廉价模型长任务编排pridesong/orchestration-skill

orchestration-skill

长任务不该贵到必须用前沿模型。本引擎让廉价模型跑出前沿模型的可靠性——把可靠性从模型身上搬进结构里。

核心逻辑：长任务失败不是因为模型在某一步弱，而是不可靠在长链上复利。与其花钱买更强的模型把整条链装进它的上下文，不如把长链拆成廉价模型轻松胜任的小步，让链的可靠性由机械结构承担：

- 状态在磁盘不在上下文 — 每步写 artifacts/.json；断点续跑、零上下文损耗、只重跑失败的那一步
- 每个边界有机械门禁 — validate/check/compare 机械拦截幻觉与格式错误，不依赖模型自觉
- 多次廉价调用 > 一次昂贵调用 — 编排者 + 独立审计 + 动态审计，多脑子补足单次推理弱
- 零引导语派发（T3） — subagent prompt 是 regex 锁定的文件引用（T3FILE:v1 读取  并按内容执行）；散文无法包裹协议，廉价模型没有漂移空间

为什么廉价模型跑得动

| 廉价模型的短板 | 本引擎怎么把它变成优势 |
|---|---|
| 上下文小 | 状态在磁盘；每次派发只带当前这一步的输入 |
| 容易幻觉 | 每个产物过机械门禁（schema/路由合法域/证据原文验证）——不信任模型自检 |
| 长链薄弱 | 每个字段是独立小任务；长链可靠性在 op-table + 审计，不在一次长生成 |
| 重跑成本高 | 断点续跑——第 9 步失败只重跑第 9 步，不重跑整个任务 |
| 散文指令下漂移 | 派发 prompt 被 pattern 锁死；FORBIDDEN 物理封死错路 |

实测证据

一个完整医药供应链任务（PVG→EZE 温控空运，1000kg，$11,500 硬预算）在廉价模型上全链路跑通：11 个字段（报价/海关/天气/航线/成本NPV/仪表板/审计/结论），每个都由锁定的 T3 prompt 派发。

降本回退对照实验展示了结构带来的差距：

| | mind-reason（方案内推导） | mind-crusher（翻墙） |
|---|---|---|
| 总成本 | $15,730 | $12,676 |
| 预算缺口 | $4,230 | $1,176（收窄 72%） |
| 预算内可行运量 | 500kg（50%） | ≈888kg（89%） |

且当回修经由运行时 mind-decider 路由（读审计证据——固定成本墙 vs 单价墙——再选思维）时，精确复现 $12,676：选择是机械可复算的判别决策，不是散文运气。

工作原理

主 agent 浓缩意图 → 编排者 subagent 从模块库挑模块、连线、设路由，产出字段驱动装配表（steps.json + minds.json）→ 机械执行器按字段语义驱动状态机（generate_N 产出推进 / discriminate_N_xxx 判断路由）→ 每字段经 T3 协议派发 → 产物落盘 → 两层审计拦截偏离。

关键机制（详见 Description.md）：
- 模块装配 — 编排者是装配师不是协议设计师；模块自带协议（produce/mind/output_schema/forbidden）
- op-table 由声明展开 — executor 零推导：编排者声明的 next/parallel/routing 展开为排它条件路由表。并行组写同一行 state.csv（多条件 AND）；审计回退走 {to, counter, limit, escalate, mind}
- mind-decider — 复杂回退不静态绑死思维；策略师判别式在运行时读审计证据选重试思维（见实测证据）
- T3 零引导语派发 — 六件套协议（fill/rules/schema/data/write/forbidden）由模块+mind+依赖产物生成；派发 prompt 被 regex 锁死；编排与审计走同一协议
- mind 双轨制 — directive（crusher 类正向路径）vs constraint（FORBIDDEN 类负向守卫）；认知模态配比（role + forbidden_density）匹配每步心理状态；enforce 把 mind 从散文升级为可机械检查的协议
- 两层审计 + 失败回流 — 静态（独立审计装配表）+ 动态（3 次同类失败 → 重新编排）；失败轨迹回流模板
- 零依赖 — 纯 Python 标准库，有 Python 3.7+ 即可运行

快速开始

机械校验装配表（字段命名/模块引用/routing/无环）
python scripts/validate.py examples/demo-task

查看状态机全景
python scripts/executor.py status examples/demo-task

列出可执行字段（前置门禁）
python scripts/executor.py ready examples/demo-task

为某字段生成 T3 派发（协议由模块 + mind 推导）
python scripts/executor.py t3 examples/demo-task generate_01

任务目录在用户项目文件夹下创建（//），绝不在 skill 安装目录下创建。在项目任务目录里运行 scripts/discover.py 扫描本机能力。

工作流程

skill 元状态机（设计收敛）与任务状态机（执行）分离：

1. Stage 0 初始化：在用户项目文件夹建 //{artifacts,feedback,draft}；运行 scripts/discover.py 物化 artifacts/capabilities.json（本机能力清单）；把用户意图浓缩进 data（schema 约束）。
2. Stage A 编排（设计收敛，草稿态）：以 templates/orchestrator.t3.json（填入 data、引用 modules_ref/capabilities）派发编排者 subagent；编排者按 mind-orchestrator（防早期锚定/防路径锁定）产出装配表草稿到 draft/——字段序列（generate_N/discriminate_N_xxx）、模块选择、inputs 连线、判别式 routing。
3. Stage B 审计编排（同上下文多轮循环）：validate.py draft/（机械：字段命名/模块引用/routing 合法性/依赖无环），失败 → send_message 编排者（延续同一会话）修改；再派独立审计 subagent 经 templates/audit.t3.json 按 mind-orchestration-audit（防确认偏误/防谄媚）读 draft/ 产出意见，revise → 意见回流编排者再改。循环直到校验通过 + 审计 pass。多脑子纠错：审计者每次独立上下文。
4. Stage C 物化（进入执行态）：收敛后主 agent 机械复制 draft/ 到任务根（executor.py materialize）——装配表定稿；此后改动回 Stage A。
5. Stage 2 执行：ready 列可执行字段（前置门禁）→ t3 从模块+mind+依赖产物生成 T3 派发 → subagent 零引导语执行 → check 验证推进/路由（generate 验 schema / discriminate 验判断值）。
6. Stage 3 动态审计：3 次同类失败 → needs_reorchestration；判别执行性错误（重试）与编排性错误（回 Stage A）。
7. Stage 4 收尾：compare.py 全量验证；装配表归档到 templates/ 或 examples/。

作为 DeepSeek Harness skill 使用

SKILL.md 遵循 DSH skill 格式（frontmatter + schema 驱动协议）。把 dsh-skill-filesystem 的 customSkillDirs 指向本目录，或复制进你的 skill 根目录。执行脚本经任意带 Python 的 shell 调用。

目录

SKILL.md            # 协议（schema 驱动契约形态，给 LLM 读）
Description.md      # 人类阅读版（理念/架构/工作流）
schemas/            # JSON Schema（steps 装配表 / modules / minds / op-table）
modules/            # 模块库（produce + mind + output_schema + forbidden）
scripts/            # discover.py / validate.py / executor.py / compare.py（纯标准库）
templates/          # 装配模板 + 编排者 T3 + 审计 T3 + mind 参数集
examples/           # demo-task（线性）、bad-example（负例）、eco-analysis（研究）、quant-adaptive（并行组）、dsh-client（判别路由）

任务目录在本仓库之外——在用户项目文件夹下创建 //，绝不在 skill 安装目录下创建。

License

MIT