首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >常驻之后:SuperAgent 的架构真相,与 A/B/C 的三层范式

常驻之后:SuperAgent 的架构真相,与 A/B/C 的三层范式

原创
作者头像
OneCode
发布于 2026-11-06 17:11:39
发布于 2026-11-06 17:11:39
2220
举报
文章被收录于专栏:ooderAgentooderAgent

OODER 技术博客 · Agent Architecture

常驻之后:SuperAgent 的架构真相,与 A/B/C 的三层范式

——续《从 Agent Team 到常驻 SuperAgent》:为什么它不是又一套固定流程

日期:2026-11-06 | 范围:ooder-pro · net.ooder.studio.chat.superagent · A2A · A/B/C 分层

证据口径:源码契约 + 教育外网 Studio 8014 真实运行数据 + 灰度/稳定性报告

前篇:《从 Agent Team 到常驻 SuperAgent》

摘要

上一篇我们给出的结论是:Ooder 不缺 Agent,缺的是一个常驻的 Router 层。那一篇讲的是"补什么"——常驻会话、Thread 直通、两级事件过滤、启动恢复、可回滚接管。

这一篇讲"补完之后它到底是什么"。因为架构一旦落地,最容易被误读成两种东西:要么是"更聪明的流程引擎",要么是"多开了几个 Agent"。两者都不对。本文先把一类常见做法摊开——把 AI 塞进一条全员强制的固定流水线,用 DAG 和审批门把研发过程管起来——然后回答三个问题:

  1. 为什么那种做法不是 AI 原生,而是"固定流 + 计量化"的老套路;
  2. SuperAgent 在架构上究竟补了哪一层,凭什么它不是又一张流程图;
  3. 为什么落点必须是真实项目现场(真实用户 + 实际运营数据 + 现场约束),而不是"生产软件的企业";以及为什么最终只有 A/B/C 三层 Agent 能承载这个范式。

文中的运行数据来自本机与教育外网真实实例;没有跑完的窗口、没有达标的样本,我会照实写出来。

关键词:常驻编排;固定流;决策前置;Thread 直通;A2A;A/B/C 分层;真实项目现场;人机协作

一、一张"全员强制"的截图,暴露了同一个旧答案

1.1 那个插件做了什么

先看一类正在被大量复制的做法。某公司自研了一套内部 AI 研发插件,经过多轮迭代后在部分部门试点,随后全员通知强制使用——产品、设计、研发、测试,每个环节都必须经该插件流转。

它的机制可以精确地拆成四件事:

  • 工程物料的全量版本管理:PRD、UI 设计稿、规格说明(Spec)、任务(Task)、测试用例全部纳入版本库,核心不是代码版本控制,而是"物料"的版本控制;
  • 协议打通:通过 MCP 与 Jira、GitLab 及内部知识系统双向打通;
  • 固定流转:产品创建 Issue → 研发绑定对应技能 → 系统自动生成文档、任务与依赖图(DAG),并附审批门禁 → 前置节点未完成,后续节点无法启动;
  • 失败回写:测试发现问题后,研发可基于同一 Issue 调用插件自动修复,并同步回写工单信息。

强迫全员使用的理由也很完整:工程合理性(绕开插件手工变更会丢失后续维护的上下文)、过程数据统一(有助于识别跨环节交接的断点)。

这段描述里,没有一句话是错的。问题不在它说错了什么,而在它没有说出的那半句:同一套机制同时是一套劳动力数字化度量(telemetry)系统——它持续采集员工活跃度、代码产出量、缺陷数据、人工干预频次。于是工具的选择权被收走,组织获得了对个体的实时读数。

1.2 它其实是"AI 装进流程图"

判断一个系统是不是 AI 原生,不要看它用了多少模型,看一个更硬的口径:决策发生在什么时间点。

  • 在固定流里,每条边、每个审批门、每个前置条件,都是在运行之前由人预先画好的。模型进到节点内部,只能加速这个节点本身;
  • 拓扑是固定的:节点必须预先知道,分支必须预先枚举,异常必须回到人;
  • 所以模型越强,这条流水线跑得越快——但它跑的还是同一条流水线。

