补齐Agent Runtime工具策略快照

Runtime state 新增 toolPolicy，派生工具级 auto、confirm 和 deny 策略。

后台规划 prompt 注入当前工具策略，Agent 可在决策前感知权限边界。

状态面板展示工具策略摘要，补充策略映射和 prompt 注入测试。

apps/ai-game-creator-shell/src-tauri/src/agent.rs

@@ -214,6 +214,7 @@ pub(crate) fn read_game_creator_agent_runtime_at(
         }
     };
     normalize_game_creator_agent_runtime_state(&mut state, &agent_id);
+    let _ = refresh_game_creator_agent_runtime_tool_policy(root, &mut state);
     let recent_events = read_recent_game_creator_agent_runtime_events(&event_path)?;
     let recent_tasks = read_recent_game_creator_agent_runtime_tasks(&task_path)?;
     Ok(AgentRuntimeResult {
@@ -828,8 +829,11 @@ fn build_game_creator_agent_background_tool_plan_request(
         serde_json::to_string_pretty(observations)
             .map_err(|error| format!("序列化 Agent 工具观察失败：{error}"))?
     };
+    let tool_policy = agent_runtime_tool_policy_snapshot_at(root)?;
+    let tool_policy_json = serde_json::to_string_pretty(&tool_policy)
+        .map_err(|error| format!("序列化 Agent 工具策略失败：{error}"))?;
     let prompt = format!(
-        "项目上下文如下。你正在执行后台 Agent loop 第 {loop_index} 轮。请基于目标、已有工具观察和当前上下文修正计划，再决定是否调用最多 {AGENT_RUNTIME_BACKGROUND_TOOL_ACTION_LIMIT} 个白名单工具。只输出 JSON 对象，不要 markdown。\n\n{context}\n\n后台任务：\n{task}\n\n已有工具观察：\n{observations_json}\n\nJSON schema：{{\"thinkingSummary\":\"一句话理解\",\"plan\":[\"步骤\"],\"actions\":[{{\"tool\":\"memory.read|memory.write|conversation.read|asset.list|project.index|file.read|file.write|task.list|task.update|command.run_limited|preview.start|canvas.asset_generate|blackboard.write|agent.message\",\"reason\":\"为什么需要\",\"input\":{{}}}}],\"response\":\"如果无需继续调用工具，可直接给最终回复\"}}\n\n工具输入约定：memory.read 使用 {{\"scope\":\"session|project|blackboard|agent\"}}；memory.write 使用 {{\"scope\":\"agent|project|session|blackboard\",\"title\":\"标题\",\"content\":\"要沉淀的稳定结论\",\"mode\":\"append|overwrite\"}}；file.read 使用 {{\"path\":\"项目内相对路径\"}}；file.write 使用 {{\"path\":\"项目内相对路径\",\"content\":\"文件内容\"}}；task.list input 可为空，用于读取 manifest 任务图、状态和 readyTaskIds；task.update 使用 {{\"taskId\":\"manifest taskId\",\"status\":\"pending|running|waiting-for-confirmation|completed|failed\"}}；command.run_limited 使用 {{\"commandId\":\"game.static_smoke\"}}，只支持本地静态自检；preview.start input 可为空，用于启动当前项目的 127.0.0.1 本地 HTTP 预览；canvas.asset_generate 使用 {{\"prompt\":\"要生成的美术素材描述\"}}，通过配置的 External Editor API 生成首版素材并登记到 assets；blackboard.write 使用 {{\"title\":\"标题\",\"content\":\"要共享给所有 Agent 的稳定结论\"}}；agent.message 使用 {{\"agentId\":\"目标 taskId\",\"content\":\"给目标 Agent 的定向消息\"}}；如果已有观察足够，请返回空 actions 并填写 response。其他工具 input 可为空。"
+        "当前工具策略：\n{tool_policy_json}\n\n项目上下文如下。你正在执行后台 Agent loop 第 {loop_index} 轮。请基于目标、已有工具观察和当前上下文修正计划，再决定是否调用最多 {AGENT_RUNTIME_BACKGROUND_TOOL_ACTION_LIMIT} 个白名单工具。只输出 JSON 对象，不要 markdown。\n\n{context}\n\n后台任务：\n{task}\n\n已有工具观察：\n{observations_json}\n\nJSON schema：{{\"thinkingSummary\":\"一句话理解\",\"plan\":[\"步骤\"],\"actions\":[{{\"tool\":\"memory.read|memory.write|conversation.read|asset.list|project.index|file.read|file.write|task.list|task.update|command.run_limited|preview.start|canvas.asset_generate|blackboard.write|agent.message\",\"reason\":\"为什么需要\",\"input\":{{}}}}],\"response\":\"如果无需继续调用工具，可直接给最终回复\"}}\n\n工具输入约定：memory.read 使用 {{\"scope\":\"session|project|blackboard|agent\"}}；memory.write 使用 {{\"scope\":\"agent|project|session|blackboard\",\"title\":\"标题\",\"content\":\"要沉淀的稳定结论\",\"mode\":\"append|overwrite\"}}；file.read 使用 {{\"path\":\"项目内相对路径\"}}；file.write 使用 {{\"path\":\"项目内相对路径\",\"content\":\"文件内容\"}}；task.list input 可为空，用于读取 manifest 任务图、状态和 readyTaskIds；task.update 使用 {{\"taskId\":\"manifest taskId\",\"status\":\"pending|running|waiting-for-confirmation|completed|failed\"}}；command.run_limited 使用 {{\"commandId\":\"game.static_smoke\"}}，只支持本地静态自检；preview.start input 可为空，用于启动当前项目的 127.0.0.1 本地 HTTP 预览；canvas.asset_generate 使用 {{\"prompt\":\"要生成的美术素材描述\"}}，通过配置的 External Editor API 生成首版素材并登记到 assets；blackboard.write 使用 {{\"title\":\"标题\",\"content\":\"要共享给所有 Agent 的稳定结论\"}}；agent.message 使用 {{\"agentId\":\"目标 taskId\",\"content\":\"给目标 Agent 的定向消息\"}}；如果已有观察足够，请返回空 actions 并填写 response。其他工具 input 可为空。"
     );
     let request = LlmRunRequest::new(vec![
         LlmMessage::system(game_creator_agent_runtime_tool_plan_system_prompt()),
@@ -969,6 +973,74 @@ fn game_creator_agent_runtime_tool_command_id(tool: &str) -> Option<&'static str
     }
 }
 
