progress.md 的对应行
3. 检查是否可以进入下一个 phase

如果无法写出真实的客观证据，说明该 phase 未完成，必须继续。

Loop 结束前执行最终检查：

• 逐一核对 progress.md 中所有 mandatory phase 的状态
• 所有 mandatory phase 必须是 ✅
• 缺任何一个 = 未完成 = 不允许退出 loop

3e. 失败处理

phase 失败时，必须按这个顺序处理——不能跳过分类直接重试：

分类：按 core-principles 的 failure-classification 判断失败类型 （missing-context / wrong-approach / environment-issue / hallucinated-assumption / incomplete-output / external-blocker） 记录：在 progress.md 的 Failure Log 写入本次失败的分类、尝试了什么、为什么失败 检查 Adaptive Retry 条件：能否提出和上次不同的做法？ 能 → 进入 step 4。不能 → 进入 step 5。 按分类选路径重试： - missing-context → 扩大调查（项目 debug skill 查远程日志 / deep-research） - wrong-approach → 回 plan 阶段，多角度发散探索替代方案 - environment-issue → 项目 debug skill 排查环境配置，或手动检查 - hallucinated-assumption → 回 investigate 验证假设 - incomplete-output → 继续当前 phase（不从头开始） - external-blocker → 降级（feature flag 关闭 + issue 留说明） 中止条件（任一触发即停）： - 同一 phase 连续失败 3 次且每次都换了策略 - 达到 iteration 上限（默认 10 轮） - 遇到 external-blocker 且无降级路径 → 停止 loop，输出：已尝试的所有方案 + 每次失败原因 + 建议下一步

3f. 项目规则

执行期间自动遵守当前项目的 CLAUDE.md / AGENTS.md 中的所有规则。 autopilot 不硬编码项目规则——它在 Step 1 调查阶段读取项目的规则文件， 然后在执行期间遵守。

通用提醒（适用于大多数项目）：

• 如果项目有注释规范，遵守
• 如果项目有 i18n 要求，所有语言同步
• 保护分支提交前先 fetch + rebase
• pathspec 只提交自己的文件
• 部署等待不要长时间前台 watch
• 任务必须自包含交付

---

Step 4: 收尾清理 + 报告

4a. Issue Finalization Gate（CRITICAL · 有关联 Issue 时未通过不得声明完成）

任务有关联 GitHub/GitLab/Jira Issue 时，必须在清理 worktree 之前完成 Issue 收尾。Issue 是团队 理解“为什么改、怎么改、最后实际怎样”的长期记录，不能只留一句 Fixed in <hash>，也不能让 关键实施证据只存在于临时 progress.md、聊天记录或本地截图目录。

成功交付时，用项目 Issue 工具（GitHub 优先 gh-cli）写一条结构完整的最终评论，至少包含：

1. 问题与根因：用户遇到的现象、最终确认的根因，以及调查中被证伪的重要假设。
2. 实施方案：按组件/链路列出实际落地的修复，说明关键设计选择和为什么采用该方案。
3. 改动定位：最终 commit hash、目标分支、关键文件或迁移；多个 commit 时列出各自职责。
4. 验证证据：本地测试命令与结果、部署环境、workflow run URL/head SHA、E2E 场景与结果、 独立 review 结论；不能把取消、失败或未执行的验证写成通过。
5. 最终呈现效果：用用户视角描述修复后的真实行为。涉及 UI/产物时附最终截图、artifact、 页面或可访问证据链接；涉及 API/后台链路时附可安全公开的响应、数据或日志 marker 摘要。
6. 范围与后续：明确已完成内容、未触碰的环境（如 production）、已知限制和仍需外部决策的动作； 超出本任务范围的具体问题必须链接独立 follow-up Issue，不能藏在评论里。

评论不得包含 secret、token、cookie、完整用户隐私数据或只能在本机访问的临时绝对路径。优先写一条 完整的最终总结，避免用多条零散评论制造噪音。

成功任务完成评论后，按项目规则关闭 Issue、移除 in-progress，并重新读取 Issue 验证：

• 状态确实为 closed/done；
• 最终评论包含精确 commit hash；
• 部署/E2E/review 证据和最终效果均已记录；
• 重复或兄弟 Issue 已交叉引用并按真实状态处理。

如果任务 hard-stop、降级或未完成：不得关闭 Issue。必须留下调查结论、当前阻塞、已尝试方案和下一步， 并按项目规则释放或保留 assignee/in-progress。没有关联 Issue 时标记 issue-finalize = N/A 并说明 “任务开始时未发现或未要求创建 Issue”，不得为了满足格式制造无意义 Issue。

只有复读后的 Issue 状态和评论内容通过检查，才允许输出 ✓ PHASE issue-finalize COMPLETE: <issue URL + commit + evidence summary>。