这就是"固定流的老套路":把不确定性全部压缩到开工之前,然后要求现实按图纸发生。 AI 在这里的角色不是"同事",而是"流水线上的电动工具"。

1.3 三个代价,比"好不好用"更根本

第一是选择权。员工失去局部工具的选择权,组织获得全局流程的一致性。短期看是收益,长期看是把"现场判断"也一起标准化了——而现场判断恰恰是交付质量的来源。

第二是上下文。强制统一流程的理由是"不丢上下文",但真正被丢掉的往往是流程之外的上下文:客户临时改的口径、上个版本遗留的脏数据、某个审批人今天不在、这张发票为什么必须走特批。这些信息进不了 DAG。

第三是度量反向塑造行为。一旦工时可以被量化压缩、与横向比较挂钩(按件计发工资),理性选择就不是"把事做好",而是"把指标做好"。再叠加"AI 承担缺陷修复后组织只保留少量程序员"的裁员预期,以及"生成速度超过人工审查产能,行业滑向可运行但不可交付"的风险——这三层担忧不是情绪,是激励机制设计问题。

一句话:它优化的是可观测性,不是交付结果。

二、病根不在"流程不够智能",在"决策被前置了"

2.1 流程图的来历:它本来是人手之间的交接单

审批流、研发流、交付流,最初都是为人与人交接设计的:谁交给谁、交什么、什么算交完。它的价值在于责任边界清晰,而不在于"聪明"。

一旦把 AI 塞进这种图,就会出现一个错配:AI 最擅长的是"在信息不全时给出下一步的合理动作",而流程图要求的是"在开工前把所有下一步都写死"。两者方向相反。

2.2 三条硬约束,决定了固定流的天花板

约束

含义

后果

节点必须已知

图上的每个方框都要提前定义

新场景 = 改图 = 发版

分支必须枚举

所有判断都要写成条件表达式

长尾异常只能落到"其他"或人工

异常必须回到人

图外的状态没有归属

越复杂越依赖人兜底,AI 只做加速

这三条不是实现缺陷,是表达能力的边界。你可以在节点里放更强的模型、更好的提示词、更细的 DAG,但拓扑本身不会因此变得更适应现实。

2.3 SuperAgent 的转向:决策不前置,改由运行时"记账"

上一篇的核心判断是:把"维护会话、同步上下文、分派任务"从模型和提示词里拿出去,固化成系统层。

这句话的架构含义是:流程图描述的是"人怎么交接",而 Router 维护的是"任务之间的真实关系"——谁在做、做到哪、卡在哪、要不要问人、要不要合并。前者是图纸,后者是账本。

维度

固定流

常驻编排

决策时点

运行前(画图时)

运行时(每一轮)

决策载体

节点 + 条件表达式

Router 的决策空间

变更方式

改图、发版

改绑定、改策略、改候选

异常归属

人工兜底

CLARIFY / ESCALATE 是一等公民

系统产出

过程记录

任务图 + 状态 + 可回滚归属

所以 SuperAgent 不是"流程引擎 2.0",它补的是流程之外的那一层:关系、状态、恢复与归属。

三、架构真相:五个系统能力,六个决策

3.1 它没有推翻 A2A,只是在其上补了一层

升级没有改 ooder-a2a 协议、没有替换 scene-engine、没有动业务执行体。新增的包是 net.ooder.studio.chat.superagent,通过端口倒置依赖宿主:

  • WorkerDispatchPort:派发与取消;
  • AgentResolvePort:寻址(mention / sceneId / pid / nodeId → 执行体);
  • SuperAgentReplyPort:对用户输出;
  • TriggerSource:事件来源(IM / BPM / Git / CI / VFS)。

协议栈继续负责传输、寻址、鉴权与幂等;SuperAgent 只回答三个问题:谁来做、什么时候做、做完怎么汇总。

图 1:固定流插件与常驻编排的结构差异
图 1:固定流插件与常驻编排的结构差异

图 1:左边是"决策前置"的固定流,右边是"决策运行时化"的常驻编排。差别不在节点数量,而在谁持有决策权。

图 2:SuperAgent 运行时结构
图 2:SuperAgent 运行时结构

图 2:入口、Trigger、Runtime、A2A、Worker 与旁路账本的关系。Runtime 只做决策与记账,不执行业务;Worker 只执行,不直接对用户说话。

3.2 每用户常驻会话 + 单写者 actor

会话键是 tenantId:userId,一个用户一个常驻会话,不随 HTTP 请求结束而销毁。会话里放四样东西:当前焦点会话、未完成任务、最近事件摘要、用户偏好。