+fn agent_runtime_executable_tools() -> Vec<&'static str> {
+    vec![
+        "memory.read",
+        "memory.write",
+        "conversation.read",
+        "asset.list",
+        "project.index",
+        "file.read",
+        "file.write",
+        "task.list",
+        "task.update",
+        "command.run_limited",
+        "preview.start",
+        "canvas.asset_generate",
+        "blackboard.write",
+        "agent.message",
+    ]
+}
+
+fn agent_runtime_tool_policy_snapshot_at(
+    root: &Path,
+) -> Result<AgentRuntimeToolPolicySnapshot, String> {
+    let view = read_project_permission_policy_at(root)?;
+    let mut auto_tools = Vec::new();
+    let mut confirm_tools = Vec::new();
+    let mut denied_tools = Vec::new();
+    for tool in agent_runtime_executable_tools() {
+        let Some(command_id) = game_creator_agent_runtime_tool_command_id(tool) else {
+            continue;
+        };
+        if view
+            .policy
+            .denied_commands
+            .iter()
+            .any(|command| command == command_id)
+        {
+            denied_tools.push(tool.to_string());
+        } else if view
+            .policy
+            .confirm_commands
+            .iter()
+            .any(|command| command == command_id)
+        {
+            confirm_tools.push(tool.to_string());
+        } else {
+            auto_tools.push(tool.to_string());
+        }
+    }
+    Ok(AgentRuntimeToolPolicySnapshot {
+        allowed_tools: agent_runtime_executable_tools()
+            .into_iter()
+            .map(str::to_string)
+            .collect(),
+        auto_tools,
+        confirm_tools,
+        denied_tools,
+        updated_at: unix_timestamp(),
+    })
+}
+
+fn refresh_game_creator_agent_runtime_tool_policy(
+    root: &Path,
+    state: &mut AgentRuntimeState,
+) -> Result<(), String> {
+    state.tool_policy = agent_runtime_tool_policy_snapshot_at(root)?;
+    Ok(())
+}
+
 fn game_creator_agent_runtime_tool_policy_block(root: &Path, command_id: &str) -> Option<String> {
     let view = match read_project_permission_policy_at(root) {
         Ok(view) => view,
@@ -1831,6 +1903,7 @@ pub(crate) fn start_game_creator_agent_runtime_task_at(
     state.next_step = "等待 Agent 输出计划或回复".to_string();
     state.plan = plan;
     state.observations = vec!["已创建本轮 Agent Runtime run。".to_string()];
+    refresh_game_creator_agent_runtime_tool_policy(root, &mut state)?;
     state.updated_at = unix_timestamp();
     write_game_creator_agent_runtime_state(root, &state)?;
     append_game_creator_agent_runtime_task(root, &state)?;
@@ -1873,6 +1946,7 @@ pub(crate) fn advance_game_creator_agent_runtime_turn_at(
     if !observation.trim().is_empty() {
         state.observations.push(observation.trim().to_string());
     }
+    refresh_game_creator_agent_runtime_tool_policy(root, &mut state)?;
     state.updated_at = unix_timestamp();
     write_game_creator_agent_runtime_state(root, &state)?;
     append_game_creator_agent_runtime_task(root, &state)?;
@@ -1902,6 +1976,7 @@ pub(crate) fn finish_game_creator_agent_runtime_turn_at(
     state
         .observations
         .push("Agent 已完成回复，assistant 消息等待或已经由前端落盘。".to_string());
+    refresh_game_creator_agent_runtime_tool_policy(root, &mut state)?;
     state.updated_at = unix_timestamp();
     write_game_creator_agent_runtime_state(root, &state)?;
     append_game_creator_agent_runtime_task(root, &state)?;
@@ -1939,6 +2014,7 @@ pub(crate) fn fail_game_creator_agent_runtime_turn_at(
     state.current_action = "等待开发者处理失败".to_string();
     state.next_step = "等待开发者处理失败".to_string();
     state.error = Some(sanitize_agent_runtime_text(error, 500));
+    let _ = refresh_game_creator_agent_runtime_tool_policy(root, &mut state);
     state.updated_at = unix_timestamp();
     write_game_creator_agent_runtime_state(root, &state)?;
     append_game_creator_agent_runtime_task(root, &state)?;
@@ -2016,6 +2092,7 @@ fn default_game_creator_agent_runtime_state(agent_id: &str, run_id: &str) -> Age
         observations: Vec::new(),
         recent_tool_calls: Vec::new(),
         allowed_tools: default_game_creator_agent_runtime_allowed_tools(),
+        tool_policy: AgentRuntimeToolPolicySnapshot::default(),
         last_response: None,
         error: None,
         updated_at: unix_timestamp(),
@@ -2092,6 +2169,12 @@ fn normalize_game_creator_agent_runtime_state(state: &mut AgentRuntimeState, age
     if state.updated_at == 0 {
         state.updated_at = unix_timestamp();
     }
+    if state.tool_policy.allowed_tools.is_empty() {
+        state.tool_policy.allowed_tools = agent_runtime_executable_tools()
+            .into_iter()
+            .map(str::to_string)
+            .collect();
+    }
     if state.recent_tool_calls.len() > AGENT_RUNTIME_RECENT_TOOL_CALL_LIMIT {
         let keep_from = state
             .recent_tool_calls

