diff --git a/apps/ai-game-creator-shell/src-tauri/src/agent.rs b/apps/ai-game-creator-shell/src-tauri/src/agent.rs index f26cee66e..4ebbd6499 100644 --- a/apps/ai-game-creator-shell/src-tauri/src/agent.rs +++ b/apps/ai-game-creator-shell/src-tauri/src/agent.rs @@ -411,6 +411,9 @@ async fn run_game_creator_agent_background_task( let mut final_reply = None; for loop_index in 0..AGENT_RUNTIME_BACKGROUND_LOOP_LIMIT { + runtime.loop_iteration = (loop_index + 1) as u32; + runtime.max_loop_iterations = AGENT_RUNTIME_BACKGROUND_LOOP_LIMIT as u32; + runtime.tool_action_budget = AGENT_RUNTIME_BACKGROUND_TOOL_ACTION_LIMIT as u32; runtime = match advance_game_creator_agent_runtime_turn_at( &root, runtime, @@ -2157,11 +2160,14 @@ fn format_agent_runtime_status_observation(result: &AgentRuntimeResult) -> Strin .filter(|value| !value.trim().is_empty()) .unwrap_or_else(|| "-".to_string()); format!( - "agentId: {}\nstatus: {}\nphase: {}\nrunId: {}\n当前目标: {}\n当前任务: {}\n当前动作: {}\n等待: {}\n下一步: {}\n计划: {}\n任务队列: {}\n最近任务: {}\n最近工具: {}\n错误: {}", + "agentId: {}\nstatus: {}\nphase: {}\nrunId: {}\n循环轮次: {}/{}\n每轮工具预算: {}\n当前目标: {}\n当前任务: {}\n当前动作: {}\n等待: {}\n下一步: {}\n计划: {}\n任务队列: {}\n最近任务: {}\n最近工具: {}\n错误: {}", state.agent_id, state.status, state.phase, state.run_id, + state.loop_iteration, + state.max_loop_iterations, + state.tool_action_budget, current_goal, current_task, current_action, @@ -2525,6 +2531,9 @@ fn default_game_creator_agent_runtime_state(agent_id: &str, run_id: &str) -> Age current_action: "等待输入".to_string(), waiting_on: "开发者输入".to_string(), next_step: "等待输入".to_string(), + loop_iteration: 0, + max_loop_iterations: AGENT_RUNTIME_BACKGROUND_LOOP_LIMIT as u32, + tool_action_budget: AGENT_RUNTIME_BACKGROUND_TOOL_ACTION_LIMIT as u32, plan: vec![ "读取项目上下文".to_string(), "按角色职责推理".to_string(), @@ -2601,6 +2610,12 @@ fn normalize_game_creator_agent_runtime_state(state: &mut AgentRuntimeState, age if state.next_step.trim().is_empty() { state.next_step = agent_runtime_next_step_for_phase(&state.phase).to_string(); } + if state.max_loop_iterations == 0 { + state.max_loop_iterations = AGENT_RUNTIME_BACKGROUND_LOOP_LIMIT as u32; + } + if state.tool_action_budget == 0 { + state.tool_action_budget = AGENT_RUNTIME_BACKGROUND_TOOL_ACTION_LIMIT as u32; + } if state.plan.is_empty() { state.plan = vec![ "读取项目上下文".to_string(), @@ -3290,6 +3305,12 @@ fn render_agent_runtime_prompt_context(root: &Path, agent_id: &str) -> Result 0 { + lines.push(format!( + "循环轮次：{}/{}；每轮工具预算：{}", + state.loop_iteration, state.max_loop_iterations, state.tool_action_budget + )); + } if runtime.task_queue.total > 0 { lines.push(format!