会话内部用串行执行器(单写者 actor),把"同一会话并发两轮"的竞态挡在门外。这不是性能优化,而是正确性约束:如果同一会话的两轮请求并发决策,就会出现两个 Router 同时派发、两个 Worker 同时写同一 Thread 的情况。

3.3 conversationId 即 Thread 主键:效率来自"不决策"

首轮由 Router 决策并绑定主 Worker;同一个 conversationId 的后续轮次直接投给主 Worker,不再经过 Router。

直通不是无条件的。

代码语言:javascript
复制
public boolean shouldDirectPass(ThreadBinding binding, ChatSnapshot snapshot,
                                boolean agentOnline) {
    if (!properties.getThread().isDirectPass()) return false;
    if (binding == null || snapshot == null || !binding.directPassEligible()) return false;
    if (!agentOnline) return false;
    String content = snapshot.content() == null ? "" : snapshot.content();
    if (P2aDispatchService.extractMention(content) != null) return false; // 有 @ 就回 Router
    if (snapshot.lockedScene()) return false;                            // 锁定场景不走直通
    return !containsCrossThreadIntent(content);                          // "改主意/取消/另一个" 回 Router
}

注意这里的措辞:直通是"免决策",不是"快决策"。它之所以快,是因为这一轮根本不需要判断——绑定在、执行体在线、没有新意图。这跟固定流里"每条边都必须走一遍"是相反的思路。

直通期间也不是"失明":每轮仍写一条影子事件(ROUTER_SHADOW),让 Router 对跨任务关系有迹可循,但不参与本轮路由。

3.4 六个决策,构成的是"空间"而不是"流水线"

Router 的决策类型定义在

决策

含义

固定流里有对应分支吗

DIRECT_ANSWER

Router 自己回答,不派发

没有(固定流默认必须走节点)

ASSIGN_WORKER

新建任务并派发

有(派单)

CONTINUE_THREAD

直通已绑定 Worker

没有(固定流每轮都从入口开始)

CLARIFY

信息不足,向用户追问

弱(通常退化成人肉沟通)

ESCALATE

转人工/上级

有(审批门)

IGNORE

事件不值得处理

没有

IGNORE 和 CLARIFY 是这套设计里最关键的两个"反流程"决策。固定流没有"这件事不该处理"的合法分支,所有事件都必须进图;而现实中大量事件的价值就是"不需要管"。把"不处理"变成一等公民,才避免了"为了跑流程而制造任务"。

还要强调一个容易被忽略的实现事实:Router 默认走确定性规则,不依赖大模型。 RouterPolicy 的默认路径是"显式 @ → 派发;锁定场景 → 本地直答;其余 → 直答",LLM 路径由 router.llm-enabled 显式开启,且输出必须通过 schema 校验与候选清单二次校验,失败一律回落规则路径。这意味着:即使模型不可用,系统仍然可用;即使模型漂移,也不会把请求派到不存在的执行体。

3.5 Trigger:先规则、后模型、不静默

事件入口不是"把消息丢给模型",而是两级过滤:

  1. 快路径:来源、群范围、白名单、长度上限、拒绝词/放行词;
  2. 慢路径:只有快路径没把握时,才用轻量模型判断"值不值得管"。

网关负责去重(复用落盘幂等台账,跨重启有效)、落事件表、再转交运行时。被拒绝的事件一定带 reason,不静默丢弃——这是可运维性的底线。

3.6 影子决策与 ownerMode:接管必须可证伪、可回滚

新链接管旧链,最大的风险是"看起来没坏"。这套实现用了两个机制把它变成可验证的:

  • 影子对比:旧链真实委派结果回来后,与最近一次影子决策比对(30 秒窗口),累计 shadowMatch / shadowMismatch / shadowMismatchRatio,比完即清除,避免跨轮误配;
  • 单一归属:sa_thread.owner_mode 只有 SUPERAGENT / LEGACY 两值,写 SUPERAGENT 后旧委派钩子全部跳过,回滚时改回 LEGACY 旧链恢复。不允许同一会话同时存在两种 owner。

回滚有三档,优先级从高到低:全局开关(enabled=false / mode=shadow)→ 运行时 kill switch(POST /admin/kill,无需重启)→ 单会话归属(POST /admin/rollback?conversationId=xxx)。