apps/ai-game-creator-shell/src-tauri/src/main.rs

@@ -166,6 +166,8 @@ struct AgentRuntimeState {
     #[serde(default)]
     allowed_tools: Vec<String>,
     #[serde(default)]
+    tool_policy: AgentRuntimeToolPolicySnapshot,
+    #[serde(default)]
     last_response: Option<String>,
     #[serde(default)]
     error: Option<String>,
@@ -173,6 +175,33 @@ struct AgentRuntimeState {
     updated_at: u64,
 }
 
+#[derive(Clone, Debug, Deserialize, Eq, PartialEq, Serialize)]
+#[serde(rename_all = "camelCase")]
+struct AgentRuntimeToolPolicySnapshot {
+    #[serde(default)]
+    allowed_tools: Vec<String>,
+    #[serde(default)]
+    auto_tools: Vec<String>,
+    #[serde(default)]
+    confirm_tools: Vec<String>,
+    #[serde(default)]
+    denied_tools: Vec<String>,
+    #[serde(default)]
+    updated_at: u64,
+}
+
+impl Default for AgentRuntimeToolPolicySnapshot {
+    fn default() -> Self {
+        Self {
+            allowed_tools: Vec::new(),
+            auto_tools: Vec::new(),
+            confirm_tools: Vec::new(),
+            denied_tools: Vec::new(),
+            updated_at: 0,
+        }
+    }
+}
+
 #[derive(Clone, Debug, Deserialize, Eq, PartialEq, Serialize)]
 #[serde(rename_all = "camelCase")]
 struct AgentRuntimeToolCallRecord {

apps/ai-game-creator-shell/src-tauri/src/tests.rs

@@ -1326,6 +1326,66 @@ async fn chat_with_game_creator_role_agent_stream_emits_deltas() {
     fs::remove_dir_all(root).ok();
 }
 
+#[test]
+fn agent_runtime_tool_policy_snapshot_reflects_project_policy() {
+    let root = unique_project_path();
+    init_local_game_project_at(&root, "project-1", "月光厨房").expect("project init");
+    write_project_permission_policy_at(
+        &root,
+        ProjectPermissionPolicy {
+            denied_commands: vec!["file.write".to_string()],
+            confirm_commands: vec!["memory.write".to_string(), "task.update".to_string()],
+        },
+    )
+    .expect("write policy");
+
+    let runtime = start_game_creator_agent_runtime_task_at(
+        &root,
+        "design-director",
+        "检查工具策略",
+        "policy-snapshot-run",
+        "agent-chat",
+        "读取工具策略",
+        vec!["核对工具策略".to_string()],
+    )
+    .expect("start runtime");
+
+    assert!(runtime
+        .tool_policy
+        .allowed_tools
+        .contains(&"task.list".to_string()));
+    assert!(runtime
+        .tool_policy
+        .auto_tools
+        .contains(&"task.list".to_string()));
+    assert!(runtime
+        .tool_policy
+        .confirm_tools
+        .contains(&"memory.write".to_string()));
+    assert!(runtime
+        .tool_policy
+        .confirm_tools
+        .contains(&"blackboard.write".to_string()));
+    assert!(runtime
+        .tool_policy
+        .confirm_tools
+        .contains(&"task.update".to_string()));
+    assert!(runtime
+        .tool_policy
+        .denied_tools
+        .contains(&"file.write".to_string()));
+
+    let read_back =
+        read_game_creator_agent_runtime_at(&root, "design-director").expect("read runtime");
+    assert!(read_back
+        .state
+        .tool_policy
+        .denied_tools
+        .contains(&"file.write".to_string()));
+
+    fs::remove_dir_all(root).ok();
+}
+
 #[tokio::test]
 async fn role_agent_runtime_turn_persists_session_events_and_index() {
     let root = unique_project_path();
@@ -1363,6 +1423,23 @@ async fn role_agent_runtime_turn_persists_session_events_and_index() {
     assert!(runtime
         .allowed_tools
         .contains(&"conversation.read".to_string()));
+    assert!(runtime
+        .tool_policy
+        .allowed_tools
+        .contains(&"task.list".to_string()));
+    assert!(runtime
+        .tool_policy
+        .auto_tools
+        .contains(&"memory.read".to_string()));
+    assert!(runtime
+        .tool_policy
+        .confirm_tools
+        .contains(&"task.update".to_string()));
+    assert!(runtime
+        .tool_policy
+        .confirm_tools
+        .contains(&"blackboard.write".to_string()));
+    assert!(runtime.tool_policy.denied_tools.is_empty());
     let result =
         read_game_creator_agent_runtime_at(&root, "art-director").expect("read runtime state");
     assert!(result
@@ -1500,6 +1577,9 @@ async fn background_agent_runtime_task_executes_plan_tool_observation_loop() {
     let plan_request = receiver
         .recv_timeout(Duration::from_secs(2))
         .expect("plan llm request");
+    assert!(plan_request.contains("当前工具策略"));
+    assert!(plan_request.contains("confirmTools"));
+    assert!(plan_request.contains("task.update"));
     assert!(plan_request.contains("只输出 JSON 对象"));
     assert!(plan_request.contains("后台分析当前玩法循环"));
     let final_request = receiver

