ZENTHOS Workspace
RAW · · 2026-05-05 · 13 min · #VJMXT62

项目1：执行总结

记忆写入系统 — 执行总结

日期：2026-04-27 执行方式：Box0 多 Agent DAG 编排，verify-gate 独立验收 最终状态：20/20 节点完成，0 失败

一、任务背景

用户（廖瞻）的 OpenClaw agent 通过思源笔记积累了每日思考内容。siyuan-knowledge-wiki​ 技能可自动编译笔记（标签、摘要、链接），但只做知识结构化，不做个人画像提取。profile.md 中"思考模式标签"和"决策倾向"两个 section 长期为空，MEMORY.md 无画像信息。

目标：建立一个三层记忆写入系统，使 agent 能自动从思源笔记中提取用户画像并写入 profile.md 和 MEMORY.md。

二、执行方法

2.1 讨论阶段（已完成于此前会话）

通过 9 份专业报告 + 2 轮科学评审 + 9 份辩论回应，产出了 最终方案 v2（最终方案-v2.md，约 800 行），覆盖：10 维画像设计、三层触发架构、Step 8 技能实现、画像消费策略、8 项程序化约束、模型-任务映射、经验生命周期管理、Phase 0-5 实施路线图。

2.2 执行阶段（本次会话）

采用 Box0 多 Agent DAG 编排 模式执行。参考 zenthos-dev 技能的 Wave-Track-Task 管理方法，做了以下适配：

  • 用角色职责分配替代模型能力分配（所有 agent 使用同一模型 deepseek-v4-pro）
  • 创建 7 个 Box0 Agent（execution-lead、verify-gate、script-dev、config-dev、skill-dev、server-ops、tester）
  • 构建 20 节点 DAG，每个节点含可执行验证命令和回滚方案
  • verify-gate 独立持有 done/failed 标记权，execution-lead 只能标记 in_progress/awaiting_verification

2.3 7 个 Agent 角色

Agent 职责 产出
execution-lead 读 DAG、判断就绪节点、分配任务 编排 20 节点全生命周期
verify-gate 独立运行 verify_cmd，独占 done/failed 标记权 20 次验证，发现 GBK 编码等系统性问题
script-dev 编写 Python 脚本 extract_portrait_signals.py (907行)、write_profile.py (800+行)
config-dev 创建 JSON 配置 constraints.json、.write_state.json、checkpoints.json
skill-dev 修改远程技能文件 SKILL.md STEP8 标记、AGENTS.md 分层加载
server-ops SSH 部署、止血操作 修改 cron prompts、恢复 Heartbeat、补写 daily files
tester 端到端测试、灰度数据 E2E 管道验证、审核 cron 配置

三、执行结果

3.1 DAG 最终状态

20/20 节点全部 done，0 failed

Track 名称 节点数 状态
0 止血 3 ✅
1 Python 脚本开发 3 ✅
2 配置开发 3 ✅
3 技能修改 4 ✅
4 服务器部署 2 ✅
5 测试验证 3 ✅
6 审核系统 2 ✅

3.2 关键产出物

远程服务器（192.168.31.190） ：

  • /home/zenthos/siyuan/extract_portrait_signals.py（907 行，数据聚合 + V1-V6 校验）
  • /home/zenthos/siyuan/write_profile.py（800+ 行，AUTO_START/END 标记保护 + 双轨制写入）
  • /home/zenthos/siyuan/append_memory_portrait.py（~130 行，4 元组去重键 + 幂等追加）
  • ~/.openclaw/workspace/memory/profile.md（已通过 E2E 测试填充画像数据）
  • ~/.openclaw/workspace/memory/backups/ 和 archive/ 目录已创建

远程技能修改：

  • SKILL.md 含 STEP8_START/END 标记区域（"Evolver 请勿修改"）
  • AGENTS.md 含 HOT/WARM/COOL/COLD 分层加载规则和 PROFILE-REF/OUTCOME 决策追踪
  • 6 个 cron prompt 含 daily file 写入指令
  • Heartbeat 健康状态恢复（811 bytes，远低于 200KB 阈值）
  • 04-20 至 04-24 缺失 daily files 已补写
  • Gate Check 状态文件从 /tmp 迁移至 memory/.step8_state.json

本地配置：

  • constraints.json（8 硬约束 C1-C8，含 agents_md_inheritance 映射）
  • .write_state.json（系统状态追踪，含心率、灰度、回滚计数）
  • checkpoints.json（三级回滚定义 + 备份配置）
  • backlog_degrade.py（审核积压 >2 周自动降级脚本）

审核系统：

  • 每周六 10:00 CST cron 任务（weekly_review）
  • 积压超 14 天自动降级为 alert_only 模式

3.3 端到端验证

在远程服务器上成功运行了完整的 Step 8 管道：

  1. extract_portrait_signals.py 从 SiYuan DB 提取 3,781 字节的画像信号
  2. write_profile.py 将数据写入 profile.md（43 行 → 117 行）
  3. profile.md 正确包含 3 个 AUTO_START 标记和思考模式标签
  4. 手动编辑保护验证通过，备份机制正常

四、执行框架核心指标

指标 数据
总节点数 20
完成节点 20
失败节点 0
verify-gate 验证次数 20+
首轮通过率 ~65%
DAG 修复后通过率 100%
Agent 自主产出的代码行数 ~2,000+
人类介入次数 编码修复、直接文件创建、远程部署

