Autopilot Agent Skill

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）

<prohibited-behaviors>

<behavior id="single-turn-execution">

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。

</behavior>

<behavior id="loop-defer">

"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"。

</behavior>

<behavior id="main-context-execution">

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。

</behavior>

</prohibited-behaviors>

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。

<core-principles>

<principle id="state-file">

<name>State File — agent 会遗忘，文件不会</name>

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。

</principle>

<principle id="maker-checker-split">

<name>Maker-Checker Split — 写代码的不能自己判卷</name>

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。

</principle>

<principle id="objective-gate">

<name>Objective Gate — 每个验证必须有机器可判定的信号</name>

"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。

</principle>

<principle id="hard-stop">

<name>Hard Stop — loop 必须有刹车</name>

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。

</principle>

<principle id="no-ralph-wiggum">

<name>No Ralph Wiggum — 不允许半完成就声称 done</name>

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

</principle>

<principle id="failure-classification">

<name>Failure Classification — 先分类再重试</name>

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。

</principle>

<principle id="adaptive-retry">

<name>Adaptive Retry — 重试必须改变策略</name>

"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。

</principle>

<principle id="evidence-ladder">

<name>Evidence Ladder — 说清楚你的"验证"到底证明了什么</name>

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。

</principle>

<principle id="single-writer">

<name>Single Writer — "只有我在改这个仓库"是必须被证明的假设</name>

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。

</principle>

<principle id="bounded-increment">

<name>Bounded Increment — 每轮只推进一个有界增量</name>

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。

</principle>

</core-principles>

平台适配

autopilot 运行在不同产品上时，使用不同的 loop 命令：

<platform-detection>

<platform id="claude-code">

<loop-command>/loop</loop-command>

<goal-command>/loop + 自定步调目标驱动</goal-command>

<description>

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）。

</description>

</platform>

<platform id="codex">

<loop-command>/goal</loop-command>

<goal-command>/goal [完成条件描述]</goal-command>

<description>

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。

</description>

</platform>

<fallback>

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。

</fallback>

</platform-detection>

工作流程总览

<workflow>

<step id="scope">快速调查，理解任务实际涉及什么（2-5 分钟）</step>

<step id="plan">分类任务 → 拆解为 XML 阶段 → 选 skill → 定 loop 目标 → 初始化 state file</step>

<step id="execute">loop/goal（外层驱动目标）+ agent-mode（内层按阶段派 subagent）→ 全程无人值守</step>

<step id="report">输出收尾总结 + 所有 phase 完成标记</step>

</workflow>

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：

<task-types>

<type id="bug-fix"

signals="fix, broken, 不工作, issue, error, 报错, 修, crash, 挂了">

修复已知缺陷。从现象追到根因，根治而非打补丁。

</type>

<type id="feature"

signals="add, implement, 新增, 做一个, 加上, 支持, spec, 功能">

新增功能或能力。从需求到交付。

</type>

<type id="refactor"

signals="clean up, 重构, simplify, extract, 拆, 整理, 瘦身">

改善代码结构但不改变外部行为。

</type>

<type id="test"

signals="test, coverage, 补测试, E2E, 验证, 测试, 覆盖">

补充测试覆盖或验证已有功能。

</type>

<type id="research"

signals="investigate, why, 调查, 为什么, 怎么回事, 排查, 分析">

理解问题或技术方案。产出是结论/报告而非代码。

</type>

<type id="deploy"

signals="deploy, 发布, 上线, 部署, 推, ship, 发版">

部署代码到环境并验证。

</type>

<type id="quality"

signals="review, 扫一遍, 优化, 质量, 检查, audit, 清理">

对已有代码做质量审查和改进。

</type>

</task-types>

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）</gate>
      <done-when>可验证的完成判定</done-when>
      <on-fail>失败时怎么处理</on-fail>
    </phase>
  </phases>
</execution-plan>

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：

• 先用 find-skills 或直接读 .agents/skills/ 扫描当前项目和全局可用的 skill
• 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
• 项目没有专用 skill 时，退到全局 skill

<skill-matrix>

<mapping phase="调查 / 根因定位" primary="项目 dev skill" fallback="直接调查（读代码 + 日志 + git blame）" />

<mapping phase="外部研究 / 文档" primary="deep-research" also="anysearch, agent-reach" />

<mapping phase="方案规划" primary="直接规划" also="find-skills 按需发现" />

<mapping phase="后端 / 逻辑实现" primary="项目 dev skill" fallback="直接编码（无可用 skill 时）" />