apps/ai-game-creator-shell/src/App.tsx

@@ -243,12 +243,21 @@ interface AgentRuntimeState {
   observations: string[];
   recentToolCalls?: AgentRuntimeToolCallRecord[];
   allowedTools: string[];
+  toolPolicy?: AgentRuntimeToolPolicySnapshot;
   lastResponse: string | null;
   error: string | null;
   updatedAt: number;
   recentTasks?: AgentRuntimeTaskRecord[];
 }
 
+interface AgentRuntimeToolPolicySnapshot {
+  allowedTools: string[];
+  autoTools: string[];
+  confirmTools: string[];
+  deniedTools: string[];
+  updatedAt: number;
+}
+
 interface AgentRuntimeToolCallRecord {
   tool: string;
   status: string;
@@ -511,6 +520,13 @@ function agentRuntimeStateFromResult(
     nextStep:
       result.state.nextStep ?? agentRuntimeNextStepFromPhase(result.state.phase),
     recentToolCalls: result.state.recentToolCalls ?? [],
+    toolPolicy: result.state.toolPolicy ?? {
+      allowedTools: result.state.allowedTools ?? [],
+      autoTools: [],
+      confirmTools: [],
+      deniedTools: [],
+      updatedAt: 0,
+    },
     recentTasks: result.recentTasks ?? result.state.recentTasks ?? [],
   };
 }
@@ -566,6 +582,7 @@ function AgentRuntimeStatusPanel({
   const observations = runtime.observations.slice(-2);
   const recentToolCalls = (runtime.recentToolCalls ?? []).slice(-3).reverse();
   const recentTasks = (runtime.recentTasks ?? []).slice(-3).reverse();
+  const toolPolicy = runtime.toolPolicy;
   const nextStep = runtime.nextStep ?? agentRuntimeNextStepFromPhase(runtime.phase);
   return (
     <section className="agent-runtime-status" aria-label="Agent Runtime 状态">
@@ -578,6 +595,17 @@ function AgentRuntimeStatusPanel({
       {runtime.currentTask ? <p>{runtime.currentTask}</p> : null}
       <small>{runtime.currentAction}</small>
       {nextStep ? <small>{`下一步：${nextStep}`}</small> : null}
+      {toolPolicy ? (
+        <small>
+          {`工具策略：auto ${toolPolicy.autoTools.length} · confirm ${toolPolicy.confirmTools.length} · deny ${toolPolicy.deniedTools.length}`}
+          {toolPolicy.deniedTools.length > 0
+            ? ` · deny: ${toolPolicy.deniedTools.slice(0, 3).join(', ')}`
+            : ''}
+          {toolPolicy.confirmTools.length > 0
+            ? ` · confirm: ${toolPolicy.confirmTools.slice(0, 3).join(', ')}`
+            : ''}
+        </small>
+      ) : null}
       {planItems.length > 0 ? (
         <ol>
           {planItems.map((item, index) => (