( "任务队列：{}", diff --git a/apps/ai-game-creator-shell/src-tauri/src/main.rs b/apps/ai-game-creator-shell/src-tauri/src/main.rs index 5576bd568..0e5367174 100644 --- a/apps/ai-game-creator-shell/src-tauri/src/main.rs +++ b/apps/ai-game-creator-shell/src-tauri/src/main.rs @@ -162,6 +162,12 @@ struct AgentRuntimeState { #[serde(default)] next_step: String, #[serde(default)] + loop_iteration: u32, + #[serde(default)] + max_loop_iterations: u32, + #[serde(default)] + tool_action_budget: u32, + #[serde(default)] plan: Vec, #[serde(default)] observations: Vec, diff --git a/apps/ai-game-creator-shell/src-tauri/src/tests.rs b/apps/ai-game-creator-shell/src-tauri/src/tests.rs index 71a4c7f0b..3c266a60e 100644 --- a/apps/ai-game-creator-shell/src-tauri/src/tests.rs +++ b/apps/ai-game-creator-shell/src-tauri/src/tests.rs @@ -1142,6 +1142,9 @@ async fn role_agent_legacy_alias_maps_to_canonical_task_runtime_and_route() { .expect("parse runtime wire json"); assert_eq!(runtime_wire["currentGoal"], "排队规划美术资产"); assert_eq!(runtime_wire["waitingOn"], "Agent 输出计划或回复"); + assert_eq!(runtime_wire["loopIteration"], 0); + assert_eq!(runtime_wire["maxLoopIterations"], 3); + assert_eq!(runtime_wire["toolActionBudget"], 3); assert_eq!(runtime_wire["taskQueue"]["total"], 1); assert_eq!(runtime_wire["taskQueue"]["running"], 1); assert_eq!( @@ -1153,6 +1156,9 @@ async fn role_agent_legacy_alias_maps_to_canonical_task_runtime_and_route() { assert_eq!(alias_read.state.agent_id, "art-asset-plan"); assert_eq!(alias_read.state.current_goal, "排队规划美术资产"); assert_eq!(alias_read.state.waiting_on, "Agent 输出计划或回复"); + assert_eq!(alias_read.state.loop_iteration, 0); + assert_eq!(alias_read.state.max_loop_iterations, 3); + assert_eq!(alias_read.state.tool_action_budget, 3); assert_eq!(alias_read.task_queue.total, 1); assert_eq!(alias_read.task_queue.running, 1); assert!(alias_read @@ -1971,6 +1977,7 @@ async fn background_agent_runtime_plan_request_includes_same_agent_continuity_co assert!(second_design_request.contains("# Agent Runtime 连续上下文")); assert!(second_design_request.contains("当前状态：status=running")); assert!(second_design_request.contains("runId=design-continuity-second")); + assert!(second_design_request.contains("循环轮次：1/3；每轮工具预算：3")); assert!(second_design_request.contains( "任务队列：total=2 pending=0 running=1 completed=1 failed=0 latest=design-continuity-second" )); @@ -4185,6 +4192,8 @@ async fn background_agent_runtime_can_read_other_agent_status() { assert!(final_request.contains("agentId: art-director")); assert!(final_request.contains("status: running")); assert!(final_request.contains("phase: action")); + assert!(final_request.contains("循环轮次: 0/3")); + assert!(final_request.contains("每轮工具预算: 3")); assert!(final_request.contains("当前目标: 生成角色规范图")); assert!(final_request.contains("当前任务: 生成角色规范图")); assert!