3.7 启动状态机与只读恢复

启动不是"进程起来就能接流量"。状态机是:

代码语言:javascript
复制
BOOTING → STORE_READY → WAIT_RECONCILE → DIRECTORY_READY → RECOVERING → READY
                                    ↘ DEGRADED(原因) → 后台自愈 ↘

三条硬规则:READY 之前零接管;存量会话默认不迁移(避免重启后双跑);DRAINING 立即停止接管。

恢复扫描非终态任务,与协议侧消息对账,收敛为 SUCCEEDED / FAILED / TIMEOUT / UNKNOWN / ARCHIVED——只对账、不重派。这一条是从根上杜绝"重启风暴"和重复执行的关键。

3.8 小结:它补的是"记账层"

把上面几节压缩成一句话:

SuperAgent 不生产业务结果,它生产"任务之间的关系"。

会话是账本的封面,Thread 是账页,任务是分录,ownerMode 是归属戳,影子决策是审计底稿,恢复是对账,Watchdog 是查账。

固定流也有账,但它记的是"过程有没有按图纸走";SuperAgent 记的是"事情现在到底在哪"。前者服务于考核,后者服务于交付。

四、真实运行证据:9/10,以及一个不能回避的 0

架构讲得再顺,也要拿运行数据说话。以下数据来自教育外网 Studio 8014 的真实实例。

4.1 灰度口径

项

值

构建

sha=5843675ec、md5=ef02c2ee…

模式

mode=active,killSwitch=false,状态 READY

灰度人群

admin,devdev,tester(systemd drop-in 注入)

采集

2 小时定时快照 ×12 + 5 分钟高频稳定性采样

4.2 T0 十条真实验收

问法

期望

实测

耗时

1

@form.modeling 请为"学生请假申请"生成一张表单

派发成功

SUCCEEDED

6.0s

2

同会话 再加一个"请假天数"字段

续轮直通

SUCCEEDED(第 2 条任务)

5.4s

3

@codeagent.metrics 查询研发指标…

派发到远端

修复后 SUCCEEDED

2.2s

4

@form.convert 请把这张报销单转成平台表单

缺输入如实失败

FAILED / requires_input

4.4s

5

你好

旧链直答

直答(superAgent=None)

4.4s

6

帮我看看报销流程怎么走

旧链直答

直答

12.9s

7

@form.modeling 生成一个"学生成绩录入"表单

派发成功

SUCCEEDED

4.7s

8

请把这张外部表单转成平台表单(无 @)

旧链直答

直答(无把握不接管)

10.3s

9

@form.convert {"fields":…}

剥离 @ 后成功

未派发(后修复)

4.8s

10

谢谢

旧链直答

直答

3.0s

9/10 符合预期。 更值得说的是三个"符合"背后的架构意义:

  • 第 4 条如实失败:缺输入就返回 requires_input,而不是编一个结果。这是"系统层记账"和"模型层幻觉"的分界线;
  • 第 8 条不抢管:没有把握就交回旧链,DIRECT_ANSWER 一律返回 null。接管是要有边界条件的;
  • 第 2 条续轮直通:第 2 条消息的 Router 决策次数为 0,但影子事件为 1 条。

4.3 现场打出来的两个缺陷(比成功案例更有价值)

其一:远端执行体被"本机驻留"误杀。 @codeagent.metrics 返回了 superAgent=true,但没有任务、没有 delegatedAgentId。根因是候选装配用本机能力注册表去判断远端节点(codeagent-8120),必然全部 UNBACKED 被剔除。修复口径是:nodeId != 本节点 时跳过驻留判定,可达性交给 A2A 派发裁决。

这个缺陷的教训很硬:"本机驻留"和"集群可达"是两个概念。把它们混成一个布尔值,编排层就会在"A 节点编排、C 节点执行"的形态下自我否定。

其二:派发正文没有剥离 @提及**。** @form.convert {"fields":[…]} 的正文带着 @form.convert 前缀,执行体按"非 JSON 文本"处理,恒返回 requires_input。修复在 SuperAgentRuntime.workerContent():只剥离首个提及,剥空则回退原文。