docs/project-memory/shared-memory/decision-log.md

@@ -4053,6 +4053,7 @@
 - 2026-07-01 调整：AI 游戏创作 App 在 `memory/session.md` 与 `memory/project.md` 之外新增项目级黑板 `memory/blackboard.md`，只记录重要跨 agent 决策、依赖和风险摘要；每个角色 agent 拥有私有记忆 `memory/agents/<group>/<role>.md`。角色 brief 必须读取自己的私有记忆和项目黑板；`game.generate_draft` 通过 Evaluator 与 `game.static_smoke` 后，追加项目黑板摘要和各角色成功产出摘要，不得覆盖既有记忆。失败 run 仍只保留 trace 和 pass 快照，不写最终记忆摘要。
 - 2026-07-06 调整：AI 游戏创作 App 主聊天普通文本改为进入主聊天 Agent，而不是直接排队 `game.generate_draft`；主聊天 Agent 读取短期记忆、长期记忆、项目黑板、最近项目对话和本地资产摘要作为背景，支持 `agentLlm.chat` 单独 provider 配置，但只做自然语言交互、澄清和 slash 命令建议，不写项目、不运行工具、不伪装生成结果。显式 `/generate <创作想法>` 或 `/draft <创作想法>` 才进入 `game.generate_draft` 待确认流。
 - 2026-07-09 调整：AI 游戏创作 App 新增 Agent Runtime V1 最小可观测状态。单 Agent 对话和生成 loop 中的角色 brief 必须写 `.agent/runtime/agents/<agentId>.json` 与 `.agent/runtime/events/<agentId>.jsonl`，记录 `agentId`、`taskId`、`sessionId`、`runId`、`source`、`status`、`phase`、当前任务 / 动作、计划、观测、允许工具、最近回复和错误；单 Agent 流式聊天事件要回传最新 `runtimeState`，开发单 Agent 聊天页和项目内单 Agent 对话弹窗只读展示该状态，读取失败必须可见提示，不得静默伪装为空状态。`source=agent-chat` 表示开发者单 Agent 对话，`source=generate-draft` 表示生成 loop 角色 brief；carry-over brief 只记录继承和完成，不伪装成重新调用 LLM。Runtime state 写入使用临时文件替换，event JSONL 读取跳过坏行，用户 prompt / 回复摘要进入 runtime 与 `agent.db` 前复用敏感上下文过滤；`.agent/runtime/` 是运行观测状态，不进入项目索引、checkpoint diff 或 restore 删除范围。该层仍是本地 JSONL 状态与事件，不引入 SQLite、常驻独立进程、远程 runner 或可中断上游 LLM 的承诺。
+- 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。
 - 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 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。
 - 2026-07-10 调整：Agent Runtime V1 后台工具箱新增受策略保护的 `task.update`。Agent 只能把 `.agent/manifest.json` 中已有 seed task 的状态更新为 `pending`、`running`、`waiting-for-confirmation`、`completed` 或 `failed`，Runtime 必须复用项目写锁、`task.update` 权限策略和 `.agent/agent.db` 审计记录；策略要求确认或拒绝时不得修改 manifest，不得创建新任务。

