Project
NovaMind 可审计深度研究 Agent 内核
GitHub可审计深度研究 Agent 内核（v3.0.0 架构重构）：自研异步状态机替代 LangGraph，五钩子横切中间件，五层长期记忆，三组件零信任沙箱，三层技能自进化，多 Agent 委派，LLM 链式降级。
novamind run · 三协程交互对话
Architecture
分层架构
自上而下分层 · 虚线框为核心自研模块（状态机 / 协程编排 / 沙箱）
解决的问题
现成 Agent 框架在决策链路、成本统计与会话状态上偏黑盒、难调试。做一个每个模块都能独立验证的可审计 Agent 内核。
个人职责
独立设计：自研异步状态机引擎、五钩子中间件架构、五层长期记忆、三组件沙箱、三层技能自进化、多 Agent 委派、链式降级与 P0-P5 上下文治理。
技术栈
Python 3.10+ · AsyncIO · LangChain · Typer · SQLite · JSONL · Rich · pywebview · jieba · MCP · Pytest
Outcomes
成果一览
Self-Evolution
技能自进化闭环
v3.0 核心亮点 · 技能不只是存储，还能自己变好，且只进不退
L1 · Store
存储与选择
- SQLite 存储 + 版本 DAG + 四计数器（选择/应用/完成/回退）
- LLM 混合选择：按任务语义匹配技能
- 37 个内置技能（全英文）
L2 · Evolve
只进不退的变异
- 应用率跌破阈值触发：五问诊断 → LLM 重写技能文本
- 分数门槛：变异后分数更高才通过
- Git 棘轮机制：一旦退化自动回滚
L3 · Evaluate
三层评估回灌
- 逐技能逐任务判定是否被应用
- 四维加权打分：准确 0.50 / 完整 0.35 / 效率 0.05 / 深度 0.10
- 响应契约检查：从技能文本提取规则校验输出
退化信号回灌 L2 · 触发再进化
RuntimeTracker 持续跟踪技能应用率趋势，发现退化信号就回灌给 L2 触发新一轮进化——评估不只是打分，而是进化的燃料。进化开关默认关闭（启动时提醒），避免不可控变更。
Trade-offs
取舍决策
选择
自研异步状态机替代 LangGraph
放弃
现成编排生态
因为
条件路由 + 循环上限完全可控，核心循环保持薄
选择
链式降级只切瞬时错误
放弃
任何错误都自动切换 provider
因为
鉴权错误换谁都不行，还会把密钥泄露给错误 provider
选择
技能进化配 Git 棘轮回滚
放弃
变异即生效的激进进化
因为
分数门槛 + 自动回滚保证只进不退
可继续追问
- ?五层长期记忆各自管什么？
- ?技能自进化怎么保证只进不退？
- ?多 Agent 委派与共享沙箱如何工作？
- ?链式降级为什么只切瞬时错误？