mirror of
https://github.com/HKUDS/OpenSpace.git
synced 2026-08-28 05:15:00 +00:00
docs: add OpenSpace first-time analysis entry
This commit is contained in:
parent
2c5cc409b0
commit
d1ca912c66
2 changed files with 60 additions and 0 deletions
|
|
@ -230,6 +230,7 @@ With the same frozen Hy3 backbone, OpenSpace improves from a 65.2% Cold run to a
|
|||
## 📋 Table of Contents
|
||||
|
||||
- [⚡ Quick Start](#-quick-start)
|
||||
- [🚀 OpenSpace(新手向)分析稿](./docs/analysis/openspace.md)
|
||||
- [🤖 Path A: For Your Agent](#-path-a-for-your-agent)
|
||||
- [👤 Path B: Command Line](#-path-b-command-line)
|
||||
- [📊 Local Dashboard](#-local-dashboard)
|
||||
|
|
|
|||
59
docs/analysis/openspace.md
Normal file
59
docs/analysis/openspace.md
Normal file
|
|
@ -0,0 +1,59 @@
|
|||
# OpenSpace(子代理C速读)
|
||||
|
||||
## 一句话目标
|
||||
OpenSpace 是给 AI Agent 用的“技能仓库+训练场”:它不只让 Agent 记住技能(Skill),更要让 Agent 记住哪些技能在真实任务里真的有效。
|
||||
|
||||
## 核心模块(怎么理解)
|
||||
- `openspace/application.py`:对外入口。
|
||||
- 你调用 OpenSpace 时,先经过这里,像门面一样把配置和运行参数整理好。
|
||||
- `openspace/runtime/`:任务运行核心。
|
||||
- 负责会话、状态、执行生命周期,保证 CLI、MCP、Dashboard 共用一套执行逻辑。
|
||||
- `openspace/skill_engine/`:技能记忆与进化脑。
|
||||
- `registry.py`:建技能目录,发现本地和云端技能。
|
||||
- `analyzer.py`:任务后分析,判断技能是否起效。
|
||||
- `evolver.py`:生成 FIX / DERIVED / CAPTURED 版本。
|
||||
- `store.py`:把技能版本、谱系、质量分数持久化。
|
||||
- `skill_ranker.py`:按质量+匹配度给技能排序。
|
||||
- `openspace/grounding/`:能力执行层。
|
||||
- 统一不同后端(shell、gui、mcp、web、meta)执行工具。
|
||||
- `openspace/agents/`:Agent 主体。
|
||||
- 负责与大模型协作、工具调度和任务循环。
|
||||
- `openspace/cloud/`:技能社区连接层。
|
||||
- 上传、下载、搜索公开/私有技能,做质量证据上链。
|
||||
- `openspace/communication/`:多渠道对接。
|
||||
- 支持 WhatsApp、Feishu 等消息入口。
|
||||
- `openspace/recording/` 与 `openspace/persistence/`:证据仓库。
|
||||
- 记录执行日志、截图、对话、指标,用于质量判断。
|
||||
- `apps/`:可视化界面。
|
||||
- Dashboard 和 TUI,把“哪些技能在变好/变差”展示给人看。
|
||||
|
||||
## 给第一次看的人(超简版)
|
||||
想象你有一个助理(AI Agent),平时它会不断尝试很多“操作小剧本”(Skill)。
|
||||
|
||||
OpenSpace 的作用:
|
||||
1. 让助理先选对剧本。
|
||||
2. 把每次执行结果都记录下来:是成功、失败还是临时放弃。
|
||||
3. 把这些记录变成“质量信号”,给更可靠的技能更高优先级。
|
||||
4. 允许自动改进,但用“先试用后验证再信任”的方式,避免乱改。
|
||||
5. 最后把能用得更好、来源更清楚的技能,按包(package)共享出去。
|
||||
|
||||
你可以把它想成:
|
||||
- 一个会“记账”的技能库(有证据)
|
||||
- 一个会“练习”的进化系统(按结果改进)
|
||||
- 一个“本地执行、云端发现”的协作平台
|
||||
|
||||
## 一个使用流程(从 0 到 1)
|
||||
- 你发任务
|
||||
- Agent 从本地/云端找到候选 Skill
|
||||
- 选中一个 Skill 去执行(可能调用 shell、MCP、浏览器等)
|
||||
- 执行结束后写入证据记录
|
||||
- 记录决定该 Skill 是否值得继续重用
|
||||
- 触发演化时,产生新版本并做验证
|
||||
- 通过质量和审核规则后,推送到更高信任状态
|
||||
|
||||
## 我最先看的入口(建议)
|
||||
- 先读:
|
||||
- `README.md` 的 “Quick Start”和“Framework”
|
||||
- `README.md` 的 “Code Structure” 代码树
|
||||
- `openspace/host_skills/README.md`(想让 Agent 接入 MCP 时)
|
||||
- 本文档:`docs/analysis/openspace.md`
|
||||
Loading…
Add table
Reference in a new issue