(final_request.contains("当前动作: 正在生成角色规范图")); diff --git a/apps/ai-game-creator-shell/src/App.tsx b/apps/ai-game-creator-shell/src/App.tsx index 612a54d93..1a3c4d70c 100644 --- a/apps/ai-game-creator-shell/src/App.tsx +++ b/apps/ai-game-creator-shell/src/App.tsx @@ -241,6 +241,9 @@ interface AgentRuntimeState { currentAction: string; waitingOn?: string; nextStep?: string; + loopIteration?: number; + maxLoopIterations?: number; + toolActionBudget?: number; plan: string[]; observations: string[]; recentToolCalls?: AgentRuntimeToolCallRecord[]; @@ -537,6 +540,9 @@ function normalizeAgentRuntimeState( waitingOn: state.waitingOn ?? agentRuntimeWaitingOnFromPhase(state.phase), nextStep: state.nextStep ?? agentRuntimeNextStepFromPhase(state.phase), + loopIteration: state.loopIteration ?? previous?.loopIteration ?? 0, + maxLoopIterations: state.maxLoopIterations ?? previous?.maxLoopIterations ?? 3, + toolActionBudget: state.toolActionBudget ?? previous?.toolActionBudget ?? 3, recentToolCalls: state.recentToolCalls ?? previous?.recentToolCalls ?? [], toolPolicy: state.toolPolicy ?? previous?.toolPolicy ?? { allowedTools: state.allowedTools ?? [], @@ -646,6 +652,21 @@ function formatAgentRuntimeTaskQueue( return `任务队列：${parts.join(' · ')}`; } +function formatAgentRuntimeLoopProgress( + runtime: Pick< + AgentRuntimeState, + 'loopIteration' | 'maxLoopIterations' | 'toolActionBudget' + >, +) { + const loopIteration = runtime.loopIteration ?? 0; + if (loopIteration <= 0) { + return null; + } + return `Loop：${loopIteration}/${runtime.maxLoopIterations ?? 3} · 工具预算 ${ + runtime.toolActionBudget ?? 3 + }`; +} + function AgentRuntimeStatusPanel({ runtime, error, @@ -673,6 +694,7 @@ function AgentRuntimeStatusPanel({ const recentTasks = (runtime.recentTasks ?? []).slice(-3).reverse(); const toolPolicy = runtime.toolPolicy; const taskQueueSummary = formatAgentRuntimeTaskQueue(runtime.taskQueue); + const loopProgress = formatAgentRuntimeLoopProgress(runtime); const nextStep = runtime.nextStep ?? agentRuntimeNextStepFromPhase(runtime.phase); const currentGoal = runtime.currentGoal ?? runtime.currentTask; const waitingOn = runtime.waitingOn ?? agentRuntimeWaitingOnFromPhase(runtime.phase); @@ -689,6 +711,7 @@ function AgentRuntimeStatusPanel({ {runtime.currentAction} {waitingOn ? {`等待：${waitingOn}`} : null} {nextStep ? {`下一步：${nextStep}`} : null} + {loopProgress ? {loopProgress} : null} {taskQueueSummary ? {taskQueueSummary} : null} {toolPolicy ? ( @@ -876,6 +899,9 @@ interface AgentStatusCard { runtimeNextStep: string | null; runtimeTask: string | null; runtimeRunId: string | null; + runtimeLoopIteration: number | null; + runtimeMaxLoopIterations: number | null; + runtimeToolActionBudget: number | null; runtimeTaskQueue: AgentRuntimeTaskQueueSummary | null; runtimeRecentTasks: AgentRuntimeTaskRecord[]; } @@ -10197,6 +10223,9 @@ export function deriveAgentStatusCards( : null, runtimeTask: runtime?.currentTask ?? null, runtimeRunId: runtime?.runId ?? null, + runtimeLoopIteration: runtime?.loopIteration ?? null, + runtimeMaxLoopIterations: runtime?.maxLoopIterations ?? null, + runtimeToolActionBudget: runtime?.toolActionBudget ?? null, runtimeTaskQueue: runtime?.taskQueue ?? null, runtimeRecentTasks: runtime?.recentTasks ?? [], }; @@ -10230,6 +10259,9 @@ function sameAgentStatusCard(left: AgentStatusCard, right: AgentStatusCard) { left.runtimeNextStep === right.runtimeNextStep && left.runtimeTask === right.runtimeTask && left.runtimeRunId === right.runtimeRunId && + left.runtimeLoopIteration === right.runtimeLoopIteration && + left.runtimeMaxLoopIterations === right.runtimeMaxLoopIterations && + left.runtimeToolActionBudget === right.runtimeToolActionBudget && sameAgentRuntimeTaskQueue(left.runtimeTaskQueue, right.runtimeTaskQueue) && left.hasRecentEvidence === right.hasRecentEvidence && left.taskGraphState === right.taskGraphState && @@ -11028,8 +11060,15 @@ function formatAgentCardRuntimeStatus(agent: AgentStatusCard) { if (!agent.runtimeStatus) { return null; } + const loopProgress = + agent.runtimeLoopIteration && agent.runtimeLoopIteration > 0 + ? `Loop ${agent.runtimeLoopIteration}/${ + agent.runtimeMaxLoopIterations ?? 3 + }` + : null; return [ `Runtime：${agent.runtimeStatus} / ${agent.runtimePhase ?? '-'}`, + loopProgress, agent.runtimeAction, agent.runtimeWaitingOn ? `等待 ${agent.runtimeWaitingOn}` : null, agent.runtimeNextStep ? `下一步 ${agent.runtimeNextStep}` : null, diff --git a/apps/ai-game-creator-shell/tests/appSurface.test.ts b/apps/ai-game-creator-shell/tests/appSurface.test.ts index 990fe3b83..b4e37acd6 100644 --- a/apps/ai-game-creator-shell/tests/appSurface.test.ts +++ b/apps/ai-game-creator-shell/tests/appSurface.test.ts @@ -515,6 +515,9 @@ describe('AI 游戏创作 App 界面边界', () => { phase: 'planning', currentTask: '补齐主角规范图资产列表', currentAction: '拆解素材规格', + loopIteration: 2, + maxLoopIterations: 3, + toolActionBudget: 3, plan: ['读取项目上下文'], observations: ['已创建本轮 Agent Runtime run。'], allowedTools: ['conversation.read'], @@ -555,6 +558,9 @@ describe('AI 游戏创作 App 界面边界', () => { runtimeAction: '拆解素材规格', runtimeTask: '补齐主角规范图资产列表', runtimeRunId: 'runtime-art-asset-plan-1', + runtimeLoopIteration: 2, + runtimeMaxLoopIterations: 3, + runtimeToolActionBudget: 3, runtimeTaskQueue, runtimeRecentTasks: [runtimeTask], }); @@ -1381,6 +1387,9 @@ describe('AI 游戏创作 App 界面边界', () => { currentGoal: '完成角色规范阶段', currentAction: '调用工具 file.read', waitingOn: '工具观察结果', + loopIteration: 1, + maxLoopIterations: 3, + toolActionBudget: 3, plan: ['读取项目笔记', '结合观察修正建议', '回复开发者'], observations: ['思考摘要：需要先看项目笔记', 'file.read：ok · 已读取 game/notes.txt'], recentToolCalls: [ @@ -1565,6 +1574,7 @@ describe('AI 游戏创作 App 界面边界', () => { expect(screen.getByText('当前目标：完成角色规范阶段')).not.toBeNull(); expect(screen.getByText('调用工具 file.read')).not.toBeNull(); expect(screen.getByText('等待：工具观察结果')).not.toBeNull(); + expect(screen.getByText('Loop：1/3 · 工具预算 3')).not.toBeNull(); expect( screen.getByText( /任务队列：pending 0 · running 1 · completed 0 · failed 0 · total 1 · latest launcher-agent-task-/, @@ -1631,6 +1641,9 @@ describe('AI 游戏创作 App 界面边界', () => { phase: 'planning', currentTask: '正在处理上一条任务', currentAction: '生成 Agent 工具计划', + loopIteration: 1, + maxLoopIterations: 3, + toolActionBudget: 3, plan: ['读取上下文', '回复开发者'], observations: ['上一条任务正在运行。'], taskQueue: { @@ -1759,6 +1772,7 @@ describe('AI 游戏创作 App 界面边界', () => { fireEvent.click(screen.getByRole('button', { name: '后台运行' })); expect(await screen.findByText('正在处理上一条任务')).not.toBeNull(); + expect(screen.getByText('Loop：1/3 · 工具预算 3')).not.toBeNull(); expect( screen.getByText(/已加入后台队列：launcher-agent-task-/), ).not.toBeNull(); @@ -13347,6 +13361,9 @@ describe('AI 游戏创作 App 界面边界', () => { currentGoal: '补齐第一关节奏目标', currentAction: '整理目标和约束', waitingOn: 'Agent 输出计划或回复', + loopIteration: 2, + maxLoopIterations: 3, + toolActionBudget: 3, plan: ['读取项目上下文'], observations: ['已创建本轮 Agent Runtime run。'], taskQueue: { @@ -13414,7 +13431,7 @@ describe('AI 游戏创作 App 界面边界', () => { name: /拆解创作方向/, }); expect(designCard.textContent).toContain( - 'Runtime：running / planning · 整理目标和约束 · 等待 Agent 输出计划或回复 · 下一步 等待 Agent 输出计划或回复 · run runtime-design-director-1', + 'Runtime：running / planning · Loop 2/3 · 整理目标和约束 · 等待 Agent 输出计划或回复 · 下一步 等待 Agent 输出计划或回复 · run runtime-design-director-1', ); expect(designCard.textContent).toContain( '当前目标：补齐第一关节奏目标', diff --git a/docs/project-memory/shared-memory/decision-log.md b/docs/project-memory/shared-memory/decision-log.md index 790e8e760..fecd41897 100644 --- a/docs/project-memory/shared-memory/decision-log.md +++ b/docs/project-memory/shared-memory/decision-log.md @@ -4061,6 +4061,7 @@ - 2026-07-10 调整：Agent Runtime state 新增 `toolPolicy`，从项目权限策略派生工具级 `allowedTools`、`autoTools`、`confirmTools` 和 `deniedTools`。后台 planning prompt 必须带入该快照，让 Agent 在规划阶段知道工具策略；执行阶段仍由 Runtime 白名单和项目权限 gate 决定。`blackboard.write` 继承 `memory.write` 策略，`agent.message` 继承 `conversation.write` 策略，`agent.delegate` 使用独立 `agent.delegate` 策略。 - 2026-07-10 调整：Agent Runtime state 新增 `recentToolCalls`，后台 loop 每次执行白名单工具后记录最近 20 条结构化动作，包含 tool、status、reason、summary、detail 和 updatedAt。状态面板展示最近动作时使用该字段，不解析 observation 文本；写入前继续过滤敏感上下文，不保存原始密钥或任意未过滤输入。 - 2026-07-10 调整：Agent Runtime state 新增 `currentGoal` 和 `waitingOn`。`currentGoal` 固定表达本轮任务目标，`waitingOn` 表达当前等待 LLM、工具观察、开发者输入或失败处理；后台任务生命周期、`agent.run_status` observation、下一轮 planning prompt、开发单 Agent 对话页、项目内 Agent 对话弹窗和主窗口 Agent 状态列表都必须展示同一份目标 / 等待状态。 +- 2026-07-10 调整：Agent Runtime state 新增 `loopIteration / maxLoopIterations / toolActionBudget`。后台 Agent loop 每轮规划前刷新当前轮次、最大轮次和每轮工具动作预算；开发窗口 Runtime 面板、主窗口 Agent 状态列表、`agent.run_status` observation 和下一轮 planning prompt 都展示该进度，字段只做运行观测，不改变 loop 上限或权限 gate。 - 2026-07-10 调整：开发单 Agent 对话页和项目内 Agent 对话弹窗的 Runtime 面板接入 `recentEvents`，展示最近 `thinking_summary / plan / action / observation / response / error` 事件，避免只从当前状态、observation 字符串或最近工具动作里倒推 Agent loop。 - 2026-07-10 调整：Agent Runtime state / result 新增 `taskQueue` 观测摘要，从 `.agent/runtime/tasks/.jsonl` 中每个 `runId` 的最新记录汇总 `total / pending / running / completed / failed / latestRunId`。开发窗口 Runtime 面板、主窗口 Agent 状态列表、`agent.run_status` observation 和下一轮 planning prompt 都使用该字段判断同一 Agent 是否仍有排队任务；它不是新的调度器、SQLite 或跨重启独立 worker。 - 2026-07-10 调整：Agent Runtime V1 后台工具箱新增只读 `task.list`。Agent 可自行读取 `.agent/manifest.json` 的 seed task 状态、依赖、产物交接和按依赖计算的 `readyTaskIds`，用于判断下一步任务；该工具必须受 `task.list` 项目权限策略保护，策略要求确认或拒绝时不得把任务图细节放进 observation。 diff --git a/docs/technical/【技术方案】AI游戏创作智能体App实施计划-2026-06-24.md b/docs/technical/【技术方案】AI游戏创作智能体App实施计划-2026-06-24.md index 6104eda8b..094d02cfe 100644 --- a/docs/technical/【技术方案】AI游戏创作智能体App实施计划-2026-06-24.md +++ b/docs/technical/【技术方案】AI游戏创作智能体App实施计划-2026-06-24.md @@ -36,6 +36,7 @@ Agent Runtime 负责： - 2026-07-10 补充：Agent Runtime state 新增 `toolPolicy`，按当前项目 `.agent/policy.json` 派生工具级 `allowedTools / autoTools / confirmTools / deniedTools` 快照；后台 planning prompt 会带入该快照，让 Agent 在规划时知道哪些工具会自动执行、需要确认或被拒绝。`blackboard.write` 继承 `memory.write` 策略，`agent.message` 继承 `conversation.write` 策略，`agent.delegate` 使用独立 `agent.delegate` 策略；实际执行仍以 Runtime 的白名单和项目权限 gate 为准。 - 2026-07-10 补充：Agent Runtime state 新增 `recentToolCalls`，每次后台工具执行后记录最近 20 条结构化工具动作，包含 tool、status、reason、summary、detail 和 updatedAt；开发窗口、项目内 Agent 对话弹窗和主窗口 Agent 状态列表可直接展示“最近动作”，不再只能从 observation 字符串里猜测 action / observation 对应关系。字段只保存过滤后的摘要和观察细节，不保存原始 API Key 或任意未过滤输入。 - 2026-07-10 补充：Agent Runtime state 新增 `currentGoal` 和 `waitingOn`，把本轮目标与当前等待对象从 `currentTask / currentAction / nextStep` 中显式拆出来；后台任务启动、工具 observation、完成和失败都会刷新该状态，开发窗口、项目内 Agent 对话弹窗、主窗口 Agent 状态列表、`agent.run_status` observation 和下一轮 planning prompt 都展示同一份目标 / 等待信息，避免开发者只能从动作文本里猜 Agent 卡在 LLM、工具、同伴还是人工输入。 +- 2026-07-10 补充：Agent Runtime state 新增 `loopIteration / maxLoopIterations / toolActionBudget`，结构化记录后台 Agent loop 当前轮次、最大轮次和每轮工具动作预算；开发窗口 Runtime 面板、主窗口 Agent 状态列表、`agent.run_status` observation 和下一轮 planning prompt 都展示该进度，帮助判断 Agent 是刚开始规划、正在 replan，还是接近本轮 loop 上限。