这两条都不是"模型不行",而是口径问题。架构正确不等于口径正确;口径错了,再好的架构也会在真实入口上翻车。

4.4 稳定性:不粉饰的窗口

  • 2026-11-05 00:44–03:07,studio 被外部连续重启 19 次(systemctl 记录为 Stopping → Started,NRestarts=0,不是崩溃/OOM),该窗口判定无效,样本归档不计入;
  • 14:14–20:39,8014 被 setsid nohup 野进程占用,/OOD 与健康端点均 500,期间 UI 验收中断,20:39 恢复;
  • 24h 窗口多次被外部重启打断,到本文写作时仍未跑满。

我坚持把这些写出来,是因为"只报好数据"本身就是固定流思维:把过程做成可展示的,而不是把事实做成可核对的。

4.5 最关键的 0:真实业务用户为 0

灰度报告的结论是 PARTIAL,原因只有一句话:实例只有 admin/devdev/tester 三个内部账号,没有真实业务用户。

这意味着:技术上已经能证明"链路通了",但业务上无法证明"它有用"。因为没有真实用户,就没有真实的改主意、跨会话引用、权限边界、口径冲突;没有实际运营数据,就没有"这条任务到底该不该存在"的判据。

这个 0 不是工程失败,是场景缺位。它恰好把我们引向本文真正的落点。

五、对比:固定流插件 / 常驻 SuperAgent / A/B/C 三层 Agent

现在把三种形态放在同一张表上。注意:这不是"新旧之争",而是决策权归属之争。

维度

固定流插件(截图那类)

常驻 SuperAgent

A/B/C 三层 Agent

决策时点

运行前,画在图上

运行时,每轮决策

A 决策、B 约束、C 执行

拓扑

固定 DAG,节点预定义

无固定拓扑,Thread 动态绑定

三层解耦,层内自治

变更成本

改图 + 发版 + 全员培训

改策略/候选/绑定,灰度可回滚

A 月级、B 客户周期、C 天级

异常处理

回落到人,图外无归属

CLARIFY / ESCALATE / IGNORE 一等公民

C 内确定性失败,B 定权限,A 定话术

人的位置

流水线工位,被计量

决策者与验收者

分别管契约、领域、实现

数据回路

过程数据(工时/产出/干预)

任务图 + 事件 + 影子对比

三层各自的账,互不污染

失败模式

流程走完但没人负责

明确失败原因 + 下一步入口

故障被限制在 C 的沙箱边界内

可回滚

通常没有(只能停用)

三档回滚,单会话可归位

按层发版,按层回退

适用边界

强合规、步骤可穷举

需求不清、跨系统、人机混合

多租户、多领域、持续演进

三条容易混淆的边界,必须说清:

第一,"SuperAgent 也是流程"。 不是。流程是执行段(一个 Worker 内部的确定性步骤,比如报销审批的节点路由),编排是关系段(这件事该不该做、交给谁、做完怎么合并)。前者应该保持确定性,后者必须保持动态。把两者混成一张图,就是固定流。

第二,"LLM 决策不可控"。 这套实现的答案是三条:规则兜底(默认路径不依赖模型)、schema 二次校验(agentId 必须在候选清单内)、影子对比(和旧链实际结果比,偏差可见)。可控性来自工程约束,不来自"相信模型"。

第三,"直通就是硬编码"。 直通是运行期绑定,不是写死的路由:绑定由首轮决策产生,可解绑、可重绑、可随执行体离线自动回退。

还要给固定流一个公道:在强合规、强审计、步骤确实可穷举的场景里,固定流是对的——比如付款审批的金额分级、必须双人复核的节点。这种场景应该用 C 层的确定性流程去承载,而不是"假装 AI 原生"。真正的错误是:把只适用于合规段的固定流,推广成整个研发/交付过程的组织方式。

六、落点之争:不是软件工厂,是真实项目现场

6.1 软件企业的天花板:过程数据不等于经营数据

截图里那套系统采集的全是过程数据:活跃度、代码产出量、缺陷数据、人工干预频次。这些数据能回答"研发有没有在动",回答不了"客户的问题有没有被解决"。

而客户付钱买的,从来不是"过程",是现场结果:单据能不能过、账能不能对上、审批能不能走完、月底能不能结账。

只生产软件的企业,会天然把 AI 的落点放在"生产过程"里——因为那是它唯一能观测的地方。这就是它的天花板:它优化的是一个闭环内部,而不是闭环本身。

6.2 真实项目现场的三类输入

"现场"不是一个修辞,它对应三类非常具体的输入:

输入

测试环境里没有的

对架构的要求

真实用户

角色差异、权限边界、使用习惯、异议与改主意

常驻会话、跨会话召回、CLARIFY 追问

实际运营数据

脏数据、口径冲突、跨系统主数据不一致

执行体如实失败、requires_input、人工门

现场约束

旧系统、网络边界、合规要求、老师傅的经验

域权限、沙箱隔离、可回滚归属

这三类输入有一个共同点:它们都不在图纸上。 你无法在开工前把它们枚举成 DAG 的分支,只能让系统在运行时接住它们。

6.3 一个具体的现场例子

以"学生请假申请"和"资金日报"为例,看现场到底多出了什么:

  • 表单不是"生成出来就完了":字段口径、必填规则、审批人代理、跨校区差异,都要在现场对齐;
  • 资金日报不是"跑一次 SQL":银行流水格式、科目映射、发票抬头、跨系统主数据,任何一处不一致都要人来裁决;
  • 审批路由 amount > 5000 → 分管领导 在画布上是确定的,但"这个人今天休假、代理人是谁、特批要不要留痕"是现场的。

这些东西,正是"真实用户 + 运营数据 + 现场约束"的合成物。SuperAgent 的价值不在于把它们自动化掉,而在于把它们接住、记账、分配给对的人,并把结果回写现场。

6.4 为什么"只生产软件的企业不是未来"

因为软件只是载体。价值在运营回路里:现场数据 → 可执行动作 → 执行结果 → 回写现场 → 下一轮判断。

只做"生产软件"的企业,回路到"软件交付"就断了;它卖出的是一次性的产物,而不是持续的运营能力。AI 如果只被用来加速这个断开的回路,最终只会得到"更快地生产没人用的软件"。

6.5 自证:我们自己的灰度就是反面教材

第 4.5 节那个 0,是最好的论据:没有真实用户和运营数据,SuperAgent 只能证明链路,不能证明价值。

所以下一步不是"再加几个可视化按钮",也不是"把流程画得更细",而是:让真实业务账号进来,让真实单据跑起来,让运营数据进入回路。场景比模型重要,现场比图纸重要。

七、A/B/C:为什么只有三层 Agent 能承载这个范式

7.1 如果只有 SuperAgent,会发生什么

假设把 SuperAgent 当成全部答案,让它既编排、又懂业务、还负责执行,会立刻出现两个问题:

  1. Router 变胖。 它要理解每个领域的字段、权限、口径,最终变成一个新的单体——所有变化都往它身上堆;
  2. 变化频率重新冲突。 平台能力(月级)、领域契约(客户周期)、业务实现(天级)被塞进同一个进程,又回到"改一处、动全身"。

这正是固定流的病根换了个位置:不是流程画死了,而是编排层被画胖了。

7.2 三层 Agent 的定义:与现有 A/B/C 分层一一对应

层

Agent 角色

承载

发布节奏

回答什么问题

A

常驻编排智能体(SuperAgent / Router)

会话、Thread、决策、派发、汇总、恢复、回滚

月

谁来做、何时做、做完怎么汇总

B

领域宿主智能体

领域模型、视图契约、名册、授权、场景与工具白名单

客户周期

业务是什么、谁能看、谁能改

C

业务执行体

场景服务、编排实现、编码体、沙箱内编译与运行

天

具体怎么算、怎么取数、怎么落库

判据仍然是那一句话:能被平台反射读取的元数据必须在 A/B 的注解里;与类无关、客户可改的运维配置必须在 B 的 YAML 里;任何"拼装产物"的代码都不许留在 C。

三条依赖红线与之配套:

  1. B 不得依赖 A 的生成器;
  2. C 不得反向依赖 A 的内部实现(只能走端口与契约);
  3. ooder-pro 不得反向依赖任何 ooder-biz-* / ooder-domain-*。

装载顺序在运行期强制固化:-Dloader.path=lib,lib/domain,lib/biz(A → B → C),并由 harness/bc-gate.mjs 做静态门禁:C 层不得出现产物拼装类、A 层与 C 层不得出现同 FQN 的类、B 不得依赖 A 的生成器。