docs/technical/【技术方案】AI游戏创作智能体App实施计划-2026-06-24.md

@@ -33,6 +33,7 @@ Agent Runtime 负责：
 - 命令能力：内置命令调用、权限 gate、执行日志；v1 只允许白名单受限命令，不执行任意 shell。
 - 编排能力：任务拆分、任务图依赖、专业组调度、多智能体协作；Runtime V1 会为单 Agent 对话和生成 loop 中的角色 brief 写入独立 runtime state / event，先解决“每个 Agent 正在做什么、跑到哪一步、最近一次 task/run 是什么”的可观测性。
 - 后台任务能力：开发窗口单 Agent 聊天和项目内 Agent 对话弹窗可把当前输入投递为单 Agent 后台任务，Tauri 命令 `start_game_creator_agent_runtime_task` 会立即写入该 Agent 的 `.agent/runtime/agents/<agentId>.json`、`.agent/runtime/events/<agentId>.jsonl`、`.agent/runtime/tasks/<agentId>.jsonl` 和 `.agent/conversations/agents/<agentId>.jsonl`，随后在 App 进程内启动 tokio task 执行最小 Agent loop：每轮让该 Agent 输出 `thinkingSummary / plan / actions / response`，Runtime 按白名单和项目权限策略执行工具动作，写入 `action / observation` 事件，再把 observation 放入下一轮 prompt 让 Agent 修正计划、继续行动或用空 actions + response 收束；后台任务最多执行 3 轮 loop，仍未收束时再按最后计划和全部观察生成最终回复并追加回对话。工具箱包含只读工具 `memory.read`、`conversation.read`、`asset.list`、`project.index`、`file.read`，以及受策略保护的写/运行工具 `memory.write`、`file.write`、`command.run_limited`、`blackboard.write` 和 `agent.message`；`memory.write` 可追加或覆盖本 Agent 私有记忆、项目长期/短期记忆或黑板，`file.write` 只能写项目内相对路径并记录审计，`command.run_limited` 只接受 `game.static_smoke` 并复用本地静态自检安全边界，`blackboard.write` 追加 `memory/blackboard.md`，`agent.message` 给目标 `.agent/conversations/agents/<agentId>.jsonl` 写入 tool 留言，策略要求确认或拒绝时不执行写入或运行，只把策略结果作为 observation 回给 Agent。`read_game_creator_agent_runtime` 会按 `runId` 去重返回最近任务，`read_game_creator_agent_runtimes` 批量读取所有规范 taskId 的 runtime；开发窗口、项目内 Agent 对话弹窗和主窗口 Agent 状态列表展示最近任务、当前任务、当前动作、下一步和运行阶段。不同 Agent 使用各自 runtime 锁，可以并行运行；同一 Agent 已有运行任务时，新任务会先写成 `pending / queued`，由当前后台 drain 在完成后串行继续执行。该能力仍属于 Runtime V1 的进程内任务，不是独立 OS 进程或跨重启离线常驻 worker。
+- 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；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：后台任务工具箱已加入 `preview.start`。Agent 可在 loop 中自行请求启动当前项目的本地 HTTP 预览；Runtime 会复用 `preview.start` 策略、项目写锁、共享 `PreviewRegistry`、manifest 预览状态、`.agent/logs/preview.log` 和 run trace 追加逻辑，并把 `agent.runtime.preview.start` 写入 `.agent/agent.db`。该 observation 只向 LLM 返回 localhost URL 与端口，不返回用户项目绝对路径。
 - 2026-07-10 补充：后台任务工具箱已加入 `canvas.asset_generate`。Agent 可在 loop 中自行给出素材 prompt，通过 AppData / Tauri 配置里的 `editorApi` 调用 External Editor API 生成首版美术素材、下载到 `assets/canvas-generated/` 并登记 manifest；Runtime 复用 `canvas.asset_generate` 策略和项目写锁，并写入 `agent.runtime.canvas.asset_generate` 审计记录。API Key 不进入 observation、manifest、agent.db 或日志；策略要求确认或拒绝时不会调用外部 API。
@@ -257,7 +258,7 @@ game-project/
 - Tauri Rust 入口保持薄壳：`src-tauri/src/main.rs` 只保留共享类型 / 常量、模块声明、CLI preflight、`tauri::Builder`、运行时配置初始化和 `invoke_handler` 清单；命令行入口放在 `cli.rs`，Tauri command 包装放在 `commands.rs`，运行时配置与 LLM 配置检查放在 `config.rs`，Agent loop 与生成编排放在 `agent.rs`，上传 / 画板 / 平台美术生成接入放在 `assets.rs`，本地项目文件、记忆、对话、权限、checkpoint、manifest 和通用路径工具放在 `project.rs`，本地 HTTP 预览与 preview 命令放在 `preview.rs`，旧窗口兼容命令放在 `windows.rs`，Rust 单测放在 `tests.rs`。后续继续拆分时保持 Tauri command 名、JSON 字段、`.agent/*` 路径和错误语义不变。
 - 本地项目初始化会创建 `game/`、`assets/`、`memory/`、`memory/agents/`、`exports/`、`.agent/logs/`，写入 `.agent/manifest.json`，生成 append-only JSONL 本地项目索引 `.agent/agent.db`，并生成默认 `game/index.html`。