该字段只做运行观测，不改变后台 loop 的执行上限或工具权限。 - 2026-07-10 补充：`recentEvents` 接入前端归一态和 Runtime 状态面板，事件事实源仍是 `.agent/runtime/events/.jsonl`；面板按时间展示最近 `thinking_summary / plan / action / observation / response / error` 事件，现在能同时看到 Agent 的计划、最近观察、最近事件、最近工具动作和任务队列。 - 2026-07-10 补充：Agent Runtime state / result 新增 `taskQueue`，从 `.agent/runtime/tasks/.jsonl` 中每个 `runId` 的最新记录汇总 `total / pending / running / completed / failed / latestRunId`；开发窗口 Runtime 面板、主窗口 Agent 状态列表、`agent.run_status` observation 和下一轮 planning prompt 都读取该摘要，用于判断同一 Agent 是否仍有排队任务。该字段是运行观测摘要，不新增调度器、SQLite 或独立 worker。 - 2026-07-10 补充：单 Agent 聊天和后台 planning prompt 会读取同一个 Agent 的 Runtime 连续上下文，把本 Agent 最近 status / phase / runId / 当前任务 / 下一步、最近回复、计划、观察、最近 3 条工具动作、最近事件、最近 3 条任务记录和工具策略摘要带入下一轮推理；上下文按规范 taskId 隔离，不读取其他 Agent 的 runtime 文件，并在进入 prompt 前过滤密钥和本机绝对路径。新后台 run 启动时会继承本 Agent 上次 `recentToolCalls` 和 `lastResponse`，让多轮任务不丢失结构化行动证据。 @@ -297,7 +298,7 @@ game-project/ - loop 每次运行会写 `.agent/run.latest.json` 和 `.agent/runs/.json`，记录 `Planner` / `Orchestrator` agenda / 16 个组内角色 brief 或 carry-over / 6 个 `GroupCoordinator` 汇总 / `Generator` / 6 个专业组交接 / `Evaluator` 质量评审 / `ArtifactWriter` / `Playtest` step、每步 `toolCalls`、输入文件、输出文件、状态、轮次、maxPasses、toolCallCount、maxToolCalls、stopReason、nextStep 和错误摘要；Planner、角色 agent 和 Generator 的 `inputPaths` 必须包含对应记忆文件、`.agent/conversations/project.jsonl`、`.agent/conversations/agents/`、`.agent/manifest.json` 和 agenda 等上下文来源，其中角色 agent 必须包含自己的 `memory/agents//.md` 和 `memory/blackboard.md`；conversation 输入只取最近少量 project / agent 对话摘要，不读取全量历史；每个 step 必须带 phase、taskId、group 和 role，`.agent/run.latest.json.taskGraph` 必须记录 goal、readyTaskIds、activeTaskIds、carriedTaskIds、repairFocus、repairRoutes 和当前任务状态；`.agent/run.latest.json.passPlans` 必须按轮记录 mode、summary、activeTaskIds、carriedTaskIds、dependencyWaves、repairFocus 和 repairRoutes，作为 `/trace` 与开发窗口判断编排 loop 是否真实发生的直接证据；`run.latest.json` 是当前指针，`.agent/runs/` 保留历史 run trace；开发窗口读取 latest 展示编排过程，并复用 `file.list/read` 按文件修改时间先载入最近 20 个历史 run，滚动时再按批次读取剩余历史，普通用户窗口不展示。 - `.agent/run.latest.json` 的 `artifacts` 使用结构化记录，包含相对路径、字节数和 `fnv1a64:` checksum；除最终本地产物外，也会收集 `.agent/passes/pass-N/` 快照，便于确认返工前后的产物差异。 - 通过 Evaluator 和 `game.static_smoke` 后，Agent loop 会把本次 runId、状态、轮次、下一步、active / carry-over 任务和最终本地产物摘要追加到 `memory/session.md` 与 `memory/project.md`，把重要跨 agent 决策 / 依赖 / 风险摘要追加到 `memory/blackboard.md`，并把各角色本轮成功产出的角色摘要追加到 `memory/agents//.md`；下一次 Planner、组内角色和 Generator 会通过记忆输入自然读取上一轮稳定原型状态，而不只依赖开发窗口 trace。 -- 单 agent 对话入口读取对应 agent conversation；用户提交后先追加用户消息，再调用 `chat_with_game_creator_role_agent` / `chat_with_game_creator_role_agent_stream` 让对应 `agentLlm.` 结合项目上下文、Agent 私有记忆和本 Agent 历史对话生成回复，随后把回复写入对应 `.agent/conversations/agents/.jsonl`。