图 3:A/B/C 三层 Agent 范式
图 3:A/B/C 三层 Agent 范式

图 3:A 管关系、B 管语义与授权、C 管执行。三层的发布节奏不同,因此必须解耦;否则任何一次业务变更都会变成平台变更。

7.3 一次请求穿过三层

代码语言:javascript
复制
用户 → A:读会话/Thread → 决定 DIRECT_ANSWER / ASSIGN / CLARIFY / IGNORE
         ↓ ASSIGN
       B:解析领域、校验权限、装配候选执行体与约束
         ↓ 派发(A2A 直达,带 threadId / 鉴权头)
       C:在沙箱内确定性执行,如实返回 SUCCEEDED / FAILED / requires_input
         ↓ 回执
       A:收敛终态 → 汇总成人话 → 回写会话与任务图 → 推送用户

需要澄清一处容易画错的细节:物理上 A 经 A2A 直达 C,逻辑上必须经过 B。 候选来自 B 的名册、越权由 B 的授权矩阵拦住、参数受 B 的契约约束。B 是 C 的宿主,不是转发代理;A 不绕过 B 去"猜"业务。

三条纪律:C 不直接对用户说话(所有用户可见文本由 A 汇总);B 不出实现(只出契约、模型与授权);A 不出业务(不出现业务字段名、流程 ID、表名)。

7.4 新需求该落在哪一层

需求类型

落点

反例(错误落点)

新增一个业务动作(生成表单、查指标)

C

写进 A 的 Router 提示词

新增领域/角色/权限/名册

B

在 A 里 if-else 判断用户

新增通用协议、渲染、调度、恢复

A

在每个 C 里各写一套重试

客户改字段/口径/审批人

B(YAML/模型)

改 A 的 Java 常量

红线的现实意义在于:如果"报销字段名"出现在 A 层,那么每改一个字段都要发一次平台版本——这正是"变化频率冲突"的具体形态。仓库里仍有这类残留(例如待办控制器的字段键硬编码、.cls 与 formSchema 双源),它们被明确列为 P0/P1 清理项,而不是"以后再说"。

7.5 三档节奏如何解掉固定流的死结

固定流的死结是:流程要统一,业务要变化。 唯一的解法是"强制",于是就有了全员培训和考核。

A/B/C 的解法是把"统一"和"变化"分开放:

  • 统一的是 A 的能力(协议、渲染、调度、恢复、审计);
  • 变化的是 C 的实现(今天改、今天验、今天发);
  • 中间用 B 的契约隔离(客户周期安装,不动平台、不动实现)。

于是"统一"不再需要靠强制,"变化"也不再需要靠发版。

7.6 这也是人机协作的分层

层

谁在管

人的位置

A

平台团队 + 编排 Supervisor

定义协议与边界,审阅决策与影子偏差

B

领域专家 / 实施顾问

定义模型、权限、口径,做验收标准

C

一线工程师 + 编码 Agent

写实现、跑沙箱、看运行证据

人被放到了两个高价值位置:定义契约和验收结果。中间的执行、派发、恢复、汇总,交给系统。

这就是"不是把 AI 从程序员手里抢走"的准确含义:被拿走的是"当执行器"的那部分工作,留下的是"当作者和裁判"的那部分工作。

八、边界与异议

"这不还是流程吗?" 流程仍然存在,但只在 C 层、只在确定性执行段。编排层不是流程,它没有固定拓扑;它的产物是任务图与状态,而不是"走过哪几个节点"。

"LLM 决策漂移怎么办?" 默认规则路径 + 严格 schema + 候选二次校验 + 影子对比 + 三档回滚。任何一条失效,系统退回旧链,用户无感。

"AI 会不会取代程序员?" 会取代"把人当执行器"的组织方式,不会取代定义问题、做取舍、担责任的人。判断标准不是"AI 写了多少行",而是"人有没有被放到更能产生判断的位置"。

"度量怎么办?" 度量任务与结果:任务是否收敛、失败原因是否明确、返工率、人工门触发率、端到端时延。不要度量人:工时、代码量、干预次数一旦与个人绩效挂钩,就会立刻反向塑造行为,这是那三层担忧的根源。

"没有真实数据怎么冷启动?" 先用 C 层的确定性能力跑通一条真实单据,再用 Trigger 把现场事件接进来,逐步放开直通与派发范围。顺序不能反:先有确定性,再谈智能。