附录 A：执行经验沉淀

以下经验来自本次 DAG 执行的 lessons_learned.md，由 execution-lead 和 verify-gate 在执行过程中自动追加。

A.1 跨平台编码（影响：高）

发现：Windows 中文环境默认 GBK 编码，所有 open() 调用若未显式指定 encoding='utf-8' 会抛出 UnicodeDecodeError。

影响范围：Track 2 全部 3 个节点、Track 1 的 1.1 节点首次验证均失败。

修正：DAG 中 5 处 verify_cmd 的 open() 调用全部添加 encoding='utf-8' 参数。纯 shell verify_cmd（如 grep）不受此问题影响。

规则：在跨平台（Windows+Linux）环境中，DAG 的 verify_cmd 中所有 open() 必须显式指定编码。

A.2 Agent 超时模式（影响：高）

发现：Box0 agent 默认 300s 超时。涉及 SSH 远程操作和大型代码生成的任务频繁超时，但实际工作常在超时前已完成。

案例：

  • 节点 0.1（修改 cron prompts）：server-ops 超时 2 次，但 grep -c 'daily file' 显示 7 处已修改完成
  • 节点 1.1（extract_portrait_signals.py）：script-dev 超时 2 次，但文件已产出 907 行完整代码
  • 节点 3.2（SKILL.md STEP8 标记）：skill-dev 超时 2 次，但远程文件已含完整标记

修正：对超时节点通过 verify-gate 事后验证，实际工作已完成则直接 mark done。对复杂 SSH 任务建议增加超时或拆分为更小粒度。

A.3 verify_cmd 的纯 shell 优势（影响：中）

发现：纯 shell 的 verify_cmd（grep、test、条件判断）不受 Python GBK 编码问题影响，首轮通过率 100%。Python-based verify_cmd 受编码问题影响，首轮通过率仅 ~50%。

规则：优先使用纯 shell verify_cmd。仅在需要 JSON 解析或复杂逻辑时使用 Python，且必须加 encoding='utf-8'。

A.4 SFTP 文件部署稳定性（影响：中）

发现：ssh_utils.py 的 deploy 函数（通过 paramiko SFTP）在 bash 管道中调用时偶发挂起，但通过 Python 直接调用时稳定可靠。

修正：部署操作改用 Python 脚本直接调用 ssh_utils.cmd_deploy()，避免 bash 管道。

A.5 执行-验证分离的有效性（影响：高）

发现：verify-gate 作为独立验收 agent，在本次执行中发现了 5 次 verify_cmd 失败（编码、文件缺失、远程路径错误），并正确阻止了对应节点的 done 标记。execution-lead 无法绕过 verify-gate。

确认：权力分离设计在真实执行中验证有效。verify-gate 的独立判定是 DAG 可靠性的核心保障。

A.6 远程 Python 路径差异（影响：低）

发现：远程服务器上 python 不在 PATH，需使用 /usr/bin/python3。

修正：所有远程 Python 调用使用完整路径。

A.7 DAG 设计与现实的差异（影响：中）

发现：节点 3.3 的 verify_cmd 假设 Evolver 有独立 SKILL.md，但实际上 Evolver 是 cron 任务而非技能。verify_cmd 修正为检查 siyuan-knowledge-wiki SKILL.md 中的保护标记后通过。

规则：DAG 设计阶段应基于实际环境探测（而非文档假设）设定 verify_cmd。

A.8 Agent 自主产出质量（影响：高）

发现：config-dev 自动增强了初始模板（constraints.json 从 8 约束基础定义扩展为完整的三阶段实施细节；checkpoints.json 从简单结构扩展为 5 个检查点含详细回滚指令）。script-dev 产出了 907 行高质量 Python 代码，含完整 docstring、schema 验证、错误处理。

结论：在给定清晰输入（Track 文件 + 最终方案 v2）的前提下，Box0 agent 能自主产出超出模板预期的增强版本。

附录 B：文件清单

本地（执行计划目录）

docs/关于思源笔记的记忆写入讨论/执行计划/
├── SKILL.md # 执行主编编排指令
├── execution_dag.yaml # 20 节点 DAG 定义
├── progress.json # 最终状态（20/20 done）
├── lessons_learned.md # 经验沉淀（20+ 条记录）
├── tools/ssh_utils.py # SSH 工具模块
├── tracks/ # 7 个 Track 详细任务卡
├── agent_defs/ # 7 个 Agent 指令定义
├── extract_portrait_signals.py
├── write_profile.py
├── append_memory_portrait.py
├── constraints.json
├── .write_state.json
├── checkpoints.json
└── backlog_degrade.py

远程（192.168.31.190）

~/.openclaw/workspace/
├── memory/
│ ├── profile.md # 画像文件（117 行,含 AUTO_START 标记）
│ ├── .write_state.json # 状态追踪
│ ├── .step8_state.json # Gate Check 状态
│ ├── constraints.json
│ ├── checkpoints.json
│ ├── backups/ # 备份目录
│ ├── archive/ # 归档目录
│ └── 2026-04-2[0-4].md # 已补写的 daily files
├── skills/siyuan-knowledge-wiki/
│ └── SKILL.md # 含 STEP8_START/END 标记
└── AGENTS.md # 含分层加载 + PROFILE-REF/OUTCOME

/home/zenthos/siyuan/
├── extract_portrait_signals.py # Step 8a + 8b.5
├── write_profile.py # Step 8c
└── append_memory_portrait.py # Step 8d
  • 执行总结完成。方案讨论 → 辩论收敛 → DAG 编排 → 全自动执行 → 独立验收，全流程闭环。*
子笔记 · 源自 用Deepseek驱动agentic全自动开发两个项目经验总结
← 返回列表