这里的 `` 以任务 `taskId` 为规范值，Tauri 只兼容旧 `group-role` 别名并映射到 taskId。每轮对话会同步写 `.agent/runtime/agents/.json` 和 `.agent/runtime/events/.jsonl`，字段包含 `agentId`、`taskId`、`sessionId`、`runId`、`source`、`status`、`phase`、`currentTask`、`currentGoal`、`currentAction`、`waitingOn`、`nextStep`、`plan`、`observations`、`recentToolCalls`、`toolPolicy`、`allowedTools`、`lastResponse` 和 `error`；流式事件会把最新 `runtimeState` 回传给界面。Runtime state 写入使用临时文件替换，event JSONL 读取会跳过坏行；`currentTask`、`currentGoal`、event detail、`lastResponse` 和 `agent.db` 摘要复用敏感上下文过滤，不保存明显 API Key / Bearer / Cookie 片段。单 agent 面板可把当前输入手动追加到对应 `memory/agents//.md`，写入前复用 `memory.write` 项目策略和本地项目锁；最近对话可作为本次生成 prompt 上下文读取，但只有经过显式总结、用户显式手动沉淀或生成 loop 成功沉淀的稳定结论，才追加到 `memory/blackboard.md` 或 `memory/agents//.md`。 +- 单 agent 对话入口读取对应 agent conversation；用户提交后先追加用户消息，再调用 `chat_with_game_creator_role_agent` / `chat_with_game_creator_role_agent_stream` 让对应 `agentLlm.` 结合项目上下文、Agent 私有记忆和本 Agent 历史对话生成回复，随后把回复写入对应 `.agent/conversations/agents/.jsonl`。这里的 `` 以任务 `taskId` 为规范值，Tauri 只兼容旧 `group-role` 别名并映射到 taskId。每轮对话会同步写 `.agent/runtime/agents/.json` 和 `.agent/runtime/events/.jsonl`，字段包含 `agentId`、`taskId`、`sessionId`、`runId`、`source`、`status`、`phase`、`currentTask`、`currentGoal`、`currentAction`、`waitingOn`、`nextStep`、`loopIteration`、`maxLoopIterations`、`toolActionBudget`、`plan`、`observations`、`recentToolCalls`、`toolPolicy`、`allowedTools`、`lastResponse` 和 `error`；流式事件会把最新 `runtimeState` 回传给界面。Runtime state 写入使用临时文件替换，event JSONL 读取会跳过坏行；`currentTask`、`currentGoal`、event detail、`lastResponse` 和 `agent.db` 摘要复用敏感上下文过滤，不保存明显 API Key / Bearer / Cookie 片段。单 agent 面板可把当前输入手动追加到对应 `memory/agents//.md`，写入前复用 `memory.write` 项目策略和本地项目锁；最近对话可作为本次生成 prompt 上下文读取，但只有经过显式总结、用户显式手动沉淀或生成 loop 成功沉淀的稳定结论，才追加到 `memory/blackboard.md` 或 `memory/agents//.md`。 - 生成 loop 中的角色 brief 也写同一套 Agent Runtime state / event：active 角色用 `source=generate-draft` 和当前 `runId` 标记正在读取上下文、调用角色专属 LLM 或本地编排、生成 brief、完成或失败；carry-over 角色同样写入开始 / 完成事件，但不会伪装成重新调用 LLM。主窗口 Agent 状态列表、开发单 Agent 聊天页和项目内单 Agent 对话弹窗只读展示当前 Agent 的 runtime 状态、最近 task/run、阶段、当前目标、动作、等待对象、下一步、计划、观测和最近工具动作；这只是 V1 可观测性，不代表已经有独立后台常驻进程或可中断任意上游 LLM 请求。 - `.agent/agent.db` 当前作为最小本地项目索引文件使用 JSONL：初始化写入 `project.init`，每次 `game.generate_draft` 追加目标、标题、本地产物路径、checkpoint 和 diff 摘要，上传 / 登记 / 画板导入资产时追加 `asset.register` 或 `asset.update`；v1 不引入 SQLite 依赖。 - `game.generate_draft`、资产登记 / 导入、记忆写入、预览状态写入、checkpoint / restore、agent 生命周期控制、画板资源回流 / 生成和 policy 写入会先按 `.agent/policy.json` 判断本次命令是否被项目策略拒绝，再拿项目级 `.agent/project.lock` 串行化；锁只保护同一本地项目，v1 不做后台锁管理。`confirmCommands` 可把索引、状态读取、资产登记、checkpoint、预览、agent 生命周期、画板资源回流 / 生成、memory 读写删除和 conversation 读写等命令转成项目策略确认，命中时用户确认后才执行；用户可用 `/policy-confirm 命令` 加入确认列表，用 `/policy-auto 命令` 移除确认项。