 - v1 conversation 记录使用 append-only JSONL，每行带 `schemaVersion`、`role`、`content`、`agentId` 和 `updatedAt`，作为聊天历史和单 agent 对话历史的事实源；目录在首次写入时创建。
-- 开发窗口和项目内 Agent 对话弹窗的“后台运行”只启动或排队单 Agent 后台任务，不阻塞等待回复；用户可刷新同一 Agent 对话或 runtime 状态查看进度和结果。后台任务会向 `.agent/runtime/tasks/<agentId>.jsonl` 追加任务视角记录，任务状态使用 `pending / running / completed / failed`，读取时按 `runId` 去重返回最近任务；runtime state 自身仍可在完成后显示 `idle / completed`，二者语义分开。同一 Agent 的 pending 任务由持有 `.agent/runtime/locks/<agentId>.lock` 的后台 drain 串行执行，避免同一 Agent 并发抢上下文；不同 Agent 仍可并行。后台任务的核心 loop 最多 3 轮：每轮把已有 observation 带回 LLM 让 Agent 重新规划，只有 actions 为空且 response 非空时提前收束，否则继续执行白名单工具，跑满后再进入最终回复整理。后台任务完成后会把 assistant 回复追加到对应 `.agent/conversations/agents/<agentId>.jsonl`，并向 `.agent/agent.db` 写入 `agent.runtime.background_task.queued` / `agent.runtime.background_task` / `agent.runtime.tool_observation` / `agent.runtime.memory.write` / `agent.runtime.file.write` / `agent.runtime.command.run_limited` / `agent.runtime.blackboard.write` / `agent.runtime.agent.message` / `agent.runtime.background_task.completed` / `agent.runtime.background_task.failed` 审计记录。当前工具箱开放只读工具 `memory.read`、`conversation.read`、`asset.list`、`project.index`、`file.read`，以及受策略保护的写/运行工具 `memory.write`、`file.write`、`command.run_limited`、`blackboard.write` 和 `agent.message`；若项目策略要求确认或拒绝，对应工具不会执行，Runtime 会把策略结果作为 observation 回给 Agent。`recentToolCalls` 保存最近 20 条结构化工具动作，供状态面板展示最近动作；`.agent/agent.db` 追加写入按整行 JSONL 写入，减少多个 Agent 同时完成时的行交错风险。
+- 开发窗口和项目内 Agent 对话弹窗的“后台运行”只启动或排队单 Agent 后台任务，不阻塞等待回复；用户可刷新同一 Agent 对话或 runtime 状态查看进度和结果。后台任务会向 `.agent/runtime/tasks/<agentId>.jsonl` 追加任务视角记录，任务状态使用 `pending / running / completed / failed`，读取时按 `runId` 去重返回最近任务；runtime state 自身仍可在完成后显示 `idle / completed`，二者语义分开。同一 Agent 的 pending 任务由持有 `.agent/runtime/locks/<agentId>.lock` 的后台 drain 串行执行，避免同一 Agent 并发抢上下文；不同 Agent 仍可并行。后台任务的核心 loop 最多 3 轮：每轮把已有 observation 带回 LLM 让 Agent 重新规划，只有 actions 为空且 response 非空时提前收束，否则继续执行白名单工具，跑满后再进入最终回复整理。后台任务完成后会把 assistant 回复追加到对应 `.agent/conversations/agents/<agentId>.jsonl`，并向 `.agent/agent.db` 写入 `agent.runtime.background_task.queued` / `agent.runtime.background_task` / `agent.runtime.tool_observation` / `agent.runtime.memory.write` / `agent.runtime.file.write` / `agent.runtime.command.run_limited` / `agent.runtime.blackboard.write` / `agent.runtime.agent.message` / `agent.runtime.background_task.completed` / `agent.runtime.background_task.failed` 审计记录。当前工具箱开放只读工具 `memory.read`、`conversation.read`、`asset.list`、`project.index`、`file.read`，以及受策略保护的写/运行工具 `memory.write`、`file.write`、`command.run_limited`、`blackboard.write` 和 `agent.message`；若项目策略要求确认或拒绝，对应工具不会执行，Runtime 会把策略结果作为 observation 回给 Agent。`toolPolicy` 保存当前工具级权限快照，供 planning prompt 和状态面板展示；`recentToolCalls` 保存最近 20 条结构化工具动作，供状态面板展示最近动作；`.agent/agent.db` 追加写入按整行 JSONL 写入，减少多个 Agent 同时完成时的行交错风险。
 - 2026-07-10 补充：当前工具箱还开放 `preview.start`，审计记录类型为 `agent.runtime.preview.start`；该工具不会打开任意 URL，只启动当前授权项目的 `127.0.0.1` 本地预览，并和 Tauri 用户命令共用同一个 `PreviewRegistry`。
 - 2026-07-10 补充：当前工具箱还开放 `canvas.asset_generate`，审计记录类型为 `agent.runtime.canvas.asset_generate`；该工具只通过配置好的 External Editor API 生成并回流素材，不暴露任意上传 / 任意网络请求能力。
 - 2026-07-10 补充：当前工具箱还开放 `task.list`；该工具只读取 manifest 任务图、状态、依赖、产物和 `readyTaskIds`，并受 `task.list` 项目权限策略保护。