4b. Cleanup Gate（CRITICAL · 未通过不得声明完成）

任务代码、部署、E2E 和 review 全部完成后，必须执行 cleanup phase。progress.md 是恢复用的 临时状态，不是仓库交付物；任务结束却把它和诊断文件留在仓库根目录，说明任务没有真正收口。

按下面顺序执行，顺序不能颠倒：

1. 先证明成果不会丢失

   • 查看 git status --short --untracked-files=all，区分任务文件、用户文件和其他并发任务文件。
   • 有代码改动时，确认本任务 commit 已推到目标远端分支；例如目标为 test 时， git log origin/test..HEAD 必须为空，且 git merge-base --is-ancestor <task-commit> origin/test 必须成功。
   • 发现有效但未推送的 commit 时，先按项目保护分支规则 push/rebase，再清理。 无法推送时必须 hard-stop 并保留 worktree，报告抢救路径；绝不能为了“清理干净”删除成果。

2. 清理所有任务自有临时文件和产物

   • 删除 progress.md、任务专用 progress-*.md、临时 plan/state 文件。
   • 删除一次性诊断脚本、tmp-*、cw-*.json、日志导出、下载的 workflow artifact、 临时截图、测试输出、scratchpad 内容和其它只为本轮调查/验证生成的文件。
   • 用户明确要求的交付物、正式测试、正式文档和已纳入提交的可重放证据不是临时产物，必须保留。
   • 只删除能证明由本任务创建的路径；禁止使用宽泛 glob 或删除其他并发任务/用户的未跟踪文件。
   • progress.md 最后删除，因为前面的清理失败时仍需要它恢复现场。

3. 清理隔离 worktree 和临时分支

   • 只清理本任务自己创建的独立 worktree，绝不删除共享主工作目录。
   • 在主仓库执行 git worktree remove "$WORKTREE_DIR" --force，然后删除本任务临时分支并 git worktree prune。使用 --force 的前提是上一步已经证明没有未推送 commit 或需保留改动。
   • 没有创建独立 worktree 时明确标记 N/A，不得为了满足格式去删除当前工作树。

4. 客观复核清理结果

   • 再次运行 git status --short --untracked-files=all，确认没有本任务遗留路径。
   • git worktree list 和 git branch --list 不得再出现本任务 worktree/临时分支。
   • 其他人的改动可以继续存在，但必须在报告里明确标为非本任务所有，不能擅自删除。

只有上述四步全部通过，才允许输出 ✓ PHASE cleanup COMPLETE 并进入最终报告。

4c. 复盘与规则晋升（每个任务强制，包括干净跑通的任务）

复盘记录：什么证据改变了计划、哪个 gate 抓到真实缺陷、结论是任务专属还是可泛化、 是否已有规则覆盖、晋升是否成立。不要为了凑数强行晋升—— no-promotion + 一个理由是合法且必需的结果。

晋升到持久化规则（skill / 项目规则文件）必须同时满足：真实任务的直接隐私安全证据、 可泛化、有客观 gate、加了会在规则前失败规则后通过的 eval、 独立 checker 校验过范围与非重复、且规则+eval+文档落在同一个交付 commit。 按职责指定唯一真相源并替换它，不要在入口文件追加平行规则。 完整晋升门见 references/learning-and-audit.md。

4d. 最终审计序列（声称完成之前逐项执行）

1. 每个计划内 phase 已完成或有理由充分的 N/A；
2. 每个目标项/工单有独立的事故身份、证据、评论和终态决定（用一次权威快照读取）；
3. 每个交付 SHA 都是目标远端分支的 ancestor，且被 Delivery Ledger 归因；
4. 每个交付 commit 的 diff 都落在精确文件清单内、清单每个文件都被覆盖、 没有残留的任务自有未提交 diff 或未推送 commit；
5. 至少一条学习决定走完晋升门、被带理由拒绝，或被标为 run-specific；
6. 改了 skill 就跑结构校验；
7. 所有非 goal 审计通过之后，才把 goal 标记完成并终态回读。

绝不把 subagent 的一句 "done" 当作审计证据。

4e. 收尾报告

执行完成后输出简洁总结：

执行路线（阶段 → 所选 skill → 结果） Loop 目标 + 达成状态 改动文件列表（含跨仓库） 部署 / 验证结论（如适用） Commit hash Issue 最终记录：URL、关闭状态、实施方案/验证证据/最终效果已回填的复核结论（如适用） 所有 phase 的 ✓ 完成标记清单 Cleanup 证据：临时文件/产物已清理，worktree/临时分支已删除或 N/A，远端提交已确认 iterations 次数 + 失败回溯记录 未完成项 + 原因（如有）