<mapping phase="前端 / UI 实现" primary="项目 dev skill" fallback="直接编码" />

<mapping phase="本地验证" primary="项目 test skill" fallback="直接运行 tsc + test" />

<mapping phase="部署" primary="项目 debug/deploy skill" fallback="gh-cli + 手动推送" />

<mapping phase="E2E 验证" primary="项目 test skill" also="agent-browser" />

<mapping phase="代码审查" primary="项目 review skill" fallback="simplify, code-review" />

<mapping phase="深度审查" primary="code-review (high/max)" also="" />

<mapping phase="Issue 管理" primary="gh-cli" also="" />

</skill-matrix>

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：

<mandatory-phases for="code-change">

<phase-ref>implement — 实现（通过项目 dev skill 或直接编码）</phase-ref>

<phase-ref>local-verify — 本地验证（tsc / lint / test，客观 gate）</phase-ref>

<phase-ref>deploy-1 — 第一轮部署到测试环境（通过项目 deploy skill 或 gh-cli）</phase-ref>

<phase-ref>e2e-1 — 第一轮 E2E 验证（通过项目 test skill + agent-browser，独立 subagent）</phase-ref>

<phase-ref>review — 代码审查（通过项目 review skill 或 simplify + code-review，独立 subagent）</phase-ref>

<phase-ref>deploy-2 — 第二轮部署（review 修改后）</phase-ref>

<phase-ref>e2e-2 — 第二轮 E2E 验证（独立 subagent）</phase-ref>

</mandatory-phases>

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：

<mandatory-phases for="all-autopilot">

<phase-ref>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</phase-ref>

<phase-ref>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</phase-ref>

</mandatory-phases>

这些阶段存在的原因：

<phase-justification id="e2e">

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：

• 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。

• 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。

• 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）。

</phase-justification>

<phase-justification id="review">

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。

</phase-justification>

<phase-justification id="deploy-2-and-e2e-2">

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。

</phase-justification>

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

• 根据任务类型从 references/phase-library.md 加载对应的阶段模板
• 用调查发现（Step 1）填充每个 <phase> 的具体内容
• 补上所有 mandatory-phases（如果模板里没有）
• 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
• 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：

• Measurable end state —— 精确的产品/工单终态
• Proof —— 点名的客观 gate 和要求的证据等级（L2 还是 L3）
• Constraints —— 归属、隐私、分支、成本、环境、发布边界
• Caps —— 迭代数 / 修复回合 / 耗时 / token / 批准的外部花费
• 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：

<loop-start>

<claude-code>

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。

</claude-code>

<codex>

调用 /goal，条件 = Step 2g 定义的 loop-goal。

Codex 的独立 checker model 验证完成条件。

</codex>

</loop-start>

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：

• 读 progress.md 恢复状态
• 确认当前未完成的 phase
• 用 Agent tool 派 subagent 执行当前 phase
• 根据 subagent 结果更新 progress.md
• 如果 loop-goal 未达成，调用 ScheduleWakeup 继续下一轮
• 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

<subagent-rules>

<rule id="self-contained-brief">

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：

• 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。

• 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。

• 输出语言显式指定。不指定时模型会猜，猜错浪费整个 turn。
• 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。

</rule>

<rule id="parallel-dispatch">

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。

</rule>

<rule id="model">

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。

</rule>

<rule id="maker-checker-separation">

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。

</rule>

<rule id="context-hygiene">

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。

</rule>

<rule id="skill-first">

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。

</rule>

<rule id="agent-budget">

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。

</rule>

<rule id="wait-budget">

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。

</rule>

</subagent-rules>

3d. Phase 完成跟踪

每个 phase 完成后必须：

• 输出完成标记：✓ PHASE [id] COMPLETE: [一句话客观证据]
• 更新 progress.md 的对应行
• 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：

<failure-protocol>

<step order="1">

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）

</step>

<step order="2">

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

</step>

<step order="3">

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。

</step>

<step order="4">

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）

</step>

<step order="5">

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

</step>

</failure-protocol>

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：

• 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。
• 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。
• 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。
• 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。

• 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。

• 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：

• 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。

• 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。

• 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。

• 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）

• 每个计划内 phase 已完成或有理由充分的 N/A；
• 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）；
• 每个交付 SHA 都是目标远端分支的 ancestor，且被 Delivery Ledger 归因；
• 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；

• 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；
• 改了 skill 就跑结构校验；
• 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：

<report-template>

<item>执行路线（阶段 → 所选 skill → 结果）</item>

<item>Loop 目标 + 达成状态</item>

<item>改动文件列表（含跨仓库）</item>

<item>部署 / 验证结论（如适用）</item>

<item>Commit hash</item>

<item>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）</item>

<item>所有 phase 的 ✓ 完成标记清单</item>

<item>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</item>

<item>iterations 次数 + 失败回溯记录</item>

<item>未完成项 + 原因（如有）</item>

</report-template>