superagent-build — 自研 Super Agent（治理内嵌 + Watchdog + 主动阈值）

定位：把 dsh-superagent-prototype（22k★）宣传了但没做的四件事真的做出来。 证据链：拆解报告见 ../superagent-dig/01-prototype-dissection.md（文章卖点兑现度表）。

与原型的差异（本项目核心增量）

抄原型的（已验证扎实）：两级准入、先存后做 outbox 三角、纯幂等 receipt、follow-up 语义、 bot 门、"Router 少说话"。

架构

Input → intake（幂等 receipt）
  → admission 两级：规则 gate（bot 门/白名单/显式指令/follow-up）
                    → 研判层（mention 时，硬校验：恰好一条规则+证据+防幻觉规则名）
  → accept → Decision → Ticket（订阅线程）→ Assignment → worker 会话
  → worker report → Watchdog 复核（规则层 → judge）→ 治理判决 → 回复出站（outbox 三角）
写前：pre_write → governance.check（未声明 scope 即 BLOCK，落 ruling）
开口：任务完成等事件 → proactivity.evaluate → speak/wait/drop（observe 模式只记录）

运行自检（RED→GREEN 纪律：先注入违规证明会红，再验证放行）

python3 -m pytest tests/ -q             # 新套件：i1_i4 / i2 / i3 / i5 / i6 / integration
python3 tests/test_store.py            # 老套件为自检脚本，逐个跑，末行 FAILURES: none 即过
python3 tests/test_admission_outbox.py # 持久层：先存后做/幂等/退避/崩溃恢复
python3 tests/test_e2e_m0.py           # 端到端：建票→派工→报告→回复→恢复
python3 tests/test_governance.py       # 写作用域治理（M1）
python3 tests/test_watchdog.py         # 跑偏检测（M2）
python3 tests/test_proactivity.py      # 开口阈值（M3）

里程碑状态

• M0 骨架：准入/outbox/ticket/编排，端到端绿（test_e2e_m0）
• M1 治理内嵌：governance.py 接进 engine.pre_write + intake 携带 mandate_rules（test_e2e_m1）
• M2 Watchdog：接进 engine.on_worker_report（deviation → 判决留痕 + 票终止 + 不回复）（test_e2e_m2）
• M3 主动性：接进 engine（observe 模式先行，判定留痕含 p*/u_eff/confidence 三数）（test_e2e_m3）
• I1 状态回灌：崩溃恢复补上另一半——Tickets/Thread（含订阅）从 SQLite 重载 + seq 防撞号； 重启后同线程 follow_up 仍附加原票（test_i1_i4）
• I2 研判接真：assessor.py——LLMAssessor（OpenAI 兼容端点，transport 可注入）+ 有界研判上下文（前5条+trigger+后5条，4000 字符封顶）；解析失败/幻觉规则名一律 fail-closed（test_i2_assessor）
• I3 真执行器：openai_executor.py——OpenAI 兼容 tool-loop worker + metrics.py 成本记账 （逐调用 CallRecord：tokens/延迟/成功率，JSONL 落盘）；对接位 = Magpie 网关（test_i3_executor）
• I4 复审环：deviation 不再一票终止——先给一轮修复机会（违规理由作为修复指令重投 worker， 复核转绿则照常回复），次数用尽才终止 + 落 governance ruling；max_repairs=0 保持 M2 旧契约（test_i1_i4）
• I5 校准机制：calibration.py——ConfidenceEstimator（证据源合成，已接进 engine 替换硬编码 0.95）+ LabelStore（observe 判定旁路自动攒标注）+ calibrate（网格搜索开口 precision≥0.8）（test_i5_calibration）
• I6 调度循环：scheduler.py——tick 驱动（max_workers 槽位/idle 超时回收/出站 pump）， engine 交付后写 idle_at；无 sleep 无线程，clock 注入可测（test_i6_scheduler）
• M4 成本对接：../superagent-dig/02-cost-experiment/framework.py 的 harness 适配器位 （metrics.py 的 CallRecord 已是同构对接面）

真实环境对接位（本仓库只含可测内核）

• openai_executor.py 的 OpenAICompatExecutor：已实现 OpenAI 兼容 tool-loop worker（默认指向 Magpie 网关 http://127.0.0.1:3425），transport 可注入；换 endpoint/model 即换 worker；
• assessor.py 的 LLMAssessor：已实现研判适配器（有界上下文 + fail-closed），接进 Engine(assessor=...) 即生效；
• watchdog.py 的 Judge Protocol：接独立 LLM judge（语义层"答非所问"检测）；
• outbox.py 的 Deliverer：接 GitHub/飞书通道（channelGone/channelIgnored 唯二合法放弃）；
• scheduler.py 的 Scheduler.tick：外部主循环每轮调一次即可驱动全系统（无 sleep 无线程）；
• metrics.py 的 MetricsLedger：逐调用成本记账（tokens/延迟/成功率，JSONL 落盘）， 与 ../superagent-dig/02-cost-experiment/framework.py 的 CallRecord 同构对接。