九、结论

  1. 固定流的问题不是"不够智能",而是"决策被前置"。 把模型塞进节点,只会让同一条流水线跑得更快;拓扑不变,天花板不变。
  2. SuperAgent 补的是流程之外的记账层。 常驻会话、Thread 直通、两级过滤、只读恢复、可回滚归属——它生产的是"任务之间的关系",不是业务结果。
  3. 落点必须从软件工厂移到真实项目现场。 真实用户、实际运营数据、现场约束,这三样不在图纸上;接不住它们,AI 就只能加速一个断开的回路。
  4. 只有 A/B/C 三层 Agent 能承载这个范式。 A 管关系(月级)、B 管语义与授权(客户周期)、C 管执行(天级);三档节奏解耦,才不用靠"强制"来统一。
  5. AI 不该从程序员手里抢走,而该把"关系"接过去。 人回到定义契约与验收结果的位置,系统接过派发、恢复、汇总与记账。

上一篇的结论是"缺一个常驻的 Router 层"。这一篇的结论是:Router 层只是入口;真正的范式,是让 A/B/C 各归其位。

附录:证据索引

证据

位置

Router 决策类型

RouterDecision.java

直通判据

ThreadRouter.java

决策策略(规则优先)

RouterPolicy.java

事件两级过滤

TriggerGateway.java

派发与 @ 剥离

SuperAgentRuntime.java

运行时落地方案(状态机/恢复/回滚)

superagent-runtime-implementation-plan-20261104.md

灰度报告与 T0 十条

superagent-gray-report-20261104.md

24h 稳定性(含外部重启)

superagent-24h-stability-20261105.md

A/B/C 三层定义与红线

B-C分层拆分方案与规范-20261025.md

分层门禁

bc-gate.mjs

零代码与 A/B/C 落点核查

零代码与ABC落点核查-20261106.md

OODER 技术博客 · 续篇 · 文中运行数据来自真实实例,未完成窗口与不足样本均已如实标注

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 常驻之后:SuperAgent 的架构真相,与 A/B/C 的三层范式
    • 摘要
    • 一、一张"全员强制"的截图,暴露了同一个旧答案
      • 1.1 那个插件做了什么
      • 1.2 它其实是"AI 装进流程图"
      • 1.3 三个代价,比"好不好用"更根本
    • 二、病根不在"流程不够智能",在"决策被前置了"
      • 2.1 流程图的来历:它本来是人手之间的交接单
      • 2.2 三条硬约束,决定了固定流的天花板
      • 2.3 SuperAgent 的转向:决策不前置,改由运行时"记账"
    • 三、架构真相:五个系统能力,六个决策
      • 3.1 它没有推翻 A2A,只是在其上补了一层
      • 3.2 每用户常驻会话 + 单写者 actor
      • 3.3 conversationId 即 Thread 主键:效率来自"不决策"
      • 3.4 六个决策,构成的是"空间"而不是"流水线"
      • 3.5 Trigger:先规则、后模型、不静默
      • 3.6 影子决策与 ownerMode:接管必须可证伪、可回滚
      • 3.7 启动状态机与只读恢复
      • 3.8 小结:它补的是"记账层"
    • 四、真实运行证据:9/10,以及一个不能回避的 0
      • 4.1 灰度口径
      • 4.2 T0 十条真实验收
      • 4.3 现场打出来的两个缺陷(比成功案例更有价值)
      • 4.4 稳定性:不粉饰的窗口
      • 4.5 最关键的 0:真实业务用户为 0
    • 五、对比:固定流插件 / 常驻 SuperAgent / A/B/C 三层 Agent
    • 六、落点之争:不是软件工厂,是真实项目现场
      • 6.1 软件企业的天花板:过程数据不等于经营数据
      • 6.2 真实项目现场的三类输入
      • 6.3 一个具体的现场例子
      • 6.4 为什么"只生产软件的企业不是未来"
      • 6.5 自证:我们自己的灰度就是反面教材
    • 七、A/B/C:为什么只有三层 Agent 能承载这个范式
      • 7.1 如果只有 SuperAgent,会发生什么
      • 7.2 三层 Agent 的定义:与现有 A/B/C 分层一一对应
      • 7.3 一次请求穿过三层
      • 7.4 新需求该落在哪一层
      • 7.5 三档节奏如何解掉固定流的死结
      • 7.6 这也是人机协作的分层
    • 八、边界与异议
    • 九、结论
    • 附录:证据索引
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档